因此我们可以选与系统最终目标最匹配的用户行为，，也就是在这个过程中用户付出代价最大的行为作为主要的判断依据，比如购买成功，对此行为赋予相对较大的权重。
3.推荐系统架构
通过上面的介绍，大家应该对推荐系统有一个初步的认识了，那么推荐系统是由哪几部分构成呢，在这一部分，金地毯商业认为大部分推荐系统都是由前台展示页面、后台日志系统和推荐算法系统三部分构成。前台展示页面也就是对推荐结果进行展示。后台日志系统就是包括物品信息、用户信息（例如用户爱好，浏览记录，购买记录等）、用户的物品的偏好（例如商品评分，商品评论等）。推荐算法包括人口统计学推荐（主要是根据用户资料信息，发现和物品的相关程度），物品内容推荐（根据用户的偏好，推荐相似的物品给用户），协同过滤推荐（根据用户对物品的偏好，发现物品或是用户的相关性，然后基于相关性进行推荐，主要包括:1:基于用户的推荐 2:基于物品的推荐），SVD奇异值分解（相当于协同过滤的相似度计算模型，主要基于用户和物品信息构成的矩阵，矩阵中的值是用户对商品的评分，这个矩阵通常是一个比较稀疏的矩阵，通过SVD算法可以得到用户与物品的特征向量PU(用户的偏好)，PI（物品的偏好）通过PU*PI得到用户对物品的评分预测）。如下图所示：
3.1前台展示页面
前台展示页面是直观展示给用户的界面，通过UI与用户交互，交互产生的用户行为数据将存储在后台日志系统中，开发者根据推荐算法对日志系统中的数据进行处理及分析，最终生成推荐结果。
那么，交互产生的用户行为数据包括哪些呢？
§用户自身基础属性；即性别、年龄、学历、职业、所在地等，通常来源于用户..信息或是其他..数据。
