求推荐算法，用户行为预测方面

[lsylsy2]

简要概括
学习用数据：若干的用户访问日志（带时间戳）
输入：用户当前的一个访问
输出：用户接下来可能的访问
要求：看重准确率高过召回率

目前的想法是把“一段时间内，用户先后访问了A和B”设置为AB之间的一条有向边，然后构造出一张图在里面处理。但是没有想出很明确的算法……
现有的各种数据挖掘工具有处理这种问题的现成算法么？

[binux]

你想多了，输入只有「当前的一个访问」，统计这「一个访问」最多的下一个访问就完了。

[lsylsy2]

@binux 需要的不是“下一个”，而是“下若干个”；
具体的说是“输入用户当前的访问，输出一个集合，集合内是用户接下来若干时间（比如半小时）内可能访问的东西”

[lsylsy2]

然后“看重准确率高过召回率”的意思是
P（集合内的某个元素被访问）优先级大于P（用户访问的元素在集合内）
所以这个集合不能过大而包罗万象

[yangff]

隐马？

[aszxqw]

@binux 哈哈，真相就是这么简单。但是就是这么实用。

[yangff]

哦。。就是马尔可夫模型。。

[mfinal]

带顺序的时间戳预测属于比较高级的了，应该需要用到带记忆功能的时序算法。
@binux 的意思是你的输入太少了，如果你的模型不能从学习数据中构建出接下来用户的profile，那仅根据新用户当前的“一个访问”来预测之后会很差。

[lsylsy2]

@mfinal 唔，我可以用一定的办法保证用户行为由比较高的一致性……也许我可以先用一些办法对用户进行“分类”。

@yangff 我去看看马尔可夫模型……可能挺有用的样子