本系列文章将从最简朴的观念开始，慢慢讲授推荐系统的成长过程和最新实践。以产物司理的视角，叙述推荐系统涉及的算法，技能和架构。本文将先容推荐系统如何给现实世界中的用户打数字化的标签：用户画像。

用户画像，简朴来讲，就是我们给用户打上的一系列的标签。它的应用很是遍及，在互联网产物的任何一个规模，任何一种实现用户本性化的成果，都需要用到用户画像。本文只涉及推荐系统的用户画像体系。

一、推荐系统用户画像长什么样

用户画像这个词具有遍及性。 它被应用于推荐，告白，搜索，本性化营销等各个规模。任何时候，不管出于什么目标，我们想描写我们的用户是谁的时候，各人城市用到用户画像这个词。

好比：

（1）产物司理定性用户阐明

设计产物成果时，会对用户是谁举办描述。如：方针用户群体的人口属性，社会配景，利用习惯等信息。这种用户画像主要描写用户是谁，以便做好成果定位。

如下图中的定性用户画像分群：

（2）数据阐明用户画像

阐明用户行为，用户举办聚类行为阐明。如：数据阐明师大概会给出，寓目电商直播的男女比例，得出女性用户更喜欢看我们的电商直播这样的结论。

（3）推荐系统用户画像

为成立本性化成果，用各类步伐给用户大局限打上几万甚至几千万个标签。这种标签不只仅有偏好，尚有偏好水平值。

本文所指的用户画像，仅仅涉及第三种环境。一般地，推荐系统的用户画像长成这个样子：

推荐系统的用户画像，一般包罗用户基本信息和偏好信息。而偏好画像是重点，数量上占了推荐系统用户画像的绝大大都，是我们召回和模子练习的基石。

因为呆板跟人差异，一个词“中国”对付人来说是有意义的，对付呆板只是一个汉字编码。因为用户画像，为了能让呆板计较，需要带上概率值可能偏好值（权重值）等。

我们接下来就聊一聊，在推荐系统中，这种带了一些列数字的用户画像怎么构建出来的。

二、用户画像怎么用？

之一章的先容过，推荐进程分为：召回、初排和精排三个阶段。用户画像主要用在召回和初排两个阶段。

召回阶段利用用户画像，主要是通过用户画像召回相似的物品。好比一个短视频APP上，用户海贼王偏好值较量高，就可以针对海贼王举办内容召回。

初排阶段利用用户画像，是在模子上利用的。模子将用户画像数据作为一部门的特征值，用于模子的离线练习可能及时模子更新。

三、用户画像的分类

用户画像是一个较量大而全的观念，标签是用户画像最根基的单位，用户画像是有成千上万个标签组合而成的。当我们想对用户画像举办分类时，通过对用户标签的分类就可以了。每个平台有本身的用户画像体系。对推荐系统的构建来说，一般从以下维度来做标签分类。

如下图所示：

个中：

（1）基本用户画像

人口统计学标签：用户的性别，年数，地域等信息。

行为特征标签：用户在互联网平台的注册，活泼，付费，欣赏等方面的行为记录发生的用户标签。

性格标签：豁达大方，一个钱打二十四个结，激动消费等范例标签

（2）偏好用户画像

恒久偏好标签：用户对较长时间内，几个月甚至是几年内，对某类事物的不变偏好。

短期偏好标签：用户最近较短时间内，七天内甚至是几分钟内，对某类事物的偏好。

泛化偏好标签：浩瀚的用户偏好中，差异的偏好之间有关联性可能相似性，就像啤酒和尿布那样。用户对啤酒有过直接的行为，但对尿布还没有，那么尿布大概是他的泛化偏好。