CWN(CHANGE WITH NEWS) - 데이팅 앱, 어떻게 상호호감 예측할까?

최근 수많은 데이팅 앱이 출시되면서 사람을 만나는 방식 또한 오프라인에서 온라인으로 바뀌고 있다. 대부분의 소개팅 앱은 가입과 동시에 자신의 사진, 거주 지역, 나이, 학력 등의 간략한 프로필과 함께 이상형, 선호하는 성격 등 자신이 원하는 이성에 대한 정보도 입력을 한다. 그리고 로그인을 하게 되면 나에게 맞는 이상형을 추천받고 호감을 표시하는 액션을 통해 이성을 만나게 된다.

그렇다면, 데이팅 앱은 어떤 방식으로 사용자에게 상대를 추천하는 것일까? 앱마다 다양한 방법이 다르겠지만, 이 기사에서는 매력 유사성(Attractiveness Similarity)과 관심 유사성(Interest Similarity)이라는 개념을 활용하여 이성을 추천해주는 알고리즘을 설명한 논문을 소개하고자 한다.

데이팅 앱 내에서 사용자는 수많은 상호작용을 하며, 사용자의 활동은 데이터로 저장된다. 알고리즘은 사용자의 활동 데이터를 활용해, 상대를 추천한다. 활동 데이터에는 데이팅 앱을 사용하다 보면 내가 원하는 이상형에게 호감을 표시하거나 누군가가 나에게 호감을 표시하는 것, 그리고 비호감을 표시하는 것 모두 해당한다. 이렇게 수많은 상호작용을 하다 보면 비슷한 사용자에게 호감 표시를 많이 받는 사용자군이 생기고 또 비슷한 이성에게 호감을 표시하는 사용자군도 생긴다.

매력 유사성이란 비슷한 이성에게 호감을 표시한 사용자 집단, 즉 이상형이 비슷한 사용자 집단을 뜻한다. 비슷하지만 반대의 개념인 관심 유사성은 비슷한 이성에게 호감 표시를 받은 사용자 집단, 즉 특정 사용자가 좋아하는 사용자 집단이다. 이 방식을 통해 사용자는 매력 유사성과 관심 유사성이라는 두 가지 그룹에 속하게 된다. 추천 시스템은 2명의 사용자를 이어주는 알고리즘이기 때문에 총 4가지 추천방식이 가능해진다.

예를 들어 사용자 A와 B가 있다면, A와 B의 매력 유사성 그룹, A와 B의 관심 유사성 그룹, 그리고 A의 매력 유사성 그룹과 B의 관심 유사성 그룹을 연결하는 것이다. 각각의 방식마다 추천 성공률의 차이가 있고, 성별에 따라 성공률이 높은 방식도 다르다.

추천 알고리즘에는 다양한 방식이 있고 데이팅 앱 모두 위와 같은 방식을 채택하는 것은 아니지만, 알고리즘 공부를 통해 코딩에 한 걸음 더 가까워지리라 생각한다.

[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]