- 사용자의 현재 위치 기준으로 근처 장소를 선별해 제시하는 기능
- 단순한 거리 순 나열이 아니라 개인 선호도, 현재 상황, 행동 맥락을 함께 고려
- 프로세스는 입력 데이터 수집(위치/선호도/시간/날씨/이동 수단/장소 메타데이터) → 추천 알고리즘 적용 → 하이브리드 최적화 → 개인화된 추천 리스트 생성 순으로 이어짐
콘텐츠 기반 추천 : 장소 속성을 벡터로 구조화하고 사용자 프로필과 코사인 유사도로 비교. 사용자 데이터가 부족한 콜드 스타트 상황에서도 장소 메타데이터만으로 작동 가능. 이진 벡터만으로는 미묘한 분위기 차이를 담기 어려워 Word2Vec/BERT 임베딩을 활용하면 의미적 유사성까지 반영 가능
협업 필터링 : 나와 유사한 행동 패턴의 사용자가 좋아한 장소를 추천. 사용자-장소 행렬에서 비어 있는 칸(미방문 장소)의 선호도를 가중 평균으로 예측. 사용자 기반(유사 사용자의 선호 장소 추천)과 아이템 기반(내가 좋아한 장소와 유사한 장소 추천)으로 나뉨. 데이터 희소성 문제는 SVD/NMF 같은 행렬 분해로 해결
강화학습 기반 추천 : 상태(사용자 맥락: 위치/시간/날씨/이동 수단), 행동(추천 장소 후보), 보상(방문 여부/체류 시간)을 반복 학습해 추천 전략을 스스로 개선. 추천한 장소를 방문하면 보상 1, 안 가면 보상 0 → 같은 상황에서 해당 장소 추천을 강화. Q-learning/A2C로 구현
하이브리드 최적화 : 세 알고리즘 결과에 가중치를 부여해 통합(가중치 앙상블), 또는 각 결과를 메타 모델에 입력해 재학습(스태킹). 사용자 상황에 따라 알고리즘 가중치를 동적으로 조정(맥락 기반 최적화)