作者：HaigLee
https://www.jianshu.com/u/67ec21fb270d
本文由 HaigLee 发布。未经许可，禁止转载。
离散时间模型
- 离散时间模型与底层数据以离散序列的形式被接受的情况相关。
- 这种数据可以在各种应用场景中遇到，其中大部分与隐式用户反馈相关，而不是明确的评分情况。
- 这种应用场景的一些示例如下:
网页日志和点击流
- 用户对网页日志的访问通常可以表示为序列模式。
- 用户模式通常展示了可预测的访问模式。
- 例如：用户会经常访问特定的网页序列。经常性的序列信息可用于推荐。
超市交易
- 用户在超市的购买行为是一种序列化数据。
- 事实上，序列模式挖掘问题被用来处理这种情况。
- 事实上，由于活动时间戳通常可在超市数据集里获得，因此可以将其转换为特定用户的购买行为的序列模式。时间顺序通常是相当重要的。
- 例如，在用户购买打印机后推荐购买打印机墨盒是很有意义的，但反之亦然。
查询推荐
- 许多网站在其站点上记录用户的查询。查询的序列可用于为其他更有用的查询进行推荐服务。
作者：HaigLee
https://www.jianshu.com/u/67ec21fb270d
本文由 HaigLee 发布。未经许可，禁止转载
网友评论