Comment identifieriez-vous les sections les plus actives d'un utilisateur?

Question

Sur un site Web, tout est balisé avec des mots-clés attribués par le personnel (ce n'est pas un site géré par la communauté, en raison de sa nature). Je suis en mesure de déterminer les balises dans lesquelles un utilisateur est le plus actif (ou quelles balises il voit le plus). Cependant, je ne sais pas comment choisir cette liste. Quelques options se présentent, mais elles ne me semblent pas bien.

• Prenez les n (ou m < n si elles ont moins de n balises vues) en haut
• Prenez les n premiers balises, où n est un pourcentage du nombre total de balises visualisées
• Prenez les n premières balises avec m vues, où n et m sont des pourcentages du total des balises vues et du nombre total de pages vues
• Prenez toutes les balises, quelles que soient les vues

Le but est d'identifier ce qui est le plus intéressant pour l'utilisateur et de lui montrer tout ce qui pourrait l'intéresser, en ce qui concerne les balises attribuées au contenu.

Answer 1

Une solution simple consiste à essayer plusieurs rapports et à vérifier quel rapport est le plus informatif. La nature de votre site et vos données peuvent signifier que certains rapports sont utiles de manière inattendue et que d'autres ne le sont pas. Si, par exemple, un rapport contient un graphique à surface plane, recherchez-en un autre.

Mieux encore, donnez aux consommateurs des rapports un choix et une capacité à donner leur avis. Réglez les rapports en fonction de ce qu'ils vont vraiment rechercher.

P.S. Je voudrais aller de la & Quot; Prendre les n premières balises avec m vues, où n et m sont des pourcentages du total des balises vues et du nombre total de pages vues & Quot; signaler d'abord

Answer 2

Vous pouvez consulter des algorithmes d'apprentissage automatique pour trouver des algorithmes permettant d'évaluer l'efficacité de votre choix.

Comme par exemple: http://en.wikipedia.org/wiki/Supervised_learning#Approaches_and_algorithms Des trucs comme le plus proche voisin et les bayes pourraient vous aider à améliorer vos suggestions.

C’est toutefois exagéré de suggérer simplement & "Voudriez-vous également regarder cela? &" ;, mais c’est une approche intéressante pour fournir de meilleurs liens. Cependant, il faudrait une méthode pour déterminer si vos utilisateurs attachent de l'importance à vos suggestions (par exemple, & "J'aime ceci! &"; Liens ou analyse de journal basée sur le temps passé sur les liens, etc.).