推荐新闻-数据分析

1. 目的

数据分析的目的是解数据集的整体情况，了解每个字段的含义，了解特征之间的关联性，以便更好地做特征工程工作。

2. 流程

主要分为数据读取、数据预处理、数据浏览和数据分析等过程。下面重点看数据浏览和数据分析部分。

3. 数据探索

用户点击日志文件_训练集

用户点击日志文件_测试集

新闻文章信息数据表

新闻文章embedding向量表示

4. 数据分析

用户重复点击

用户点击环境变化分析

省略若干图

用户点击新闻数量的分布

新闻点击次数分析

新闻共现频次：两篇新闻连续出现的次数

新闻文章信息

用户点击的新闻类型的偏好

** 用户查看文章的长度的分布**

用户点击新闻的时间分析

5. 总结

通过数据分析的过程， 我们目前可以得到以下几点重要的信息， 这个对于我们进行后面的特征制作和分析非常有帮助：

训练集和测试集的用户id没有重复，也就是测试集里面的用户模型是没有见过的
训练集中用户最少的点击文章数是2， 而测试集里面用户最少的点击文章数是1
用户对于文章存在重复点击的情况， 但这个都存在于训练集里面
同一用户的点击环境存在不唯一的情况，后面做这部分特征的时候可以采用统计特征
用户点击文章的次数有很大的区分度，后面可以根据这个制作衡量用户活跃度的特征
文章被用户点击的次数也有很大的区分度，后面可以根据这个制作衡量文章热度的特征
用户看的新闻，相关性是比较强的，所以往往我们判断用户是否对某篇文章感兴趣的时候， 在很大程度上会和他历史点击过的文章有关
用户点击的文章字数有比较大的区别， 这个可以反映用户对于文章字数的区别
用户点击过的文章主题也有很大的区别， 这个可以反映用户的主题偏好 10.不同用户点击文章的时间差也会有所区别， 这个可以反映用户对于文章时效性的偏好
所以根据上面的一些分析，可以更好的帮助我们后面做好特征工程， 充分挖掘数据的隐含信息。

参考：零基础入门推荐系统【数据分析】Task2