음식 추천서비스

2) 내용기반 필터링

내용기반 필터링은 각 사용자의 특정 콘텐츠 또는 상품의 속성을 학습하는 것 을 기반으로 한다. 내용기반 필터링 기법은 정보검색 또는 정보추출 분야에서 발 전된 것으로써, 콘텐츠 또는 상품의 추천을 위해 콘텐츠 또는 상품의 내용과 사 용자가 요구하는 정보간의 유사도를 계산한 다음, 유사도가 높은 결과를 추천하 는 것이다. 이러한 방법으로 내용을 기반으로 하여 추천하는 기법을 내용기반 필 터링이라고 한다. 이를 구현하기 위해 사용되는 방법으로는 가중치 기법, 적합성 피드백, 확률검색 모형 등을 활용한다. 내용기반 필터링 기법의 단점으로는 사용 자 정보와 콘텐츠 또는 상품을 비교하여 추천되므로 유사 콘텐츠 또는 상품이 지속적으로 추천되며 콘텐츠 또는 상품별로 일일이 정의해야하는 번거로운 점이 있다. 현재까지는 주로 음악 장르 또는 문서의 분류에 적용되고 있다[3].

<그림 2>의 예시와 같이 내용기반 필터링은 사용자가 가장 선호하는 음식종 류에 대해 분석을 하고 이와 유사한 음식을 사용자에게 추천해주는 서비스를 제 공해주는 구조이다.

3) 하이브리드 기법

하이브리드 기법은 협업적 필터링과 내용기반 필터링을 결합하여 서로의 단점 을 보완하는 형식의 연구가 진행되고 있다. 협업적 필터링은 사용자 선호정보가 부족할 경우 추천서비스의 한계가 있으며 유사 이웃을 찾는데 연산이 많아지며 추천서비스의 만족도가 낮아진다. 내용기반 필터링은 사용자 정보와 콘텐츠 또는 상품을 비교하여 추천되므로 유사 콘텐츠 또는 상품이 지속적으로 추천되며 콘 텐츠 또는 상품별로 일일이 정의해야하는 번거로운 점이 있다. 이와 같은 단점을 서로 보완하는 형식의 연구가 주를 이루고 있으며[3] 협업적 필터링과 내용기반 필터링을 적절하게 조합하여 추천서비스의 만족도를 높일 수 있도록 사용자 이 용 빈도수, 패턴에 따라 필터링 방법을 다르게 적용하는 연구가 있다[9]. 또한 추 천 대상이 되는 목표 고객과 가장 가까운 이웃집단을 발견하여 그들이 선호하는 상품을 발견하는 과정과 목표 고객이 평가한 상품과 유사한 선호도를 나타내는 상품을 발견하는 과정을 동시에 고려하는 하이브리드 추천 알고리즘을 제시하고 상품 사이의 유사도와 고객들 사이의 유사도를 계산하여 추천의 정확도를 높이 는 방법에 연구도 진행되었다[10].

2. 시스템 적용에 관한 연구

2) 음식 추천서비스

음식추천 서비스에 관련된 연구로서 트위터로부터 자동 생성한 사용자 정보를 이용하여 내용기반 필터링과 협업적 필터링을 진행하여 음식 추천서비스를 제공 할 때 사용자 정보가 부족하여 적절한 추천이 못한다는 문제점을 해결하려 했으 며[12], 모바일 단말을 통해 현재 사용자 위치정보를 파악하고 사용자 상항정보 와 개인 선호 정보 등을 이용하여 맛집을 추천해주는 서비스 적용 방법에 대한 연구도 있다[13].

스마트폰 보급과 더불어 상황정보(context)를 쉽게 얻을 수 있으며 이를 통하 여 음식 추천서비스에 제공한다. 그 예로 2004년 창립한 미국 지역 정보 사이트 인 Yelp는 사용자 성향을 그룹화 한 후 레스토랑 및 각종 소매점을 추천 서비스 를 제공하였으며 2011년 8,300만 달러의 매출을 올렸다[3].