선호도 예측에 사용 가능한 알고리즘
- Collaborative Filtering
- Click Through Rate Prediction
- Sequential Recommendation
「Algorithmic Effects on the Diversity of Consumption on Spotify. (2020)」
Figure 5: Probability of churning
특정한 음악을 소비하는 사용자보다 다양한 음악을 소비하는 사용자의 서비스 이탈율 (Churn rate)이 낮은 경향을 보임.
과거의 이력에 기반한 추천이 반복되면 > 필터버블 > 소비 다양성이 줄어들며 서비스 이탈율이 높아질 수 있음 > 다양화 로직 필요
사용자의 소비 다양성을 높이면서 장기적인 서비스 만족도를 높여야 함 > 더 자주 플랫폼에 방문하도록.
사용자가 추천시스템에 알려주지 않은 관심사를 찾아내기.
다양화에 사용할 수 있는 알고리즘
- Fuzzy deduping
- Sliding window
- Smooth Score Penalty
- Determinantal Point Processes(DPPs), Deep DPPs
협업 필터링(Collaborative Filtering) https://kmhana.tistory.com/31
추천 시스템을 평가하는 지표 https://jyoondev.tistory.com/132
Exploration Algorithm