https://gall.dcinside.com/board/view/?id=programming&no=2816183

추천 알고리즘의 Science 라고 올린 게시글 링크가 윗 부분인데 여기에서 좀더 보강할 내용이 마무리로 필요로 하는 것같아서 게시글을 써봄..

윗 링크에서 설명한 내용에 대해서는, 결과적으로 주관사의 Y_1-Y_N 이 있을 때 그에 대해서

주관의 객관물 X_1-X_N 에 대해서, 각각의 주관사 Y_What? 의 속성으로 Relate 되는 것이고, 그에 따르면 

시기의 분량에 대해서 각 User 의 Post 에 대해서 그것이 형성하는 여론에 대해 New user 가 Post 가 Viral 하는 X_1-X_N 에 대한

Post series 에서의 각각의 노출정도에 따라서 주관사의 Y_What? 들에 대한 Relate distance 가 있게됨.. ㅇㅅㅇ

이에 대한 Feed 되는 Post 마다있는 X_1-X_N 의 객관물들의 노출 Graph 로부터 Relation distance 를 짐작할 수 있고,

Media 의 여론에 대해서 있는 List 가,

Y_What? 에 대해서 어떠한가? 에 대한 여론에 대한 평가가 Add 를 이루는 것을 노출시키는 것으로부터 

주관사의 Y_What? 을 Viral 로부터 Add 쉽게 시킬 수가 있는 것이, 이러한

객관물과 주관사에 대한 Graph 를 보강시키는 것이 가능한 것이 여론에 대해서 있는 것으로부터, Media 의 추천알고리즘이

Working 할 수 있다는 것을 말했음.. ㅇㅅㅇ 

그런데 윗 링크에서 요점이 되는 바가 전반적으로는 아까의 언급인데 이에 대해서 Words 가 많다는 것에 대해서 정형성을 찾을 수도 있어서 언급해봄. 

이러한 Viral tracking 이 Working 하는 것에 대해서는 결과적으로 Attention 에 대해서 있음. ㅇㅅㅇ..

여기에서 정형성이 가능함. ㅇㅅㅇ..

사람들이 Attention 에 대해서,

어느정도, 어디의 무엇에 대해서? 가 있어서 When?/What? 에 관해 가지는 Domain 이 Media 에 대해서는 Media sender 를 기준으로 가짐. 

이것은 Media sender 의 Send materials 과 Relate aspect 라는 것에 의해서 어느정도 고정됨. 

그렇다면 Database 를 '추천 알고리즘의 Science 임..' 에서 올린 내용에 따라서 구축하는 점에 대해서는, 이러한 이점을

Database 의 구축에 대해서 성립시켜볼 수 있음. 

왜냐하면 Viral 의 Format 에 따라서 Send materials 가 있고 Relate aspect 에 대해서 요점을 중심으로 Attention 의

When?/What? 을 나눠놓을 수가 있기 때문임.

곧, Y_What? 의 카테고리가 주관사의 List 에 대해 눈길을 끈 것이,

Attention by when? (Viral materials..) 와 Attention by what? (Relate aspect..) 으로 나눌 수 있고 

주관의 객관물 X_1-X_N 에 대해서도 Viral 이 된 것이,

Attention by when? (Post 자료..) 와 Attention by what? (각 User..) 으로 나눌 수가 있기 때문임. 

전반적으로는 Media 의 Viral 에 대해서 이러한 기준에 따라 Tracking 을 database 에 계속 Add 해서 Real-time 으로 구축할 수 있음. 

이것은 어느정도 Graph database 임.

ㅇㅅㅇ