AI가 더 나은 제품 추천을 제공하지 않는 이유

당신이 관심 있는 것들이 주류와 다르다면, 당신의 검색 결과가 주류와 비슷한 결과를 제공하지 않을 두 가지 이유가 있습니다. 첫째, 당신은 경제적으로 구매력이 있는 사용자이기 때문에, 당신의 관심사에 따라 맞춤형 서비스를 제공받을 수 있습니다. 둘째, 당신이 사용하는 검색 알고리즘이 협력 필터링(Collaborative Filtering, CF)을 사용하고 있습니다. 협력 필터링은 대중의 관심사를 기반으로 추천을 제공하기 때문에, 당신의 관심사와 다를 수 있습니다.

협력 필터링은 다른 알고리즘보다 저렴하고 잘 정립되어 있기 때문에, 두 가지 경우가 모두 적용될 수 있습니다.

협력 필터링 기반의 검색 결과는 당신과 비슷한 사용자들이 관심을 가지는 항목을 우선적으로 제공합니다. 그러나, 당신이 사용자 프로필 정보를 제공하지 않거나, 예를 들어 넷플릭스에서 좋아요 버튼을 누르지 않는다면, 당신의 관심사를 제대로 파악하지 못할 수 있습니다.

이 경우, 스트리밍 플랫폼에서는 현재 인기 있는 프로그램이나 영화를 추천할 수 있습니다. 책 추천 플랫폼에서도 현재 인기 있는 책을 추천할 수 있습니다.

이론적으로, 데이터를 제공하지 않는 사용자라도, 시스템을 사용하면서 관심사를 나타내면, 더 나은 추천을 받을 수 있습니다. 그러나, 협력 필터링은 대중의 관심사를 기반으로 추천을 제공하기 때문에, 항상 정확한 추천을 제공하지 못할 수 있습니다.

어떤 색이라도 좋습니다. 단, 검은색이어야 합니다.

오스트리아의 새로운 연구에 따르면, 협력 필터링은 콘텐츠 기반 필터링보다 더 많이 사용되고 있습니다. 그러나, 협력 필터링은 인기 있는 항목을 더 많이 추천하는 경향이 있습니다. 이는 사용자들이 인기 있는 항목에 관심이 없는 경우, 더 나은 추천을 받지 못할 수 있습니다.

연구에서는 사용자들이 인기 있는 항목에 관심이 없는 경우, 더 나은 추천을 받지 못할 수 있다고 결론지었습니다. 또한, 인기 있는 항목을 더 많이 추천하는 알고리즘은 사용자들의 관심사를 제대로 파악하지 못할 수 있다고 결론지었습니다.

영역

연구에서는 네 가지 영역을 조사했습니다. 디지털 책, 영화, 음악, 애니메이션입니다. 각 영역에서 협력 필터링 알고리즘을 사용하여 추천을 제공했습니다.

연구에서는 사용자들이 인기 있는 항목에 관심이 없는 경우, 더 나은 추천을 받지 못할 수 있다고 결론지었습니다. 또한, 인기 있는 항목을 더 많이 추천하는 알고리즘은 사용자들의 관심사를 제대로 파악하지 못할 수 있다고 결론지었습니다.

쉬운 길

협력 필터링은 검색 알고리즘에서 많이 사용됩니다. 그러나, 협력 필터링은 항상 정확한 추천을 제공하지 못할 수 있습니다. 콘텐츠 기반 필터링은 더 나은 추천을 제공할 수 있지만, 더 어려운 알고리즘입니다.

콘텐츠 기반 필터링은 콘텐츠의 특징을 분석하여 추천을 제공합니다. 그러나, 이는 더 어려운 알고리즘입니다. 협력 필터링은 대중의 관심사를 기반으로 추천을 제공하기 때문에, 더 쉽게 구현할 수 있습니다.

誰が 협력 필터링을 사용합니까?

넷플릭스, 아마존, 페이스북, 링크드인, 유튜브, 트위터 등이 협력 필터링을 사용합니다. 그러나, 협력 필터링은 항상 정확한 추천을 제공하지 못할 수 있습니다. 사용자들이 인기 있는 항목에 관심이 없는 경우, 더 나은 추천을 받지 못할 수 있습니다.

협력 필터링은 대중의 관심사를 기반으로 추천을 제공하기 때문에, 항상 정확한 추천을 제공하지 못할 수 있습니다. 그러나, 협력 필터링은 검색 알고리즘에서 많이 사용됩니다. 더 나은 추천을 제공하기 위해서는, 콘텐츠 기반 필터링을 사용할 수 있습니다.

첫 번째로 게시됨: 2022년 3월 2일.