《商业智能：方法与应用》课件第7章 用户画像及推荐系统.pptxVIP

目录ONTENTSC7.1用户画像7.2推荐系统用户画像基本概念单个用户画像流程群体用户画像流程用户画像评估用户画像应用推荐系统基本概念相似度度量方法及最近邻确定基于用户的最近邻推荐基于物品的最近邻推荐基于用户与基于物品的方法的比较基于模型的协同过滤

7.1用户画像用户画像基本概念单个用户画像流程群体用户画像流程用户画像评估用户画像应用

用户画像基本概念定义特点分类单个用户画像研究对象：某一特定场景下的具体用户目标：对不同用户做出个体区分，深入了解用户需求群体用户画像研究对象：某一特定情境下的特定用户群体目标：将具有相似特征的用户聚类，方便进一步识别用户群体真实性标签化动态性领域性用户角色（UserPersona）—倾向于从不同群体中抽象出不同类型的用户角色用户画像（UserProfile）—用户信息的标签化；侧重于从不同维度对同一类用户进行刻画，从而进一步细分某一类用户

单个用户画像基本流程03特征提取——兴趣属性标签单个用户画像基本流程图

单个用户画像基本流程01数据收集—数据类型某电商网站数据分类图?行为类型·有哪些信誉好的足球投注网站·浏览·购买·发表·点赞??接触点·帆布鞋·匡威·双十一大促页?用户数据静态信息数据商业属性职业动态信息数据人口基本属性性别年龄地域婚姻状况消费等级消费周期……行为数据消费数据消费商品消费总额……

单个用户画像基本流程01数据收集—数据收集方法123社会调查通过访谈、观察、调研等社会调查的方法，直接收集获取用户画像所需要的数据平台数据库直接从企业数据库采集用户数据或购买接口获得数据网络数据采集使用网络采集方法获取用户公开数据，如：网络爬虫等

单个用户画像基本流程02数据清洗01去除/补全有缺失的数据去除/修改格式和内容错误的数据去除非必需数除/修改逻辑错误的数据不同来源数据关联性验证

03特征提取——人口属性标签单个用户画像基本流程人口属性标签内容性别、年龄、职业、收入等个人信息人口属性标签特点比较稳定，且在实际应用中不是全部用户提供人口基本属性数据构建人口属性标签方法标签扩散模型—用填写信息的用户作为样本，对无标签用户进行属性预测有信息的用户行为特征模型无信息的用户提取训练预测人口属性标签建立过程示意图

03特征提取——兴趣属性标签单个用户画像基本流程活跃用户用户画像构建方法—分析用户发表文章生成相应兴趣画像获取文章关键词构建兴趣偏好词典赋予不同兴趣偏好权重得到活跃用户兴趣爱好标签非活跃用户用户画像构建方法—分析用户关注账户或点赞文章计算用户所关注账户信息或所点赞文章信息中每个实体概念所属网站类别的权重得到由网站类别构成的兴趣爱好得到非活跃用户的兴趣爱好

03特征提取——地理位置属性标签单个用户画像基本流程常驻地属性标签基于用户的IP地址信息，对用户的IP地址进行接续，得到常驻城市标签GPS轨迹数据从手机基于位置的服务（LBS）进行收集导航类APP获取LBS日志数据清洗与汇总?LBS位置与POI匹配用户—POI场景判断·POI类型·到访次数·时间段分布·天数分布·居住·工作·购物·就餐GPS地理位置画像流程

单个用户画像基本流程03特征提取——兴趣属性标签用户画像标签体系

群体用户画像流程01单个用户画像获取·数据收集、数据清洗和特征提取方法获取用户画像数据·推荐系统的数据统计模块获得用户画像数据02用户画像相似度计算（1）定量标签相似度计算·计算公式：·不同定量标签数据归一化处理方法：线性函数转换、对数函数转化、反正切函数转化等·定量标签距离计算方法：欧式距离、曼哈顿距离、余弦相似度、Jacard系数等（2）定性标签相似度计算·将定性标签映射为定量标签，采用定量标签相似度计算方法·基于概念的相似度计算方法

群体用户画像流程03用户画像聚类及群体用户画像生成·用户画像聚类：对单个用画像根据相似度计算结果进行分类聚类原则：使类别内差异最小，类别间差异最大聚类目标：发现用户画像建隐含关系，提取核心用户画像·群体用户画像生成：根据聚类结果，抽象出每个聚类群体的典型用户画像

用户画像评估010203定义：被打上正确标签的用户比例计算公式：准确率定义：被打上标签的用户占全量用户的比例计算公式：覆盖率不同特征标签时效性要求不同，需要建立合理的更新机制，以保证标签时间上的时效性时效性

用户画像应用应用二应用一应用三基础信息查询构建用户画像的基础上建立用户标签库及用户关系库，实现基础信息查询，便于企业深入了解用户需求精