如何进行兴趣偏好标签的计算呢？

先看计算逻辑总体概览，主要分为了三部分：互动行为、互动深度、权重

1. 互动行为

确定哪些用户行为要纳入到兴趣标签的计算中。

通常在电商中，使用的比较多的就是：浏览、加购、下单。有这些行为，往往反映出用户对该品类有较强的兴趣。

另外，搜索行为也是很能反映用户偏好的，但由于搜索词涉及大量NLP的内容，在做标签的计算中，比较耗时费力，在精度要求没有那么高的时候，可以先不考虑搜索行为。

2. 互动深度

所谓的互动深度，指的是用户在每种互动行为下，有哪些具体的内容可以衡量用户行为的深度情况。

不然容易出现这种情况：用户只是对某个类目下的某个商品有超强偏好，但是最终计算结果却是该用户对整个类目都有兴趣。用互动深度，能降低异常情况带来的影响。

使用了三个指标来反映用户的行为深度：涉及三级类目数、涉及sku数、购买件数。

3. 权重设置

权重部分很重要。这是为了将不同行为对最终结果的贡献，进行合理差异化。

也比较容易理解，肯定是下单说明用户更感兴趣嘛，毕竟能真掏钱的才是真爱。所以在权重大小上，也是下单>加购>浏览。