利用用戶行為數(shù)據(jù)

如何了解一個人呢？

通過用戶留下的文字和行為了解用戶興趣和需求。

實現(xiàn)個性化推薦的最理想情況是用戶在注冊的時候主動告知其喜歡什么。

3個缺點：

現(xiàn)在的自然語言理解技術(shù)很難理解用戶用來描述興趣的自然語言；

用戶的興趣是不斷變化的；

很多時候用戶并不知道自己喜歡什么，或者很難用語言描述。

基于用戶行為分析的推薦算法是個性化推薦系統(tǒng)的重要算法，學(xué)術(shù)界一般將這種類型的算法稱為協(xié)同過濾¹算法。
用戶行為數(shù)據(jù)在網(wǎng)站上最簡單的存在形式就是日志。

• 原始日志（raw log）

• 會話日志（session log）

  將多種原始日志按照用戶行為匯總，每個會話表示一次用戶行為和對應(yīng)的服務(wù)。

• 展示日志（impression log）

  搜索引擎和搜索廣告系統(tǒng)服務(wù)為每次查詢生成的，記錄了查詢和返回結(jié)果。

• 點擊日志（click log）

  用戶點擊了某個返回結(jié)果的點擊信息。

一個并行程序會周期性地歸并展示日志和點擊日志，得到的會話日志中每個消息是一個用戶提交的查詢、得到的結(jié)果以及點擊。

推薦系統(tǒng)和電子商務(wù)網(wǎng)站也會匯總原始日志生成描述用戶行為的會話日志。會話日志通常存儲在分布式數(shù)據(jù)倉庫中，這些日志記錄了用戶的各種行為。

用戶行為在個性化推薦系統(tǒng)中一般分為兩種：

總結(jié)

以上是生活随笔為你收集整理的【推荐系统】基于MovieLens数据集实现的协同过滤算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。