利用用戶行為數據

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：

現在的自然語言理解技術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的重要算法，學術界一般將這種類型的算法稱為協同過濾¹算法。
用戶行為數據在網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的服務。

• 展示日志（impression log）

  搜索引擎和搜索廣告系統服務為每次查詢生成的，記錄了查詢和返回結果。

• 點擊日志（click log）

  用戶點擊了某個返回結果的點擊信息。

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、得到的結果以及點擊。

推薦系統和電子商務網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據倉庫中，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中一般分為兩種：

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。