用户推荐系统，一方面是用户特征的挖掘，另一方面是内容标签的匹配。通过协同过滤等方式进行推荐。实践中很多时候直接根据标签划分人群进行推荐了（当然对于单一需求来说）。
用户特征包括其固有特征，年龄，性别等，以及兴趣特征，而兴趣特征又分为长期兴趣和短期兴趣。
对于短期兴趣特征，可以通过近期点击量，访问率等圈选，长期特征可以划分垂类标签。同时很多标签是成体系层次的，如NBA--某明星等。
标签不足时，可能会出现信息孤岛现象。比如某一类内容多次推荐，容易反感。因此还要注意惊喜度等指标。可以通过热门推荐（大部分人都喜欢🉐️）的方式，包括（分类热门和全局热门）试出用户的标签来。另一方面根据网关位置等可以为用户聚群，从而得到某些特征标签。
对于内容标签，主要是通过概率上等强关联来实现的，一般有文本的打标签方法，lda,lsa等。视频最难打，一般为编辑或者上传着选择标注。
对于突发事件等需要人工干预，很多时候需人工运营，如（网易音乐）；机器做等分类推荐，都会有准确性和实效性等问题，人工干预再说难免，很多时候也比机器分类效果好的多。
（24）数据挖掘和用户理解
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
