精华内容
下载资源
问答
  • oneid与用户标签之间的相互打通 实现用户标签附录说明:整个流程:1、使用数据源数据进行数据清理(整理出关联数据与将要打标的数据值)2、将关联键值与oneid对应关联起来 并整理好将要打标值的外部关联格式化3、...

    附录说明:

    打个标签盯住他
    打个标签盯住雷碧
    实现完整的用户标签需要以完整的oneid生成且oneid定时更新新增用户 才可以实现

    整个流程:

        所用组件 hive-》es(与hive产生映射的表)
        数据处理流程  
    

    1、使用数据源数据进行数据清理(整理出关联数据与将要打标的数据值)

    ods_tds_ddc_sqoop.crmc01c样例数据
    在这里插入图片描述

    2、将关联键值与oneid对应关联起来 并整理好将要打标值的外部关联格式化

    oneid_data.oneid_data_sink_id_mapping数据样式在这里插入图片描述
    lable.lable_new_dict标签字典样例数据
    在这里插入图片描述

    3、数据打标形成格式

    							(oneid    label1)
                                 (oneid    label2)
                                 (oneid    label3)
            的格式也可以(oneid   label1,label2,label3)均可
    

    –数据插入中间表 处理出每条数据的唯一ID和对应ID身份 以及每个打标职位

    insert into lable.dws_oneid_hq_app_lable
    select
       null AS user_name
       ,user_id
       ,null AS user_mobile
       ,null AS user_birthday
       ,null AS user_registime
       ,null AS user_lastlogintime
       ,null AS user_address
       ,label_code
       ,uni
       ,label_name
       ,id_mapping
    from
       (--关联键值用作与字典表对接使用
       select
           user_id
           ,uni
           ,id_mapping
       from
           (--选出每个id对应的最大数值用于去重
           select
                   user_id
                   ,CONCAT_WS('&&',max(vsex),max(VMARRIGE)) AS valu
                   ,id_mapping
           from
           (
               --数据格式化处理 与对接外部值关联选择
               select 
                   case 
                       when  length(VMOBILE)=11 then VMOBILE
                       when  length(VLKMOBILE)=11 then VLKMOBILE
                       when  length(VCERTIFICATENO) is not null then VCERTIFICATENO
                       else null end ss
                   ,case
                       when  vsex="0" then "男"
                       when  vsex="1" then "女"
                       else "性别_其他" end vsex
                   ,CASE 
                       WHEN VMARRIGE ='01' or VMARRIGE ='已婚' THEN '已婚'
                       WHEN VMARRIGE ='02' or VMARRIGE ='未婚' THEN '未婚'
                       ELSE '婚姻_其他' END VMARRIGE
               from 
                   ods_tds_ddc_sqoop.crmc01c
           )sou
           left join 
           ( --使用行转列的方式 将oneid转换成对应多行
               select
                   user_id
                   ,id_mapping
                   ,split(unio,'#&')[1] AS con
               from 
                   oneid_data.oneid_data_sink_id_mapping lateral view explode(split(id_mapping, ','))tt  as unio 
               where 
                   dt='${dt}' 
               ) oneid
           on sou.ss=oneid.con 
           where sou.ss is not null 
                   and oneid.user_id is not null
           group by user_id,id_mapping
           ) tt  lateral view explode(split(valu, '&&'))tt  as uni
       ) etl 
    left join 
       (select label_name_data,label_code,label_name from lable.lable_new_dict where label_name_data is not null )
       dict 
    on etl.uni=dict.label_name_data; 
    

    4、数据输入中间表 目的是汇总多个源产生的数据标签方便下一步汇总使用

    HIVE建表语句:
    dws_oneid_hq_app_lable(中间层建表)
       CREATE  TABLE `lable.dws_oneid_hq_app_lable`(
       user_name  String COMMENT '用户名称',
       user_id  String COMMENT '用户id',
       user_mobile  String COMMENT '用户手机号',
       user_birthday  String COMMENT '用户生日',
       user_registime  String COMMENT '用户注册时间',
       user_lastlogintime  String COMMENT '用户最后登录时间',
       user_address  String COMMENT '用户地址',
       lable String COMMENT '标签',
       label_name String COMMENT '标签名称',
       label_name_data String COMMENT '数据标签名称',
       id_mapping  String COMMENT '用户身份集合'
       )
       COMMENT 'oneid打通标签数据汇总第一步中间表';
    

    5、创建hive最终结果表

    --结果表对应 es的表创建
    tdm_oneid_hq_app_lable(对应es表标签汇总表)
    add jar hdfs:///user/es_hadoop/elasticsearch-hadoop-7.3.2.jar;
    	CREATE EXTERNAL TABLE `lable.tdm_oneid_hq_app_lable`(
    	user_name  String COMMENT '用户名称',
    	user_id  String COMMENT '用户id',
    	user_mobile  String COMMENT '用户手机号',
    	user_birthday  String COMMENT '用户生日',
    	user_registime  String COMMENT '用户注册时间',
    	user_lastlogintime  String COMMENT '用户最后登录时间',
    	user_address  String COMMENT '用户地址',
    	lable String COMMENT '标签',
        id_mapping  String COMMENT '用户身份集合'
    	)
    	COMMENT '标签数据汇总'
    	STORED BY 'org.elasticsearch.hadoop.hive.EsStorageHandler'
    	TBLPROPERTIES (
    	'es.resource' = 'tdm_oneid_hq_app_lable', 
    	'es.nodes'='prod.dbaas.private',
    	'es.port'='19204',
    	'es.mapping.id' = 'user_id',
    	'es.write.operation'='upsert',
    	'es.mapping.names'='user_name:user_name,user_id:user_id,user_mobile:user_mobile
            ,user_birthday:user_birthday,user_registime:user_registime,user_lastlogintime:user_lastlogintime
            ,user_address:user_address,lable:lable,id_mapping:id_mapping'
    	)
    

    6、对应创建es表建立映射关系

    部分因为业务需求需要创建成分词形式以便于后期查询使用

    ES建表语句
    PUT tdm_oneid_hq_app_lable/?include_type_name=true
    	{
    	  "mappings":{
    		"_doc":{
    		  "properties":{
    			"user_name":{
    				"type":"keyword"
    			  },
    			"user_id":{
    				"type":"keyword"
    			  },
    			"user_mobile":{
    				"type":"keyword"
    			  },
    			"user_birthday":{
    				"type":"keyword"
    			  },
    		    "user_registime":{
    			   "type":"keyword"
    			  },
    			  "user_lastlogintime":{
    			   "type":"keyword"
    			  },
    			"user_address":{
    			   "type":"keyword"
    			  },
    			 "lable":{
    				"type":"text",
    				"analyzer": "standard"
    			  },
    			 "id_mapping":{
    				"type":"text",
    				"analyzer": "standard"
    			  }
    		  }
    		}
    	  }
    	}
    

    7、从中间表读取数据进行汇总

    add jar hdfs:///user/es_hadoop/elasticsearch-hadoop-7.3.2.jar;
    add jar hdfs:///user/es_hadoop/httpclient-4.5.5.jar;
    add jar hdfs:///user/es_hadoop/org.apache.commons.httpclient.jar;
    insert into lable.tdm_oneid_hq_app_lable
    select
        max(user_name) -- '用户名称',
    	,max(user_id) -- '用户id',
    	,max(user_mobile) -- '用户手机号',
    	,max(user_birthday) -- '用户生日',
    	,max(user_registime) -- '用户注册时间',
    	,max(user_lastlogintime) -- '用户最后登录时间',
    	,max(user_address) -- '用户地址',
    	,CONCAT_WS(',',collect_set(lable))
        ,id_mapping  -- '用户身份集合'
    from  lable.dws_oneid_hq_app_lable 
    group by 
    	user_id  -- '用户id',
        ,id_mapping  -- '用户身份集合'
    

    8、数据结果输入到建立映射的hive表中在es中查询

    GET tdm_oneid_hq_app_lable/_search
    

    在这里插入图片描述

    辛苦码字如有转载请标明出处谢谢!——拜耳法

    都看到这里了非常感谢!
    本片章暂未完结 有疑问请+vx :baierfa
    在这里插入图片描述

    参考链接

    链接: 用户标签(一):图计算实现ID_Mapping、Oneid打通数据孤岛.
    链接: 用户标签(二):增量版ID_Mapping、Oneid图计算打通数据孤岛实现.
    链接: 用户标签(三):oneid与用户标签之间的相互打通 实现用户标签.
    链接: 用户标签(四):MD5代替Hashcode生成唯一数字编码.

    展开全文
  • 淘宝用户标签照妖镜是一款简单易用的一键查询用户搜索过的淘宝商品标签的软件,这个软件可以批量查询指定旺旺名最近的搜索。也就是说比如我们搜索男装这个关键词然后淘宝可能给我们会推荐男装短袖男装上衣等等 。 二...

    一、定义
    淘宝用户标签照妖镜是一款简单易用的一键查询用户搜索过的淘宝商品标签的软件,这个软件可以批量查询指定旺旺名最近的搜索。也就是说比如我们搜索男装这个关键词然后淘宝可能给我们会推荐男装短袖男装上衣等等 。
    二、使用场景
    1、商品权重低,补单过程选择标签与商品匹配的旺旺号,使得商品权重上升排名加快
    2、店铺引流,店铺内人群标签混乱,通过该接口查询快速获取精准人群
    三、接口详情
    接口密钥: Account和Accessskey是用于您访问API的密钥,具有该接口的权限,请妥善保管

    为了保证接口的稳定性,接口申请过多,已暂停申请
    --------------------------------------------------------------------------------
    旺旺搜索标签
    --------------------------------------------------------------------------------
    接口地址: http://api.xxxx.com/tool/accounts/user-tag加为心:juzivtu
    --------------------------------------------------------------------------------
    接口介绍: 获取官网给指定账号推荐的搜索词,推荐的首页商品词库 点击查看详情
    --------------------------------------------------------------------------------
    请求方式: GET
    --------------------------------------------------------------------------------
    返回格式: JSON
    --------------------------------------------------------------------------------
    接口收费: 查询 1 次,计 1 次调用 注意:淘宝号不存在也会随机返回数据,正常扣费
    --------------------------------------------------------------------------------
    频率限制: 10/--------------------------------------------------------------------------------
    
    请求头参数
    参数类型必选值示例Authorizationstring是授权 access_tokenBearer 1798c6aadec33d1bc2f5b707f1049aefexxxx
    请求参数
    参数类型必选描述accountstring是旺旺账号
    请求示例
    account:test
    代码请求示例
    cURL请求代码示例
    PHP请求代码示例
    JAVA请求代码示例
    响应参数
    参数类型描述dataobject返回数据信息wwidstring旺旺账号tagsstring推荐搜索词库codeint返回状态码msgstring返回码描述msecint接口执行时间timeint接口返回时间
    

    回数据示例
    
    {
        "code": 0,
        "msg": "成功",
        "msec": 8590,
        "time": 1601199867,
        "data": {
            "wwid": "test",
            "tags": "v领宽松毛衣女,针织衫短款女,吊兰花叶落石,冲泡奶茶,花叶络石盆栽,麻花毛衣女,爱茉莉泡泡染发剂"
        }
    }
    
    响应代码
    代码代码描述解决方案0成功100请求参数错误检查您的请求参数是否正确101请求超时,请重试检查您的网络情况或者联系客服解决200系统错误,请联系客服检查您的接口地址填写是否正确,其他问题联系客服解决203暂不支持当前接口204请求异常:无该接口权限,请前往官网开通正式接口。前往官网开通该接口权限204请求异常:API 调用次数不足,请前往网站兑换次数。前往官网充值该接口调用次数401身份凭证无效在请求头中添加 access_token
    
    展开全文
  • 利用用户标签数据

    千次阅读 2018-06-06 17:08:43
    本篇文章主要介绍基于UGC(User Generated Content)标签的推荐,主要包括用户如何打标签和如何基于用户标签进行推荐两部分。1. 给用户推荐标签 出于“方便用户输入标签”和“提高标签质量”的目的,一般推荐系统会...

            本篇文章主要介绍基于UGC(User Generated Content)标签的推荐,主要包括用户如何打标签和如何基于用户标签进行推荐两部分。

    1. 给用户推荐标签

            出于“方便用户输入标签”和“提高标签质量”的目的,一般推荐系统会在用户打标签时给用户推荐相应标签。比较简单的方法有4种,第一种是推荐整个系统中最热门的标签;第二种是推荐当前用户最常用的标签;第三种是推荐当前物品最热门的标签;第四种是对用户最常用和物品最热门的标签进行加权,然后生成最终的推荐结果。

            基于统计用户常用标签和物品常用标签的算法有一个缺点,就是对新用户或者不热门的物品很难有推荐结果。一般有两种解决方法:第一种是从物品的内容数据中抽取关键词作为标签;第二种是对于那些有标签结果但结果不太多的情况,比如《Mongo指南》只被人打过一个标签“nosql”,系统可以为其扩展几个和“nosql”标签相似的标签,如“数据库”、“编程”等。


    2.基于标签的推荐

            有了用户标签行为数据,就可以进行个性化推荐,一个简单的算法描述如下。

    (1)统计每个用户的常用标签;

    (2)对于每个标签,统计被打过这个标签次数最多的物品;

    (3)对于每个用户,首先找到他的常用标签,然后找到具有这个标签的最热门的物品推荐给这个用户。

            对于上面的算法,用户u对物品i的兴趣公式如下:


    其中,nub表示用户u打过标签b的次数,nbi表示物品i被打过标签b的次数。为了让这个算法变得更高效,下面提出三点改进之处。

    (1)由于上述公式偏向于热门标签和热门物品,因此对公式进行修正(借鉴了TF-IDF的思想):


    其中,nb(u)表示标签b被多少用户使用过,ni(u)表示物品i被多少用户打过标签。

    (2)数据稀疏性:对于新用户或者新物品,标签的数量可能会很少。那么可以在计算nub和nbi时,把相似的标签也一并统计进去,计算两个标签相似性的公式如下:


    (3)标签清理

    不是所有标签都能反应用户的兴趣,因此要对一些标签进行清理。一般来说有如下标签清理方法:

    去除词频很高的停止词;

    去除因词根不同造成的同义词;

    去除因分隔符造成的同义词。

    展开全文
  • 用户画像最核心的组成部分其实是其中所包含的用户标签用户标签其实可以理解成用户特征的一系列符号表示,每个标签可以理解成认识用户的一个角度。用户画像其实是标签的集合,每个标签之间都有一定的联系,整体上看...

    用户画像最核心的组成部分其实是其中所包含的用户标签,用户标签其实可以理解成用户特征的一系列符号表示,每个标签可以理解成认识用户的一个角度。用户画像其实是标签的集合,每个标签之间都有一定的联系,整体上看各个维度的标签组合到一起形成了一个完整的用户画像。所以说用户画像其实可以用用户标签的集合来表示。

    简单说可以这么理解,用户画像是用户在现实生活中抽象的描述,而画像本身是通过标签来组成的,整个标签的体系构成了用户完整的用户画像。
    用户画像
    用户画像定义来源于易观方舟高级产品经理王子玉

    不过我们在市场运营和产品运营中通常聊到用户画像都会提到如下几个方面:

    1、Persona人物角色

    Persona是用来描绘一个抽象自然人的属性,这种感觉有点像实例化的一个对象,Persona具有一定的代表性,在市场运营的过程中我们会用Persona做什么?首先我们在做产品研发或者内容产出的时候,要最优先设定一个Persona,此后这个人就会不断的出现在脑海中,这个人物角色会指导我们一切工作,我们产品和内容就是为这个人为创造。

    举例:我们在卖一个少儿英语教程,我们设定的Persona是什么样子呢?可能是女性,35岁,学历本科,白领等,那么有了这样的人物角色,无论在进行海报设计,内容创作,广告投放选择都有的放矢。

    通常我们会做3-4个Persona来进行参考指导。
    用户画像
    2、Profile用户信息标签化

    Profile指的是用户信息标签化,通常应用于运营和数据分析中,企业通过数据分析平台搜集用户搜集用户的基础属性、社会属性、产品事件行为等信息,刻画一个用户的全貌,得到较完整的用户标签信息后,运营人员可以按照标签分群进行精准定向营销。

    举例:

    在用户注册、完善个人信息、修改资料等的情况下进行用户信息的补充。比如一个用户在注册后,更新了个人资料,触发上报如下信息,就能知道这个用户叫小舟,性别男,1998 年出生,目前在易观,工作邮箱是 fangzhou@analysys.com.cn
    用户画像
    3、受众定向

    很多人在谈论用户画像的时候,其实并不是在以上两者可能之间,他们只是隐约觉得自己说的事情可能跟用户画像相关,这个时候就要去剖析原始诉求,比如,有个客户是想知道我的用户在哪,我要去那个地方投广告,做内容营销。那么我想知道我的用户画像是什么?这个时候我们就可以明显感觉到用户要知道的是受众定向,而不是用户画像,方向不同是完全不同的。

    如果对受众定向感兴趣的话,可以分析用户偏好,当然这个偏好目前只针对进行APP分析的情况。

    领域偏好:了解你的用户在 Android APP 上的偏好,比如你的用户喜欢爱奇艺还是优酷?

    场景偏好:了解你的用户场景偏好,比如北京地区用户在支付场景下对不同领域应用的偏好

    APP偏好:描绘用户对不同 APP 的使用粘性和偏好度
    用户偏好
    4、单用户档案和用户行为

    对于营销和运营来说,用户档案和用户行为的应用和persona完全不同,persona是为了抽象的用户示例,用来进行标尺。而用户档案是市场数据库(Marketing database)用来存储用户信息的核心数据,用户行为更是洞察用户,精细化运营的必要数据。

    单用户档案就是profile的通俗叫法,可以细察每一个用户,了解用户真实的访问足迹,对于发现产品关键流程中潜在问题、维护重要用户关系等具有重要意义,单用户档案可以记录用户的基础属性,比如姓名、邮箱、电话、还可以上报用户等级,地理位置等用户信息。

    用户行为可以按照时间记录用户在你产品上的所有事件,包括打开了什么页面,点击了哪些按钮以及提交了什么表单,有了详细的用户行为,可以了解用户的产品喜好以及用户在体验产品中遇到的问题。

    例如,某电商 APP 的关键转化路径是:启动 - 浏览商品详情页 - 加入购物车 - 提交订单 - 支付订单,其中在提交订单 - 支付订单的时候有大量流失用户,这时候可以下钻查看流失用户列表,再选择其中部分用户抽样查看用户行为路径,定位到提交订单事件,查看用户提交订单之后,又发生了哪些行为。

    总结:

    我们在讨论用户画像的时候,一定要知道自己要的是什么,根据自己的需求来制定用户画像,并且以此进行用户画像的应用,组合几种用户画像经常出现的场景,可以更好的了解用户、更精准的人群投放、和更聚焦的产品内容创作。

    展开全文
  • 用户标签体系的意义及设计方法

    千次阅读 2019-07-02 14:19:17
    我们这次重点谈一下用户标签。 对于市场层面,用户标签能帮助我们什么? 1.完善数据仓 之前我们讲过,企业或市场要有自己的数据仓来进行线索的存储与培育,用户标签就是存在于此,我们希望用户的标签尽可能完整,...
  • 如何在ZB级的海量数据中获取并筛选有价值的信息,是对IT企业的一大挑战,通过构建客户标签,支撑精准营销服务,是应对上述挑战的有效解决方案,但是怎么设计一个完善的用户标签体系?怎么打标签?打哪些标签?谁来打...
  • 电商用户标签体系建设基础步骤

    千次阅读 2020-01-09 14:28:40
    构建用户标签体系主要根据用户在历史时间内的网购行为记录,从网购时间点、内容深度剖析,针对用户的基础属性、社交行为、互动行为、消费行为、偏好习惯、财富属性、信用属性和地理属性等八大维度构建用户标签体系,...
  • 用户标签管理

    千次阅读 2018-04-26 12:04:02
    可以给用户添加标签创建标签,一个公众号最多创建100个标签接口HTTP请求方式posthttps://api.weixin.qq.com/cgi-bin/tags/create?access_token=ACCESS_TOKENpost数据格式:json正常返回{ "tag":{ "id...
  • 什么是用户标签?其实很好理解

    千次阅读 2019-07-02 14:19:40
    用户画像与用户标签 亚马逊的CEO Jeff Bezos曾说过他的梦想,「如果我有一百万的用户,我就会做一百万个不同的网站!」,做这个的基础是先对用户打标签。 **什么是用户画像呢?**就是根据某个人表现在网络上表现...
  • 用户标签体系的应用——精准营销

    千次阅读 2019-07-02 14:18:22
    数据一直是各行各业的核心资产,蕴含巨大价值待挖掘,在数据→信息→知识的转化过程中,用户标签体系是基础,它将抽象的数据转化为一个相对具象的信息中心,用户分群和用户画像都是在建立在信息中心上的综合应用手段...
  • 推荐算法(3):利用用户标签数据

    千次阅读 2019-05-23 16:14:16
    利用用户标签数据 第一种CB 第二种 UCF 第三种 用户标签行为数据。就是人为的添加的标签,比如用户对看的一部电影打标签,写博客时作者给博客打的标签。标签分两种:一种是作者或者专家给商品打标签,一种是普通...
  • 背景:在数据化营销时代,数据的价值越发显得更为珍贵。...本示例给与最简单的demo,那个大家清楚认识基于MaxCompute如何构建企业用户标签。数据说明:基站位置信息:s_user_cell_logCREATE TABLE s...
  • 用python进行数据分析:用户标签的清洗分析 python:用户标签的清洗分析 数据集来源于2019科大讯飞算法营销大赛,目的是求各维度信息对广告点击率的影响。 用户标签的数据清洗过程 1.看一下用户标签的原数据与具体...
  • [0.0.1]用户标签体系与画像

    千次阅读 2016-07-17 23:14:54
    场景一、 用户标签体系的建立 分别从素质(员工的基本信息)、能力、状态(工作行为)、效率(工作的饱和度)与绩效(结果)共五个维度建立用户的行为标签体系。具体包括: 标签体系的建立 按照五个维度将标签分为...
  • 推荐系统-用户标签预测算法基础实践 1.用户画像概述 用户画像就是给到用户打标签 用户画像 用户角色 用户属性 用户画像和用户角色较为接近,而用户属性使用户的画像中的子集 用户画像阶段 1.用户画像基础 2....
  • 用户标签的理解不够透彻?用户标签体系创建的方法论总是三头两绪?具体业务场景中,经常找不到数据分析的思路?本文根据神策数据业务咨询师钟秉哲以《构建用户标签体系,助力企业精细化运营》为主题...
  • 本章介绍另外一种数据:用户标签行为数据。就是人为的添加的标签,比如用户对看的一部电影打标签,写博客时作者给博客打的标签。标签分两种:一种是作者或者专家给商品打标签,一种是普通用户对商品打标签。后者被...
  • 收集语料库和字典资源,根据用户标签自动标注数据,构建支持向量机(SVM)分类器,预测人们对中医药(Traditional Chinese Medicine ,TCM)的情绪,并提出调整分类器结果的方法,获得的F-measure的性能是97%。...
  • 本文根据神策数据副总裁张涛...然而让用户标签价值真正落地企业不多,就像“青少年谈性”,有一段话形容得再贴切不过:“everyone talks about it, nobody really knows how to do it, everyonethinks everyone els...
  • 用户标签的维度分类

    千次阅读 2019-03-20 20:14:15
    用户画像的焦点工作就是为用户打“标签”,而一个标签通常是人为规定的高度精炼的特征标识,如年龄、性别、地域、用户偏好等,最后将用户的所有标签综合来看,基本就可以勾勒出该用户的立体“画像”了。...
  • 用户画像--用户标签

    千次阅读 2015-10-16 11:09:48
    1、长期、短期 2、静态标签、动态标签 3、第一方标签、第三方标签
  • 用户标签推荐初探

    2015-08-28 21:27:47
    给用推荐或者分析用户兴趣,可以使用用户行为也可以利用我们网站上节目的标签进行,一个个标签可以看做对一个节目的具体描述;  可以用户通过访问不同的节目用来给用户打上兴趣标签,从而可以实现用户标签聚类...
  • 用户标签设计

    千次阅读 2014-12-09 23:35:58
    背景: 需要更加符合实际的了解用户对产品的使用情况,取每天流水数据,统计... 用户偏好属性:最近30天用户使用的菜单,据此推测用户所偏好的产品,更深入知道用户的年龄层,定向向用户推送类似的产品。  
  • 用户画像的精准勾勒,能够帮助企业与消费者产生共情,设身处地地思考用户需求。一套科学的标签体系,能够赋予用户画像以生气,并在用户获取成本飙涨的市场环境下,以最低的成本最大限...
  • 基于用户标签的时间衰减因子

    万次阅读 2017-09-24 15:00:55
    摘要: 标签的权重可以称为标签的热度,权重越大,热度就越高,...依据用户发帖子所属于的分类,给用户标签,并确定标签的权重。 比如:A用户总共发了8个贴子,其中有1个帖子属于spark分类,3个属于hadoop分类,4个属
  • 利用用户标签数据进行推荐 推荐系统联系用户和物品的三种方式: (1) 利用用户喜欢过的物品,给用户推荐与他喜欢过的物品相似的物品,也就是ICF算法; (2) 利用与用户兴趣相似的其他用户,给用户推荐那些和他们...
  • 用户标签系统 数据库设计

    万次阅读 2016-05-18 18:25:10
    目前主流的博客系统、CMS都会有一个TAG标签系统,不仅可以让内容链接的结构化增强,而且可以让文章根据Tag来区分。相比传统老式的Keyword模式,这种Tag模式可以单独的设计一个Map的映射表来增加系统的负载和查询的...
  • 推荐系统——利用用户标签数据

    千次阅读 2015-08-13 19:46:24
    UGC(User generated content用户生成的内容)标签系统的代表应用 UGC标签系统是很多web2.0网站的必要组成部分。标签系统中的推荐问题:打标签作为一种重要的用户行为,蕴含了很多用户兴趣信息。其中的推荐问题主要...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 47,498
精华内容 18,999
关键字:

用户标签