<aside> 💡 Content-based filtering
상품 설명 + 사용자 프로필 → 좋아하는 타입/과거에 좋아했던 타입 상품 추천
item에 대한 설명(description)과 사용자 선호에 대한 profile을 기반
Content-based 추천 시스템에서, 키워드는 item을 설명(describe)하는데 사용되고 사용자의 프로필은 이 사용자가 좋아하는 류(type)의 item을 가리키게(indicate) 만들어짐
과거에 사용자가 좋아했던 것들(또는 현재 보고 있는 것들)과 비슷한 items을 추천
구체적으로 말하면, 다양한 후보 items은 사용자에 의해 현재 평가되는 (rated) items과 비교되고 best-matching items은 추천
이 접근법은 information retrieval과 information filtering에 뿌리를 두고 있음
사용자 선호 모델 → 추천 시스템과 사용자의 상호작용 정보
상품 특성의 weighted vector를 기반으로 content-based profile 만듦
Weights는 사용자에게 각각의 feature의 중요도를 나타내고 개별적으로 점수 매겨진(rated) content vectors로부터 다양한 방법으로 계산될 수 있음 → 사용자가 좋아할것 같은 확률(probability)을 계산
좋아요/싫어요 → 직접적 피드백 → 속성의 중요도에 대한 weight 할당 사용
</aside>
음식 + 카테고리 데이터셋을 사용해 카테고리를 기준으로 유사도 추출 후 메뉴 추천
<aside> 💡 콘텐츠 기반 음식 추천 시스템
음식에 대한 평점은 크롤링할 수 없음 ! ⇒ 음식 카테고리가 있는 데이터셋 구하기
→ 가게에 대한 평점은 있어도 정확한 메뉴명에 대한 언급은 없기 때문
알레르기나 재료에 따른 추천 어려움
→ 음식을 구성하는 재료까지 포함된 데이터셋이 없기 때문