推荐系统-用户标签预测算法基础实践
1.用户画像概述
- 用户画像给到用户打标签
- 用户画像
- 用户角色
- 用户属性
- 用户画像和用户角色较为接近,而用户属性使用户的画像中的子集
- 用户画像阶段
- 1.用户画像基础
- 2.用户画像指标体系
- 3.标签数据存储方式
- 4.标签数据开发
- 5.性能优化及作业调度
- 6.用户画像应用及优化
- 用户画像基础场景用
- 搜索领域
- 个性化推荐领域
- 其他领域
2.常见用户画像业务分析指标
- 以电商为例展开
- 电商总总体运营指标
- 网站流浪指标
- 网站销售指标
- 客户价值类指标
- 商品类指标
- 市场竞争类的指标
3.如何利用用户行为数据
- 用户的静态数据–mysql
- 用户的动态数据–浏览、加购、收藏等
- 标签形态及标签建模
- 标签
- 权重—时间衰减因子,地点因子,是购购买
- 算法路线及算法思路:
- 用户画像+推荐系统===利用机器学习
- 标签层级
- 用户+商品+环境
- 属性的县隐性反馈
4.如何利用用户标签数据
- 当有了标签之后如何使用?
- 在页面中设置依稀标签选项
- 如何推荐标签?
- 基于物品的热门商品推荐
- 基于当前