离线业务介绍

日萌社

人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）

---

2.1 离线业务介绍

学习目标

• 目标
  • 了解离线业务构建的主要内容
• 应用
  • 无

2.1.2 离线计算流程

离线计算流程：

离线计算主要包含以下几部分：

• 离线文章、用户画像 双画像构建
• 离线用户召回集合收集
• 离线用户文章特征中心构建

2.1.3 用户画像与文章画像

画像的构建作为推荐系统非常重要的环节，画像可以作为整个产品的推荐或者营销重要依据。需要通过各种方法来构建。

2.1.4 文章画像

1 文章画像是什么

在新闻推荐系统中，内容画像系统，简单来说就是打标签系统。所以呢，内容画像系统的工作就是为整个推荐系统的文本构建一套完整，丰富的标签，方便后续的各个步骤，不管是推荐，还是运营和统计。

文章(物品)的标签体系

• 产品业务标签：文章的点击次数、浏览次数、转发次数
• 挖掘标签：文章的关键词

我们那选择标签，尽可能要与推荐的任务有关文章特征化即给内容打标签。目前有两种方式：

• 人工打标签：发表文章时候，自媒体平台用户手动添加
• 机器自动打标签：算法自动进行标签获取添加

2 为什么需要文章画像

文本也能用于画像？实际生产中，有很多的文本数据，比如发表评论、对话、发表文章等等，另一个最直观的例子就是今日头条这样的大厂以文本为主要内容，用户对新闻类型的偏好成为推荐过程中的主要副产品，即用户画像。推荐系统的使命是在用户和物品之间建立连接，用户有用户画像，物品自然也有物品画像。新闻内容、标题、商品标签、描述等都是物品画像的内容，物品画像可以很好的版主丰富用户画像。

• 用物品画像丰富用户画像
• 物品画像做物品的相似、分类分析、

3 实现方式-文章的结构化

成熟的文本挖掘、NLP算法分析有如下：

• 关键词提取：是最基础的物品画像的标签来源，也为其他文本分析提供数据基础，如TF-IDF，TextRank；是文章画像的组成部分
  • 比如用户点击某篇文章，而内容的标签是德甲、英超，那么用户和内容不关联的话是无法联系在一起的。所以可以将德甲、英超关联到某用户，这样用户就有了喜好的标签。
• 词嵌入：也就是Embedding，从词到篇章，无不可以学习这种嵌入表达。嵌入表达是为了挖掘出字面意思之下的语义信息，并且用有限的维度表达出来， 如word2vec
  • 可以用于文章之间相似度的计算
• 实体识别：识别文章人、位置、地点、著作、影视剧、历史事件和热点事件等，最长基于词典的方法结合CRF模型；
• 内容分类：将文本按照分类体系分类，用分类来表达较粗粒度的结构化信息；

2.1.5 头条文章画像

头条文章需要我们计算两个部分的词语

• 关键词
• 主题词