移动端时代的挑战：手机屏更小，输入更不便，信息过载问题更严重。
用户获取信息的方式：浏览 vs. 查询
点击距离(click-distance):
click-distance(i) = selects(i) + scrolls(i) i为item的意思。
1 个性化用户兴趣
两种点击：
- static hit-table:大众的点击数据，one-size-fits-all
- user hit-table:个人的点击数据
其中static hit-table如下：
某一个用户的hit-table如下：
然后根据此计算这个用户对每个item的喜好概率. 概率计算：
-
$ P(B A)=(20+10)/(40+100)=0.214 $ -
$ P(C A)=(20+90)/(40+100)=0.786 $ -
$ P(D A)=P(B A)P(D B)=(30/140)(10+5)/(20+10) = 0.107 $ -
$ P(E A)=P(B A)P(E B)=(30/140)(10+5)/(20+10) = 0.107 $ -
$ P(F A)=P(C A)P(F C)=(110/140)(10+80)/(20+90)=0.642 $ -$ P(G A)=P(C A)P(G C)=(110/140)(10+10)/(20+90)=0.142 $
该用户的喜好排序为：C>F>B>G>D>E
2 个性化调整
ok，计算好了之后。需要对每个用户做menu的调整。调整方式采用的是：垂直提升（vertical promotions）。举个例子，原先如果是三层：根菜单－父菜单-菜单选项。菜单选项提升到父菜单级别，父菜单提升到根菜单级别。别外同级之间的相对位置也会进行调整。
3 指标评测
- 平均点击距离（是否降低）
- 平均每个session的平均导航时间（是否降低）
- 平均内容浏览时间（是否提升）
参考：
1.personalization techniques and recommender systems, Gulden Uchyigit etc.