本文共 527 字，大约阅读时间需要 1 分钟。

利用用户行为数据

如何了解一个人呢？

通过用户留下的文字和行为了解用户兴趣和需求。

实现个性化推荐的最理想情况是用户在注册的时候主动告知其喜欢什么。

3个缺点：

1. 现在的自然语言理解技术很难理解用户用来描述兴趣的自然语言；
2. 用户的兴趣是不断变化的；
3. 很多时候用户并不知道自己喜欢什么，或者很难用语言描述。

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。

• 原始日志（raw log）

• 会话日志（session log）

  将多种原始日志按照用户行为汇总，每个会话表示一次用户行为和对应的服务。

• 展示日志（impression log）

  搜索引擎和搜索广告系统服务为每次查询生成的，记录了查询和返回结果。

• 点击日志（click log）

  用户点击了某个返回结果的点击信息。

一个并行程序会周期性地归并展示日志和点击日志，得到的会话日志中每个消息是一个用户提交的查询、得到的结果以及点击。

推荐系统和电子商务网站也会汇总原始日志生成描述用户行为的会话日志。会话日志通常存储在分布式数据仓库中，这些日志记录了用户的各种行为。

用户行为在个性化推荐系统中一般分为两种：

转载地址：https://maoli.blog.csdn.net/article/details/115759683 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！