Share           Pin It

일전에 PR시리즈라는 타이틀로 20 차례에 걸쳐서 추천 시스템 및 알고리즘에 대한 다양한 글을 적었었습니다. 이후로도 계속 추천 관련 업무를 진행하고 있기 때문에 그 이후에 추천에 관한 생각을 정리할 필요가 있을 것같아서 글을 적습니다. 예전 글과 반복되는 내용도 있지만, 이 글을 처음 읽는 분들을 위해서 중복된 내용도 간략히 다시 적겠습니다. 

 초기의 추천 시스템은 아이템 Item 자체 또는 그것의 메타데이터를 이용해서 관련성을 맺어서 추천해줬습니다. 그래서 이름도 CBF, 즉 Content-based Filtering입니다. 보통 추천 알고리즘에서는 Recommendation보다는 Filtering이라는 용어를 많이 사용하는데, 필요한 것만 걸러서 보여준다 정도로 이해하면 될 것같습니다. Filtering이라는 용어는 다음에 설명할 CF 이후로 사용된 듯합니다. CBF가 더 원초적인 방법이지만 CF가 추천 알고리즘으로 활성화된 이후에 CBF라는 이름으로 불린 듯합니다. CBF는 아이템의 속성 또는 메타데이터의 동일성/유사성을 바탕으로 관련 아이템을 추천해줍니다. 영화를 예로 들면, 요즘 인기있는 ‘인터스텔라’를 감명깊게 본 분들에게 인터스텔라의 감독인 ‘크리스토퍼 놀란’이 감독했던 다른 영화인 ‘인셉션’이나 ‘다크 나이트’를 추천해주는 형태입니다. 

두번째는 보통 추천 시스템/알고리즘이라고 말하면 가장 먼저 떠올리는 CF, 즉 Collaborative Filtering입니다. 한국어로 협업필터링이라고 불립니다. 협업필터링이란 많은 사람들이 동시에/협렵적으로 필터링을 해준다는 의미입니다. CBF가 아이템 또는 컨텐츠 그 자체 또는 속성을 이용했다면, CF는 아이템을 소유한 (물건이면 구매했거나 영화면 관람했거나 책이면 읽었거나 등의 행위를 총칭함) 사람들을 매개로 해서 추천해주는 형태입니다. 보통 Likely-minded라고 표현하는데, 비슷한 취향을 가진 다른 사람들의 소유한/좋아한 아이템을 추천해주는 형태입니다. 그래서 협업적이라고 부릅니다. 앞서 ‘그래비티’를 재미있게 봤던 관객들이 인터스텔라도 재미있게 봤다면, 이전에 그래비티를 본 사람들에게 인터스텔라를 추천해주는 형태입니다.

세번째는, 아직 정식으로 이름이 붙여진 것은 아니지만 암암리에 사용되고 있어서 제 나름대로 명명한 것입니다. 대부분이 수긍할 듯한데, CAF, 즉 Context-Awared Filtering입니다. 트위터의 실시간성, 포스퀘어의의 지역성, 그리고 페이스북의 소셜/인맥 등이 바로 컨텍스트입니다. 즉, 이런 컨텍스트를 인지하고 그걸 이용해서 추천해주는 것을 CAF라고 명명하려 합니다. CBF가 아이템의 속성을 이용하고, CF가 아이템을 소유한 사람을 이용한다면 CAF는 (아이템의) 현재를 이용해서 추천해주는 것입니다. 현재 즉 At Present는 단순히 시간만을 의미하지는 않습니다. 지금 이 시각에 맞는 아이템을 추천해주기도 하고, 지금 이 장소에 맞는 아이템을 추천해주기도 하고, 지금 이 상황에 맞는 아이템을 추천해줍니다. 점심시간이 다가오면 점심 메뉴와 식당을 추천해주고, 차의 기름이 다 떨어져가면 주변의 주유소를 추천해주고, 비가 오면 우수에 젖도록 분위기있는 음악을 추천해주고… 그런 식으로 현재 어디에서 누구와 어떤 상황에 있는가에 따라서 추천해주는 것입니다.

물론 위의 CBF, CF, CAF가 단독으로 추천에 활용될 수도 있지만, 당연히 적절히 조화를 이뤄서 종합적으로 추천해주는 것이 일반적입니다. 보통 Hybrid 방식이라 부릅니다. Hybrid Filtering이라는 일반적으로 부르지는 않지만, 그렇게 불러도 무관할 듯합니다. 여러 알고리즘의 결과값을 잘 조화를 이뤄서 하이브리드 방식으로 추천해줄 수도 있고, 단순히 다양한 알고리즘의 추천 결과를 혼합해서 보여주는 Fusion 방식도 있습니다. 둘 간의 큰 차이가 있는 것같지는 않습니다.

추천에서 CBF는 가장 안전한, 즉 틀리지 않은 답을 제공해줍니다. 그래서 뻔한 추천이 이뤄지는 경우가 많습니다. 그런데 CF는 맞는 답을 제공해줍니다. 사실 많은 경우 또는 적절한 부가 필터링 규칙을 적용하지 않으면 CBF보다 오히려 더 엉뚱한 결과를 제공해주기도 하지만, 많은 사람들이 공통적으로 소유한 아이템이라는 가정 하에 맞는 답을 제공해주는 방식입니다. 그런 식으로 보면 CAF는 더 적합한 답을 제공해주는 것입니다. 틀리지 않은 답, 맞는 답, 그리고 더 맞는 답이라는 어색한 표현을 사용했지만 곰곰이 생각해보시면 납득이 가리라 봅니다. 그렇지만, 이것만은 확실히 말할 수 있습니다. 추천은 '정답’을 제공해주는 것은 아닙니다. 추천된 것이 (상황이나 개인에 따라서) 정답일 수도 있지만, '이게 정답이니 이걸 사용해’라는 강압적인 그것이 아닙니다. 추천은 조금 더 빠르고 쉽게 원할 수도 있는 어떤 것을 발견하는 것을 도와주는 것입니다. 그래서 Recommender라는 말보다는 Discovery & Assistant라는 표현이 더 나을 듯합니다.

그리고 추천을 제대로 하기 위해서는 좋은 알고리즘을 사용하는 것에 앞서서 아이템 또는 서비스 도메인의 속성을 파악하는 것이 더 중요합니다. 이미 대부분의 추천 알고리즘은 논문이나 오픈 소스 등의 형태로 알려져있습니다. 알고리즘 자체에서 — 추천의 정확도 면에서 — 큰 차별화를 이룰 수 없다는 말입니다. 조금 더 빠른 알고리즘이나 조금 더 커버리지가 넓은 알고리즘, 조금 더 우연성 Serendipity를 허용하는 알고리즘 등이 존재할 수는 있지만, 큰 틀에서 특히 하이브리드 형태로 다양한 알고리즘/방법론을 접목해서 사용한다면 큰 차이는 없습니다. 그러나 어떤 서비스 도메인에 추천 알고리즘을 적용하느냐에 따라서 결과는 차이가 날 수 밖에 없습니다. 만능의 알고리즘을 찾는 것에 앞서 적용할 서비스의 특성을 먼저 파악하고, 프로그램화할 수 있는 피쳐들을 찾아서 추천에 활용하는 것이 맞습니다.

CF가 대표적인 알고리즘이라고 해서 모든 서비스에서 가장 적합한 방법이 아닐 수 있습니다. 일반적으로 시의성이 적고 긴 생명주기를 가진 아이템/컨텐츠의 경우 CF가 충분히 좋은 알고리즘이지만, 뉴스처럼 시간이 중요하거나 의류와 같이 패션 트렌드에 민감하거나 에어컨, 온풍기와 같이 시즈널성이 큰 아이템을 추천해주는 경우라면 CF보다는 CBF 또는 CAF, 또는 단순한 (미리 정의된) 규칙에 의한 추천이 더 적합할 수가 있습니다. 단순히 추천 알고리즘/시스템을 적용하기에 앞서 그 서비스 도메인을 먼저 파악해서 어떤 방법으로 해결할 것인가?를 먼저 고민하고, 알고리즘들을 그 상황에 맞게 튜닝해서 사용해야 합니다.

최근 2~30년 동안 추천을 위한 많인 아이디어들이 실생활에 적용되어 효과를 보여주고 있습니다. 벌써 만개한 분야로 보여지만, 여전히 더 좋고 다양한 아이디어들이 쏟아지고 있습니다. 현재 어떤 알고리즘이나 조건이 가장 좋은 추천을 제공해준다고 하더라도, 그것에 만족하면 안 됩니다. 새로운 알고리즘도 계속 나오고 또 서비스의 주변 상황들이 계속 변하기 때문에 주기적으로 새로운 알고리즘을 계속 테스트해보고 관련 추천 요소들을 계속 변경해가면서 그렇게 적응적 Adaptive 추천 시스템을 만들어가는 것도 매우 중요합니다. 한번의 성공은 영원할 수 없습니다.

P.S., 일반적인 분석/마이닝업무에서도 알고리즘에 대한 이해도보다는 서비스/비즈니스/도메인에 대한 이해도가 더 필요합니다. 특정 알고리즘에 대한 대가가 아니라면...

페이스북 페이지: https://www.facebook.com/unexperienced

댓글을 달아 주세요

Share           Pin It
일전에 PR시리즈를 통해서 추천 시스템과 관련된 여러 알고리즘 및 이슈를 다뤘습니다. 그 이후에도 추천 및 개인화 프로젝트를 계속 진행하고 있고, 당분간은 (타의로?) 추천 업무에서 벗어날 수 없을 듯합니다. 그래서 최근 떠오르는 추천에 대한 생각을 정리합니다.

일각에서는 추천이 모든 문제를 해결해줄 마법약으로 생각하는 듯합니다. 제대로 된 추천 서비스를 붙이면 갑자기 매출이 2~30%이상 올라가고, 사용자들이 급증할 것이라는 환상을 가지고 있습니다. 기존의 유수의 잘 나가는 기업들이 추천 서비스를 잘 만들었기 때문에 현재의 위치에 왔다는 착각을 하는 듯합니다. 그도 그럴 것이 아마존의 매출의 몇%이상은 추천 상품에서 나온다거나 넷플릭스가 추천을 잘 해줘서 성공했다와 같은 기사들이 많기는 합니다. 그러나 그들의 성공에 추천이 중요한 역할을 한 것은 사실이지만, 결정적인 역할을 했다고 생각지는 않습니다.

음식상에 비유하면 추천은 구색을 맞추는 반찬에 불과하지, 결코 메인 요리가 아닙니다. 추천은 결코 밥, 국, 김치가 될 수 없고, 불고기나 생선 요리처럼 중요 요리도 아닙니다. 그저 몇몇 나물 요리에 불과합니다. 많은 서비스들이 (자동화된) 추천 영역이 없이도 잘 운영되고 있는 것이 이를 잘 보여줍니다. (밥, 국, 김치처럼) 서비스의 근간이 되거나 (불고기, 생선요리처럼) 서비스의 핵심 기능으로 추천이 자리잡은 경우는 거의 없습니다. 잘 차려진 한상차림에서 빠져도 빠졌는지도 잘 모르지만 포함되면 이 식당 상차림이 좋은데 정도로 인식되는 것이 추천입니다. 콩나물정도를 생각하고 글을 적기 시작했는데, 계란 후라이정도가 적당할 듯합니다. 불고기 정식에서 계란 후라이가 없어도 전혀 어색하지 않지만, 계란 후라이가 함께 제공됨으로써 메뉴가 더 다양해지고 잘 차려진 그런 느낌...

물론 저도 많은 서비스에서 추천 및 자동화가 더 큰 역할을 해야 된다고 믿고 있고 그것을 위해서 고군분투하고 있습니다. (이전 글에서 밝혔듯이 최소 50%이상) 그러나 자동화된 추천이 모든 문제를 해결해주는 만병통치약이라는 환상에서는 벗어나야 합니다. 현실을 냉정하게 봐야 합니다. 추천이 중요하지만 과장되지는 않아야 합니다. 물론, 현실에서는 추천이 과소평가받는 것도 사실입니다. 우선순위가 계속 밀리다가 어쩔 수 없는 상황에서 추천이 한방을 터뜨려줄 거라는 그런 환상이 있습니다. 추천/자동화가 가장 핵심 요소는 아니지만 그렇다고 가장 우선순위가 낮은 요소도 아닙니다. 중 또는 중상정도의 우선순위로 서비스 초기부터 고려가 되야 합니다.

추천 관련 업무를 계속 진행하다보니 추천에서 가장 중요한 것이 어떤 알고리즘을 사용할 것인가나 얼마나 정확도를 높일 것인가가 아닙니다. 최근 나오는 여러 논문이나 화이트페이퍼 등에도 종종 언급됩니다. 추천에서 중요한 것은 어떤 알고리즘을 사용할 것인가보다는 어떤 개념으로 서비스를 만들 것인가가 더 중요하고, 수치로 보이는 정확도나 지표를 얼마나 높일 것인가보다는 잘 드러나지 않는 사용자의 만족을 어떻게 충족할 것인가가가 더 중요합니다. [R = SS >> AA] 즉, 추천은 알고리즘(A)보다 서비스(S)가 더 중요하고, 정확도(A)보다 만족도(S)가 더 중요합니다. 논문 등에 제시된 특정 알고리즘의 특장점을 무시할 수는 없으나 서비스의 개념과 특징이 우선 고려되야 합니다. 사용자의 만족도 결국 알고리즘이 아닌 개념에서 나옵니다. (실제 사용자가 어떤 알고리즘을 사용했는지 알고 싶어하지도 않고 알 필요도 없습니다.)

추천 및 자동화는 중요합니다. 그러나 추천이 만병통치약이라는 그런 과장된 기대치를 낮추기 전에는 추천은 절대 작동하지 않습니다. 물론 추천을 만병통치약으로 정제해야하는 것이 저같은 사람들의 미션이기는 합니다. 계란 후라이 덕후가 아닌 이상에는 불고기 백반을 시켜놓고 계란 후라이가 안 나왔다고 불평하는 사람은 없을 것입니다. 그러나 미천한 계란 후라이가 백반의 완성도를 높여줄 것입니다. 추천도 그렇습니다. 계란 후라이가 필요치 않은 식단에 굳이 계란 후라이를 추가하려는 것도 피해야 합니다.

==
페이스북 페이지: https://www.facebook.com/unexperienced

댓글을 달아 주세요

  1. Favicon of http://anunmankm.tistory.com BlogIcon 버크하우스 2014.08.19 09:58 신고 Address Modify/Delete Reply

    Initializing

Share           Pin It

이 주제에 대해서 자세히 다룰 능력이 되지 않지만 이 주제를 뺀다면 글이 완성될 수 없기 때문에 생각했던 그리고 주워들었던 일반적인 내용만이라도 짧게 다룹니다. 프라이버시라고 제목에 적었지만 단지 프라이버시 뿐만 아니라, 여러 법적인 문제들은 늘 서비스 또는 알고리즘을 개발하는데 이슈가 됩니다. 특히 추천은 궁극적으로 개인화로 가기 때문에 개인정보 및 사용에 대한 고민이 많을 수 밖에 없습니다. (이 글은 조금 민감한 주제이므로, 미리 밝히는데 이 글은 오로지 개인의 일탈적 생각일 뿐, 제가 몸담고 있는 조직의 생각/프랙티스는 아닙니다. 어떤 것들은 그냥 가능성 또는 잠재성만을 얘기하는 것일 뿐 저의 신념을 얘기하는 것도 아닙니다.)

이전 글에서 사적인 영역에서 봤던 것을 기준으로 추천된 것이 공적인 영역에서도 노출될 수 있다는 우려의 글을 적은 적이 있습니다. 조금 낯이 뜨겁고 민망한 경우지만 웃으며 넘길 수도 있습니다. 그렇지만 하나의 기기 (대표적으로 스마트폰)로 개인의 모든 정보가 접근 가능해지고, 하나의 식별자 (이메일 등)로 모든 연결된 곳에서의 활동이 저장되고 통합된다는 것을 깊이 생각해보면 아찔하다는 생각이 듭니다. 가볍게 무시될 수도 있지만 또 그냥 넘길 수가 없는 것이 프라이버시 문제입니다.

다른 글에서 (추천 시리즈 외의 글) 개인정보의 개념이 바뀌고 있다는 뉘앙스의 글/말을 한 적이 있습니다. 페이스북의 저크버그는 개인정보/프라이버시의 시대는 끝났다라는 위험한 선언까지도 했지만 어쨌든 프라이버시에 대한 생각이 많이 바뀌었고 둔화되었습니다. 다른 글에서 저는 이제 개인정보는 개인에 대한 정보에 관한 것이 아니라 그 정보에 대한 통제권/제어권의 문제다라고 적었습니다. 이제는 그리고 앞으로는 개인의 정보를 숨길 수가 없습니다. 지난해 문제가 되었던 NSA의 감시 및 첩보활동에서 보듯이, 우리가 아무리 숨기려고 해도 그것을 캐내려는 시도가 많습니다. 그리고 무의식적으로 우리 정보를 흘리고 다니고 있습니다. 이미 내 주민등록 번호는 공용이다라는 우스개 소리도 합니다.

어쩌면 그래서 개인의 이름, 생년월일, 관심사, 다녀왔던 곳 등의 정보는 더 이상 개인정보가 아닐 수도 있습니다. 프라이버시 문제를 다룰 때 이런 정보를 보호해야 한다는 접근법은 어쩌면 맞지 않을 수도 있습니다. 이제는 그런 정보에 대한 통제권이라는 측면에서 프라이버시를 다뤄야한다고 생각합니다. 내가 페이스북에 사진을 공개한다면 내 친구들이나 때로는 불특정인이 저의 개인 페이지에서 그걸 볼 수가 있습니다. 그러나 그 사진을 허락도 없이 — 저작권/초상권 문제와는 별개로 — 다른 곳에서 이용할 수는 없습니다. 나의 정보는 내가 통제하는 범위 내에서 공개되고 사용되어야 합니다. 그런 의미에서 정보 통제권을 말하는 것입니다. 이미 공개된 (때로는 그냥 아무런 숫자조합으로도 만들어지는) 주민번호나 전화번호 자체가 문제가 되는 것이 아니라, 그것을 불법적으로 사용하는 것이 문제입니다. 전화번호나 이메일 주소를 공개했다면 정상적인 연락을 받겠다는 의미이지 스팸 문제나 메일을 받겠다는 의미가 아닙니다. 그런 스팸은 저의 통제권을 벗어난 것입니다. 즉, 프라이버시 침해라고 말할 때 그것이 나의 통제권 안에 있느냐 밖에 있느냐를 따져야합니다.

그런 측면에서 추천에서도 나의 구매나 조회 기록이 다른 사람들에게 도움을 줄 수 있도록 추천 데이터로 사용되어야 된다는 허락이나, 나에게 맞는 개인화된 추천을 받아보겠다 등과 같은 명시적 허락이 필요합니다. 서비스 제공자의 입장에서는 이런 옵트인 opt-in 방식은 여러모로 꺼려지기 때문에, 적어도 옵트아웃 opt-out 방식으로 사용하지 말것 또는 추천하지 말것 등의 옵션이 제공될 필요가 있습니다. 특정 히스토리만 빼달라와 같은 CS 까지 들어온다면 서비스 제공자 입장에서는 애초에 추천 서비스를 하지 않는 것이 가성비가 더 나을지도 모르겠다는 생각도 문득 듭니다.

프라이버시나 법적인 문제는 저의 전문 영역이 아니라서 이정도에서 끝맺겠습니다.

추천시스템 전체 목록

  1. 추천 시스템과의 조우 (PR시리즈.1)
  2. 추천 시스템을 위한 데이터 준비 (PR시리즈.2)
  3. 추천대상에 따른 추천 시스템의 분류 (PR시리즈.3)
  4. 알고리즘에 따른 추천 시스템의 분류 (PR시리즈.4)
  5. 추천 시스템을 위한 유사도 측정 방법 (PR시리즈.5)
  6. 추천 시스템의 성능 평가방법 및 고려사항 (PR시리즈.6)
  7. 추천 시스템에서의 랭킹과 필터링 문제 (PR시리즈.7)
  8. 추천 시스템의 쇼핑하우 적용예 (PR시리즈.8)
  9. 개인화 추천 시스템에 대하여 (PR시리즈.9)
  10. 추천 시스템의 부작용 - 필터버블 (PR시리즈.10)
  11. 추천 시스템의 레퍼런스 (PR시리즈.11)
  12. 추천 시스템에 대한 잡다한 생각들 (PR시리즈.12)
  13. 추천 시스템을 위한 하둡 마훗 사용하기 (PR시리즈.13)
  14. 추천 시스템에 대해서 여전히 남은 이야기들 (PR시리즈.14)
  15. 추천 시스템과 머신러닝 (PR시리즈.15)
  16. 추천 시스템과 다중인격 (PR시리즈.16)
  17. 추천 시스템의 유사도에 대한 심화이해 (PR시리즈.17)
  18. 추천 시스템의 설계 (PR시리즈.18)
  19. 추천 시스템과 어뷰징 (PR시리즈.19)
  20. 추천 시스템과 프라이버시 (PR시리즈.20)

==

페이스북 페이지: https://www.facebook.com/unexperienced

댓글을 달아 주세요

Share           Pin It

특별히 지능적인 해결책이 있는 것도 아니지만 잠재적인 문제가 될 수 있는 이슈라서 글을 적습니다. 글의 내용 때문에 어뷰저들이 더 지능적으로 바뀌지 않을까?라는 우려를 할 수 있겠으나 그렇게 지능적으로 발전할만한 내용을 담고 있지 않으니 큰 문제는 되지 않을 듯합니다. 현재 지능적인 해결책보다는 그저 휴리스틱으로 사후 대처에 급급한 분야이기 때문에 더 지능적인 어뷰저가 등장한다면 대처 능력도 더 커질 것이니 나쁜 것만은 아닙니다. 병이 있어야 약이 있는 이치입니다. (오늘 slownews.kr에 올라온, 일워 개발 이야기를 참조하세요.)

추천 시스템과 검색 엔진은 실질적으로 같은 것이다라고 적은 적이 있습니다. 인터넷의 많은 서비스들이 어뷰징이나 스팸 공격을 받고 있습니다. 특히 검색 서비스를 악용해서 스팸 문서를 배포하는 행위는 매우 우려스럽습니다. 정상적인 검색엔진을 분석해서 SEO (Search Engine Optimizatio 검색최적화)를 통해서 검색랭킹을 올리는 경우도 있지만, 문서의 내용을 변경한다는 등의 비정상적인 방법으로 어뷰징이 많이 일어난다. 그리고 서제스트, 관련검색어, 실시간 이슈어 등의 검색어를 순위에 올리기 위한 다양한 어뷰징이 존재한다. 검색에서도 그렇듯이 추천에서도 비슷한 어뷰징 사례가 등장할 수 있습니다. 다수의 좀비 PC 등을 사용해서 전혀 무관한 두 상품을 연관상품으로 묶어서 보여줄 수 있습니다. 나이키 운동화를 찾는 사용자에게 카메라를 보여주는 형태입니다. 만약 그 사용자가 카메라를 보고 구입한다면 오히려 땡큐인 상황이지만, 카메라가 아니라 성인용품 등이 노출된다며 문제는 심각해집니다.

특정 서비스를 과도하게 많이 사용한다고 해서 어뷰징이 아닙니다. 오히려 그들은 그 서비스의 헤비유저이므로 매우 감사해야할 사용자입니다. 어뷰저는 특정한 목적과 사적인 이득을 편취하기 위해서 서비스를 오남용하는 사용자입니다. 때로는 어뷰저이지만 매우 합리적인 어뷰저도 존재할 수 있습니다. 정상적인 연관상품을 매핑시켜줘서 커버리지를 넓혀준다면 그 사용자가 서비스를 남용하더라도 큰 문제는 아닙니다. 물론 경쟁 상품의 업주 입장에서는 한탄할 상황이지만 말입니다. 그런데 보통 어뷰징을 통해서 비정상적인 관계가 형성되기 때문에 문제가 됩니다. 앞서 말했던 성인용품이 많은 상품에 공통적으로 추천되는 경우입니다.

그리고 특정인이 서비스를 남용하더라도 큰 문제가 되지 않을 소지가 큽니다. 연관 상품이라는 것이 여러 사람들이 공통적으로 함께 조회/구입한 상품들을 연결하기 때문에 특정인의 남용으로 큰 변화를 주지 않습니다. 물론 비인기 상품의 경우 한두명이 같은 상품을 조회하면 엉뚱한 연결이 발생할 수도 있습니다. 구매를 기준으로 한다면 어뷰징이 오히려 비용을 만들어 내기 때문에 서비스 제공자 입장에서는 상관은 없습니다. 그런데 많은 경우 구매같은 엄격한 액션보다는 단순히 조회나 댓글을 남긴 것 등의 기록을 가지고 분석하기 때문에 (Data sparsity 등의 이슈로문제가 될 수 있습니다. 그리고 특정 인이 과도하게 사용하는 것도 충분히 막을 수 있습니다. 비정상적인 사용자의 행동 패턴은 그냥 원시 데이터에서 제외시켜도 되고, 데이터 중에서 아주 일부만 사용하면 그만입니다. 실제 계산량을 줄이기 위해서 사용자별로 최신 몇 개의 조회기록만으로 연관성을 계산하는 것이 더 합리적인 방법이기도 합니다. 문제는 요즘처럼 좀비PC를 이용한 대규모 공격이 들어왔을 때입니다. 물론 다수의 컴퓨터에서 너무 비슷한 패턴으로 행동이 이뤄지면 해당 컴퓨터의 모든 기록을 제외시킬 수도 있다. 실시간 분석에 민감하지 않은 서비스에서는 이렇게 걸러내면 어느 정도 해결된다. 물론 그래서 핵심 페어를 제외하고는 다른 세트의 조합으로 어뷰징을 시도하기도 합니다.

최근 영화 '변호인'이 개봉하기 전에 벌레들의 별점 테러라는 것이 자행되었습니다. 한 사람에 의한 좀비PC 공격은 아니지만 다수의 벌레들에 의해 발생한 어뷰징의 좋은 사례입니다. 이런 경우 기존의 행동 패턴과 맞지 않은 기록은 제외시킬 수도 있습니다. 이제껏 1점을 한 번도 준 적이 없는 사용자가 어느날 갑자기 1점을 줬다면 (아웃라이어로) 분명 의심해볼 수 있습니다. 다르게 생각해보면, 만약 점수를 준 행동만으로 그냥 암묵 피드백을 이용한다면 오히려 변호인을 봤던 사람들이 봤던 비슷한 다른 영화들 -- 당연히 벌레들이 싫어할 만한 --을 추천을 해주는 이상현상이 발생할 수 있습니다. 특수한 경우지만, 어뷰징을 했다가 오히려 뒷통수를 맞은 상황입니다.

그리고 만약 어뷰징이 발생하고 있다면 누군가가 그 서비스를 중요한 서비스로 인식하고 있다는 증거이기도 합니다. 나쁜 피드백이 무응답/무관심보다 낫다라는 말이 있습니다. 노이즈는 잘 걸러내면 됩니다.

준비가 없이 즉흥적으로 글을 적어서 조금 횡설수설했습니다.

추천시스템 전체 목록

  1. 추천 시스템과의 조우 (PR시리즈.1)
  2. 추천 시스템을 위한 데이터 준비 (PR시리즈.2)
  3. 추천대상에 따른 추천 시스템의 분류 (PR시리즈.3)
  4. 알고리즘에 따른 추천 시스템의 분류 (PR시리즈.4)
  5. 추천 시스템을 위한 유사도 측정 방법 (PR시리즈.5)
  6. 추천 시스템의 성능 평가방법 및 고려사항 (PR시리즈.6)
  7. 추천 시스템에서의 랭킹과 필터링 문제 (PR시리즈.7)
  8. 추천 시스템의 쇼핑하우 적용예 (PR시리즈.8)
  9. 개인화 추천 시스템에 대하여 (PR시리즈.9)
  10. 추천 시스템의 부작용 - 필터버블 (PR시리즈.10)
  11. 추천 시스템의 레퍼런스 (PR시리즈.11)
  12. 추천 시스템에 대한 잡다한 생각들 (PR시리즈.12)
  13. 추천 시스템을 위한 하둡 마훗 사용하기 (PR시리즈.13)
  14. 추천 시스템에 대해서 여전히 남은 이야기들 (PR시리즈.14)
  15. 추천 시스템과 머신러닝 (PR시리즈.15)
  16. 추천 시스템과 다중인격 (PR시리즈.16)
  17. 추천 시스템의 유사도에 대한 심화이해 (PR시리즈.17)
  18. 추천 시스템의 설계 (PR시리즈.18)
  19. 추천 시스템과 어뷰징 (PR시리즈.19)

==

페이스북 페이지: https://www.facebook.com/unexperienced

댓글을 달아 주세요

Share           Pin It

이 글은 이전에 다뤘던 글들에 비해서 조금 더 관념적이면서 기술적인 글을 담고 있습니다. 그렇다고 해서 수식이나 프로그래밍 코드가 포함된 것은 아닙니다.

추천 시스템 (CF방식)에서 어떤 유사도 similarity measure를 사용하느냐에 따라서 추천 시스템의 성능에 큰 영향을 준다고 설명했습니다. 일반적으로 Euclidean distance, jacard index, correlation coefficient, cosine 등의 유사도를 많이 사용하고 있다고 말했습니다. 그리고, 추천 시스템에 따른 예측값과 실측값의 Error term이나 이들의 correlation의 정도로 추천 시스템의 정확도를 평가한다고 말씀 드렸습니다. (하단 링크 참조)

이 글에서는 유사도 또는 성능평가 측도에 대해서 좀더 깊게 생각해볼까 합니다.

유사도 또는 성능평가 측도는 간격 Gap 또는 경향성 Tendency 두가지 term으로 구성되어있습니다. 현재 대부분의 측도들은 한가지 term으로만 유사도를 측정하고 있습니다. Euclidean distance, cosine, 또는 Error 합 (MAE, RSME)은 두 샘플값 (e.g., 실측값과 예측값) 사이의 간격을 수치화한 것이고, correlation coefficient는 경향성의 동조 정도를 수치화했습니다. 결론적으로 말하면 간격과 경향성은 모두 나름의 (존재) 이유가 있지만, 결국 이 둘을 하나로 합친 measure가 필요하다는 것입니다.

많은 경우 실측값과 예측값의 유사정도를 측정하기 위해서 이들의 에러값 Error 또는 잔차 residual를 구하는 것은 합리적입니다. 많은 샘플에서 실측값과 예측값 사이의 간격이 평균적으로 좁다는 것은 이 두 값이 거의 같다는 얘기가 됩니다. 그러나 실제 이 두 값들을 산포도를 그려보면 생각보다 분산/산포도가 심하다는 것을 확인할 수 있습니다. 평균적으로는 시스템이 잘 예측하는데, 각각의 샘플을 보면 전혀 엉뚱한 값으로 예측했다는 의미가 됩니다. 아래 그림은 학교에서 논문을 적으면서 CF방식의 정확도를 측정한 것입니다. 붉은 선이 실측값이고 푸른점들이 예측값인데, 평균적으로 MAE가 괜찮게 나왔지만 그림만을 얼핏 보면 엉터리 시스템인 듯 보입니다. 그래서 분산도를 고려해서 시스템을 평가해야 된다는 논문을 적은 적이 있습니다. 참고로 아래 그림은 샘플들의 레이팅값이 고르게 퍼져있지 않기 때문에 정확한 예측 시스템을 만들고 평가하는데 문제가 있다는 점도 함께 보여주는 그래프입니다.


두번째로 경향성 즉 correlation을 측정하는 것도 매우 합리적입니다. 위의 간격을 측정한 것에서 보여줬던 평균은 비슷하지만 분산이 심한 경우는 나쁜 시스템이다라고 말할 수 있습니다. 그런데 순전히 경향성만을 판단하면 둘 사이의 간격을 고려하지 못합니다. 예를들어, A = { 1 2 3}, B = { 4 5 6 }, C = { 5 5 5}, D = { 4 4 6}으로 세개의 샘플을 측정했다고 가정해봅니다. 이 중에서 B가 실측값이라고 봤을 때, 경향성만 따지면 A가 B와 가장 가깝게 측정됩니다. 그런데 A와 B의 평균 간격이 3으로 매우 넓기 때문에 정확한 값을 예측하지 못했다고 볼 수 있습니다. D의 경우 A보다는 경향성은 약하지만, 간격을 생각해보면 D가 A보다 더 정확한 예측값입니다. (간격만을 고려한다면 위의 그림에서도 보여지듯이 C와 비슷한 예측값이 나올 가능성이 높습니다.)

결론적으로 정확한 유사도 또는 성능평가측도는 실측값과 예측값 사이의 간격과 경향성/동조성을 동시에 최적화하는 것이 필요합니다. 저의 논문에서는 Sim 또는 Err = '간격 * 분산'으로 구해야 한다고 적었습니다. 잠시 생각해보니, 간격보정 bias correction이 확실하게 이뤄진다면 간격보다는 경향성이 비슷한 것이 더 나을 수도 있다는 생각이 듭니다.

추천시스템 전체 목록

  1. 추천 시스템과의 조우 (PR시리즈.1)
  2. 추천 시스템을 위한 데이터 준비 (PR시리즈.2)
  3. 추천대상에 따른 추천 시스템의 분류 (PR시리즈.3)
  4. 알고리즘에 따른 추천 시스템의 분류 (PR시리즈.4)
  5. 추천 시스템을 위한 유사도 측정 방법 (PR시리즈.5)
  6. 추천 시스템의 성능 평가방법 및 고려사항 (PR시리즈.6)
  7. 추천 시스템에서의 랭킹과 필터링 문제 (PR시리즈.7)
  8. 추천 시스템의 쇼핑하우 적용예 (PR시리즈.8)
  9. 개인화 추천 시스템에 대하여 (PR시리즈.9)
  10. 추천 시스템의 부작용 - 필터버블 (PR시리즈.10)
  11. 추천 시스템의 레퍼런스 (PR시리즈.11)
  12. 추천 시스템에 대한 잡다한 생각들 (PR시리즈.12)
  13. 추천 시스템을 위한 하둡 마훗 사용하기 (PR시리즈.13)
  14. 추천 시스템에 대해서 여전히 남은 이야기들 (PR시리즈.14)
  15. 추천 시스템과 머신러닝 (PR시리즈.15)
  16. 추천 시스템과 다중인격 (PR시리즈.16)
  17. 추천 시스템의 유사도에 대한 심화 (PR시리즈.17)

==

페이스북 페이지: https://www.facebook.com/unexperienced

댓글을 달아 주세요

Share           Pin It

총 11번에 걸쳐서 추천 시스템과 관련된 다양한 알고리즘, measure, 고려사항 등을 다뤘습니다. 이 글에서는 미쳐 다루지 못했던 내용이나 그외 추천 시스템에 대한 잡다한 생각들을 두서없이 적으려고 합니다.

외국의 경우 아마존이나 넷플릭스, 구글유튜브 등이 추천으로 유명한 회사/서비스들이지만, 국내에는 여전히 추천 또는 데이터기반이 여전히 미약합니다. 최근에 영화 추천 서비스인 왓차, 그리고 그것을 만든 프로그래밍스가 조금 유명세를 타고 있습니다. 이전의 모든 글의 공통된 밑바탕은 추천 알고리즘 및 서비스는 별개 아니다 입니다. 현존하는 데이터마이닝 방법 중에서 추천보다 더 쉬운 것은 없다는 것이 저의 기본 가정입니다. (물론 엄청 잘하는 것은 매우 어렵습니다.)

왓차 서비스도 전혀 새로운 것이 없는데, 언론에서 과도하게 주목하는 것같다는 생각입니다. 추천 알고리즘뿐만 아니라, 왓차에서 사용하는 다양한 오픈소스들은 코딩에 조금만 재능이 있으면 누구나 사용이 가능한 아주 기본적인 것들입니다. 그럼에도 불구하고, 프로그래밍스를 높이 평가하는 것은 그런 것들을 직접 활용하고 실행에 옮겼다는 점입니다. 구슬이 서말이라도 꿰어야 보배다라는 속담처럼 주어진 재료를 이용해서 의미있는 서비스를 만들고 사용자들에게 의미를 부여해주는 바로 그 '실행'에 높은 점수를 주고 싶습니다. 국내에서도 다양한 서비스에 자동화된 추천 및 개인화 서비스가 정착했으면 좋겠습니다.

구글의 성공 이후로, 그리고 최근 빅데이터라는 버즈워드와 함께 데이터 기반 의사 결정 및 실행 Data-driven Decision making & Execution 이라는 것에 많은 관심을 쏟고 있습니다. 예전에는 아파치, MySQL 등이 제공되었고, 최근에는 하둡을 시작으로 한 다양한 분산처리 솔루션들이 제공됨으로써 소프트웨어/서비스 전문 회사가 아니더라도 쉽게 (빅)데이터를 관리, 분석할 수 있는 여건이 마련되었습니다. 사회적 관심도 높아졌고 다양한 기반 솔루션들도 존재하지만, 국내에서는 여전히 데이터 기반의 그것 something이 부족하다는 것을 느낍니다.

다른 곳들보다 -- 특히 비IT 기반의 제조업체 등 -- 다음이라는 회사가 여러 면에서 데이터 기반의 실행이 가능한 곳이지만, 외부에서 짐작하는 것에 비하면 여건이나 프랙티스가 미약합니다. 별것도 아닌 추천 서비스들도 최근에 일부 적용되고 있고, 대부분의 서비스들은 여전히 수작업을 거치는 것이 현실입니다. 가볍게 실행해보고 효과를 파악한 후에 그만두거나 더 드라이브를 걸거나 하는 그런 실행조직으로써의 문화가 많이 부족하다고 생각합니다. 물론 아니면 말지 식의 사고는 위험합니다. 그러나 오늘날은/현실에서는 그것보다 더 효과적인 전략도 없는 듯합니다. (애플이 될 수 없다면, 실행에 더 방점을 찍어야 합니다.) 다음이 이렇다면 다른 회사들은 어떨까?라는 생각을 하게 됩니다.

추천 시스템의 역사가 20년이 넘었기 때문에 단순한 직관/휴리스틱만으로는 추천 알고리즘의 발전이 거의 없습니다. 그래서 데이터마이닝 또는 머신러닝 분야에서 개발된 다양한 알고리즘들이 추천 시스템에도 접목되고 있습니다. 소개해드린 넷플릭스 논문에서도 소개되었지만, 웬만한 알고리즘들이 추천이라는 우산 아래 모여있는 것을 볼 수 있고, 또 여러 알고리즘들이 결합되어 새로운 알고리즘을 만들어내고 있습니다. 넷플릭스 프라이즈에서도 새로운 알고리즘의 승리라기 보다는 기존 아이디어들의 재발견 (또는 아상블 emsemble의 승리)에 가까웠습니다. 초기에는 추천이라는 문제를 바탕으로 다양한 방법론/휴리스틱들이 개발되었지만, 최근에는 다양한 연구 커뮤니티의 기술들이 추천이라는 문제를 풀기 위해서 이합집산하는 느낌이 강합니다.

추천 알고리즘에서 미처 설명하지 않고 넘어갔던 것이 하나 있습니다. 흔히 '장바구니 분석'이라는 기술이 있습니다. 책이나 블로그 등에서 자주 언급되는 아기 아빠들이 기저귀를 사면서 맥주를 함께 사더라라는 역사적인 연구에 등장하는 것이 장바구니 분석입니다. 함께 구매한 상품을 찾아내는 장바구니 분석은 CF의 아주 협소한 영역입니다. CF에서 한 사람의 이력 기간을 세션 (장바구니) 단위로 끊어서 분석하면 장바구니 분석과 비슷한 효과가 나옵니다. 그런데 CF는 아이템 페어 Pair-wise로 추천이 이뤄지지만, 장바구니 분석은 여러 아이템들이 함께 묶이는 형태로 결과가 나옵니다. 기술적으로 더 궁금하신 분은 Association Rule 또는 Frequent Pattern Mining으로 검색해보시면 됩니다.

PR시리즈 첫 글에서 제가 어떻게 해서 추천 시스템을 시작했는지 정확한 기억이 없다고 말씀드렸습니다. 지금 생각해보면 추천 시스템을 공부하기 직전까지 문서와 키워드의 관계 Vector Space Model (VSM)를 이용한 텍스트 마이닝을 연구/고민하고 있었고, 스트링커널 String Kernel을 이용해서 다양한 형태의 XML Schema 문서들 간의 유사도를 구하는 연구를 진행했습니다. 텍스트마이닝에 사용한 VSM이 추천 알고리즘에서의 유저-아이템 레이팅 행열과 똑같은 형태를 이루고 있습니다. VSM은 보통 TF-IDF로 문서와 키워드 관계를 설명하고, 이를 바탕으로 LSA/I (Latent Semantic Analysis/Indexing) 또는 PLSI (Probabilistic LSI)로 클러스터링 등을 수행하는데, 여기에 사용되는 LSA/LSI가 MF방식의 SVD와 같은 개념이 적용됩니다. 문서, 키워드, 유저의 관계/그루핑을 연구하던 것을 자연스레 유저-아이템 관계를 분석/예측하는 것으로 전환시켰던 것같습니다.

(계속...?)

추천시스템 전체 목록

  1. 추천 시스템과의 조우 (PR시리즈.1)
  2. 추천 시스템을 위한 데이터 준비 (PR시리즈.2)
  3. 추천대상에 따른 추천 시스템의 분류 (PR시리즈.3)
  4. 알고리즘에 따른 추천 시스템의 분류 (PR시리즈.4)
  5. 추천 시스템을 위한 유사도 측정 방법 (PR시리즈.5)
  6. 추천 시스템의 성능 평가방법 및 고려사항 (PR시리즈.6)
  7. 추천 시스템에서의 랭킹과 필터링 문제 (PR시리즈.7)
  8. 추천 시스템의 쇼핑하우 적용예 (PR시리즈.8)
  9. 개인화 추천 시스템에 대하여 (PR시리즈.9)
  10. 추천 시스템의 부작용 - 필터버블 (PR시리즈.10)
  11. 추천 시스템의 레퍼런스 (PR시리즈.11)
  12. 추천 시스템에 대한 잡다한 생각들 (PR시리즈.12)
  13. 추천 시스템을 위한 하둡 마훗 사용하기 (PR시리즈.13)
  14. 추천 시스템에 대해서 여전히 남은 이야기들 (PR시리즈.14)

==

페이스북 페이지: https://www.facebook.com/unexperienced

댓글을 달아 주세요