1회차 9월 2주차 (0906)

질문 & 컨님 피드백

• cold start를 해결하는 방법

  • 회원 가입 시, 설문조사 등 개인 성향 정보를 얻어오는 방법
    • 예시: 넷플릭스 회원 가입 시, 5개 선택지 중 좋아요/싫어요
    • 여행이라면, 대표 이미지를 골라 역사적 배움을 추구하는지, 휴양을 추구하는지 등
  • 클러스팅 된 데이터를 사용자 feature에 맞게 추천

• 추천 업데이트 시점

  • 이벤트가 나올 때마다 추천
    • 예시: 화면 클릭할 때마다
  • 데이터가 업데이트 되지 않는다면, 추천은 계산과 수식으로 나오기 때문에 바뀌지 않는다.
  • 데이터가 없데이트 된다면, 추천도 업데이트가 필요
    • 예를 들어, 특정 여행지를 좋아요 클릭시 사용자 데이터 업데이트 → 추천 업데이트

• 데이터 카테고리화

  • feature별 클러스팅

    • 예시: 경주의 불국사 → 유적지 / 해수욕장 → 휴양지

  • 클러스팅 된 데이터를 사용자 feature에 맞게 추천

    ⇒ 이러한 방식들이 컨텐츠 추천 방법에 가깝다!

• 추천

  • 예시: 사용자가 activity를 좋아한다고 해서 계속 activity만 추천하는 것은 너무 치우친다.
  • 시간 흐름에 따른 고려가 필요하다!
    • 예시: 최근 다녀온 여행지에 맞는 추천
  • 예시: 동나이대 + 취향이 같은 다른 사람의 여행지 추천 ⇒ 협업 필터링(user-based)
  • 예시: 요즘 날씨, 가을이니 단풍여행

• 맛집, 축제 추천

  • 간 김에 추천이 아니라면 취향에 맞게 추천하는 것은 어려울 수 있다.
  • 정보를 얻기에도 쉽지 않을 것으로 생각된다.
  • coldstart 어려울 것으로 생각된다 → fake data를 만들어서 하는 방법이 있긴 하다.

• coldstart 100명

  • 사람 수는 문제가 되지 않다. 품질이 좀 떨어질 듯
  • 그렇기 때문에 다양성이 중요할 듯

• 최적화

  • 찾아가는 인덱싱을 두면 속도가 빨라진다.
    • 예시: 30대, 남성, action에 해당하는 사용자만 뽑아서 추천하면 데이터 양이 줄어든다.
  • CPU가 아닌 GPU로 하면 속도가 빠르다.

• 기타

  • 스프링부트: 안정성, 반응성, 확장성, 범용성의 장점
  • 장고: 속도

• 크롤링

  • 법률적 이슈 고려해야한다.
  • 예시: twitter api 존재
  • 네이버 카페는 크롤링 자체가 문제가 될 수 있다.
    • 특히, 사진 무단도용 조심

• BM을 잡고 출시까지 할 것인지, 아니면 싸피 자체 프로젝트에 대해 할 것인지

  ⇒ 싸피 자체 프로젝트로 방향성 선택

• 공공 데이터 내에 축제 식당 여행지 분류되어 기재가 되어 있는지

  ⇒ 되어 있음

• 추천을 할려면 관련된 리뷰가 필요 어떻게 구할 예정인지

  ⇒ 자체 데이터, 필요시 네이버 리뷰 등 크롤링

• 구한 데이터를 가지고 카테고라이징이 필요, 또한 키워드와 연관된 정의를 하여야 한다. 회원가입을 할 때 무작정적인 질문보다는 대표 이미지를 통하여 유저가 어떠한 성향인지 파악하는 것이 좋다.

• 현재는 콘텐츠 기반 필터링에 더 가까운 느낌, 그 이후 유저 및 히스토리가 쌓이면 그 히스토리를 토대로 분석이 필요

  ex) 액티비티를 고려한 유저라도 최근 힐링 여행지를 많이 다녔다면 서서히 힐링 선택지가 많아지는 방식으로 추천

• 비슷한 취향 및 나이 대의 유저들을 토대로 내가 가지 않은 곳을 추천할 수 있도록 계절 및 시간의 특성이 필요한 여행인 경우도 조건을 붙여서 고려하여 추천하는 것도 좋다.

• 음식이 어려울 수 있다. 간 김에 가는 식당이면 다른 초기의 식당 관련 정보가 필요할 수 있다.