用戶畫(huà)像在大數(shù)據(jù)分析中是一種很有用的系統(tǒng)，它可以各種不同的系統(tǒng)中，起到很關(guān)鍵的作用。比如搜索引擎、推薦系統(tǒng)、內(nèi)容系統(tǒng)等等，可以幫助應(yīng)用實(shí)現(xiàn)千人千面、個(gè)性化、精準(zhǔn)等的效果。
下面將從幾個(gè)方面來(lái)說(shuō)一下，什么是用戶畫(huà)像，主要的內(nèi)容來(lái)自《用戶網(wǎng)絡(luò)行為畫(huà)像分析與內(nèi)容推薦應(yīng)用》這本書(shū)。
應(yīng)用場(chǎng)景
數(shù)據(jù)來(lái)源
特性
建模
群體畫(huà)像
畫(huà)像的存儲(chǔ)
畫(huà)像的查詢
畫(huà)像的更新
圖片來(lái)自京東——想要購(gòu)買(mǎi)可以點(diǎn)這里跳轉(zhuǎn)
應(yīng)用場(chǎng)景
下面舉幾個(gè)很典型的場(chǎng)景：
搜索引擎
在搜索的時(shí)候考慮用戶的畫(huà)像標(biāo)簽，返回用戶感興趣的內(nèi)容。比如同一個(gè)關(guān)鍵字“諸葛亮”，王者榮耀的愛(ài)好者搜索的時(shí)候應(yīng)該返回“諸葛亮”相關(guān)的內(nèi)容，比如如何加銘文、如何五殺等等；而歷史愛(ài)好者搜索的時(shí)候，應(yīng)該返回三國(guó)相關(guān)的內(nèi)容。
推薦系統(tǒng)
推薦系統(tǒng)可以根據(jù)用戶的喜好和特征，也就是用戶的畫(huà)像，推薦相關(guān)的內(nèi)容。比如，給一個(gè)用戶定位的畫(huà)像是美妝達(dá)人，那么就應(yīng)該給她多推送一些面膜護(hù)膚之類的東西，而不是推一堆零食。
內(nèi)容推薦
比如新聞?lì)惖漠a(chǎn)品或者讀書(shū)類的產(chǎn)品，根據(jù)用戶的喜好不同，展現(xiàn)不同的內(nèi)容。
數(shù)據(jù)來(lái)源
用戶畫(huà)像的數(shù)據(jù)來(lái)源主要包括兩個(gè)方面：
屬性數(shù)據(jù)，這部分?jǐn)?shù)據(jù)一般是用戶的注冊(cè)信息，也可以是從其他數(shù)據(jù)中分析得出的。比如生日、性別、住址、愛(ài)好等
行為數(shù)據(jù)，這部分?jǐn)?shù)據(jù)一般都是用戶的訪問(wèn)日志記錄的行為數(shù)據(jù)。比如常用的一些后端日志數(shù)據(jù)、前端埋點(diǎn)數(shù)據(jù)等等。
通過(guò)這兩部分的數(shù)據(jù)，就能刻畫(huà)出用戶的畫(huà)像，其實(shí)就是給用戶打上一個(gè)標(biāo)簽，比如高富帥、白富美等等。
特性
用戶畫(huà)像具有很明顯的動(dòng)態(tài)性和時(shí)空局部性。
在用戶的數(shù)據(jù)中，屬性信息一般不會(huì)改變；但是行為數(shù)據(jù)是隨時(shí)會(huì)發(fā)生變化的，比如用戶看了一個(gè)新的電影、閱讀了新的文章等。這時(shí)它的數(shù)據(jù)就是動(dòng)態(tài)變化的，這部分?jǐn)?shù)據(jù)應(yīng)該動(dòng)態(tài)的更新到用戶的畫(huà)像上。
時(shí)間上，用戶的一些需求是很快會(huì)發(fā)生變化的，比如最近下雨，用戶想要買(mǎi)一把傘，如果幾天后才捕捉到用戶的需求，此時(shí)天都晴了；另一方面，空間上，用戶在不同的領(lǐng)域喜好也不同，可能在新聞?lì)I(lǐng)域用戶是一個(gè)嚴(yán)重的軍事迷，但是在網(wǎng)購(gòu)時(shí)，又是一個(gè)小清新，因此需要考慮到不同空間用戶不同的需求場(chǎng)景，刻畫(huà)對(duì)應(yīng)的畫(huà)像。
用戶畫(huà)像建模
用戶的畫(huà)像分為定量畫(huà)像和定性畫(huà)像，網(wǎng)上也沒(méi)有找到這兩種明確的定義。不過(guò)參考1的文章中是這樣定義的：
定性畫(huà)像，是指在小規(guī)模的數(shù)據(jù)中分析出的用戶的畫(huà)像，比如問(wèn)卷調(diào)查，訪談等等
定量畫(huà)像，是在大規(guī)模的數(shù)據(jù)中分析的，比如日志等
這一塊的內(nèi)容，理解的并不好....以后會(huì)多加補(bǔ)充
基于標(biāo)簽的畫(huà)像
在用戶的定性畫(huà)像中，標(biāo)簽化是核心。即把用戶的畫(huà)像變成一個(gè)一個(gè)的標(biāo)簽，那么在考慮標(biāo)簽化的同時(shí)，需要注意下面的幾個(gè)方面：
如何定義標(biāo)簽?標(biāo)簽的名稱、類別、取值
如何解釋標(biāo)簽？標(biāo)簽的語(yǔ)義描述
如何推理標(biāo)簽？標(biāo)簽實(shí)現(xiàn)的過(guò)程
如何驗(yàn)證標(biāo)簽？定義是否合理，推導(dǎo)是否合理
基于知識(shí)的畫(huà)像（個(gè)人理解）
知識(shí)工程，在百科中的解釋是：
“知識(shí)工程”的產(chǎn)生，把人類所專有的文化、科學(xué)、知識(shí)、思想等同現(xiàn)代機(jī)器聯(lián)系起來(lái)，形成了人——機(jī)系統(tǒng)。
即需要領(lǐng)域?qū)＜遥ㄓ薪?jīng)驗(yàn)的老業(yè)務(wù)）配合來(lái)做機(jī)器智能的分析。
知識(shí)工程的大體過(guò)程為：知識(shí)的獲取-->驗(yàn)證-->表示-->推論-->解釋和理由
在用戶畫(huà)像中，就是配合用戶和物品的屬性，建立對(duì)應(yīng)關(guān)系，這部分的對(duì)應(yīng)關(guān)系需要知識(shí)專家進(jìn)行鑒別推理和構(gòu)建。比如有一些“專家”會(huì)把電影分為幾類，愛(ài)情片、動(dòng)作片、科幻片、恐怖片，這些都是需要領(lǐng)域?qū)＜襾?lái)設(shè)定的，而不是靠人工分層分類1分類2分類3...
構(gòu)建的過(guò)程
在構(gòu)建用戶畫(huà)像時(shí)，大致可以按照下面的步驟：
構(gòu)建領(lǐng)域詞匯：不同的領(lǐng)域會(huì)有不同專業(yè)的詞匯，描繪人的、電影的、書(shū)籍的詞匯都是不同的。這部分可以參考其他同類的產(chǎn)品，如果是獨(dú)創(chuàng)的領(lǐng)域，那么就需要這個(gè)領(lǐng)域資深的“玩家”來(lái)定義了。
確定分類之間的層次：畫(huà)像也是有層次的，比如電影的里面的人分為演員、導(dǎo)員、觀眾等。需要對(duì)標(biāo)簽（畫(huà)像）歸類處理。
定義屬性：為不同的畫(huà)像定義屬性，包括對(duì)象屬性和數(shù)值屬性。比如在電影的場(chǎng)景中，對(duì)象屬性是上映的時(shí)間、導(dǎo)演，數(shù)值屬性是觀看量、時(shí)長(zhǎng)等。
定義實(shí)例：實(shí)例就是最終的畫(huà)像，是由分類和屬性組成的。
定義約束：這個(gè)是描述一個(gè)物品的規(guī)則，比如電影是由（名稱、類型、時(shí)長(zhǎng)、導(dǎo)演、主演）等等屬性組成的，那么任何一個(gè)電影都可以由這種方式來(lái)定義。
群體用戶畫(huà)像
用戶畫(huà)像是用來(lái)描述目標(biāo)用戶的畫(huà)像，而群體畫(huà)像則是對(duì)一類相似的用戶的描述。比如成熟穩(wěn)重型、可愛(ài)蘿莉型等。
那么如何定義群體畫(huà)像呢？可以按照下面的步驟：
獲取用戶畫(huà)像
計(jì)算用戶畫(huà)像的相似度
用戶畫(huà)像聚類
群體用戶畫(huà)像生成
定義用戶畫(huà)像之間的相似度
計(jì)算用戶畫(huà)像之間的相似度，可以參考下面的公式：
其中wk表示第k個(gè)畫(huà)像的權(quán)重，比如在電影里面，用戶喜歡的電影類型比重要比電影的時(shí)長(zhǎng)重要的多，在計(jì)算相似度的時(shí)候權(quán)重也應(yīng)該更大一些。
計(jì)算相似度有很多中方法，比如：歐氏距離、曼哈頓距離、夾角余弦、皮爾遜相關(guān)系數(shù)、杰卡德距離等，每一種都有自己適合的場(chǎng)景。
畫(huà)像聚類
畫(huà)像聚類的方式有很多，比如K-means，原理就是隨機(jī)幾個(gè)點(diǎn)，看各個(gè)點(diǎn)的數(shù)據(jù)跟哪個(gè)點(diǎn)接近，就歸為哪一類。然后不斷調(diào)整中心點(diǎn)，達(dá)到最終聚合的效果。
用戶畫(huà)像存儲(chǔ)
用戶畫(huà)像有很多中表示的方法，比如：
關(guān)鍵詞法，用一對(duì)的關(guān)鍵詞描述畫(huà)像，這種方式最容易理解
評(píng)分矩陣法，用二維矩陣的方式，通過(guò)評(píng)分表示。這種在協(xié)同過(guò)濾中很常見(jiàn)
向量空間表示法，這種是基于向量的方式描述畫(huà)像
本體表示法，不太懂
不同的表示方法，對(duì)于存儲(chǔ)的方式來(lái)說(shuō)，也會(huì)不同。
一般用戶畫(huà)像常用的存儲(chǔ)引擎有：
關(guān)系型數(shù)據(jù)庫(kù)，通過(guò)中間表的方式存儲(chǔ)用戶和畫(huà)像之間的關(guān)系，有點(diǎn)就是查詢快、缺點(diǎn)就是數(shù)據(jù)量大的時(shí)候扛不住。
NoSql數(shù)據(jù)庫(kù)，常見(jiàn)的就是鍵值數(shù)據(jù)庫(kù)（Redis）列數(shù)據(jù)庫(kù)（Hbase）文檔數(shù)據(jù)庫(kù)（mongodb）圖數(shù)據(jù)庫(kù)（neo4j）等，每種數(shù)據(jù)庫(kù)都有自己適合的場(chǎng)景。
數(shù)據(jù)倉(cāng)庫(kù)，數(shù)據(jù)倉(cāng)庫(kù)是一種面向主題的存儲(chǔ),可以更好的解決領(lǐng)域分析的問(wèn)題。而且它保留了數(shù)據(jù)的時(shí)間變化，對(duì)于分析歷史來(lái)說(shuō)，非常有幫助。但是不適合實(shí)時(shí)查詢。
用戶畫(huà)像的查詢
用戶畫(huà)像的場(chǎng)景下：
1 對(duì)于畫(huà)像的查詢要求是高并發(fā)、高聚合，比如會(huì)有很多人查詢它自己的畫(huà)像；也會(huì)通過(guò)一個(gè)畫(huà)像屬性，查詢所有相關(guān)的人。
2 在畫(huà)像的查詢中，大量的查詢都是重復(fù)的，因此可以著重考慮緩存機(jī)制。
用戶畫(huà)像更新
在畫(huà)像的更新方面，需要考慮的問(wèn)題是：
1 如何實(shí)時(shí)獲取變化的畫(huà)像？
2 如何設(shè)置合適的更新觸發(fā)條件？
3 如何設(shè)計(jì)高效的算法？
對(duì)于獲取用戶的信息，可以把用戶逇信息分為靜態(tài)信息數(shù)據(jù)和動(dòng)態(tài)信息數(shù)據(jù)，
更新的機(jī)制
一種是設(shè)置更新的條件，比如購(gòu)買(mǎi)達(dá)到1w元，立馬升級(jí)成VIP標(biāo)識(shí)
一種是設(shè)置固定的時(shí)間周期，更新畫(huà)像。這種最簡(jiǎn)單，直接沒(méi)天凌晨跑一個(gè)畫(huà)像的更新任務(wù)就行了。
另一種是從增量的數(shù)據(jù)中計(jì)算畫(huà)像，然后對(duì)比舊的數(shù)據(jù)，考慮是否更新用戶的畫(huà)像。
以上就是用戶畫(huà)像的基本內(nèi)容，也是《用戶網(wǎng)絡(luò)行為畫(huà)像分析與內(nèi)容推薦應(yīng)用》這本書(shū)的第一部分，后續(xù)會(huì)更新其他的部分。
參考
1 什么是定性畫(huà)像、什么是定量畫(huà)像？http://www.jianshu.com/p/3750d9349b71
2 《用戶網(wǎng)絡(luò)行為畫(huà)像分析與內(nèi)容推薦應(yīng)用》想要電子版的私M。~
http://www.cnblogs.com/xing901022/p/7128398.html
