아마존 협업필터링 추천방식

소개글

"아마존 협업필터링 추천방식"에 대한 내용입니다.

목차

1. 서론

2. 본론
1) 협업 필터링 추천 시스템(Collaborative Filtering Recommendation System) 기능
2) 아마존의 아이템 기반 협업 필터링 활용
3) 아이템 기반 협업 필터링의 효과

3. 결론 (느낀점)

본문내용

데이터 마이닝(Data Mining)이란 대량의 데이터에서 가치 있는 지식을 발견하는 방법을 말한다(Knowledge Discovery In Databases). 데이터의 폭발로 인해, 데이터를 저장하고 데이터를 분석하는 기술이 발전되었다. 데이터 마이닝은 마케팅, 금융, 교육, 의료 등 다양한 분야에서 활용되고 있다.
이 중 장바구니 분석(Market Basket Analysis)로도 잘 알려진 맥주-기저귀의 연관성 분석(Association Analysis)와 비슷한 사례에 대해 궁금증에서부터 이 글을 시작하게 되었다.
미국의 한 슈퍼마켓 업체인 Target은 고객의 구입내역과 패턴을 확인해, 고객이 임신한 사실을 가족보다 먼저 파악해, 관련된 쿠폰을 지속적으로 보낸 사례가 있다. 이처럼 연관성 분석은 거래나 사건을 포함하는 일련의 데이터로부터 연관 규칙을 발견하고, 둘 이상의 품목들간 상호 연관성을 밝히는 분석이다. 전자상거래 기업에서는 이러한 분석을 토대로 온라인 추천 시스템을 구축하여, 고객에게 상품을 추천해주고 있는 collaborative filtering 기술을 사용하고 있다.

참고 자료

협업 필터링 추천 시스템, 2017 https://scvgoe.github.io/2017-02-01-%ED%98%91%EC%97%85-%ED%95%84%ED%84%B0%EB%A7%81-%EC%B6%94%EC%B2%9C-%EC%8B%9C%EC%8A%A4%ED%85%9C-(Collaborative-Filtering-Recommendation-System)/
Greg Linden, Brent Smith, and Jeremy York, ”Amazon.com Recommendation (item-to-item Collaborative Filtering)” 76,78,79p, 2003
Thabit Zatari, “Data Mining by Amazon” 1p, 2015