推荐系统的用户特征

推荐系统的用户特征基本上分为显式的反馈和隐式的反馈两种。显式反馈往往能真实的表达一个人的偏好，而隐式反馈却很难做到这一点。

我们来举例说明这一点，比如你打开了一个游戏页面，这时突然想起来还有一件重要的事没做，你急着去处理事情忘记了刚才打开了游戏这件事，游戏的页面仍一直处于打开的状态，这时你停留在这个游戏页面的时间已经很长了，后台系统会认为你对这个游戏很感兴趣。为了避免错误的统计带来失败的推荐结果，我们需要进行去噪，也就是说，我们要通过其他的指令来反馈用户对这款游戏是不是真的感兴趣。比如说虽然这名用户停留在游戏页面的时间很长，但是他到底有没有进行其他的操作呢，他有没有点击鼠标，有没有进入下一个游戏页面等等，这些都是需要我们考虑的因素。

总结来说，在显式反馈中，用户能够明确表示对物品喜好的行为，也就是说，显性反馈能够明显区分用户是否喜欢此物品，显性反馈数值代表偏好程度。而隐式反馈不能明确反映用户喜好的行为，它没有负反馈，无法判断用户是否不喜欢。隐式反馈先天性具有噪声。隐性反馈数值代表置信度，置信度其实就是说我们不能太相信隐式反馈提供的结果，但是它能起到一定的作用，所以隐性行为需要近似评估。