한빛미디어

요즘 뭐 하나 검색하기 무서울 정도로 나의 검색 기록들을 각종 포털이나 몰들이 잘(?) 관리를 해주고 있다.

그렇게 잘 관리된 정보를 가지고 끈질기게 상품을 골라준다.

오~ 이거.. 살까? 하고...

​

또한, 넷플릭스와 같은 OTT나 유튜브 역시 자꾸 보고 싶게끔 비슷한것들을 보여주게 된다.

나의 취향 저격도 있겠지만, 물론 아닌것들도 있다.

그렇다면 이렇게 내가 좋아할만한것들에 대해 어떻게 전달을 하고 있는지 해당 시스템이 궁금해진다.

뭐 몇가지 머리속에 들어 있는것들도 있지만, 방대한 데이터에서는 그게 잘 적용될지는 모르겠고, 상당히 많은 다양한 것들을 이용할 것 같다.

​

그래서 이번에 한빛미디어에서 <추천 시스템 입문>이라는 책에 대해 리뷰를 해볼까 한다.

책이...

음...

기존 한빛 미디어에서 받아본 책과 달리 커버도 얇고 속지도 얇다.

가볍고 얇아서 좋긴한데...

​

요런 상황이다.

집중해서 읽기에 뒷면이 너무 비춰보인다.

음... 이건 좀~

​

목차를 보면 역사부터 시작한다.

읽어볼만한데~(아... 이때부터 알아 봤어야했다.)

그렇다.

검색 시스템과 추천 시스템 뭐가 다를까?

내가 생각하기에 가장 큰것은 입력내용이 있어서 그것을 바탕으로 데이터를 추출 하느냐 아니면 기존의 나의 행동을 바탕으로 입력내용 없이 데이터를 추출 하느냐 인것 같다.

입력이 없다보니 내가 원하지도 않았는데 나오는 경우가 있기도 한다.

​

시스템 만드는데 생각외로 다양한 기술이 필요하다.

그저 코딩만 잘해서 되는게 아니라는 것이다.

​

어디든 마찬가지겠지만... 비용대비 정확도는 비례한다.

하지만, 정확도 10%를 맞출수는 없다.

최근 인공지능들 역시 100%라 생각지 않는다.

아주 많이 틀린것도 많고, 엉뚱한 이야기를 하는 경우도 많고, 상황에 따라서는 질문자가 답변이 나왔을때 그것에 대한 판단을 할 수 없는 경우도 많다.

​

불친절할 수도 있겠지만 왜 이것을 추천 했는지 이야기 해주지 않는 경우도 많지만, 최근 들어서는 많이들 하고 있다.

같은 나이대, 이걸 구매한 사람들이 구매한 다른 물건, 장르별, 등등...

보통은 추천 이유를 하나만 이야기 하지 않는다.

다양한 추천 이유에 대한 다양한 결과를 내놓아서, "네가 뭘 좋아할런지 몰라서 여러 이유로 검색해 보았어~" 라는 형태로 보여준다.

넷플릭스의 경우 최근 본 영화와 비슷한, 내가 찜한 영화와 비슷한, 자주 본 영화의 국적과 비슷한, 내가 자주 보는 장르와 비슷한...

명확한 구분이 필요할 것 같다.

좋다라고 하지 않았다고 안좋다라는 의미가 아니라는 것이다.

명확히 싫다라고 한게 아니라면 평가하지 않은건 잠재적인 좋아요가 될 수 있는 것이다.

이런것 또한 신경을 써야 한다는 것이다.

​

아마 이 페이지가 실질적인 내용이지 않을까 싶다.

각, 추천 알고리즘에 대해 비교한 것으로 더 많은 방법들도 있겠지만, 많이 사용되어 지는 것들에 대해 간단히 비교분석 한것이다.

내가 진행하고 있는 것들에 대해 적절한것을 선택하거나 혼합해서 사용하면 될 것이다.

​

이 책을 보다가 '아~ 이 책이 이런거였어?' 했던 부분이다.

이게 뭐야~

그렇다, 이 책은 코드를 설명 하고, 방법을 알려 준다기 보다는 논문의 가깝다.

"추천 시스템" 이라는 것에 대한 전반적인 논문~

​

최근들어 많아진 딥러닝 또한 추천 시스템에 기본이다.

그 수많은 정보 중에 나에게 맞는, 나와 어울리는, 내가 좋아할만한 것들을 뽑아내야 하니 다양한 정보를 바탕으로 뽑아 내야 할 것이다.

물론 대부분이 이런 추천시스템의 주 목적이 수익을 내기 위함이기에 실질적인 시스템 보다는 자기네들이 유리한쪽으로 이끌어 내는 것이 당연할 것이다.

지금도 그런지 모르겠지만, 넷플릭스의 경우 추천된 내용중에 일부러 넷플릭스 오리지널을 더 많이 넣는다는 이야기도 있었다.

나는 그런것을 탓하지 않는다.

자기네들 시스템이고, 자기네들 수익성이다.

하지만 좀 적당히 했으면 좋겠다.

적당히 하지 않는 곳들이 좀 있다. 지금 작성하고 있는 네*버도 그렇다.

나의 다른 호스팅 블로그의 경우 네이버에서는 절대 검색되지 않는다.

구글에서는 잘 나오는데...

이건 너무 인위적이다.

내것과 실제 검색을 적당히 버무려 낸것이 아닌, (그것을 못해서 그런건지 몰라도...) 남의 것은 일체 검색하지 않는 것은 좀~...

추천 시스템이 그리 간단하진 않다.

상당히 다양한 통계에 관련된 내용들을 반영해야 한다.

점점 책이 어려워지고 있다. ㅠㅜ

​

대학교에서 이 교재 가지고 수업해도 좋을 것 같기도 합니다.

실습하기가 쉽지 않겠지만....

​

이러한 내용 하나하나를 로그로 남게 되면 그것을 저장하고, 검색하는것에 있어 상당한 부하가 걸리기는 할 것이다.

그렇기에 얼마나 무리를 덜 주면서 빠르게 검색하느냐도 중요하다.

이는, 추천 시스템 뿐만 아니라, 검색에 대한 데이터베이스도 중요한 것이다.

​

언제나 늘 "평가" 부분이 쉽진 않다.

요즘은 그래도 어떻게 평가를 해야 하는지 등에 대해 알려주는 것도 많고, 자료도 많지만

예전에는 없다보니 정말 "사용자 스터디"만이 답이였는데, 그것 역시 환경이 안되는 경우는 불가...

과연 이 서버는 얼마나 많은 동시 접속자를 수용 처리 할것인가~ 등에 대해서 늘 고민 이였죠.

역시나, 추천이 얼마나 정확도에 근접 했는가를 알아보는것도 중요하다.

​

이 책에서는 지금과 같이 세부적인 사항도 기술하고 있다.

그만큼 앞서 이야기 한것처럼 "추천 시스템"의 바이블 같은 느낌이다.

​

이런것도 있는줄 몰랐다.

상당히 다양한 단체들이 많기는 하더라.

헌데, 이런 국제회의까지 있을줄이야~

물론, 향후에는 이런 추천시스템이 중요하긴 하다.

​

해당 상품을 장바구니에 담았습니다.이미 장바구니에 추가된 상품입니다.
장바구니로 이동하시겠습니까?