目錄

• 一、用戶標簽
• • 1、維度
  • 2、階段
  • 3、打標簽的方式
  • 4、如何給用戶推薦標簽
• 二、基于標簽的算法
• • 1、SimpleTagBased
  • 2、NormTagBased
  • 3、TagBased-TFIDF

一、用戶標簽

1、維度

• 用戶標簽，如年齡、工作、性別等
• 行為標簽，如消費金額、消費頻次等
• 消費標簽，如點擊、收藏、購買等
• 內(nèi)容分析，瀏覽內(nèi)容，如科技、娛樂、新聞類等

2、階段

用戶生命周期的三個階段

• 獲客：如何進行拉新，通過更精準的營銷獲取客戶；
• 粘客：個性化推薦，搜索排序，場景運營等；
• 留客：流失率預測，分析關(guān)鍵節(jié)點降低流失率

3、打標簽的方式

典型的方式有：

• PGC：專家生產(chǎn)
• UGC：普通生產(chǎn)

4、如何給用戶推薦標簽

當用戶u給物品i打標簽時，可以給用戶推薦和物品i相關(guān)的標簽，方法如下：

• 方法1：給用戶u推薦整個系統(tǒng)最熱門的標簽
• 方法2：給用戶u推薦物品i上最熱門的標簽
• 方法3：給用戶u推薦他自己經(jīng)常使用的標簽
• 將方法2和3進行加權(quán)融合，生成最終的標簽推薦結(jié)果

二、基于標簽的算法

1、SimpleTagBased

用戶u對商品i的感興趣程度為：

其中，user_tags[u,t]表示用戶u打過標簽t的次數(shù)，tag_items[t,i]表示商品i被打過t標簽的次數(shù)。
對于一個用戶來說，找到他標記次數(shù)多的標簽，并找到唄該標簽標記次數(shù)多的商品，推薦給該用戶。

2、NormTagBased

NormTagBased算法是對SimpleTagBased算法的改進，公式為：

用戶打過的所有標簽次數(shù)，以及標簽t被標記過的總次數(shù)，相當于做了歸一化處理。

3、TagBased-TFIDF

TagBased-TFIDF借鑒了NLP中的TF-IDF算法，對熱門標簽進行懲罰。

tag_users[t]表示標簽t被多少個不同的用戶使用。

總結(jié)

以上是生活随笔為你收集整理的推荐系统之用户标签，以及基于标签的算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。