用戶(hù)畫(huà)像的流程和方法

用戶(hù)畫(huà)像的流程、方法,一篇文章看明白一、用戶(hù)畫(huà)像概述1.什么是用戶(hù)畫(huà)像現(xiàn)代交互設(shè)計(jì)之父AlanCooper很早就提出了Persona的概念：Persona是真實(shí)用戶(hù)的虛擬代表，是建立在一系列真實(shí)數(shù)據(jù)之上的目標(biāo)用戶(hù)模型，用于產(chǎn)品需求挖掘與交互設(shè)計(jì)。通過(guò)調(diào)研和問(wèn)卷去了解用戶(hù)，根據(jù)他們的目標(biāo)、行為和觀(guān)點(diǎn)的差異，將他們區(qū)分為不同的類(lèi)型，然后從每種類(lèi)型中抽取出典型特征，賦予名字、照片、人口統(tǒng)計(jì)學(xué)要素、場(chǎng)景等描述，就形成了一個(gè)Persona。Persona就是最早對(duì)用戶(hù)畫(huà)像的定義，隨著時(shí)代的發(fā)展，用戶(hù)畫(huà)像早已不再局限于早期的這些維度，但用戶(hù)畫(huà)像的核心依然是真實(shí)用戶(hù)的虛擬化表示。在大數(shù)據(jù)時(shí)代，用戶(hù)畫(huà)像尤其重要。我們通過(guò)一些手段，給用戶(hù)的習(xí)慣、行為、屬性貼上一系列標(biāo)簽，抽象出一個(gè)用戶(hù)的全貌，為廣告推薦、內(nèi)容分發(fā)、活動(dòng)營(yíng)銷(xiāo)等諸多互聯(lián)網(wǎng)業(yè)務(wù)提供了可能性。它是計(jì)算廣告、個(gè)性化推薦、智能營(yíng)銷(xiāo)等大數(shù)據(jù)技術(shù)的基礎(chǔ)，毫不夸張地說(shuō)，用戶(hù)畫(huà)像是大數(shù)據(jù)業(yè)務(wù)和技術(shù)的基石。用戶(hù)畫(huà)像的核心工作就是給用戶(hù)打標(biāo)簽，標(biāo)簽通常是人為規(guī)定的高度精煉的特征標(biāo)識(shí)，如年齡、性別、地域、興趣等。由這些標(biāo)簽集合能抽象出一個(gè)用戶(hù)的信息全貌，如圖10-1所示是某個(gè)用戶(hù)的標(biāo)簽集合，每個(gè)標(biāo)簽分別描述了該用戶(hù)的一個(gè)維度，各個(gè)維度相互聯(lián)系，共同構(gòu)成對(duì)用戶(hù)的一個(gè)整體描述?！鴪D10-1用戶(hù)標(biāo)簽集合2.為什么需要用戶(hù)畫(huà)像Cooper最初建立Persona的目的是讓團(tuán)隊(duì)成員將產(chǎn)品設(shè)計(jì)的焦點(diǎn)放在目標(biāo)用戶(hù)的動(dòng)機(jī)和行為上，從而避免產(chǎn)品設(shè)計(jì)人員草率地代表用戶(hù)。產(chǎn)品設(shè)計(jì)人員經(jīng)常不自覺(jué)地把自己當(dāng)作用戶(hù)代表，根據(jù)自己的需求設(shè)計(jì)產(chǎn)品，導(dǎo)致無(wú)法抓住實(shí)際用戶(hù)的需求。往往對(duì)產(chǎn)品做了很多功能的升級(jí)，用戶(hù)卻覺(jué)得體驗(yàn)變差了。在大數(shù)據(jù)領(lǐng)域，用戶(hù)畫(huà)像的作用遠(yuǎn)不止于此。如圖10-2所示，用戶(hù)的行為數(shù)據(jù)無(wú)法直接用于數(shù)據(jù)分析和模型訓(xùn)練，我們也無(wú)法從用戶(hù)的行為日志中直接獲取有用的信息。而將用戶(hù)的行為數(shù)據(jù)標(biāo)簽化以后，我們對(duì)用戶(hù)就有了一個(gè)直觀(guān)的認(rèn)識(shí)。同時(shí)計(jì)算機(jī)也能夠理解用戶(hù)，將用戶(hù)的行為信息用于個(gè)性化推薦、個(gè)性化搜索、廣告精準(zhǔn)投放和智能營(yíng)銷(xiāo)等領(lǐng)域?！鴪D10-2用戶(hù)標(biāo)簽化對(duì)于一個(gè)產(chǎn)品，尤其是互聯(lián)網(wǎng)產(chǎn)品，建立完善的用戶(hù)畫(huà)像體系，有著重大的戰(zhàn)略意義?；谟脩?hù)畫(huà)像能夠構(gòu)建一套分析平臺(tái)，用于產(chǎn)品定位、競(jìng)品分析、營(yíng)收分析等，為產(chǎn)品的方向與決策提供數(shù)據(jù)支持和事實(shí)依據(jù)。在產(chǎn)品的運(yùn)營(yíng)和優(yōu)化中，根據(jù)用戶(hù)畫(huà)像能夠深入用戶(hù)需求，從而設(shè)計(jì)出更適合用戶(hù)的產(chǎn)品，提升用戶(hù)體驗(yàn)。二、用戶(hù)畫(huà)像流程用戶(hù)畫(huà)像的核心工作就是給用戶(hù)打“標(biāo)簽”，構(gòu)建用戶(hù)畫(huà)像的第一步就是搞清楚需要構(gòu)建什么樣的標(biāo)簽，而構(gòu)建什么樣的標(biāo)簽是由業(yè)務(wù)需求和數(shù)據(jù)的實(shí)際情況決定的。下面介紹構(gòu)建用戶(hù)畫(huà)像的整體流程和一些常用的標(biāo)簽體系。1.整體流程對(duì)構(gòu)建用戶(hù)畫(huà)像的方法進(jìn)行總結(jié)歸納，發(fā)現(xiàn)用戶(hù)畫(huà)像的構(gòu)建一般可以分為目標(biāo)分析、標(biāo)簽體系構(gòu)建、畫(huà)像構(gòu)建三步，下面詳細(xì)介紹每一步的工作。1）目標(biāo)分析用戶(hù)畫(huà)像構(gòu)建的目的不盡相同，有的是實(shí)現(xiàn)精準(zhǔn)營(yíng)銷(xiāo)，增加產(chǎn)品銷(xiāo)量；有的是進(jìn)行產(chǎn)品改進(jìn)，提升用戶(hù)體驗(yàn)。明確用戶(hù)畫(huà)像的目標(biāo)是構(gòu)建用戶(hù)畫(huà)像的第一步，也是設(shè)計(jì)標(biāo)簽體系的基礎(chǔ)。目標(biāo)分析一般可以分為業(yè)務(wù)目標(biāo)分析和可用數(shù)據(jù)分析兩步。目標(biāo)分析的結(jié)果有兩個(gè)：一個(gè)是畫(huà)像的目標(biāo)，也就是畫(huà)像的效果評(píng)估標(biāo)準(zhǔn)；另一個(gè)是可用于畫(huà)像的數(shù)據(jù)。畫(huà)像的目標(biāo)確立要建立在對(duì)數(shù)據(jù)深入分析的基礎(chǔ)上，脫離數(shù)據(jù)制定的畫(huà)像目標(biāo)是沒(méi)有意義的。2）標(biāo)簽體系構(gòu)建分析完已有數(shù)據(jù)和畫(huà)像目標(biāo)之后，還不能直接進(jìn)行畫(huà)像建模工作，在畫(huà)像建模開(kāi)始之前需要先進(jìn)行標(biāo)簽體系的制定。對(duì)于標(biāo)簽體系的制定，既需要業(yè)務(wù)知識(shí)，也需要大數(shù)據(jù)知識(shí)，因此在制定標(biāo)簽體系時(shí)，最好有本領(lǐng)域的專(zhuān)家和大數(shù)據(jù)工程師共同參與。在制定標(biāo)簽體系時(shí)，可以參考業(yè)界的標(biāo)簽體系，尤其是同行業(yè)的標(biāo)簽體系。用業(yè)界已有的成熟方案解決目標(biāo)業(yè)務(wù)問(wèn)題，不僅可以擴(kuò)充思路，技術(shù)可行性也會(huì)比較高。此外，需要明確的一點(diǎn)是：標(biāo)簽體系不是一成不變的，隨著業(yè)務(wù)的發(fā)展，標(biāo)簽體系也會(huì)發(fā)生變化。例如電商行業(yè)的用戶(hù)標(biāo)簽，最初只需要消費(fèi)偏好標(biāo)簽，GPS標(biāo)簽既難以刻畫(huà)也沒(méi)有使用場(chǎng)景。隨著智能手機(jī)的普及，GPS數(shù)據(jù)變得易于獲取，而且線(xiàn)下?tīng)I(yíng)銷(xiāo)也越來(lái)越注重場(chǎng)景化，因此GPS標(biāo)簽也有了構(gòu)建的意義。3）畫(huà)像構(gòu)建基于用戶(hù)基礎(chǔ)數(shù)據(jù)，根據(jù)構(gòu)建好的標(biāo)簽體系，就可以進(jìn)行畫(huà)像構(gòu)建的工作了。用戶(hù)標(biāo)簽的刻畫(huà)是一個(gè)長(zhǎng)期的工作，不可能一步到位，需要不斷地?cái)U(kuò)充和優(yōu)化。一次性構(gòu)建中如果數(shù)據(jù)維度過(guò)多，可能會(huì)有目標(biāo)不明確、需求相互沖突、構(gòu)建效率低等問(wèn)題，因此在構(gòu)建過(guò)程中建議將項(xiàng)目進(jìn)行分期，每一期只構(gòu)建某一類(lèi)標(biāo)簽。畫(huà)像構(gòu)建中用到的技術(shù)有數(shù)據(jù)統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和自然語(yǔ)言處理技術(shù)（NLP）等，如圖10-3所示。具體的畫(huà)像構(gòu)建方法會(huì)在本文后面的部分詳細(xì)介紹。▲圖10-3用戶(hù)畫(huà)像的構(gòu)建技術(shù)2.標(biāo)簽體系目前主流的標(biāo)簽體系都是層次化的，如圖10-4所示。首先標(biāo)簽分為幾個(gè)大類(lèi)，每個(gè)大類(lèi)再進(jìn)行逐層細(xì)分。在構(gòu)建標(biāo)簽時(shí)，只需要構(gòu)建最下層的標(biāo)簽，就能夠映射出上面兩級(jí)標(biāo)簽。上層標(biāo)簽都是抽象的標(biāo)簽集合，一般沒(méi)有實(shí)用意義，只有統(tǒng)計(jì)意義。例如我們可以統(tǒng)計(jì)有人口屬性標(biāo)簽的用戶(hù)比例，但用戶(hù)有人口屬性標(biāo)簽，這本身對(duì)廣告投放沒(méi)有任何意義?！鴪D10-4互聯(lián)網(wǎng)大數(shù)據(jù)領(lǐng)域常用標(biāo)簽體系用于廣告投放和精準(zhǔn)營(yíng)銷(xiāo)的一般是底層標(biāo)簽，對(duì)于底層標(biāo)簽有兩個(gè)要求：一個(gè)是每個(gè)標(biāo)簽只能表示一種含義，避免標(biāo)簽之間的重復(fù)和沖突，便于計(jì)算機(jī)處理；另一個(gè)是標(biāo)簽必須有一定的語(yǔ)義，方便相關(guān)人員理解每個(gè)標(biāo)簽的含義。此外，標(biāo)簽的粒度也是需要注意的，標(biāo)簽粒度太粗會(huì)沒(méi)有區(qū)分度，粒度過(guò)細(xì)會(huì)導(dǎo)致標(biāo)簽體系太過(guò)復(fù)雜而不具有通用性。下文列舉了各個(gè)大類(lèi)常見(jiàn)的底層標(biāo)簽。人口標(biāo)簽：性別、年齡、地域、教育水平、出生日期、職業(yè)、星座興趣特征：興趣愛(ài)好、使用App/網(wǎng)站、瀏覽/收藏內(nèi)容、互動(dòng)內(nèi)容、品牌偏好、產(chǎn)品偏好社會(huì)特征：婚姻狀況、家庭情況、社交/信息渠道偏好消費(fèi)特征：收入狀況、購(gòu)買(mǎi)力水平、已購(gòu)商品、購(gòu)買(mǎi)渠道偏好、最后購(gòu)買(mǎi)時(shí)間、購(gòu)買(mǎi)頻次最后介紹一下構(gòu)建各類(lèi)標(biāo)簽的優(yōu)先級(jí)。對(duì)此需要綜合考慮業(yè)務(wù)需求、構(gòu)建難易程度等，業(yè)務(wù)需求各有不同，這里介紹的優(yōu)先級(jí)排序方法主要依據(jù)構(gòu)建的難易程度和各類(lèi)標(biāo)簽的依存關(guān)系，優(yōu)先級(jí)如圖10-5所示?！鴪D10-5各類(lèi)標(biāo)簽的構(gòu)建優(yōu)先級(jí)1）事實(shí)標(biāo)簽基于原始數(shù)據(jù)首先構(gòu)建的是事實(shí)標(biāo)簽，事實(shí)標(biāo)簽可以從數(shù)據(jù)庫(kù)直接獲?。ㄈ缱?cè)信息），或通過(guò)簡(jiǎn)單的統(tǒng)計(jì)得到。這類(lèi)標(biāo)簽構(gòu)建難度低、實(shí)際含義明確，且部分標(biāo)簽可用作后續(xù)標(biāo)簽挖掘的基礎(chǔ)特征（如產(chǎn)品購(gòu)買(mǎi)次數(shù)可用來(lái)作為用戶(hù)購(gòu)物偏好的輸入特征數(shù)據(jù)）。事實(shí)標(biāo)簽的構(gòu)造過(guò)程，也是對(duì)數(shù)據(jù)加深理解的過(guò)程。對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)的同時(shí)，不僅完成了數(shù)據(jù)的處理與加工，也對(duì)數(shù)據(jù)的分布有了一定的了解，為高級(jí)標(biāo)簽的構(gòu)造做好了準(zhǔn)備。2）模型標(biāo)簽?zāi)Ｐ蜆?biāo)簽是標(biāo)簽體系的核心，也是用戶(hù)畫(huà)像中工作量最大的部分，大多數(shù)用戶(hù)標(biāo)簽的核心都是模型標(biāo)簽。模型標(biāo)簽的構(gòu)建大多需要用到機(jī)器學(xué)習(xí)和自然語(yǔ)言處理技術(shù)，下文介紹的標(biāo)簽構(gòu)建主要指的是模型標(biāo)簽構(gòu)建，具體的構(gòu)造算法會(huì)在下文中詳細(xì)介紹。3）高級(jí)標(biāo)簽最后構(gòu)造的是高級(jí)標(biāo)簽，高級(jí)標(biāo)簽是基于事實(shí)標(biāo)簽和模型標(biāo)簽進(jìn)行統(tǒng)計(jì)建模得出的，它的構(gòu)造多與實(shí)際的業(yè)務(wù)指標(biāo)緊密聯(lián)系。只有完成基礎(chǔ)標(biāo)簽的構(gòu)建，才能夠構(gòu)造高級(jí)標(biāo)簽。構(gòu)建高級(jí)標(biāo)簽使用的模型，可以是簡(jiǎn)單的數(shù)據(jù)統(tǒng)計(jì)模型，也可以是復(fù)雜的機(jī)器學(xué)習(xí)模型。三、構(gòu)建用戶(hù)畫(huà)像我們把標(biāo)簽分為三類(lèi)，這三類(lèi)標(biāo)簽有較大的差異，構(gòu)建時(shí)所用技術(shù)的差別也很大。第一類(lèi)是人口屬性，這一類(lèi)標(biāo)簽比較穩(wěn)定，一旦建立很長(zhǎng)一段時(shí)間基本不用更新，標(biāo)簽體系也比較固定；第二類(lèi)是興趣屬性，這類(lèi)標(biāo)簽隨時(shí)間變化很快，標(biāo)簽有很強(qiáng)的時(shí)效性，標(biāo)簽體系也不固定；第三類(lèi)是地理屬性，這一類(lèi)標(biāo)簽的時(shí)效性跨度很大，如GPS軌跡標(biāo)簽需要做到實(shí)時(shí)更新，而常住地標(biāo)簽一般可以幾個(gè)月不用更新，所用的挖掘方法和前面兩類(lèi)也大有不同，如圖10-6所示。▲圖10-6三類(lèi)標(biāo)簽屬性1.人口屬性畫(huà)像人口屬性包括年齡、性別、學(xué)歷、人生階段、收入水平、消費(fèi)水平、所屬行業(yè)等。這些標(biāo)簽基本是穩(wěn)定的，構(gòu)建一次可以很長(zhǎng)一段時(shí)間不用更新，標(biāo)簽的有效期都在一個(gè)月以上。同時(shí)標(biāo)簽體系的劃分也比較固定，表10-2是中國(guó)無(wú)線(xiàn)營(yíng)銷(xiāo)聯(lián)盟對(duì)人口屬性的一個(gè)劃分。大部分主流的人口屬性標(biāo)簽都和這個(gè)體系類(lèi)似，有些在分段上有一些區(qū)別。▼表10-2人口標(biāo)簽很多產(chǎn)品（如QQ、Facebook等）都會(huì)引導(dǎo)用戶(hù)填寫(xiě)基本信息，這些信息就包括年齡、性別、收入等大多數(shù)的人口屬性，但完整填寫(xiě)個(gè)人信息的用戶(hù)只占很少一部分。對(duì)于無(wú)社交屬性的產(chǎn)品（如輸入法、團(tuán)購(gòu)App、視頻網(wǎng)站等），用戶(hù)信息的填充率非常低，有的甚至不足5%。在這種情況下，一般會(huì)用填寫(xiě)了信息的用戶(hù)作為樣本，把用戶(hù)的行為數(shù)據(jù)作為特征訓(xùn)練模型，對(duì)無(wú)標(biāo)簽的用戶(hù)進(jìn)行人口屬性的預(yù)測(cè)。這種模型把有標(biāo)簽用戶(hù)的標(biāo)簽傳給與他行為相似的用戶(hù)，可以認(rèn)為是對(duì)人群進(jìn)行了標(biāo)簽擴(kuò)散，因此常被稱(chēng)為標(biāo)簽擴(kuò)散模型。下面使用視頻網(wǎng)站性別年齡畫(huà)像的例子來(lái)說(shuō)明標(biāo)簽擴(kuò)散模型是如何構(gòu)建的。某個(gè)視頻網(wǎng)站希望了解自己的用戶(hù)組成，于是對(duì)用戶(hù)的性別進(jìn)行畫(huà)像。通過(guò)數(shù)據(jù)統(tǒng)計(jì)，有大約30%的用戶(hù)在注冊(cè)時(shí)填寫(xiě)了個(gè)人信息，將這30%的用戶(hù)作為訓(xùn)練集，以構(gòu)建全量用戶(hù)的性別畫(huà)像，所用數(shù)據(jù)如表10-3所示。▼表10-3視頻網(wǎng)站用戶(hù)數(shù)據(jù)下面來(lái)構(gòu)建特征。通過(guò)分析發(fā)現(xiàn)男性和女性對(duì)于影片的偏好是有差別的，因此使用用戶(hù)觀(guān)看的影片列表預(yù)測(cè)用戶(hù)性別有一定的可行性。此外，還可以考慮用戶(hù)的觀(guān)看時(shí)間、瀏覽器、觀(guān)看時(shí)長(zhǎng)等，為了簡(jiǎn)化，這里只使用用戶(hù)觀(guān)看的影片特征。由于觀(guān)看影片特征是稀疏特征，所以可以調(diào)用MLlib，使用LR、線(xiàn)性SVM等模型進(jìn)行訓(xùn)練?？紤]到注冊(cè)用戶(hù)填寫(xiě)的用戶(hù)信息的準(zhǔn)確性不高，所以可以從30%的樣本集中提取準(zhǔn)確性較高的部分（如用戶(hù)信息填寫(xiě)較完備的）用于訓(xùn)練，因此整體的訓(xùn)練流程如圖10-7所示。對(duì)于預(yù)測(cè)性別這樣的二分類(lèi)模型，如果行為的區(qū)分度較好，一般準(zhǔn)確率和覆蓋率都可以達(dá)到70%左右?！鴪D10-7訓(xùn)練流程對(duì)于人口屬性標(biāo)簽，只要有一定的樣本標(biāo)簽數(shù)據(jù)，并找到能夠區(qū)分標(biāo)簽類(lèi)別的用戶(hù)行為特征，就可以構(gòu)建標(biāo)簽擴(kuò)散模型。其中使用的技術(shù)方法主要是機(jī)器學(xué)習(xí)中的分類(lèi)技術(shù)，常用的模型有LR、FM、SVM、GBDT等。2.興趣畫(huà)像興趣畫(huà)像是互聯(lián)網(wǎng)領(lǐng)域中使用最廣泛的畫(huà)像，互聯(lián)網(wǎng)廣告、個(gè)性化推薦、精準(zhǔn)營(yíng)銷(xiāo)等領(lǐng)域最核心的標(biāo)簽都是興趣標(biāo)簽。興趣畫(huà)像主要是從用戶(hù)海量的行為日志中進(jìn)行核心信息抽取、標(biāo)簽化和統(tǒng)計(jì)，因此在構(gòu)建用戶(hù)興趣畫(huà)像之前需要先對(duì)用戶(hù)有行為的內(nèi)容進(jìn)行內(nèi)容建模。內(nèi)容建模需要注意粒度，過(guò)細(xì)的粒度會(huì)導(dǎo)致標(biāo)簽沒(méi)有泛化能力和使用價(jià)值，過(guò)粗的粒度會(huì)導(dǎo)致標(biāo)簽沒(méi)有區(qū)分度。例如用戶(hù)在購(gòu)物網(wǎng)上點(diǎn)擊查看了一雙“NikeAIRMAX跑步鞋”，如果用單個(gè)商品作為粒度，畫(huà)像的粒度就過(guò)細(xì)，結(jié)果是只知道用戶(hù)對(duì)“NikeAIRMAX跑步鞋”有興趣，在進(jìn)行商品推薦時(shí)，也只能給用戶(hù)推薦這雙鞋；而如果用大品類(lèi)作為粒度，如“運(yùn)動(dòng)戶(hù)外”，將無(wú)法發(fā)現(xiàn)用戶(hù)的核心需求是買(mǎi)鞋，從而會(huì)給用戶(hù)推薦所有的運(yùn)動(dòng)用品，如乒乓球拍、籃球等，這樣的推薦缺乏準(zhǔn)確性，用戶(hù)的點(diǎn)擊率就會(huì)很低。為了保證興趣畫(huà)像既有一定的準(zhǔn)確性又有較好的泛化性，我們會(huì)構(gòu)建層次化的興趣標(biāo)簽體系，其中同時(shí)用幾個(gè)粒度的標(biāo)簽去匹配用戶(hù)興趣，既保證了標(biāo)簽的準(zhǔn)確性，又保證了標(biāo)簽的泛化性。下面以用戶(hù)的新聞興趣畫(huà)像舉例，介紹如何構(gòu)建層次化的興趣標(biāo)簽。新聞興趣畫(huà)像的處理難度要比購(gòu)物興趣畫(huà)像困難，購(gòu)物標(biāo)簽體系基本固定，如圖10-8所示，京東頁(yè)面已經(jīng)有成熟的三級(jí)類(lèi)目體系?！鴪D10-8三級(jí)類(lèi)目體系1）內(nèi)容建模新聞數(shù)據(jù)本身是非結(jié)構(gòu)化的，首先需要人工構(gòu)建一個(gè)層次化的標(biāo)簽體系。考慮如圖10-9所示的一篇新聞，看看哪些內(nèi)容可以表示用戶(hù)的興趣?！鴪D10-9新聞例子首先，這是一篇體育新聞，體育這個(gè)新聞分類(lèi)可以表示用戶(hù)興趣，但是這個(gè)標(biāo)簽太粗了，因?yàn)橛脩?hù)可能只對(duì)足球感興趣，所以體育這個(gè)標(biāo)簽就顯得不夠準(zhǔn)確。其次，可以使用新聞中的關(guān)鍵詞，尤其是里面的專(zhuān)有名詞（人名、機(jī)構(gòu)名），如“桑切斯”“阿森納”“厄齊爾”，這些詞也表示了用戶(hù)的興趣。關(guān)鍵詞的主要問(wèn)題在于粒度太細(xì)，如果某天的新聞里沒(méi)有這些關(guān)鍵詞，就無(wú)法給用戶(hù)推薦內(nèi)容。最后，我們希望有一個(gè)中間粒度的標(biāo)簽，既有一定的準(zhǔn)確度，又有一定的泛化能力。于是我們嘗試對(duì)關(guān)鍵詞進(jìn)行聚類(lèi)，把一類(lèi)關(guān)鍵詞當(dāng)成一個(gè)標(biāo)簽，或者拆分一個(gè)分類(lèi)下的新聞，生成像“足球”這種粒度介于關(guān)鍵詞和分類(lèi)之間的主題標(biāo)簽。我們可以使用文本主題聚類(lèi)完成主題標(biāo)簽的構(gòu)建。至此，就完成了對(duì)新聞內(nèi)容從粗到細(xì)的“分類(lèi)-主題-關(guān)鍵詞”三層標(biāo)簽體系的內(nèi)容建模，新聞的三層標(biāo)簽如表10-4所示。▼表10-4三層標(biāo)簽體系可能讀者會(huì)有疑問(wèn)，既然主題的準(zhǔn)確度和覆蓋率都不錯(cuò)，我們只使用主題不就可以了嗎？為什么還要構(gòu)建分類(lèi)和關(guān)鍵詞這兩層標(biāo)簽?zāi)兀窟@么做是為了針對(duì)用戶(hù)進(jìn)行盡可能精確和全面的內(nèi)容推薦。當(dāng)用戶(hù)的關(guān)鍵詞命中新聞時(shí)，顯然能夠給用戶(hù)更準(zhǔn)確的推薦，這時(shí)就不需要再使用主題標(biāo)簽；而對(duì)于比較小眾的主題（如體育類(lèi)的冰上運(yùn)動(dòng)主題），若當(dāng)天沒(méi)有新聞覆蓋，就可以根據(jù)分類(lèi)標(biāo)簽進(jìn)行推薦。層次標(biāo)簽兼顧了刻畫(huà)用戶(hù)興趣的覆蓋率和準(zhǔn)確性。2）興趣衰減在完成內(nèi)容建模以后，就可以根據(jù)用戶(hù)點(diǎn)擊，計(jì)算用戶(hù)對(duì)分類(lèi)、主題、關(guān)鍵詞的興趣，得到用戶(hù)興趣標(biāo)簽的權(quán)重。最簡(jiǎn)單的計(jì)數(shù)方法是，用戶(hù)點(diǎn)擊一篇新聞，就把用戶(hù)對(duì)該篇新聞的所有標(biāo)簽興趣值上加1，用戶(hù)對(duì)每個(gè)詞的興趣計(jì)算使用如下的公式：scorei+1=scorei+C×weight其中，詞在這次瀏覽的新聞中出現(xiàn)，則C=1，否則C=0,weight表示詞在這篇新聞中的權(quán)重。這樣做有兩個(gè)問(wèn)題：一個(gè)是用戶(hù)的興趣累加是線(xiàn)性的，數(shù)值會(huì)非常大，老的興趣權(quán)重會(huì)特別高；另一個(gè)是用戶(hù)的興趣有很強(qiáng)的時(shí)效性，對(duì)一篇新聞昨天的點(diǎn)擊要比一個(gè)月之前的點(diǎn)擊重要的多，線(xiàn)性疊加無(wú)法突出用戶(hù)的近期興趣。為了解決這個(gè)問(wèn)題，需要對(duì)用戶(hù)興趣得分進(jìn)行衰減，可使用如下的方法對(duì)興趣得分進(jìn)行次數(shù)衰減和時(shí)間衰減。次數(shù)衰減的公式如下：scorei+1=α×scorei+C×weight,0<α<1其中，α是衰減因子，每次都對(duì)上一次的分?jǐn)?shù)做衰減，最終得分會(huì)收斂到一個(gè)穩(wěn)定值，α取0.9時(shí)，得分會(huì)無(wú)限接近10。時(shí)間衰減的公式如下：scoreday+1=scoreday×β,0<β<1它表示根據(jù)時(shí)間對(duì)興趣進(jìn)行衰減，這樣做可以保證時(shí)間較早期的興趣會(huì)在一段時(shí)間以后變得非常弱，同時(shí)近期的興趣會(huì)有更大的權(quán)重。根據(jù)用戶(hù)興趣變化的速度、用戶(hù)活躍度等因素，也可以對(duì)興趣進(jìn)行周級(jí)別、月級(jí)別或小時(shí)級(jí)別的衰減。3.地理位置畫(huà)像地理位置畫(huà)像一般分為兩部分：一部分是常駐地畫(huà)像；一部分是GPS畫(huà)像。這兩類(lèi)畫(huà)像的差別很大，常駐地畫(huà)像比較容易構(gòu)造且標(biāo)簽比較穩(wěn)定，GPS畫(huà)像需要實(shí)時(shí)更新。常駐地包括國(guó)家、省份、城市三級(jí)，一般只細(xì)化到城市粒度。在常駐地挖掘中，對(duì)用戶(hù)的IP地址進(jìn)行解析，并對(duì)應(yīng)到相應(yīng)的城市，再對(duì)用戶(hù)IP出現(xiàn)的城市進(jìn)行統(tǒng)計(jì)就可以得到常駐城市標(biāo)簽。用戶(hù)的常駐城市標(biāo)簽不僅可以用來(lái)統(tǒng)計(jì)各個(gè)地域的用戶(hù)分布，還可以根據(jù)用戶(hù)在各個(gè)城市之間的出行軌跡識(shí)別出差人群、旅游人群等。GPS數(shù)據(jù)一般從手機(jī)端收集，但很多手機(jī)App沒(méi)有獲取用戶(hù)GPS信息的權(quán)限。能夠獲取用戶(hù)GPS信息的主要是百度地圖、滴滴打車(chē)等出行導(dǎo)航類(lèi)App，此外收集到的用戶(hù)GPS數(shù)據(jù)比較稀疏。百度地圖使用該方法并結(jié)合時(shí)間段數(shù)據(jù)，構(gòu)建了用戶(hù)公司和家的GPS標(biāo)簽。此外百度地圖還基于GPS信息，統(tǒng)計(jì)各條路上的車(chē)流量，進(jìn)行路況分析，圖10-10所示是北京市某天的實(shí)時(shí)路況圖，紅色表示擁堵線(xiàn)路?！鴪D10-10北京的實(shí)時(shí)路況圖四、