추천시스템은 정보 과부하의 문제를 해결하기 위해 폭넓게 사용되어지고 있다. 지난 수십년 동안 다양한 추천시스템이 정보량이 그것을 처리할 수 있는 능력보다 더 빠르게 증가하게 됨에 따라 개발되어져 왔다. 이 같은 상황에서 본 연구의 목적은 기 개발된 추천시스템을 분석하여 시스템적 관점을 제공하고 이를 구현하는데 따르는 기본적인 이슈들을 밝히는 것이다. 이를 통하여 추천시스템의 개선을 위한 유용한 정보를 제안하며, 시스템 개발자들에게는 그러한 시스템을 개선하기 위한 아이디어를 제공하고자 한다. 특히 본 연구는 추천시스템의 이론적 관점에 집중하는데, 이를 위해 과거 추천시스템의 도메인과 목표, 주요 방법 및 평가 방법에 대해서 다루고자 하며, 이 결과는 통계치나 도표 등의 형태로 보이려고 한다.
Recommendation systems are widely used to help deal with the problem of information overload. Over the past decades, a variety of recommendation systems have been developed as the amount of information in the world increases far more quickly than our ability to process it. This paper aims to analyze existing developed recommendation systems, provide systemic review, and present some basic issues on improvement action. Through this, we also suggest useful implications for better recommendation systems and give some ideas to recommendation system developers to improve their system. Especially, this study focuses on researches on recommendation system. In our research, we analyze the studies along with four different keys dimensions : their domain, objective, underlying model, and evaluation method of recommendation systems and portray the results as statistics or statistical graphics or table form.
