넷플릭스 회원은 10~20개 타이틀 검토 후 영화를 결정하지 못하면 60~90초 후에 흥미를 잃는다고 합니다. 그래서 영화 추천 시스템은 넷플릭스의 가장 중요한 핵심 요소 중 하나인데요. 이번 글에서는 넷플릭스의 대표적인 추천 알고리즘 4가지를 간단히 요약해서 소개합니다. 1. 유사 사용자 기반 알고리즘 나와 비슷한 사용패턴을 보이는 사용자를 매칭하여 영화를 추천합니다. 2. 유사 아이템 기반 알고리즘 특정 아이템(영화)와 관련 있는 아이템(영화)을 매칭하여 영화를 추천합니다. 3. 잠재 모델 기반 알고리즘 사용자와 아이템에 내재된 잠재 모델의 패턴을 이용하는 방법입니다. 예를 들어 킹덤을 좋아하는 사용자는 배우 주지훈을 좋아해서 일수도 있고, 좀비물을 좋아해서일 수도 있고, OST를 좋아해서 일수도 있습니다. 그래서 특정 기준을 바탕으로 행과 열을 분해해서 예측 평점을 구합니다. 4. 콘텐츠 기반 알고리즘 수백 개의 영화 특성을 분석해 영화 프로파일을 생성하고, 타깃 사용자가 좋아한 영화를 바탕으로 사용자 프로파일을 도출합니다. 그리고 영화 프로파일과 사용자 프로파일을 비교해서 사용자 선호 영화를 추천하는 방식입니다.