用户行为数据

基于用户行为分析的推荐算法是个性化推荐系统的重要算法，学术界一般将这种类型的算法称为协同过滤算法。顾名思义，系统过滤算法就是指用户齐心协力。通过不断的

和网站互动，使自己的推荐列表能够不断过滤掉自己不感兴趣的东西，从而越来越满足自己的需求。

2.1 用户行为数据

显性反馈行为，隐性反馈行为

正反馈，负反馈

用户行为的表示方式，可能包含6部分：

1，user id                          产生用户的唯一标识

2，item id       物品的唯一标识

3，behavior type       行为的种类(购买还是浏览)

4，context      产生行为的上下文，包括时间地点等

5，behavior weight      行为的权重(权重可以看视频的时间长短，打分的分数)

6，behavior content          行为的内容(如果是评论行为，就是评论的文本，如果是打标签行为，就是标签)