[2B4]Live Broadcasting 추천시스템

저(최규민)는 아프리카TV에서

저(최규민)는 아프리카TV에서 추천 방송을

저(최규민)는 아프리카TV에서 추천 방송을 만들고 있습니다.

오늘은 이 추천 방송을 대하여
이야기해 보겠습니다.

아프리카TV는?
BJ 방송
시청자

아프리카TV
100
75
50
25
0
하루에

추천이란?
아프리카TV
방송 추천하기 Touch
the void
효과 김대리의
하루
아마존
추천
관심도
와 연관도
구
현 시스템
유사도
이야기
AB
테스트
아키텍쳐
실대처
추천
적용

출근을 할 때 안막히는 도로를 !
추천 받고

출근 후 뉴스를 보면 !
관련 기사를 또 보여 주고

이 메일을 확인하면 !
볼만한 동영상이 수신되어 있고

점심 시간에 모바일 게임을 접속하면!
형태기반 띠 광고를 보게 되고

주말에 볼 영화를 찾기위해 !
Watcha에 접속하면 영화가 추천되고
http://watch.net

이렇게 우리의 모든 행위는 기록되고!
필요할 때 적절히 추천 됩니다.

그럼 왜 이렇게 추천할까요?

“Touching the void 책” 이야기
출처: http://www.elhablador.com/blog/wp-content/uploads/2012/

1988년 출간
산악인의 생존 실화를
다룬 책
!
“Touching the
void”
평가 좋지만 판매는 그
닥!!!
그리고 절판됨

10년 뒤
“Into Thin Air”
산악소설이 붐!!!
!
이 책과 유사한
“Touching the
void”
가 독자에 의해
책 서평 등록
출처: www.amazon.com

100
75
50
25
0
절판된 책이 판매량 증가

서점에서는 다시 프로모션을 하고

1000
750
500
250
0
판매량의 급증

아마존 책 매출의 57%는 !
서점에서 팔지 않는 책에서 !
발생합니다.

이러한 추천 시스템은 대부분 협업 필터링과
같은 알고리즘을 사용합니다. !
!
협업 필터링은 !
유저 기반 추천, 아이템 기반 추천 !
분류됩니다.

유저 기반 추천!
- 나와 유사한 유저가 본 아이템을 추천
나 유사한 유저 그들이 본 아이템

아이템 기반 추천!
- 내가 본 아이템과 유사한 아이템을 추천하는 방식
나 내가 본 아이템 유사한 아이템

아프리카TV 은!
큰 틀에서 아이템 기반 추천

아프리카TV의 방송 추천
에 대하여 알아 보겠습니다.

BJ 관심도 BJ 연관도
`
오래 시청한
자주 추천한
많이 선물한
내가 관심BJ와 유사한
연관BJ의
방송추천

1.0 (관심도) 0.0
평준화
[0.0 , 1.0]
시간
가중치
항목
가중치

0.0
평준화
[0.0 , 1.0]
시간
가중치
항목
가중치
방송 시청 이력
uno
!
BJID 시청시간 평균
10001 rani0224 10’ 9’
10001 afkbo1 120’ 95’
10001 afmlb1 32’ 93
추천이력
uno
!
BJID Y/N
10001 rani0224 T
10001 afkbo1 T
아이템 사용이력
uno
!
BJID 개수
10001 rani0224 50
10001 afkbo1 10
방송 시청 이력
uno
!
BJID 시청시간
10001 rani0224 0.57
10001 afkbo1 0.73
10001 afmlb1 0.21
추천이력
uno
!
BJID Y/N
10001 rani0224 1.0
10001 afkbo1 1.0
아이템 사용이력
uno
!
BJID 개수
10001 rani0224 0.5
10001 afkbo1 0.1
평균 평준화
Boolean Value
!
[ F, T ] → [ 0 , 1]
Scale
!
[0 , 100] → [0.0 1.0]
1.0 (관심도)

0.0
1.0 (관심도)
평준화
[0.0 , 1.0]
시간
가중치
항목
가중치
30
22.5
15
7.5
0
D D -2 D -4 D -6 D -8 D -10 D -12 D -14 D -16 D -18 D -20 D -22 D -24 D -26 D -28

0.0
1.0 (관심도)
평준화
[0.0 , 1.0]
시간
가중치
항목
가중치
30
22.5
15
7.5
0
[ Tips. 시간 가중치 간단하게 처리 하는 법]
= 데이터값 ÷ (경과일) = D/1 + D/2 + D/3 … D/30
= 데이터값 ÷( (경과일)
= 데이터값 ÷( log(경과일) )
D D -2 D -4 D -6 D -8 D -10 D -12 D -14 D -16 D -18 D -20 D -22 D -24 D -26 D -28

0.0
1.0 (관심도)
평준화
[0.0 , 1.0]
시간
가중치
항목
가중치
0.5
0.375
0.25
0.125
0
0.1
0.2 0.2
0.5
시청데이터 추천데이터 별풍선 스티커
항목 가중치의 합은 = 1.0

0.0
0.623573 0.57521 0.34565 0.21736
1.0 (관심도)
세부

0.0
0.623573 0.57521 0.34565 0.21736
1.0 (관심도)
방송 시청
이벤트
추천
이벤트
아이템선물
이벤트
HDFS 방송시청
평준화
HQL
Redis
Cluster
Sorted
Set
Hive
External
Table
시간
가중치
HQL
BJ
관심도
계산
HQL
(항목
가중치)
Redis
Save
(UDF)
HQL
추천
평준화
HQL
아이템
평준화
HQL
시간
가중치
HQL
시간
가중치
HQL

0.0
0.623573 0.57521 0.34565 0.21736
1.0 (관심도)
방송 시청
이벤트
추천
이벤트
아이템선물
이벤트
HDFS 방송시청
평준화
HQL
Redis
Cluster
Sorted
Set
HIVE
External
Table
시간
가중치
HQL
Redis
Save
(UDF)
HQL
추천
평준화
HQL
아이템
평준화
HQL
시간
가중치
HQL
시간
가중치
HQL
MR-Hive
Compati
ble
BJ
관심도
계산
HQL
(항목
가중치)

0.0
0.623573 0.57521 0.34565 0.21736
1.0 (관심도)
방송 시청
이벤트
추천
이벤트
아이템선물
이벤트
HDFS 방송시청
평균화
HQL
Redis
Cluster
Sorted
Set
HIVE
External
Table
시간
가중치
HQL
Merge
HQL
Redis
Save
(UDF)
HQL
평균화
추천
HQL
아이템
평균화
HQL
시간
가중치
HQL
시간
가중치
HQL
MR-Hive
Compati
ble
Query Base Processing

0.0
0.623573 0.57521 0.34565 0.21736
1.0 (관심도)
방송 시청
이벤트
추천
이벤트
아이템선물
이벤트
HDFS 방송시청
평균화
HQL
Redis
Cluster
Sorted
Set
HIVE
External
Table
시간
가중치
HQL
Merge
HQL
Redis
Save
(UDF)
HQL
평균화
추천
HQL
아이템
평균화
HQL
시간
가중치
HQL
시간
가중치
HQL
MR-Hive
Compati
ble
Query Base Processing
In
Memory
Store

1.0
0.0
연관도
Clustering BJ 유사도
Matrix
유사할것 같은
BJ 끼리 묶음
묶인 BJ간에
유사도 측정

1.0
0.0
연관도
Matrix
목적 :
n=bj수, m=cluster 크기

Clustering
Graph Clustering
BJ 유사도
Matrix

Matrix
클러스터링 결과

[2B4]Live Broadcasting 추천시스템

More Related Content

Viewers also liked

Similar to [2B4]Live Broadcasting 추천시스템

More from NAVER D2

[2B4]Live Broadcasting 추천시스템