<p> &nbsp;&nbsp;&nbsp;&nbsp;个性化推荐算法是基于用户的行为数据分析设计的。那么用户行为数据又是从哪里来的呢？每个网站或者应用在上线后大都会记录日志，这些日志就记录着访问该网站或者应用的用户行为。例如你访问了百度，那么百度就会记录你搜索了哪些关键字，点击了哪些链接等等，并将这些写入日志中。用户行为数据就是从这些日志中发觉分析得来的。<br/> &nbsp;&nbsp;&nbsp;&nbsp;用户行为在个性化推荐中一般分为显性反馈和隐性反馈两种。显性反馈是指用户明确表示对物品喜好的行为，如：评分、顶/踩等。隐性反馈是指不能明确反映用户喜好的行为，如浏览网页等。相比显性反馈，隐性反馈虽不明确，但数据量更大。并且很多网站都只是有隐性反馈，而没有显性反馈。因此我们绝不应该忽视隐性反馈，而只关注显性反馈。<br/> &nbsp;&nbsp;&nbsp;&nbsp;从反馈方向分，用户行为数据还可以分为正反馈和负反馈。正反馈指用户的行为表明用户喜欢物品，而负反馈则相反。<br/> &nbsp;&nbsp;&nbsp;&nbsp;用户行为可以分为很多种，拿电子商务来说，就有浏览、购买、收藏、分享、评分、评论等等。实践过程中，一般不会将所有行为结合在一起表示，并根据这些表示进行分析，推荐物品给用户，而是会根据不同的行为给出不同的表示。例如，亚马逊就会将浏览与购买区分开，浏览有浏览的推荐列表，而购买有购买的推荐列表，并不会混合在一起进行推荐。<br/> </p>