소규모 고밀도 상호작용 환경에서 하이브리드 추천 모델의 한계효용 체감 현상 분석: 단편영화 플랫폼 사례 연구

초록

하이브리드 추천 시스템은 협업 필터링과 콘텐츠 기반 필터링을 결합하여 Cold-start 문제를 완화하는 것으로 알려져 있으나, 고밀도 환경에서의 효용성에 대한 체계적 검증은 부족한 실정이다. 본 연구에서는 국내 단편영화 스트리밍 플랫폼에서 수집된 사용자-영화 상호작용 데이터(사용자 14,994명, 영화 100개, 밀도 21.93%)를 대상으로 NCF 기반 HybridNCF와 PureNCF의 추천 성능을 비교 분석하였다. =10 반복 실험 결과, 보조 정보의 한계효용 체감 현상이 관찰되었으며, 구체적으로 저밀도(3%)에서 ΔRMSE=-0.586이던 효과가 고밀도(21.9%)에서 -0.013으로 97.8% 감소하였다. 전 밀도 구간에서 HybridNCF가 통계적으로 유의하게 우수한 것으로 나타났으나(<0.05), 고밀도 구간에서의 효과 크기는 비용 대비 효과 측면에서 정당화하기 어려운 수준으로 감소하였다. 본 연구는 100개 영화만 선택 가능한 소규모 플랫폼을 대상으로 한 사례 연구로서 제한된 아이템 선택 공간에서 발생하는 구조적 고밀도 환경을 다루고 있으며, 이러한 결과를 바탕으로 Green AI 관점의 모델 선택 가이드라인을 제안한다.

키워드