네이버 바이브, 딥러닝 기반 '재생 맥락' 자동추천

[출 처] http://www.newspic.kr//view.html?nid=2019112912411502541&cp=r3XfW21Y&pn=140#_svo

네이버 바이브, 딥러닝 기반 '재생 맥락' 자동추천

네이버의 AI 뮤직서비스 바이브(VIBE)는 사용자가 듣고 있는 노래를 바탕으로 이어지는 노래를 끊임없이 추천해주는 '자동 추천 재생' 기능을 선보인다고 11월 29일 발표했습니다.

 

듣고싶은 노래를 사용자의 취향에 맞춰 추천해주는 서비스를 제공한다니.. 실용화가 된다면 매우 편리한 기능이 될 것 같습니다. 

 

오늘은 어떻게 추천을 할 수 있는지 '추천시스템'의 원리에 대해 알아보도록 하겠습니다.

 

추천을 하는 방식은 크게 3가지로 나눌 수 있습니다.

1. 협업 필터링 추천 (Collaborative filltering) 

2. 컨텐츠 기반의 추천 (Content-based recommendation)

3. 지식 기반의 추천 (Knowledge-based recommendation)

 

1. 협업 필터링

 아이템에 대한 여러 사용자들에 대한 평가를 바탕으로 추천을 하는 방식입니다. 영화를 예를 들면 "이 사람들은 너랑 영화취향 비슷해서 너가 본 이거이거 다 봤는데 너는 이거 안봤네 너도 이거봐봐" 이러한 방식으로 추천을 해주는 것이죠. 영화를 추천하기 위한 데이터 축적을 위해 대표적으로 평점을 활용한다고 합니다.  

 

여러 사용자들이 아이템에 대한 평가를 기반으로 추천하기 때문에 외부 지식이 필요없이 단순하며 뜻밖의 행운으로 사용자가 원하는 컨텐츠를 추천할 수 있고 시장 동향 파악이 쉽다는 장점이 있습니다. 하지만 데이터가 전혀 존재하지 않은 새로운 사용자 또는 아이템에 대한 추천이 어렵다는 단점이 있습니다.

 

2. 컨텐츠 기반의 추천

 사용자가 어떤 아이템을 사용했을 때, 해당 아이템과 관련된 다른 아이템들을 추천해주는 방식입니다. 예를 들어서 사용자가 인터넷 쇼핑몰에서 청바지를 볼 경우, 관련된 아이템으로 반팔 티셔츠나 신발을 볼 확률이 높겠죠. 이와같이 사용자가 관련된 아이템을 사용할 것을 예측하여 추천해주는 방식이 컨텐츠 기반의 추천입니다.

 

 컨텐츠 기반은 개인의 독특한 취향을 반영 가능하다는 장점이 있으며 사용자 커뮤니티가 따로 필요가 없습니다. 하지만 아이템에 관한 상세한 정보가 필요하며 사용자 입장에서 놀라게 할 만한 결과는 기대하기 어렵고 추천 결과에 대한 평가가 어렵다는 단점이 있습니다.

 

3. 지식 기반의 추천

 지식은 정보끼리의 관계가 잘 정리된 상태라고 할 수 있습니다. 따라서 지식 기반의 추천은 사용자가 특정 아이템을 사용했을 경우 이에대한 정보를 바탕으로 지식을 활용하여 새로운 정보를 제공해주는 시스템입니다. 예를들어 넷플릭스에서 영화를 구매할때, 과자를 먹으며 영화를 보면 더 재미있을 것이라는 지식을 활용하여 과자에 대한 광고를 추천해주는 방식입니다. 

 

 지식 기반의 추천은 일정 품질의 보장이 있고 홍보 자료 등의 의도에 맞는 전략을 펼칠 수 있다는 장점이 있습니다. 하지만 이러한 복잡한 지식을 가공하기 위한 노력이 많이 필요되며 기본적으로 정적인 모델이여서 트렌드에 둔감하다는 단점이 있습니다.

 

그렇다면 어떻게 나의 취향에 맞춰서 노래를 추천을 할 수 있을까요?

바로 4차산업의 핵심 ! 초지능, 초연결을 활용한 것입니다. 물론 내용도 보겠지만 이것보다 더 사용자들의 반응을 이용한 것이 핵심입니다.

 

그래서 요즘에는 주로 협업 필터링 (Collaborative filltering)에 의한 추천방식을 많이 사용하고 있습니다. 하지만 앞서 언급했던 새로운 사용자에 대한 추천이 어렵다는 단점이 있습니다. 이러한 단점을 극복하기 위해 컨텐츠 기반의 추천방식을 섞어서 추천을 하게 됩니다. 초기 사용자에게는 컨텐츠 기반으로 추천을 진행하다가 어느정도 컨텐츠를 활용하게 되면 협업 필터링 방식으로 여러사람들의 평가에 기반한 컨텐츠를 추천을 하게 됩니다.

 

따라서 네이버의 AI 뮤직서비스 바이브(VIBE)의 '자동 추천 재생'기능 또한 협업 필터링, 컨텐츠 기반, 지식 기반의 추천 방식 기술이 기본적으로 활용이 되겠죠?