用户网络行为画像_大数据中的用户网络行为画像分析与内容推荐应用

未经许可，不得以任何方式复制或抄袭本书之部分或全部内容。 版权所有，侵权必究。 图书在版编目（CIP）数据 用户网络行为画像：大数据中的用户网络行为画像分析与内容推荐应用 ／牛温佳等著．—北京：电子工业出版社，2016.3 ISBN 978-7-121-28070-2 Ⅰ．①用… Ⅱ．①牛… Ⅲ．①互联网络－研究 Ⅳ．TP393.4 中国版本图书馆CIP数据核字（2016）第010289号 责任编辑：田宏峰 印 刷： 装 订： 出版发行：电子工业出版社 北京市海淀区万寿路173信箱 邮编 100036 开 本：787×980 1/16 印 张：14.75 字 数：330千字 版 次：2016年3月第1版 印 次：2016年3月第1次印刷 印 数：3000册 定 价：59.00元 凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。若书店 售缺，请与本社发行部联系，联系及邮购电话：（010）88254888。 质量投诉请发邮件至zlts@phei.com.cn，盗版侵权举报请发邮件至 dbqq@phei.com.cn。 服务热线：（010）88258888。 简单的推荐系统，以用户画像为核心，对相关算法有个初步理解和入 门。而对于一些高深的推荐算法研究，我们不敢在国内外顶级学者的算 法研究面前班门弄斧，更希望从推荐服务提供商的角度多畅谈一下对用 户画像的理解，对常见算法有个普及型和稍微深入的介绍，就已经达到 本书的目的了。但实际上，用户画像其实是一个比较抽象的概念，粒度 如何控制？是给一群人打上文艺男的标签，还是直接给单个人打上文艺 微胖男或者文艺知性女的标签？标签间的关系是什么？一直喜欢看文艺 电影的，此时此刻就一定想看文艺电影，是否一定要推荐文艺电影，还 是推荐排行榜的美国大片效果更好？如何追求大客户和小客户的体验差 异化权衡（大客户小个体模型，小客户大群体模型）？这些都是特别有 意思且值得深入研究的地方。但是从通用业务的角度，只要在统计方面 发现用户的黏性增加，广告的单击率和转化率提升，这就算一个上线产 品的基本成功点了，已经具备可以继续深入优化的基础。 目前市场上的相关书籍，将用户画像的描述或者隐藏在具体的算法 中，或者简单以用户偏好的形式带过，往往不是从单独系统性的角度阐 述的，或多或少导致用户知道用户画像的意思，但是一方面理解起来深 度不够（如用户每个时段的观影稳定性定量是多少），另一方面不知道 如何存储、表示和实际使用。因此，本书希望言之有物，以视频网站的 用户画像为切入点，在广度上也会覆盖主流常见的推荐算法原理和技术 介绍，给出了如何使用面向用户画像的高级推......