khuda_recsys_hm

H&M 소비 데이터 기반 추천 시스템

📑 프로젝트 소개

전세계 5000여개 이상의 매장을 보유하고 있는 대표적인 spa 브랜드 H&M에서 제공하는 소비 데이터를 통해 고객에게 옷을 추천해주는 시스템을 만들고자 한다. 의류 추천 시스템을 개발하는 것은 고객 맞춤 최적화를 통해 고객 만족도를 높일 뿐만 아니라 소비 트렌드를 알 수 있는 척도이기도 하다. 또한 재고 확보를 최적화할 수 있다는 장점이 있다.

kaggle에서 제공하는 데이터를 통해서 판매 경향성을 알아보고, 사용자 기반 협업 필터링, 아이템 기반 협업 필터링, ALS 모델을 활용한 방식으로 고객에게 의류를 추천해주느 시스템을 구현하고자 한다.

👏 팀 소개

도유정
서지은 https://github.com/zal-eun
최보경 https://github.com/B0gyeong

🔎 핵심 기능 구현

1. EDA

article.csv

해당 데이터를 통해 제품의 종류,색상,무늬 등을 알 수 있음

customer.csv

2. modeling

사용자 기반 협업 필터링

• 고객 데이터 중 패션관심이 평균보다 높은 소비자들의 구매 데이터 이용

• 구매자 id를 기준으로 구매했으면 1, 아니면 0값을 가지는 pivot table 생성

• cos 유사도를 이용해 각 사용자간 유사도를 계산해 표 생성

• 추천해줄 사용자에 대한 타 사용자의 유사도와 transactions 데이터를 곱해준 후 제품별로 다 더해줌

• 더한 값이 가장 큰 제품 상위 3개를 추천

아이템 기반 협업 필터링

• transactions 데이터 "article_id" 열의 값들을 세어서 가장 많이 등장한 상위 1500개의 값들을 추출

• transactions의 customer_id와

• article_id을 사용하여 pivot_table을 만듦 아이템을 기준으로 행간 유사도 측정 cosine_similarity 사용

• 유사도 순서를 나열하여 아이템 추천

ALS 모델 활용한 MF 기법

• pyspark에서 지원하는 ALS 모델
• 사용자 행렬과 제품 행렬을 각각 그룹화하고 모든 블록의 벡터값을 복사하여 활용하는 기존 방식과 차별화
• 해당 특징이 유사한 경우에만 기능 벡터 값을 황용함(일부 값을 차단시켜 데이터 집합에 대한 공동의 필터링 진행)
  

📄 Reference

• 데이터
• 코드