[딥러닝 with Python] Affinity Score란?

 

이번에 알아볼 것은 Affinity score 입니다.

 

Affinity Score는 특정 개체(Entity) 간의 관계의 강도를 수치적으로 표현한 값인데요,

쉽게 풀이 해보자면, 두 개체(사용자-아이템, 유전자-유전자, 문서-문서 등) 간의 "얼마나 강하게 연결되어있는지"를 정량적으로 표현한 지표라고 보시면 되겠습니다.

 

1. Affinity Score

- Affniity Score는 두 개체 간의 관계를 정량적으로 나타낸 것입니다.

- Affnity Score는 

 * 유사도(ex. 코사인 유사도, 유클리디안 거리) 또는 관계 강도(ex. 그래프 가중치)로 측정하며

 * 추천 시스템, 클러스터링, 그래프 분석 등에서 다양하게 활용되고 있습니다.

 

 

- Affnity Score의 활용 사례에 대해서 알아보면

 

1) 추천 시스템(Recommendation System)

 * 사용자가 좋아할 만한 콘텐츠(영화, 음악, 상품 등)를 추천할 때 Affninty Score의 개념을 활용합니다.

 

 이때, Affnity Score의 계산방식의 예시를 들어보자면 아래와 같습니다.

 

2) 그래프 기반 네트워크 분석

 * 소셜 네트워크에서 사람들 간의 관계 강도를 분석하는 데 Affnity Score의 개념을 활용합니다.

 ex. LinkedIn, Facebook, Twitter

 

 

 

2. Affinity Score 계산 방법

- 위와 같은 Affinity Score를 정의해서 활용하는 방법도 있지만, 딥러닝에서는 주로 아래와 같은 Affinity Score를 활용합니다.

 

1) Cosine Similarity 기반 Affinity Score

 

 

2) Euclidean Distance 기반 Affinity Score

 

3) 행렬 분해(Matrix Factorization) 기반 Affinity Score

- 추천 시스템에서 잠재 요인(Latent Factors) 기반 Affinity Score를 예측할 때 활용하며

 

SVD(Singualr Vector Decomposition, 특이값 분해)나 ALS(Alternating Least Sqaures / 교대 최소제곱법)을 통해 활용할 수 있습니다.