추천기반 음악 스트리밍 서비스 플랫폼 동향과 전망 (2020.08.19)

유튜브의 추천 시스템 아키텍처는 동영상에 대한 추천을 위한 아키텍처이지만, 기본적인 추천 시스템 아키텍처 를 이해하기에 무리가 없다. [그림 8]은 유튜브 서비스에서 영상에 대한 추천을 위한 시스템 아키텍처로, 추천 시스 템의 기본적인 흐름을 이해할 수 있다.

순위 결정 단계가 추천 콘텐츠 선정의 핵심 단계이고, 주로 알고리즘 기반의 CF (Collaborative Filtering) 기술과 콘텐츠가 지닌 특성 기반으로 분석하는 CBF(Content -based Filtering) 기술을 주로 이용한다.

CF 기술은 사용자로부터 기본적인 기호 데이터를 제공받고 음악 스트리밍 서비스 사용 패턴과 상황/시간/장소 등의 부가적인 요소들을 결합하여 연관관계를 파악하고 유사도를  도출하여 분석된 결과를 기반으로 추천해 주는 방식이다.  

CF 기술과 CBF 기술에서 적용되는 기술 요소에 대해서 좀 더 자세히 살펴보면 [표 4]와 같다. 특히, CBF 기술의 특징 추출 과정에서는 음파를 FFT, STFT, spectrum[3] 등의 기술을 이용하여 Mel-spectrogram으로 이미지화하고, CNN(Convolutional Neural Network)을 이용한 학습을 통해 유사도를 판별하고 사용자가 좋아할 만한 콘텐츠를 필터 링하여 제공한다[6].

크게 6가지 영역(행위(behave), 감정(feeling), 사회(social), 디바이스(device), 바이 오 정보(bio), 프라이버시(privacy))로 나누어 각 영역별로 활용할 수 있는 데이터를 충분 히 활용하고 적용했을 때 완전하게 개인화된 콘텐츠를 추천해 줄 수 있을 것으로 보인다. 앞서 제시한 데이터 요소를 활용하기 위해서는 정책적인 문제로 개인정보의 활용과 사 생활보호라는 양자 간의 trade-off가 있을 것으로 전망된다. 결국, 사용자의 선택에 따라 추천의 품질이 결정될 것이므로 기술적으로 충분한 준비를 해야 한다.

file3628811953699110917-196002.pdf