用戶模型主要用來存儲用戶興趣數(shù)據(jù)，用戶模型中對用戶的興趣基于長短興趣進(jìn)行描述。

建模數(shù)據(jù)來源

內(nèi)部數(shù)據(jù)

內(nèi)部數(shù)據(jù)指App或者Web，用戶互動產(chǎn)生的行為記錄，例如評論、分享等，屬于主動行為；瀏覽、點(diǎn)擊等屬于被動行為。
需要支出的是，一般基于主動行為我們應(yīng)該進(jìn)行特殊加權(quán)，主動行為的興趣強(qiáng)度要高于被動行為。

外部數(shù)據(jù)

指社交網(wǎng)站等第三方授權(quán)數(shù)據(jù)，對于一個剛上市的產(chǎn)品來說，用戶的行為歷史很少，這時就需要利用第三方的行為記錄對用戶興趣進(jìn)行刻畫。

行為劃分

用戶興趣刻畫

可通過Tag、Topic、分類進(jìn)行基本的興趣標(biāo)識。

• Tag：最小粒度單位興趣標(biāo)識。
• Topic：Tag的上級父單位，一個Topic下可以由很多Tag組成。
• 分類：分類是最粗粒度的興趣標(biāo)識，由于分類是一個用戶前端篩選內(nèi)容的習(xí)慣，一直沿用至今，所以推薦系統(tǒng)中也需要保留分類概念。

日志到興趣的抽取

image.png

興趣權(quán)重計(jì)算

w(user+1)=top(w(user) * λ + g(c) * h(b))
w(user)：更新之前興趣點(diǎn)權(quán)重，與之前的積累相關(guān)。
w(user+1)：是更新結(jié)束后回寫到用戶模型表中的興趣點(diǎn)權(quán)重。
λ：衰減因子，小于等于1.0，可配置。
g(c)：資訊內(nèi)容模型，與資訊內(nèi)容本身有關(guān)。
h(b)：用戶行為參數(shù)，調(diào)整用戶行為影響強(qiáng)弱，正負(fù)，與用戶具體行為有關(guān)，可配置。
top：對結(jié)果根據(jù)權(quán)重進(jìn)行從大到小排序，取出權(quán)值最大的前N個，可配置。
新用戶模型=排序topN（舊用戶模型行為衰減因子+news權(quán)重行為參數(shù)）