网站用户访问行为预测-LSTM

数据集：多个用户一个月内访问的URL
特征：用户id 访问时间 文本URL
以单个用户每日访问的url为入手点 进行分类

扁平分类

PAGE_CATEGORIES = 
    [
    商业经济，新闻时事，体育健身，教育培训，生活服务，
    卫生健康，政法军务，科学技术，社会文化，旅游交通，
    休闲娱乐，文学小说，艺术爱好，电脑网络
    ]
用途分类 PAGE_CATEGORIES2 = 
    [门户网站[新闻，经济，科技，旅游，游戏..]，视频网站，交易网站，科研网站，游戏网站，。。。]
持有者分类 PAGE_CATEGORIES3 = 
    [个人网站（博客）、商业网站（淘宝官网）、政府网站（水利局官网）、教育网站（上大官网）]

树状分类：

//com
com ---> baidu.com ---> baidu.com             label:  baidu
                     ---> news.baidu.com        label： baidu news
                     ---> zhidao.baidu.com      label： baidu knowledge
                     ---> tieba.baidu.com       label： baidu social
                     ---> top.baidu.com         label： baidu news
    ---> bilibili.com ---> bilibili.com       label： bili
                      ---> live.bilibili.com  label： bili live
                      ---> manga.bilibili.com label:  bili manga
                      ---> game.bilibili.com  label： bili game
    ---> 163.com ---> game.163.com            label: 163 game
                 ---> v.163.com               label: 163 live
                 ---> news.163.com            label: 163 news
//net
net --->csdn.net --->csdn.net                 label: csdn
                   --->blog.csdn.net            label: csdn blog
                   --->download.csdn.net        label: csdn down
                   --->edu.csdn.net             label: csdn edu

Q1：单个网站可能有多个label

Q2：考虑用户本身之间可能有相似性
Q3：考虑同一域名下（或同一功能）网站之间可能有相似性

门控 RNN-lstm
cnn找高影响力的文本特征
lstm做预测分类
预测分类

交叉熵 损失函数

多个用户 可做推荐