推荐系统之--- 利用用户行为数据

一、用户行为数据

一个用户行为表示为6部分，即产生行为的用户和行为的对象、行为的种类、产生行为的上下文、行为的内容和权重。用户行为的统一表示如下：

user id　　 　　　　产生行为的用户的唯一标识
item id　　 　　　　产生行为的对象的唯一标识
behavior type　　 　　行为的种类（比如是购买还是浏览）
context　　 　　　　产生行为的上下文，包括时间和地点等
behavior weight 　　　　　　行为的权重（如果是观看视频的行为，那么这个权重可以是观看时长；如果是打分行为，这个权重可以是分数）
behavior content 行为的内容　　　　　　（如果是评论行为，那么就是评论的文本；如果是打标签的行为，就是标签）

二、用户行为分析

在利用用户行为数据设计推荐算法之前，研究人员首先需要对用户行为数据进行分析，了解数据中蕴含的一般规律，这样才能对算法的设计起到指导作用。

1、用户活跃度和物品流行度的分布：

很多关于互联网数据的研究发现，互联网上的很多数据分布都满足一种称为Power Law的分布，这个分布在互联网领域也称长尾分布。

原文地址：https://www.cnblogs.com/Allen-rg/p/11252008.html