推荐系统之用户标签，以及基于标签的算法

一、用户标签

1、维度

• 用户标签，如年龄、工作、性别等
• 行为标签，如消费金额、消费频次等
• 消费标签，如点击、收藏、购买等
• 内容分析，浏览内容，如科技、娱乐、新闻类等

2、阶段

用户生命周期的三个阶段

• 获客：如何进行拉新，通过更精准的营销获取客户；
• 粘客：个性化推荐，搜索排序，场景运营等；
• 留客：流失率预测，分析关键节点降低流失率

3、打标签的方式

典型的方式有：

• PGC：专家生产
• UGC：普通生产

4、如何给用户推荐标签

当用户u给物品i打标签时，可以给用户推荐和物品i相关的标签，方法如下：

• 方法1：给用户u推荐整个系统最热门的标签
• 方法2：给用户u推荐物品i上最热门的标签
• 方法3：给用户u推荐他自己经常使用的标签
• 将方法2和3进行加权融合，生成最终的标签推荐结果

二、基于标签的算法

1、SimpleTagBased

用户u对商品i的感兴趣程度为：

其中，user_tags[u,t]表示用户u打过标签t的次数，tag_items[t,i]表示商品i被打过t标签的次数。
对于一个用户来说，找到他标记次数多的标签，并找到呗该标签标记次数多的商品，推荐给该用户。

2、NormTagBased

NormTagBased算法是对SimpleTagBased算法的改进，公式为：

用户打过的所有标签次数，以及标签t被标记过的总次数，相当于做了归一化处理。

3、TagBased-TFIDF

TagBased-TFIDF借鉴了NLP中的TF-IDF算法，对热门标签进行惩罚。

tag_users[t]表示标签t被多少个不同的用户使用。