추천 알고리즘

배경 

차량의 선호도와 실제 구매하려는 차량과의 상관관계가 존재함을 확인하였고, 개인별 취향에 따라 차량 추천에서 나아가 차량별 특정 연령대의 선호도, SNS 상에서의 언급 빈도 등에 대한 분석이 가능하였다.

조건부 연산을 활용하고, 알고리즘에 사용하는 요소를 보다 세분화하여 추천 정확도 향상을 도모하였다.

 

어떤 점을 바탕으로 차량을 추천하고, 가중치를 어떻게 줘서 추천 알고리즘을 고안할 것인지 준비가 필요하다.

1. hadoop

2. mapreduce

3. r

4.피어슨 상관계수

5.필터링 알고리즘

6.시스템 아키텍처

7.알고리즘 순서도

8.알고리즘 의사코드

9.데이터 적재,가공,코드 데이터 추출, 알고리즘 구현

---

1. hadoop

Apache Hadoop 은 빅데이터 처리를 위한 다수의 컴퓨터 클러스터에서 동작하는 분산 응용 프로그램을 지원하는 소프트웨어이다.

성능의 높고 낮음에 상관없이 다수의 컴퓨터로 병렬 처리가 가능하도록 구현가능하다.

 

2. mapreduce

MapReduce는 데이터 분산 환경의 데이터 노드에서 병렬적으로 연산을 수행하는 기능을 제공하는 소프트웨어 프레임워크이다.

 

3. r

4.피어슨 상관계수

5.필터링 알고리즘

6.시스템 아키텍처

7.알고리즘 순서도

8.알고리즘 의사코드

9.데이터 적재,가공,코드 데이터 추출, 알고리즘 구현

 

---

현재 구상중인 차량 추천 서비스

차량에 관심이 많은 사람들도, 추천이 있더라도, 탐색의 폭이 넓이지기만 할뿐, 그걸 선택으로 이어지기 까지는 아직 남은 단계가 존재한다고 생각한다. 그래서 추가적인 분석 자료를 제공하면서 선택의 결정에 있어, 다양한 관점을 제시해주고자 한다.

 

추천 알고리즘(아래로 내려갈수록 최신)

Apriori 알고리즘

협업 필터링(SVD)

spark를 이용한 빅데이터(fp-growth, matrix factorization)

딥러닝을 이용한 추천시스템(협업필터링, item2vec, doc2vec, youtube recommendation, wide&deep model)

개인화 추천시스템(factorization machine, hierarchical rnn, 강화학습, 딥러닝)