1. Music is Social. 레알?
(SN을 활용한 싸이BGM추천)
2011.10.18
CTO / 기술연구소 / Data Science Team. 박태수
This report contains information that is confidential and proprietary to SK Communications and is solely for the use of SK Communications personnel.
No part of it may be used, circulated, quoted, or reproduced for distribution outside SK Communications. If you are not the intended recipient of this
report, you are hereby notified that the use, circulation, quoting, or reproducing of this report is strictly prohibited and may be unlawful.
SK Communications
17. Music is Social . 레알?
Music is Social. 레알?
일촌 네트워크 사이에서는
뚜렷한 경향성을 보이지 않는다.
SK Communications
18. Music is Social . 레알?
Social 정보를 어떻게 활용할까?
• Social Music Chart
일촌 Chart(Borda count)
• Social Music Recommendation
Collaborative Filtering
SK Communications
19. Music is Social . 레알?
Social Music Chart
Social Chart(Borda Count)
• Borda Rank Normalization
U : a set of items
τ : rank
• Borda Score
SK Communications
20. Music is Social . 레알?
Social Music Chart
Social Chart(Borda Count)
• 일촌들의 BGM 재생 횟수에 따른 Ranking
BGM 일촌1 일촌2 일촌3 일촌4 • Borda Rank Normalization
Hello-허각 1 1 2
안녕이라고 말하지마-다비치 2 2 4
U : a set of items
Who Am I - 유브이 3 1 1
τ : rank
In Heaven - JYJ 4 3 3
… … … … …
• Borda Count를 적용한 Social Music Chart
BGM 일촌1 일촌2 일촌3 일촌4 … SUM Rank
Hello-허각 1-((1-1)/10)=1 0.5+((2-1)/(2*10))=0.55 1-((1-1)/10)=1 1-((2-1)/10)=0.9 … 3.45 1
안녕이라고 말하지마 -다비치 1-((2-1)/10)=0.9 1-((2-1)/10)=0.9 0.5+((3-1)/(2*10))=0.6 1-((4-1)/10)=0.7 … 3.1 3
Who Am I - 유브이 1-((3-1)/10)=0.8 1-((1-1)/10)=1 0.5+((3-1)/(2*10))=0.6 1-((1-1)/10)=1 … 3.4 2
In Heaven - JYJ 1-((4-1)/10)=0.7 0.5+((2-1)/(2*10))=0.55 1-((3-1)/10)=0.8 1-((3-1)/10)=0.8 … 2.85 4
SK Communications
21. Music is Social . 레알?
Collaborative Filtering
많은 사용자들로부터 얻은 기호정보에 따라 사용자들의 관심사를 자동으로 예측하게 해주는 방법
User1
A B C D
Nearest Recommend
Neighbor User2
A B C
User3
V F D E
SK Communications
22. Music is Social . 레알?
Collaborative Filtering
Collaborative Filtering의 종류
사용자 기반 필터링
사용자 간의 유사성을 측정하여 선호도가 비슷한 다른 고객들이 평가한
상품을 기반으로 특정 고객이 선호할만한 상품을 추천하는 방식
데이터 양이 작고, 데이터 변경이 자주 일어나는 경우
항목 기반 필터링
고객이 선호도 등급을 입력한 기존 상품들과 추천하고자 하는 상품들 간의
유사성을 측정하여 특정 고객이 어떤 상품을 선호하는지 예측하여 추천
데이터 양이 크고, 데이터 변경이 자주 일어나지 않는 경우
SK Communications
23. Music is Social . 레알?
Collaborative Filtering
Item Similarity Computation
Pearson correlation coefficient
SK Communications
24. Music is Social . 레알?
Collaborative Filtering
Prediction Computation
Pu ,: 고객 u의 아이템 i에 대한 선호도 예측값
i
Pu ,i
allSimilla rItems, N
( S i , N * Ru , N )
R : 고객 u의 아이템 N에 대한 Rating
u,N
allSimilarItems, N
(| S i , N |)
S : 상품 i와 다른 상품 N의 유사도 값
i, N
Item 유사도 Matrix 선호도 예측
- 1과 5 : 0.9
- 2와 5 : 0.8
- 3과 5 : 0.2
- 4와 5 : 0.1
BGM1 BGM2 BGM3 BGM4 BGM5
User1 5 4 1 2 ?
User2 1 2 5 5 1
SK Communications
25. Music is Social . 레알?
Collaborative Filtering
음악 서비스를 처음 사용하는 사용자라면??
구매, 재생정보가 없다면???
사용자의 지인들의 Social Music Chart를 이용
SK Communications
26. Music is Social . 레알?
맺음말
Music is social. 레알?
Social Network 활용 방안
Social Music Chart
Social Music Recommendation
SK Communications
27. Music is Social . 레알?
Q&A
Thank you for your attention!
SK Communications