추천 시스템은 다양한 서비스 분야에서 확장되어 사용되고 있습니다. 본 연구에서는 위에서 설명한 다양한 추천 시스템의 추천 모델 및 기술이 실제 서비스 분야의 특성과 목적에 따라 어떻게 연구되고 활용되는지 분석하고자 합니다. 분석을 위해 수집된 논문들을 기반으로 추천 시스템이 사용된 서비스 분야를 7개의 주요 범주로 분류하였습니다. 이 주요 범주는 다음과 같습니다:
개별 모델의 성능에 대한 글은 모두 제거하였음.
그림 30 : 일곱 가지 서비스 분야에서 수집된 논문의 비율을 시각화
그림 31 : 연도별 논문 수의 비율 추이
이러한 그림들을 통해 2010년부터 2021년까지 추천 시스템에 관한 많은 연구가 다음과 같은 순서로 이루어졌음을 알 수 있습니다: 소셜 네트워크 서비스, 관광, 의료, 이커머스 및 교육뿐만 아니라, 그림 31에서 볼 수 있듯이 관광, 의료 및 교육이 최근에 많은 비중을 차지하며 연구가 확대되고 있다. 데이터에서 볼 수 있듯이 이 분야에 대한 관심은 특정한 라이프스타일에 대한 사람들의 관심의 급격한 증가를 반영하고 있으며, 교육 분야는 대체 오프라인 교육의 효과적인 대안을 제공한다는 것을 알 수 있다.
"Streaming Service Recommendation"이라는 키워드로 Google Scholar에서 검색된 모든 논문의 연도별 발행 논문 수가 요약되었습니다.
과거에는 영화와 같은 비디오 콘텐츠를 대부분 TV나 영화관을 통해 사용자가 소비했지만, 최근에는 Netflix나 YouTube와 같은 스트리밍 플랫폼을 통해 상당한 양의 비디오 콘텐츠가 소비되고 있습니다. 스트리밍 서비스는 사용자가 방대한 양의 콘텐츠를 선택하는 데 걱정하지 않도록하고 각 사용자에게 맞춤화된 콘텐츠를 제공해야 하기 때문에 추천 시스템과 함께 개발되어 왔습니다. 스트리밍 서비스 분야에서는 사용 기록 데이터를 중심으로 사용자 선호 데이터를 수집하고, 스트리밍 서비스가 소유한 모든 콘텐츠와 사용자의 선호도를 매핑한 후 사용자 선호와 가장 유사한 콘텐츠 순으로 추천이 생성됩니다. [36,84].
2000년대 초까지 스트리밍 서비스 분야에서는 Content-Based Filtering 모델이 추천 시스템에서 널리 사용되었습니다. 그러나 웹 2.0 시대에는 사용자 간 유사성을 고려한 아이템 추천을 위한 Collaborative Filtering 방법의 유용성에 대한 연구가 주로 수행되었습니다 [85,86].
최근에는 스트리밍 서비스 이용자 수가 기하급수적으로 증가하면서, 사용자 선호도 분석 계산 과부하를 줄이기 위해 다양한 추천 기술 및 필터링 모델을 개선하는 연구가 진행되고 있다. Barragáns-Martínez et al. [36]은 SVD(Singular Value Decomposition) 알고리즘을 이용하여 사용자 선호도 분석 계산 과부하를 줄이고 확장성 및 데이터 희소성 제한 등 주요 문제를 해결하기 위해 TV 프로그램의 추천을 위한 하이브리드 추천 모델을 제안하였다.
→ 유저, 아이템 수가 많아지면서 계산 과부하 줄이기가 주요 과제가 되었음.
음악 스트리밍 분야는 사용자 선호도에 더 큰 영향을 받으므로, 높은 예측력이 필요합니다. 따라서, 사용자 데이터와 오디오 콘텐츠 데이터를 고려한 콘텐츠 기반 필터링 추천 모델 [80,90]과 유사한 사용자의 평가 데이터를 고려한 협업 필터링 모델을 결합한 하이브리드 추천 모델 연구 [86,90-93]가 수행되었습니다.
→ 음악은 컨텐츠 기반 필터링이 기본이다.
McFee et al. [87]은 Collaborative Filtering을 통해 유사한 사용자 그룹이 선호하는 데이터 샘플의 콘텐츠 분석을 통해 오디오 유사성을 분석하는 연구를 제안. 최적화된 오디오 콘텐츠 각각의 오디오 신호에 대한 유사성 분석 결과를 통해 다양한 미노잉한 음악 추천이 가능한 Hybrid 추천 모델을 제안. 즉, 이 연구는 Content-Based Filtering의 약점인 사용자 선호 항목의 범위가 좁다는 것을 해결함으로써 음악 스트리밍 서비스의 추천 시스템의 확장성을 입증했습니다.
→ 하이브리드 방법이 많이 쓰임
구글 스콜라에서 'Social Network Service Recommendation' 키워드로 검색된 모든 논문의 연도별 출판 논문 수가 요약되었습니다.
SNS의 사용 증가는 사용자 관련 데이터의 대량 증가를 동반하였습니다. SNS를 통해 사용자가 등록하는 게시글의 콘텐츠 정보를 수집할 수 있습니다. 또한, 사용자 평가 데이터를 수집할 수 있는데, 평점 데이터뿐만 아니라 좋아요와 댓글과 같은 다양한 유형의 피드백 데이터를 포함합니다.