推荐系统读书笔记一--基于用户行为的推荐
2014-08-11 11:57
211 查看
基于用户历史行为分析的推荐算法是个性化推荐系统的重要算法,学术界将这种推荐算法称为“协同过滤算法”。顾名思义,协同过滤就是指用户可以齐心协力,通过和网站不断的互动,使自己的推荐列表不断过滤掉自己不喜欢的东西,从而越来越满足自己的需求。
1)显性反馈行为:指用户明确表示喜好的行为,例如评价、打分等。
2)隐形反馈行为:指那些不能明确反应用户喜好的行为,例如浏览网页、观看视频、听音乐等。
根据用户行为数据反馈的方向,可以把用户行为数据分为正反馈和负反馈。
正反馈:指用户倾向于喜好物品的行为。
负反馈:指用户倾向于不喜好物品的行为。
用户行为数据的统一表示:
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 行为种类,比如浏览网页,看视频、购物等
behavior-context 产生行为的上下文,比如时间、地点等
behavior-weight 行为权重,如果是看视频,则权重可以是观看时长,如果是打分,则权重可以是分数
behavior-content 行为内容,如果是评价,则内容是评价的内容,如果是打标签,则内容就是标签
我们在很多时候,并不使用统一的形式来表示行为数据,而是根据具体的用户行为来定义特定的数据形式。
2.1 用户行为数据简介
用户行为可以分为两种:显性反馈行为和隐形反馈行为。1)显性反馈行为:指用户明确表示喜好的行为,例如评价、打分等。
2)隐形反馈行为:指那些不能明确反应用户喜好的行为,例如浏览网页、观看视频、听音乐等。
根据用户行为数据反馈的方向,可以把用户行为数据分为正反馈和负反馈。
正反馈:指用户倾向于喜好物品的行为。
负反馈:指用户倾向于不喜好物品的行为。
用户行为数据的统一表示:
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 行为种类,比如浏览网页,看视频、购物等
behavior-context 产生行为的上下文,比如时间、地点等
behavior-weight 行为权重,如果是看视频,则权重可以是观看时长,如果是打分,则权重可以是分数
behavior-content 行为内容,如果是评价,则内容是评价的内容,如果是打标签,则内容就是标签
我们在很多时候,并不使用统一的形式来表示行为数据,而是根据具体的用户行为来定义特定的数据形式。
相关文章推荐
- 推荐系统(二) —— 利用用户行为数据 —— 基于领域的算法
- 基于用户点击行为的新闻个性推荐
- Attention+:一种基于关注关系与多用户行为的图推荐算法
- 基于协同过滤算法的电子商务网站用户行为分析及服务推荐
- 一篇关于youtube推荐算法的分享-基于用户行为的视频推荐
- 基于用户点击行为的新闻个性推荐
- google news recommendation - 基于点击行为的用户个性化新闻推荐
- 基于用户行为的推荐系统
- 基于鼠标点击跟踪的用户点击行为分…
- 构建基于相似用户的推荐
- [IPhone]基于Flurry的用户行为统计
- 推荐系统(利用用户行为数据 )
- 构建基于用户的检索和推荐
- 基于用户点击行为的数字图书搜索系统研究与实现 - 中国优秀硕士学位论文全文数据库
- 基于网站日志数据挖掘的用户访问行为模式可视化研究
- 基于客户端用户行为记录的网站可用性分析工具研究
- 基于鼠标点击跟踪的用户点击行为分…
- 基于鼠标点击跟踪的用户点击行为分析-by 车东
- 细分方法研究网站用户行为(一):基于访问频次的用户行为研究
- 根据用户行为进行个性化的推荐