음악 추천 알고리즘이 사용자의 취향을 학습해 곡을 추천한다?

Question

안녕하세요.

사용자가 좋아하는 곡과 유사한 곡만 계속 추천하다 보면 오히려 취향이 점점 좁아질 수 있다고 생각됩니다.

의도적으로 탐색 모드나, 무작위 추천 같은 것들이 실제로 어떻게 쓰일 수 있을까요?

Answer 1

안녕하세요. 조규현 전문가입니다.

음악 추천 알고리즘은 사용자의 과거 플레이 기록과 평점 등을 바탕으로 모델링하여 개인화된 추천 목록을 생성합니다 하지만 장기적으로는 탐색 모드와 무작위 추천이 필요해 이를 통해 새로운 음악에 대한 발견적 경험을 제공하며 다양성을 유지하는 데 중요한 역할을 합니다

Answer 2

안녕하세요. 김재훈 전문가입니다.

의도적 탐색 모드는 사용자의 기존 취향과 일부만 겹치거나 전혀 다른 장르 시대를 섞어 노출함으로써 추천 편향을 완화하는데 활용됩니다 무작위 추천은 클릭률과 무관하게 일정 비율의 새로운 음악을 제시해 잠재 취향을 발견하고 데이터 편식을 줄이는 역할을 합니다 실제 서비스에서는 정밀 추천과 탐색 무작위 추천을 비율로 혼합해 취향 확장과 만족도를 동시에 관리하게 됩니다

Answer 3

안녕하세요. 김상엽 전문가입니다.

음악 추천 알고리즘이 취향을 학습하는 방식은 보통 사용자가 자두 듣는 장르, 아티스트, 재생 시간 같은 데이터를 기준으로 비슷한 곡을 계속 쌓아가는 구조입니다. 그래서 말한 것처럼 가만히 두면 취향이 점점 한쪽으로 좁아지는 현상이 실제로 생깁니다. 이걸 막기 위해 일부 서비스에서는 의도적으로 탐색용 추천을 섞습니다. 평소에 듣지 않던 장르를 소량 끼워 넣거나, 전체 이용가 기준으로 반응이 좋은 곡을 무작위에 가깝게 노출하는 식입니다. 사용자가 바로 건너 뛰면 학습에 크게 반영하지 않고, 끝까지 들으면 "새 취향" 가능성으로 판단하는 방식도 많이 씁니다.

Answer 4

안녕하세요. 하성헌 전문가입니다.

음악추천이나 유튜브영상의 경우 평소에 보던 또는 듣는거과 유사한 것을 기준으로 고객에게 맞는 취향을 추천해줍니다 따라서 평소에 추리영화나 개그, 또난 락발라드 음악을 들었다면 이와 유사한 것을 기준으로 영상추천으로 나타난다고 볼수 있습니다. 이러한 것이 하나의 알고리즘이라 볼수 있습니다.