实战智能推荐系统（6）-- 用户行为分析

用户行为数据

为了让推荐结果个性化，就需要深入了解用户。生活中通过“听其言，观其行”来了解一个人。而对于算法，则是分析用户行为日志。
用户行为在个性化推荐系统中一般分成两种-- 显性反馈行为和隐性反馈行为。显性反馈行为包括用户明确表示对物品喜好的行为，比如对商品评分，喜欢或不喜欢。隐性反馈行为指的是那些不能明确反馈客户喜好的行为，比如用户浏览行为。相比于显性反馈，隐性反馈虽然不明确，但数据量更大。在很多网站中，很多用户只有隐性反馈行为，没有显性反馈行为。比如我从来不会对看过的电影，购买过的商品，听过的音乐进行评论。



用户行为有很多种，比如浏览网页，购买商品，评论，评分等。。。要用一个同一的格式表示所有的这些行为是比较困难的。下表给出了一种表示方式，将一个用户行为表示为6 部分，即产生行为的用户和行为的对象（这两个是任何表示形式中不可少的），行为的种类，产生行为的上下文，行为的内容和权重。

长尾分布

1932年，哈佛大学的语言学家Zipf 在研究英文单词词频时发现，如果将单词出现的频率按照由高到低排列，则每个单词出现的频率和它在热门排行榜中排名的常数次幂成反比。这个分布被称为 Zipf 定律。
很多人员发现，用户行为数据也蕴含着这种规律。令 fu(k) 为对k 个物品产生过行为的用户数，fi(k) 为被k 个用户产生过行为的物品的数量。我们选择 Delicious 和 CiteULike 数据集一个月的原始数据进行分析，物品流行度的长尾分布和用户活跃度的长尾分布如下：

用户活跃度和物品流行度的关系

一般来说，不活跃的要么是新用户，要么是只来过网站一两次的老用户。一般认为，新用户倾向于浏览热门的物品，而老用户会逐渐开始浏览冷门的物品。图2-5 展示了 MovieLens 数据集中用户活跃度和物品流行度之间的关系，这表明用户越活跃，越倾向于浏览冷门的物品。