[Ch01] 1.5 Advanced Topics and Applications

1.5 Advanced Topics and Applications

---

1.5.1 The Cold-Start Problem in Recommender Systems

---

• 추천 시스템의 주요 문제 중 하나는 초기에 사용할 수 있는 등급의 수가 상대적으로 적다는 것
• 이러한 경우 기존의 협업 필터링 모델을 적용하는 것이 어려움
• 추천 시스템의 맥락에서 콜드 스타트 문제를 개선하기 위해 많은 특정한 방법들이 고안되었음

---

1.5.2 Attack-Resistant Recommender Systems

---

• 추천 시스템의 사용은 다양한 제품 및 서비스 판매에 상당한 영향을 미침
• 이러한 부분을 이용하여 추천시스템의 출력을 조작하는 경우가 있음
• 조작의 한 예는 자사 제품에 대한 부풀려진 등급을 추천 시스템에 제출하는 것
• 조작을 위한 공격은 추천 시스템의 전반적인 효과를 떨어뜨리고 합법적인 사용자의 경험 품질을 떨어뜨리기 때문에 매우 바람직하지 않음

---

1.5.3 Group Recommender Systems

---

• 전통적인 추천 시스템의 흥미로운 확장은 그룹 추천 시스템[168]의 개념
• 이러한 경우 추천 시스템은 특정 활동을 단일 사용자가 아닌 사용자 그룹에 추천하도록 맞춤 조정

---

1.5.4 Multi-Criteria Recommender Systems

---

• 다중 기준 시스템에서 등급은 단일 사용자에 의해 서로 다른 기준에 따라 지정될 수 있음

  (사용자는 줄거리, 음악, 특수 효과 등을 기준으로 영화의 등급을 지정할 수 있음)

• 항목에 대한 사용자의 효용을 다양한 기준에 해당하는 등급의 벡터로 모델링하여 추천항목 제공

---

1.5.5 Active Learning in Recommender Systems

---

• 추천 시스템의 주요 과제는 강력한 예측을 위해 충분한 등급을 획득하는 것
• 추천 시스템의 능동적 학습 문제에는 분류와 같은 다른 문제 영역에서는 발생하지 않는 흥미로운 절충안이 많이 있음

---

1.5.6 Privacy in Recommender Systems

---

• 추천 시스템은 암시적이거나 명시적일 수 있는 사용자의 피드백을 주로 기반으로 함
• 피드백은 사용자의 관심사에 대한 중요한 정보를 포함하고 있으며, 사용자의 정치적 의견, 성적 성향 및 개인적 선호도에 대한 정보를 드러냄
• 이러한 정보는 매우 민감하여 개인 정보 보호 문제로 이어짐

---

1.5.7 Application Domains

---

• 추천 시스템은 소매, 음악, 콘텐츠, 웹 검색, 쿼리 및 계산 광고와 같은 다양한 응용 프로그램에서 사용 됨
• 이러한 도메인 중 일부는 추천 시스템을 적용하기 위한 전문화된 방법이 필요
• 뉴스 추천, 컴퓨터 광고, 상호 추천 시스템 등의 특정 영역은 애플리케이션 도메인으로 해당 도메인은 본질적으로 웹 중심적
• 추천 시스템의 중요한 측면은 장기적인 사용자 관심사를 추적하고 식별하기 위해 강력한 사용자 식별 메커니즘의 존재를 가정한다는 것