밑바닥부터 시작하는 데이터 과학 데이터 분석을 위한 파이썬 프로그래밍과 수학·통계 기초

from Scratch

359

󽴜󽴔󻖐󼥗󽴔󺋿󻃧󽴔󼫠󻪔󽴔󼨓󼗿󺺐

서로 멀리 떨어지게 되기 때문에 결과적으로 대부분의 벡터는 서로 상당히 다른

방향을 가리키게 된다. 즉, 관심사의 수가 아주 많아지면 특정 사용자와 ‘가장 유

사한 사용자’는 사실 전혀 유사하지 않을 가능성이 높다.

내가 지난 수십 년간 수천 개의 물건을 구매한 아마존닷컴과 같은 웹사이트를

떠올려 보면 이 상황이 잘 이해가 될 것이다. 구매 패턴을 통해 나와 유사한 사

용자를 찾으려는 시도를 할 수는 있겠지만, 나의 구매 이력과 비슷한 이력을 지

닌 사람은 존재하지 않을 것이다. 나와 ‘가장 유사한 사용자’가 누구일지는 몰라

도 그는 결코 나와 유사하지 않을 것이고, 실제로는 그의 구매 패턴을 기반으로

한 추천도 내게는 무용지물일 가능성이 크다.

23.4

상품 기반 협업 필터링

또 다른 접근 방법으로 관심사 자체에 대한 유사도를 구하는 방법이 있다. 이 방

법은 사용자의 현재 관심사와 가장 유사한 관심사들을 직접적으로 추천해 준다.

먼저 기존의 사용자-관심사 행렬의

전치행렬(

transpose

)을 구하자. 이 행렬은

관심사가 행, 사용자가 열이 된다.

interest

_

user

_

matrix = [[user

_

interest

_

vector[j]

for user

_

interest

_

vector in user

_

interest ...