用户画像及推荐算法入门

用户画像初探

个人笔记分享，如有错误请指出

数据运营的三个阶段

• 探索期

  在这个阶段，更多是通过一些简单的版本更迭和新功能的上线后，查看基础的用户数据。比如上线了一个圈子的功能，用户的日活跃有没有上去，使用时长有没有增加

• 成熟期

  当来到这个阶段后，数据颗粒度会更加的小。比如涉及到每一个用户的行为，给每一个用户画像。进而调整产品的用户人群，或者调整产品的界面功能等。

• 变现期

  当上一个阶段的用户画像积累一段时间后，产品需要一个变现的手段。这时候就需要基于用户画像去推荐广告，推荐内容等

用户画像的基本流程

image.png

1.首先我们需要确定画像的类型，基于统计还是算法或者两者皆可

2.进行用户标签的规划

  - 静态标签---位置，性别等
  - 动态标签 ---行为所产生：喜欢的频道，使用时间段
  - 预测标签---可能会喜欢的相关内容等

3.标签的提取

4.标签的处理（图中还缺用户统一识别，用户不一定使用同一个设备，需要合并不同设备，历史和现在的标签）

• spark graphx

5.标签的使用测试

业务流程

image-20200315001107138.png

用户标签举例

下图为视频网站的标签举例

image.png

用户行为(动态)标签设计

image.png

属性标签就按一般的er图的思想就可以。

图是盗的

用户标签权重打分

用户标签权重 = 行为类型权重 × 时间衰减 × 用户行为次数 × TF-IDF计算标签权重

推荐算法分类

image.png

基于spark ALS 协同过滤算法流程

image.png

基于用户和视频标签相似度算法流程

image.png

关键词的提取和查找同义词

python jieba.analyse工具包

python synonyms 工具包