深度学习 用户画像_一文告诉你什么是用户画像

什么是用户画像

用户画像，英文又叫 User Profile，我们经常看到在 PPT 中展现出高大上的用户画像，展现的方式是采用标签云的方式绘制一个人的形状，或者在一个人物形象旁边列出若干人口统计学属性，以此来表达“用户画像”这个概念。

上面这种方式看上去非常炫酷，但实际上这么做的目的只是为了对外展现，用户画像最应该是给机器看，而不是给人看。如果要给机器看，那每个用户的画像应该就是一个向量。

用户向量化后的结果，就是 User Profile，俗称“用户画像”。所以，用户画像不是推荐系统的目的，而是在构建推荐系统的过程中产生的一个关键环节的副产品。

通常大型推荐系统一般都分为召回和排序两个阶段，因为全量物品通常数量非常大，无法为一个用户(User)逐一计算每一个物品(Item)的评分，这时候就需要一个召回阶段，其实就是预先筛选一部分物品(Item)，从而降低计算量，用户画像除了用于最终匹配评分，还要用在召回。所以，构建用户画像就要以这两个阶段为目的。

用户画像关键因素

建立用户画像有两个关键点，一个是维度，另一个是量化。这里举个简单的例子来说明下。比如有以下几家旅店，旅店的属性(标签)如下:

名称价格环境距离A100/晚中5km

B200/晚优2km

C150/晚差10km

D150/晚优1km

对价格、环境、距离分别映射一个评分。假定都分为三个级别，价格越低评分越高，环境越好评分越高，距离越近评分越高，那么映射后的结果如下&#