零基础入门推荐系统 - 新闻推荐实战-笔记二

进一步思考

点击时间戳进行排序
这里我尝试了输出某一个user_id的所有进行查看。我发现：
①rank对的是每一个user的，就是每行数据的rank对应的是该user看文章的顺序
②rank的数据是倒序的，rank=1并不是user第一篇看的文章，而是最新看的文章。

trn_click的数据阅览
将训练集用户点击日志和新闻文章信息数据表，以文章id进行了左连接

新闻文章信息数据表
对 words_count 字段进一步分析：
count 364047.000000
mean 190.897727
std 59.502766
min 0.000000
25% 159.000000
50% 186.000000
75% 218.000000
max 6690.000000

文章的平均长度为190，文章最短长度为0（此处黑人问好.jpg），75%的文章长度都小于等于218，文章最长的长度为6690。

我对文章长度为0的文章进行输出：

文章长度为0的共有35篇。（上图仅为部分）

补充

2020.12.22：
train_click_log.csv中用户点击至少有2个文章
testA_click_log.csv中用户点击最少为1，这个可能要单独处理