打在用户身上标签的权重是如何确定的?
感谢大家长期以来对文章的关注，最近工作比较忙，好久没更新了。接下来的几篇文章想和大家分享下关于用户画像的一些东西。今天我们先从用户画像的标签权重开始聊起吧。
用户画像：即用户信息标签化，通过收集用户社会属性、消费习惯、偏好特征等各个维度数据，进而对用户或者产品特征属性的刻画，并对这些特征分析统计挖掘潜在价值信息，从而抽象出一个用户的信息全貌，可看做是企业应用大数据的根基，是定向广告投放与个性化推荐的前置条件。
先举个场景，程序员小z在某电商平台上注册了账号，经过一段时间在该电商平台的web端/app端进行浏览、所搜、收藏商品、下单购物等系列行为，该电商平台数据库已全程记录该用户在平台上的行为，通过系列建模算法，给程序员小z打上了符合其特征的标签（如下图所示）。此后程序员小z在该电商平台的相关推荐版块上总能发现自己想买的商品，总能在下单前犹豫不决时收到优惠券的推送，总是在平台上越逛越喜欢....
上面的例子是用户画像一些应用场景。而本文主要分享的是打在用户身上标签的权重是如何确定的。
如上图所示，一个用户标签表里面包括常见的字段如：用户id、用户姓名、标签id、标签名称、用户与该标签发生行为的次数（如搜索了两次“大数据”这个关键词）、行为类型（不同的行为类型对应用户对商品不同的意愿强度，如购买某商品>收藏某商品>浏览某商品>搜索某商品），行为时间（越久远的时间对用户当前的影响越小，如5年前你会搜索一本高考的书，而现在你会搜索一本考研的书）。最后非常重要的一个字段是标签权重，该权重影响着对用户属性的归类，属性归类不准确，接下来基于画像对用户进行推荐、营销的准确性也就无从谈起了。下面我们来讲两种权重的划分方法：
1、基于tf-idf算法的权重归类
tf-idf算法是什么思想，这里不做详细展开，简而言之：一个词语的重要性随着它在该文章出现的次数成正比，随它在整个文档集中出现的次数成反比。
比如说我们这里有3个用户和4个标签，标签和用户之间的关系将会在一定程度上反应出标签之间的关系。这里我们用w（p , t）表示一个标签t被用于标记用户p的次数。tf（p , t）表示这个标记次数在用户p所有标签中所占的比重，公式如下图：
对上面的图来说，用户1身上打了标签a 5个，标签b 2个，标签c 1个，那么用户1身上的a标签tf=5/（5+2+1） 。相应的idf（p , t）表示标签t在全部标签中的稀缺程度，即这个标签的出现几率。如果一个标签t出现几率很小，并且同时被用于标记某用户，这就使得该用户与该标签t之间的关系更加紧密。
然后我们根据tf * idf即可得到该用户该标签的权重值。到这里还没结束，此时的权重是不考虑业务场景，仅考虑用户与标签之间的关系，显然是不够的。还需要考虑到该标签所处的业务场景、发生的时间距今多久、用户产生该标签的行为次数等等因素。我用个图总结下：
关于时间衰减的函数，根据发生时间的先后为用户行为数据分配权重。
时间衰减是指用户的行为会随着时间的过去，历史行为和当前的相关性不断减弱，在建立与时间衰减相关的函数时，我们可套用牛顿冷却定律数学模型。牛顿冷却定律描述的场景是：一个较热的物体在一个温度比这个物体低的环境下，这个较热的物体的温度是要降低的，周围的物体温度要上升，最后物体的温度和周围的温度达到平衡，在这个平衡的过程中，较热物体的温度f(t)是随着时间t的增长而呈现指数型衰减，其温度衰减公式为：
f(t)=初始温度×exp(-冷却系数×间隔的时间)
其中α为衰减常数，通过回归可计算得出。例如：指定45分钟后物体温度为初始温度的0.5，即 0.5=1×exp(-a×45)，求得α=0.1556。
2、基于相关系数矩阵的权重归类
这个相关系数矩阵听title挺困难，其实道理十分简单。举个例子：用户1身上打上了5个a标签、2个b标签、1个c标签；用户2身上打上了4个a标签，3个b标签；用户3身上打上了4个c标签、1个d标签。
用个图形象表示一下：
那么同时打上a、b标签的用户有两个人，这就说明ab之间可能存在某种相关性，当用户量、标签量级越多时，标签两两之间的相关性也越明显。
手机投屏软件哪个好用
普强携手合作伙伴打造普强澳门多模态大模型实验室
小型电机的优势是什么，它的未来发展趋势将会如何
变频器接线端子的含义和功能
锁定放大器的基本原理
打在用户身上标签的权重是如何确定的?
关于加固型7类10G级线缆的分析和介绍
诺基亚9什么时候上市？诺基亚9现身帅炸了，加入索尼Xperia元素+高屏占比，价格超6000，情怀还在不在？
基于二极管桥的差分电容读出电路分析
AT32 MCU如何设定启动存储器为主存扩展
将自定义IP内核添加到Vivado中
一文详解Verilog表达式
在设计IC时如何加入节能思想？
以太网链路层协议封装格式介绍
T113开发平台mipi 5.5寸屏调试
科普 | 什么是ChatGPT？试用ChatGPT，ChatGPT的启示！
基于GMSK差分解调仿真（1）
趣味科普:啥是5G,看完就明白了
机器人技术的发展:盘点十大惊掉人下巴的机器人黑科技！
微软新版Microsoft Edge浏览器发布时间确定，通过OTA更新方式推送
用户画像：即用户信息标签化，通过收集用户社会属性、消费习惯、偏好特征等各个维度数据，进而对用户或者产品特征属性的刻画，并对这些特征分析统计挖掘潜在价值信息，从而抽象出一个用户的信息全貌，可看做是企业应用大数据的根基，是定向广告投放与个性化推荐的前置条件。
先举个场景，程序员小z在某电商平台上注册了账号，经过一段时间在该电商平台的web端/app端进行浏览、所搜、收藏商品、下单购物等系列行为，该电商平台数据库已全程记录该用户在平台上的行为，通过系列建模算法，给程序员小z打上了符合其特征的标签（如下图所示）。此后程序员小z在该电商平台的相关推荐版块上总能发现自己想买的商品，总能在下单前犹豫不决时收到优惠券的推送，总是在平台上越逛越喜欢....
上面的例子是用户画像一些应用场景。而本文主要分享的是打在用户身上标签的权重是如何确定的。
如上图所示，一个用户标签表里面包括常见的字段如：用户id、用户姓名、标签id、标签名称、用户与该标签发生行为的次数（如搜索了两次“大数据”这个关键词）、行为类型（不同的行为类型对应用户对商品不同的意愿强度，如购买某商品>收藏某商品>浏览某商品>搜索某商品），行为时间（越久远的时间对用户当前的影响越小，如5年前你会搜索一本高考的书，而现在你会搜索一本考研的书）。最后非常重要的一个字段是标签权重，该权重影响着对用户属性的归类，属性归类不准确，接下来基于画像对用户进行推荐、营销的准确性也就无从谈起了。下面我们来讲两种权重的划分方法：
1、基于tf-idf算法的权重归类
tf-idf算法是什么思想，这里不做详细展开，简而言之：一个词语的重要性随着它在该文章出现的次数成正比，随它在整个文档集中出现的次数成反比。
比如说我们这里有3个用户和4个标签，标签和用户之间的关系将会在一定程度上反应出标签之间的关系。这里我们用w（p , t）表示一个标签t被用于标记用户p的次数。tf（p , t）表示这个标记次数在用户p所有标签中所占的比重，公式如下图：
对上面的图来说，用户1身上打了标签a 5个，标签b 2个，标签c 1个，那么用户1身上的a标签tf=5/（5+2+1） 。相应的idf（p , t）表示标签t在全部标签中的稀缺程度，即这个标签的出现几率。如果一个标签t出现几率很小，并且同时被用于标记某用户，这就使得该用户与该标签t之间的关系更加紧密。
然后我们根据tf * idf即可得到该用户该标签的权重值。到这里还没结束，此时的权重是不考虑业务场景，仅考虑用户与标签之间的关系，显然是不够的。还需要考虑到该标签所处的业务场景、发生的时间距今多久、用户产生该标签的行为次数等等因素。我用个图总结下：
关于时间衰减的函数，根据发生时间的先后为用户行为数据分配权重。
时间衰减是指用户的行为会随着时间的过去，历史行为和当前的相关性不断减弱，在建立与时间衰减相关的函数时，我们可套用牛顿冷却定律数学模型。牛顿冷却定律描述的场景是：一个较热的物体在一个温度比这个物体低的环境下，这个较热的物体的温度是要降低的，周围的物体温度要上升，最后物体的温度和周围的温度达到平衡，在这个平衡的过程中，较热物体的温度f(t)是随着时间t的增长而呈现指数型衰减，其温度衰减公式为：
f(t)=初始温度×exp(-冷却系数×间隔的时间)
其中α为衰减常数，通过回归可计算得出。例如：指定45分钟后物体温度为初始温度的0.5，即 0.5=1×exp(-a×45)，求得α=0.1556。
2、基于相关系数矩阵的权重归类
这个相关系数矩阵听title挺困难，其实道理十分简单。举个例子：用户1身上打上了5个a标签、2个b标签、1个c标签；用户2身上打上了4个a标签，3个b标签；用户3身上打上了4个c标签、1个d标签。
用个图形象表示一下：
那么同时打上a、b标签的用户有两个人，这就说明ab之间可能存在某种相关性，当用户量、标签量级越多时，标签两两之间的相关性也越明显。
手机投屏软件哪个好用
普强携手合作伙伴打造普强澳门多模态大模型实验室
小型电机的优势是什么，它的未来发展趋势将会如何
变频器接线端子的含义和功能
锁定放大器的基本原理
打在用户身上标签的权重是如何确定的?
关于加固型7类10G级线缆的分析和介绍
诺基亚9什么时候上市？诺基亚9现身帅炸了，加入索尼Xperia元素+高屏占比，价格超6000，情怀还在不在？
基于二极管桥的差分电容读出电路分析
AT32 MCU如何设定启动存储器为主存扩展
将自定义IP内核添加到Vivado中
一文详解Verilog表达式
在设计IC时如何加入节能思想？
以太网链路层协议封装格式介绍
T113开发平台mipi 5.5寸屏调试
科普 | 什么是ChatGPT？试用ChatGPT，ChatGPT的启示！
基于GMSK差分解调仿真（1）
趣味科普:啥是5G,看完就明白了
机器人技术的发展:盘点十大惊掉人下巴的机器人黑科技！
微软新版Microsoft Edge浏览器发布时间确定，通过OTA更新方式推送