用戶畫像之標籤權重演算法

接下來的幾篇文章想和大家分享下關於用戶畫像的一些東西。今天我們先從用戶畫像的標籤權重開始聊起吧。

用戶畫像：即用戶信息標籤化，通過收集用戶社會屬性、消費習慣、偏好特徵等各個維度數據，進而對用戶或者產品特徵屬性的刻畫，並對這些特徵分析統計挖掘潛在價值信息，從而抽象出一個用戶的信息全貌，可看做是企業應用大數據的根基，是定向廣告投放與個性化推薦的前置條件。

先舉個場景，程序員小Z在某電商平台上註冊了賬號，經過一段時間在該電商平台的web端/app端進行瀏覽、所搜、收藏商品、下單購物等系列行為，該電商平台資料庫已全程記錄該用戶在平台上的行為，通過系列建模演算法，給程序員小Z打上了符合其特徵的標籤（如下圖所示）。此後程序員小Z在該電商平台的相關推薦版塊上總能發現自己想買的商品，總能在下單前猶豫不決時收到優惠券的推送，總是在平台上越逛越喜歡....

上面的例子是用戶畫像一些應用場景。而本文主要分享的是打在用戶身上標籤的權重是如何確定的。

如上圖所示，一個用戶標籤表裡面包括常見的欄位如：用戶id、用戶姓名、標籤id、標籤名稱、用戶與該標籤發生行為的次數（如搜索了兩次「大數據」這個關鍵詞）、行為類型（不同的行為類型對應用戶對商品不同的意願強度，如購買某商品>收藏某商品>瀏覽某商品>搜索某商品），行為時間（越久遠的時間對用戶當前的影響越小，如5年前你會搜索一本高考的書，而現在你會搜索一本考研的書）。最後非常重要的一個欄位是標籤權重，該權重影響著對用戶屬性的歸類，屬性歸類不準確，接下來基於畫像對用戶進行推薦、營銷的準確性也就無從談起了。下面我們來講兩種權重的劃分方法：

1、基於TF-IDF演算法的權重歸類

TF-IDF演算法是什麼思想，這裡不做詳細展開，簡而言之：一個詞語的重要性隨著它在該文章出現的次數成正比，隨它在整個文檔集中出現的次數成反比。

比如說我們這裡有3個用戶和4個標籤，標籤和用戶之間的關係將會在一定程度上反應出標籤之間的關係。這裡我們用w（P , T）表示一個標籤T被用於標記用戶P的次數。TF（P , T）表示這個標記次數在用戶P所有標籤中所佔的比重，公式如下圖：

對上面的圖來說，用戶1身上打了標籤A 5個，標籤B 2個，標籤C 1個，那麼用戶1身上的A標籤TF=5/（5+2+1） 。 相應的IDF（P , T）表示標籤T在全部標籤中的稀缺程度，即這個標籤的出現幾率。如果一個標籤T出現幾率很小，並且同時被用於標記某用戶，這就使得該用戶與該標籤T之間的關係更加緊密。

然後我們根據TF * IDF即可得到該用戶該標籤的權重值。到這裡還沒結束，此時的權重是不考慮業務場景，僅考慮用戶與標籤之間的關係，顯然是不夠的。還需要考慮到該標籤所處的業務場景、發生的時間距今多久、用戶產生該標籤的行為次數等等因素。我用個圖總結下：

2、基於相關係數矩陣的權重歸類

這個相關係數矩陣聽title挺困難，其實道理十分簡單。舉個例子：用戶1身上打上了5個A標籤、2個B標籤、1個C標籤；用戶2身上打上了4個A標籤，3個B標籤；用戶3身上打上了4個C標籤、1個D標籤。

用個圖形象表示一下：

那麼同時打上A、B標籤的用戶有兩個人，這就說明AB之間可能存在某種相關性，當用戶量、標籤量級越多時，標籤兩兩之間的相關性也越明顯。

作者：趙宏田 Python愛好者社區專欄作者，請勿轉載，謝謝。

博客：https://zhuanlan.zhihu.com/pythoncoder

出處：用戶畫像之標籤權重演算法

配套視頻教程：Python3爬蟲三大案例實戰分享：貓眼電影、今日頭條街拍美圖、淘寶美食 Python3爬蟲三大案例實戰分享

公眾號：Python愛好者社區（微信ID：python_shequ），關注，查看更多連載內容。

加小編個人微信：tsdatajob ，跟作者互動，一起探討。

推薦閱讀：