Digging_recommend

디킹클럽 추천시스템 개발을 위한 소스코드 관리용입니다. 본 서비스의 ML process는 다음과 같습니다.

개발 프로세스

1. 데이터 수집

1만 곡에 가까운 데이터셋을 구축하였으며, 국내곡부터 해외가수까지 데이터셋을 구축하였음. 데이터셋의 정보로는 아티스트에 관한 데이터셋과 곡에 관한 데이터셋이 존재하며, 아티스트는 장르, 활동년대, 성별, 그룹, 국가 등의 정보가 저장되어 있으며, 곡 정보 데이터셋은 아티스트 데이터셋 기반 아티스트명, 앨범명, 곡명, 좋아요 수가 존재한다.

1-1. 데이터셋 구성도

• 1104artist.csv - 아티스트에 관한 데이터셋
• 1105_song.csv - 곡 정보에 관한 데이터셋

2. 데이터 전처리

데이터의 결측치나 정규화 작업, 데이터의 패턴 파악을 위해 세그먼트화나 클러스터링이 가능함

3. 모델링 및 학습/적용

• 협업 핕터링: 사용자와 아이템 간의 상호 작용 기반으로 추천합니다. 사용자 기반(User-based)과 아이템 기반(Item-based) 방식이 있음
• 콘텐츠 기반 필터링: 음악 아이템의 특징과 사용자의 프로필을 기반으로 추천하는 방식이 있음

위 두 방식을 사용하여 딥러닝이나 ML 모델을 활용하여 패턴을 학습할 수 있음

4. 모델 평가 및 최적화

개발팀 내 A/B 테스트를 통해 실제 사용자 환경에서의 추천 성능을 비교 및 평가할 수 있음

5. 서비스 내 탑재

개발팀 내 피드백 과정을 통해 어플리케이션과 추천 시스템을 연결하여 서비스를 탑재할 수 있음