간단 요약
가장 인기있는 아이템을 규칙을 기반으로 추천한다.
인기도의 척도
- 조회수, 평균 평점, 리뷰 개수, 좋아요/싫어요 수
- 예시
- 네이버 쇼핑 랭킹 순
- 다음 뉴스, 댓글 추천
- 레딧 Hot 추천
Score 계산 방법
Most Popular: 조회수가 가장 많은 아이템
최신성을 고려하지 않으면 한번 조회수가 높은 아이템이 계속 추천되게 된다.
-
Score Formula
가장 많이 조회된 뉴스를 추천하기
좋아요가 가장 많은 게시글을 추천하기
-
Hacker News Formula
뉴스 추천 서비스
$$ score = \frac{pageviews -1}{(age + 2)^{gravity}} $$
- gravity = 1.8
조회수를 기반으로 추천해주면서, 시간이 지남에 따라 스코어를 감소시킨다.
-
Raddit Formula
시간에 따른 가점 방식
$$ score = \log_{10}{(ups-downs)} + \frac{sign(ups-downs)\times seconds}{45000} $$
첫번째 term — Popularity
해당 값이 높아질수록 점수가 높아진다.
log scale이기 때문에, 첫 vote가 가장 가치가 높고, vote가 쌓일수록 영향력이 점점 약해진다.
두번째 term — 포스팅이 게시된 절대 시간
최근 포스팅일수록 절대 시간값이 높기 때문에, 더 높은 score을 가진다.
Highly Rated: 평균 평점이 가장 높은 아이템
평점의 신뢰도를 파악할 필요가 있다.
평가의 개수가 충분한지도 고려해야 한다.
-
Steam Rating Formula
$$ avg\_rating = \frac{\text{\# of positive review}}{\text{\# of reviews}} $$
$$ score = avg\_rating - (avg\_rating - 0.5) \times 2^{-\log\text{(\# of reviews)}} $$
rating은 평균값을 사용하되, 전체 review 개수에 따라 rating을 보정한다.
review 개수가 아주 많아지면 score은 평균 rating과 거의 비슷해진다.
-
Steam Rating Formula → Movie Rating
$$ avg\_rating = \frac{\text{\# of positive review}}{\text{\# of reviews}} $$
$$ score = avg\_rating - (avg\_rating - 3.0) \times 2^{-\log\text{(\# of reviews)}} $$