数据说明

第一部分是用户在商品全集上的移动端行为数据（D）,表名为tianchi_fresh_comp_train_user_2w，包含如下字段：

字段 字段说明 提取说明

user_id 用户标识 抽样&字段脱敏

item_id 商品标识 字段脱敏

behavior_type 用户对商品的行为类型 包括浏览、收藏、加购物车、购买，对应取值分别是1、2、3、4。

user_geohash 用户位置的空间标识，可以为空 由经纬度通过保密的算法生成

item_category 商品分类标识 字段脱敏

time 行为时间 精确到小时级别

第二个部分是商品子集（P）,表名为tianchi_fresh_comp_train_item_2w，包含如下字段：

字段 字段说明 提取说明

item_id 商品标识 抽样&字段脱敏

item_ geohash 商品位置的空间标识，可以为空 由经纬度通过保密的算法生成

item_category 商品分类标识 字段脱敏

问题描述

在真实的业务场景下，我们往往需要对所有商品的一个子集构建个性化推荐模型。在完成这件任务的过程中，我们不仅需要利用用户在这个商品子集上的行为数据，往往还需要利用更丰富的用户行为数据。定义如下的符号：

U——用户集合

I——商品全集

P——商品子集，P ⊆ I

D——用户对商品全集的行为数据集合

那么我们的目标是利用D来构造U中用户对P中商品的推荐模型。