#用户行为数据简介
基于用户行为的推荐算法 ==> 协同过滤算法
用户和网站不断地互动,使得推荐列表过滤掉不感兴趣的物品
显性反馈 + 隐形反馈
用户行为的表格 举例:
user id
item id (行为对象)
behavior type (e.g. 购买or浏览)
context (e.g. 时间&地点)
behavior weight (e.g.观看视频的时长;打分的分数)
behavior content (e.g. 评论行为 or 打标签的内容)
用户行为分析
分布: 只有很少的xx被经常使用
长尾分布 P56
协同过滤算法分为: 基于邻域算法; 隐语义模型; 图的随机游走
实验设计
MoviesLens数据集; Recall+Precision+Coverage评价指标