Collaboration Filtering - Recommendation System

소셜 엔지니어링/소셜 네트워크에서 얻은 정보를 긍정적(!)으로 사용하는 방법으로 협업 필터링 및 추천시스템을 들 수 있을 것이다. 인류 문명에서 보여 주듯이, 정보나 도구는 사용하기에 따라 그 모습이 많이 달라지기 때문이다. 

협업 필터링(collaboration filtering)에 대한 위키피디아의 설명은 다음과 같다.

"협업 필터링(協業 filtering)은 많은 사용자들로부터 얻은 기호정보(taste information)에 따라 사용자들의 관심사들을 자동적으로 예측하게 해주는 방법이다. 협력 필터링 접근법의 근본적인 가정은 사용자들의 과거의 경향이 미래에서도 그대로 유지 될 것이라는 전제에 있다. 예를 들어, 음악에 관한 협력 필터링 혹은 추천시스템(recommendation system)은 사용자들의 기호(좋음, 싫음)에 대한 부분적인 목록(partial list)을 이용하여 그 사용자의 음악에 대한 기호를 예측하게 된다. 이 시스템은 특정 사용자의 정보에만 국한 된 것이 아니라 많은 사용자들로부터 수집한 정보를 사용한다는 것이 특징이다. 이것이 단순히 투표를 한 수를 기반으로 각 아이템의 관심사에 대한 평균적인 평가로 처리하는 방법과 차별화 된 것이다. 즉, 고객들의 선호도와 관심 표현을 바탕으로 선호도, 관심에서 비슷한 패턴을 가진 고객들을 식별해 내는 기법이다. 비슷한 취향을 가진 고객들에게 서로 아직 구매하지 않은 상품들은 교차 추천하거나 분류된 고객의 취향이나 생활 형태에 따라 관련 상품을 추천하는 형태의 서비스를 제공하기 위해 사용된다."  - 위키피디아 -

여러 분야에서 사용될 수 있을 것이다.  특히, '권고/추천 시스템(recommendation system)'은 흥미를 끄는 시스템 유형이기도 하다.

위키피디아의 Recommender system은 보다 실제 사례에 가까운 예를 들어 설명하고 있다.

다음은 관련 참고 목록들이다.

Ido Guy, David Carmel, IBM Research-Haifa, Israel, Social Recommender Systems

Background of collaborative filtering with Mahout