下图是特征工程在推荐系统中的位置：
推荐系统常用的特征：
1.用户行为数据：显性反馈与隐性反馈（容易获得）。
2.用户关系数据：强关系（好友）和弱关系（有点关系）。
3.属性与特征数据：一般先用muti-hot编码，再进行embedding，目前业界大多先构建属性与主体之间的知识图谱，再进行embedding。
4.内容类数据：提取关键特征。
5.上下文数据。
课后思考如果你是一名音乐 APP 的用户，你觉得在选歌的时候，有哪些信息是影响你做决定的关键信息？那如果再站在音乐 APP 工程师的角度，你觉得有哪些关键信息是可以被用来提取特征的，哪些是很难被工程化的？
1.1）喜欢类型
2）喜欢歌手
3）大家喜欢的音乐
4）朋友推荐的音乐
2.1）用户点击、收藏、评论行为数据
2）用户的好友信息
3）歌曲的类别与用户的风格数据
4）当下的流行信息
5）用户的上下文信息，地点、时间