Recommender System 4장 카드뉴스

AI 활용 분야에서 쓰이는 용어로, 사용자의 과거 행동·취향 데이터를 학습해 다음에 좋아할 만한 상품·콘텐츠·사람을 자동으로 추천해 주는 AI 시스템 전반을 가리킵니다.

추천 시스템은 한 사람 한 사람이 무엇을 보고, 사고, 멈춰 섰는지를 모아서 "다음에 좋아할 만한 것"을 골라 주는 AI예요. 도서관 사서가 대출 기록을 보고 "이 책 다음엔 이런 책이 어떠세요" 하고 권하는 일을, 수억 명에게 동시에 1초 안에 해 주는 자동화 장치라고 보면 비슷합니다. 대학 도서관에서 빌린 책 옆에 "이 책을 빌린 학생들이 함께 빌린 책" 알림이 뜨는 경험과 같은 원리예요. 넷플릭스 메인 화면, 쿠팡 상품 진열, 유튜브 다음 영상이 모두 이 구조 위에서 돌아간다는 걸 알아 두면 비즈니스 맥락에서 쓸 일이 많습니다.

**케이스 1: Netflix — 추천 결과가 전체 시청 시간의 80%를 가져옵니다** 넷플릭스는 2009년 Netflix Prize에서 행렬 분해 계열 협업 필터링 모델로 RMSE(Root Mean Square Error, 평균 제곱근 오차)를 0.95 → 0.857까지 10% 이상 끌어내린 BellKor's Pragmatic Chaos 팀에 100만 달러를 지급했습니다 [2]. 이후 자체