tf是什么意思什么叫洗浴tf

本系列文章将从最简单的概念开始，逐步讲解推荐系统的发展历程和最新实践。以产品经理的视角，阐述推荐系统涉及的算法，技术和架构。本文将介绍推荐系统如何给现实世界中的用户打数字化的标签：用户画像。

文章插图
用户画像，简单来讲，就是我们给用户打上的一系列的标签。它的应用非常广泛，在互联网产品的任何一个领域，任何一种实现用户个性化的功能，都需要用到用户画像。本文只涉及推荐系统的用户画像体系。
一、推荐系统用户画像长什么样【tf是什么意思什么叫洗浴tf】用户画像这个词具有广泛性。它被应用于推荐，广告，搜索，个性化营销等各个领域。任何时候，不管出于什么目的，我们想描述我们的用户是谁的时候，大家都会用到用户画像这个词。
比如：
（1）产品经理定性用户分析
设计产品功能时，会对用户是谁进行描摹。如：目标用户群体的人口属性，社会背景，使用习惯等信息。这种用户画像主要描述用户是谁，以便做好功能定位。
如下图中的定性用户画像分群：

文章插图
（2）数据分析用户画像
分析用户行为，用户进行聚类行为分析。如：数据分析师可能会给出，观看电商直播的男女比例，得出女性用户更喜欢看我们的电商直播这样的结论。
（3）推荐系统用户画像
为建立个性化功能，用各种办法给用户大规模打上几万甚至几千万个标签。这种标签不仅仅有偏好，还有偏好程度值。
本文所指的用户画像，仅仅涉及第三种情况。一般地，推荐系统的用户画像长成这个样子：

文章插图
推荐系统的用户画像，一般包括用户基础信息和偏好信息。而偏好画像是重点，数量上占了推荐系统用户画像的绝大多数，是我们召回和模型训练的基石。
因为机器跟人不同，一个词“中国”对于人来说是有意义的，对于机器只是一个汉字编码。因为用户画像，为了能让机器计算，需要带上概率值或者偏好值（权重值）等。
我们接下来就聊一聊，在推荐系统中，这种带了一些列数字的用户画像怎么构建出来的。
二、用户画像怎么用？第一章的介绍过，推荐过程分为：召回、初排和精排三个阶段。用户画像主要用在召回和初排两个阶段。

文章插图
召回阶段使用用户画像，主要是通过用户画像召回相似的物品。比如一个短视频APP上，用户海贼王偏好值比较高，就可以针对海贼王进行内容召回。
初排阶段使用用户画像，是在模型上使用的。模型将用户画像数据作为一部分的特征值，用于模型的离线训练或者实时模型更新。
三、用户画像的分类用户画像是一个比较大而全的概念，标签是用户画像最基本的单元，用户画像是有成千上万个标签组合而成的。当我们想对用户画像进行分类时，通过对用户标签的分类就可以了。每个平台有自己的用户画像体系。对推荐系统的构建来说，一般从以下维度来做标签分类。
如下图所示：

文章插图
其中：
（1）基础用户画像
人口统计学标签：用户的性别，年龄，地区等信息。行为特征标签：用户在互联网平台的注册，活跃，付费，浏览等方面的行为记录产生的用户标签。性格标签：豪爽大方，精打细算，冲动消费等类型标签（2）偏好用户画像
长期偏好标签：用户对较长时间内，几个月甚至是几年内，对某类事物的稳定偏好。短期偏好标签：用户最近较短时间内，七天内甚至是几分钟内，对某类事物的偏好。泛化偏好标签：众多的用户偏好中，不同的偏好之间有关联性或者相似性，就像啤酒和尿布那样。用户对啤酒有过直接的行为，但对尿布还没有，那么尿布可能是他的泛化偏好。以上的五小分类中，前面两类只占了用户标签数量的很小一部分。而推荐系统中，数量最为庞大的要数偏好类的标签了。平台有多少个物品标签，就会产生多少偏好标签。另一方面，偏好类的标签的产生，依赖于物品标签。因为用户对物品的偏好程度，是通过他对平台物品的曝光，点击，购买等行为计算出来的。

tf是什么意思 什么叫洗浴tf

tf是什么意思什么叫洗浴tf