당신이 맛집에 관심이 높다면, 맞춤형 자세한 정보를
당신이 맛집에 관심이 낮다면, 임의의 간단한 정보를
당신이 있는 지역이 새로운 지역이라면, 대중적으로 인기 있는 장소를
당신이 있는 지역이 익숙한 지역이라면, 숨겨져 있던 새로운 장소를
지역, 거리와 같은 “상황적 맥락”과 가성비, 맛 분위기와 같은 “취향”까지 사로잡는 장소 개인화 맞춤 시스템을 소개합니다.
학교를 다닌지 3년째여도 여전히 매번 식사 메뉴를 고민하게 됩니다. 이는 매번 밥을 먹는 상황이 달라지고, 취향이 달라지기 때문입니다.
하지만 우리가 밥을 먹을 때마다 누구와, 언제, 무엇을 먹었는지 유튜브 시청기록처럼 남겨지지 않습니다.
개인화 장소 추천의 핵심은 여기에 있습니다. 우리의 기록은 남겨지지도 않지만, 상황이 매번 달라지기 때문에 기록의 중요성이 떨어집니다.
과거의 기록에 치중되었던 기존의 추천에서 나아가, 과거와 현재의 조화를 이뤄내고자 하였습니다.
- 노명은
- 홍민혁
- 서지은
모든 데이터는 웹 크롤링을 통해 수집하였습니다. 크게 3가지 웹사이트에서 수집했습니다.
- 네이버 플레이스 : 특정 키워드 검색 결과 페이지에서 가게별로 정보 수집
- 인스타그램 : 특정 계정 페이지에서 해시태그와 게시글 정보 수집
- 망고플레이트 : 특정 키워드 검색 결과 페이지에서 가게별로 정보 수집
과거를 담아내기 위해 사용자의 맛집 관심도, 장소 방문 빈도, 선택 기준을 고려합니다.
현재를 담아내기 위해 현재 위치, 인원, 메뉴, 여러 상황 맥락을 담은 키워드를 고려합니다.
추천 알고리즘은 크게 사용자 그룹에 따라 달라집니다. 맛집 관심도가 높은 사용자에게는 개인화 추천 위주의 자세한 추천(망고플레이트 요약 리뷰 및 가게 상세 정보), 그렇지 않은 사용자들은 임의성이 반영된 인기도 위주의 추천(인스타그램 해시태그 바탕의 워드 클라우드)이 제공됩니다.
다음으로는 장소 방문 빈도를 고려합니다. 처음 등록했던 자주 가는 지역이, 현재 추천을 받고자 하는 지역과 일치한다면 개인화가 더 반영된, 혹은 새로운 장소의 추천을 제공합니다.
만약 일치하지 않는다면, 대중적으로 인기있는 장소를 추천해줍니다.
과거의 정보를 바탕으로 우선 장소를 선별한 다음, 현재 상황에 대한 정보로 필터링을 해 최종적으로 장소 추천을 제공합니다.
현재 상황으로는 선호하는 음식 종류(한식, 일식, 양식 … ), 거리, 상황 키워드(인원 등)를 고려합니다.
