本文介绍了用户画像的概念，包括数据来源、画像特性及其在搜索引擎、推荐系统和业务定制中的应用。重点讨论了画像建模，包括定性与定量画像，以及标签化的用户信息表示。此外，还探讨了群体用户画像分析，涉及用户画像相似度计算和聚类，并简述了用户画像的存储和查询机制。
目录
一章 概述
用户画像：同类用户进行不同维度的刻画
用户角色：业务系统中不同用户的角色区分
用户属性：对属性的刻画和描述，如性别，年龄……
数据来源
用户属性——静态画像
用户行为——动态画像
画像特性
时空局限性：时间上，目标是通过精准的刻画，提供个性化服务；空间上：不同领域有不同的侧重点，因此要针对各自的特点设计对应的用户画像。
应用领域
搜索引擎
推荐系统
业务定制
二章 画像建模
画像建模就是用户信息的标签化
用户画像建模的核心是对用户潜在的意图和兴趣进行表示和存储，根据用户的基础信、视频信息、访问信息、行为偏好、隐式兴趣等归纳出可以读取和计算的用户模型。
用户画像两个部分
定性画像：用户基本特征。行为刻画、兴趣模型、视频表征等
标签是用户定性画像的核心
年龄标签，地域标签……语义化和短文本是标签呈现的两个重要特征。语义化使人能理解这些标签，短文本可以减少预处理，方便计算机对标签提取和聚合分析。
定量画像：用户基础变量、兴趣偏好等可量化数据特征
重点考虑用户画像的颗粒度，越细越具体，越细则建模成本越高
颗粒度要适度，再通过表单捕捉用户行为，存储和分析数据。表单是最直接的一种显示收集方式
推荐系统中的两类元素：用户（user）和项(item)
用户定性画像的构建
利用本体对用户画像领域中的标签进行表示、验证、推理和解释。
本体包括类、属性、实例、公理、推理规则
本体构建的关键步骤
-
构建领域词汇表：即各类标签
-
确定类与类之间的结构：确定类属关系，
最低0.47元/天 解锁文章
777
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
