深度学习用户画像_一文告诉你什么是用户画像

什么是用户画像

用户画像&＃xff0c;英文又叫 User Profile&＃xff0c;我们经常看到在 PPT 中展现出高大上的用户画像&＃xff0c;展现的方式是采用标签云的方式绘制一个人的形状&＃xff0c;或者在一个人物形象旁边列出若干人口统计学属性&＃xff0c;以此来表达“用户画像”这个概念。

上面这种方式看上去非常炫酷&＃xff0c;但实际上这么做的目的只是为了对外展现&＃xff0c;用户画像最应该是给机器看&＃xff0c;而不是给人看。如果要给机器看&＃xff0c;那每个用户的画像应该就是一个向量。

用户向量化后的结果&＃xff0c;就是 User Profile&＃xff0c;俗称“用户画像”。所以&＃xff0c;用户画像不是推荐系统的目的&＃xff0c;而是在构建推荐系统的过程中产生的一个关键环节的副产品。

通常大型推荐系统一般都分为召回和排序两个阶段&＃xff0c;因为全量物品通常数量非常大&＃xff0c;无法为一个用户(User)逐一计算每一个物品(Item)的评分&＃xff0c;这时候就需要一个召回阶段&＃xff0c;其实就是预先筛选一部分物品(Item)&＃xff0c;从而降低计算量&＃xff0c;用户画像除了用于最终匹配评分&＃xff0c;还要用在召回。所以&＃xff0c;构建用户画像就要以这两个阶段为目的。

用户画像关键因素

建立用户画像有两个关键点&＃xff0c;一个是维度&＃xff0c;另一个是量化。这里举个简单的例子来说明下。比如有以下几家旅店&＃xff0c;旅店的属性(标签)如下:

名称价格环境距离A100/晚中5km

B200/晚优2km

C150/晚差10km

D150/晚优1km

对价格、环境、距离分别映射一个评分。假定都分为三个级别&＃xff0c;价格越低评分越高&＃xff0c;环境越好评分越高&＃xff0c;距离越近评分越高&＃xff0c;那么映射后的结果如下&＃xff1a;

名称价格环境距离A322

B133

C211

D233

映射后生成旅店的特征矩阵(维度矩阵)&＃xff0c;每个旅店都对应一个向量&＃xff0c;比如旅店A对应的向量就是 [1, 2, 2]。接下来需要对人也映射一个向量&＃xff0c;映射方法就是看你多在意这几个因素&＃xff0c;比如我对价格不敏感(不缺钱)&＃xff0c;但是非常在意环境和距离&＃xff0c;那我这个人对应的向量就是[1, 3, 3]。然后将物品的矩阵与人的向量相乘&＃xff0c;得到这个人对每个物品的评分。

可以看到&＃xff0c;最后会有一个评分列表&＃xff0c;分别表示我对每个旅店的预估评分。了解了上面的例子后&＃xff0c;再来看下用户画像中关键的两个因素&＃xff1a;维度和量化。

上面例子中选择的维度分别是&＃xff1a;价格、环境、距离。这几个维度有以下几个特点&＃xff1a;维度名称都是可解释的

维度的数量是拍脑袋拍出来的

选择什么维度也是拍脑袋拍出来的

在实际生产环境中&＃xff0c;维度名称并不一定需要由可解释性&＃xff0c;维度数量以及选择什么维度也不应该都以主观意愿来决定。

再来看下量化&＃xff0c;实际生产环境中&＃xff0c;用户画像每个维度的量化&＃xff0c;应该交给机器&＃xff0c;而且以目标为导向&＃xff0c;以推荐效果好坏来反向优化出用户画像才有意义。像前面的例子中的先行主观量化而不考虑推荐效果时非常不合理的。

所以用户画像的量化是和第三个关键元素“效果”息息相关的。前面已经说过&＃xff0c;不要为了用户画像而用户画像&＃xff0c;它只是推荐系统的一个副产品&＃xff0c;所以要根据使用效果(排序好坏、召回覆盖等指标)来指导用户画像的量化。

用户画像构建方法

按照对用户向量化的手段来分&＃xff0c;用户画像构建方法分成三类&＃xff1a;

1. 查户口

查户口的意思就是说直接使用原始数据作为用户画像&＃xff0c;比如注册资料中包含的人口统计学信息&＃xff0c;或者浏览历史、购买历史&＃xff0c;除了数据清洗等工作外&＃xff0c;数据本身没有做任何抽象和处理。通常对于用户冷启动等场景非常有用。

2. 堆数据

堆数据的意思就是说从历史数据中统计过出需要的结果&＃xff0c;常见的兴趣标签就属于这类&＃xff1a;从历史行为数据中去挖掘出标签&＃xff0c;然后在标签维度上做数据统计&＃xff0c;用统计结果作为量化结果。一般非常炫酷的用户画像都是通过这种方法制作的。

3. 黑盒子

黑盒子的意思是说使用机器学习方法&＃xff0c;学习出人类无法直观理解的稠密向量&＃xff0c;也最不被非技术人员重视&＃xff0c;但实际上在推荐系统中承担的作用非常大。

比如使用潜语义模型构建用户阅读兴趣&＃xff0c;或者使用矩阵分解得到的隐因子&＃xff0c;或者使用深度学习模型学习用户的 Embedding 向量。这一类用户画像数据因为通常是不可解释&＃xff0c;不能直接被人看懂。

总结

用户画像应该是让机器看的&＃xff0c;所以就需要是一种结构化的数据&＃xff0c;可以认为是用户信息的向量化结果。用户画像的关键元素有维度和量化&＃xff0c;量化时需要以推荐系统的效果为指导。通常构建用户画像的方法有三种&＃xff1a;采用原始信息(查户口)、使用统计结果(可被理解)、使用机器学习方法(无法被人理解&＃xff0c;但是很重要)。