推荐系统读书笔记利用用户行为数据
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了推荐系统读书笔记利用用户行为数据相关的知识，希望对你有一定的参考价值。
2.1 用户行为数据简介
显性反馈行为：用户明确表示对物品喜好的行为。评分、喜欢、不喜欢。
隐性反馈行为：不能明确反应用户喜好的行为。比如页面浏览。
| 显性反馈数据 | 隐性反馈数据 | |
| 用户兴趣 | 明确 | 不明确 |
| 数量 | 较少 | 庞大 |
| 存储 | 数据库 | 分布式文件系统 |
| 实时读取 | 实时 | 有延迟 |
| 正负反馈 | 都有 | 只有正反馈 |
正反馈：用户的行为倾向于指用户喜欢的物品。
负反馈：用户的行为货币于用户不喜欢的物品。
用户行为的统一表示：
| 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 | 行为的种类（购买/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 |
| behavior content | 行为的内容 |
无上下文信息的隐性反馈数据集：每一条行为记录仅仅包含用户ID和物品ID，如Book-Crossing数据集
无上下文信息的显性反馈数据集：每一条记录包含用户ID、物品ID和用户对物品的评分
有上下文信息的隐性反馈数据集：每一条记录包含用户ID、物品ID和用户对物品产生行为的时间戳，如Last.fm数据集
有上下文信息的显性反馈数据集：每一条记录包含用户ID、物品ID、用户对物品的评分和评分行为发生的时间戳，如Netflix。
2.2 用户行为分析
2.2.1 用户活跃度和物品流度的分布
长尾分布：Power Law
令fu(k)为对k个物品产生过行为的用户数，令fi(k)为被k个用户产生过行为的物品数，那么fu(k)和fi(k)都满足长尾分布。
fi(k)=αikβi
fu(k)=αukβu
以上是关于推荐系统读书笔记利用用户行为数据的主要内容，如果未能解决你的问题，请参考以下文章