Recommender Systems 101

추천 시스템 입문 - 개인화된 콘텐츠 제공을 위한 추천 시스템 설계부터 UI/UX, 구현 기법, 평가까지
가자마 마사히로.이즈카 고지로.마쓰무라 유야 지음, 김모세 옮김 / 한빛미디어 / 2023년 5월

필요한 용품을 생각하던 시기에 스마트폰 어플에서 관련 상품이 추천되고 있다며 의아해하던 여러 경험담들을 듣고 있던 시기에 이 책을 접하게 되었다. 

이 책에서는 추천 시스템을 '여러 후보 가운데 가치 있는 것을 선정해서 의사 결정을 지원하는 시스템'이라고 정의하고, 이 정의에 기반하여 설명하고 있다. 서문에서 저자의 언급처럼, 사용자가 선호하는 아이템을 빠르게 수집해서 사용자의 만족도를 높이고, 이를 매출 및 회원수 증대로 연결하려는 다양한 노력을 통한 아이템 제시 방법, 즉 서비스 목적에 따른 추천 시스템 조합 및 적용 사례, 추천 알고리즘 개요와 실무 활용 방법을 알려주고 있다.

1장에서 4장까지는 추천 시스템의 개요, 종류, 개발 프로젝트 진행 절차, UI/UX, 대표 알고리즘인 협조 필터링과 내용 기반 추천에 대해 상세히 설명해준다.

5장에서는 MovieLens 영화 데이터셋을 활용하여 실무에서 직면하는 구체적인 알고리즘 구축과정의 문제점이나 그 대처방안에 대해 설명을 하고 있다. 이 책의 옮긴이 '김모세'님의 GitHub에서 상세한 주석이 달린 Python 코드를 다운로드해서, Jupiter Notebook이나 Google Colab에서 코드 실행 결과를 확인할 수 있다. 각 알고리즘에 대한 상세는 추후 별도의 학습이 필요하니, 전반적인 흐름에 대한 이해와 소개가 주 목표인 것 같다.

6장에서는 추천 알고리즘을 서비스하기 위한 시스템에 대한 개요를 서술한다.

7장에서는 추천 시스템 평가 방법에 대해 설명을 한다(처음 보는 수식들과 용어들을 소개한다)

8장에서는 추천 시스템에서 발생하는 편향에 대한 내용, 상호 추천 시스템(User-to-User 서비스) 등 추천 시스템 관련 발전적인 주제들에 대해서 설명하고 있다.

부록에서는 넷플릭스의 추천 시스템의 역사, 사용자-사용자 메모리 기반 방법을 설명한다.

이 책은 추천 시스템에 대한 개요를 상세히 설명하고, 적용방식 및 알고리즘에 대한 개략적인 소개를 하고, 각자의 필요에 따라 본문에 인용한 논문을 찾아보거나 책을 참고하여 상당한 심화학습으로 이어지기를 바란다는 저자들의 목표에 부합하는 입문 서적이다.

"한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다."