大家好~ :)
这次想继续和大家聊聊用户画像。用户画像是个体系性比较强的内容模块,分一两次博客也写不完,我争取分多次博客把各个模块都搭建起来。上次把用户画像方面的内容开了一个头,讲了关于标签权重的计算方法,这次就聊聊标签聚类的方法。其实聚类不限于方法和形式,只要能将同类物品 / 内容进行准确聚类的,都是好的方法。好啦,开篇结束啦,下面让我们进入正题吧:
一、应用背景:
继上一篇中提到的用户标签表,存储了用户在平台上每次操作(来自日志数据)、购买(来自业务数据)等行为带来的标签。随着时间的累计,各用户在平台上积累的标签数以亿计,如何对这些不同类型的标签进行归类,找到每个标签所属的某一类别,是本次讲述的重点。
二、标签聚类:
Step1:从用户标签表抽取数据
用户标签表结构长这个样子(字丑 ╥﹏╥)
首先从用户标签表抽取两种类型的标签(我们暂命名为A类标签和B类标签),
创建临时表1,抽取A类标签:create table gdm.tag_relation_cluster_function_01
as
select user_id,
org_id,
org_name,
cnt,
date_id,
tag_type_id,
act_type_id
from wedw.peasona_user_tag_relation --用户标签表
where date_id >='2017-01-01'
and date_id <='2017-08-24&#