推荐系统之标签体系
浪尖聊大数据
共 4224字,需浏览 9分钟
· 2021-06-01
为什么要先介绍标签体系?
![](https://filescdn.proginn.com/5bb3924f7127ae094aca4ebd246e820f/2446c44d4ea3aa3388449a9a6a9dfc24.webp)
![](https://filescdn.proginn.com/56ff878b76b51abe090eb8daebe60eaf/9c21dacb1a7d5e4cd2f912eefac3f91c.webp)
![](https://filescdn.proginn.com/d6aa1eeef86845918fd76d4c39b61068/1dea3d642cd49406fec075d3188330ad.webp)
老板问:苹果,是实体标签吗? 给你三秒钟思考 你回答:是! 老板说:错! 你懵逼:靠!为啥不是?
![](https://filescdn.proginn.com/24ed0a35a291bdd7bb83ac32cfede456/0d2e2c8b34fe82da0444a5a37588402e.webp)
难道我就不能用“苹果”了吗?当然可以用,只不过要给它另外起个名字:概念标签。
![](https://filescdn.proginn.com/cdf9b89e0d549d2762bdcce327d0dc67/618c3c8237028a10386f3747f45e23ac.webp)
这里以之家的标签体系举例,要给买车用户推荐评测导购(一级)的文章,用户画像中车的品牌(二级)偏好太粗,而实体标签如奔驰GLC又太细,填补这中间的粒度空白,满足用户购车意图的画像,就加入“代步优选”的主题词,这样不仅保持了推荐的多样性,又不至于过分精准而导致的极度收敛。
![](https://filescdn.proginn.com/8aca78882757966255f94521b19989d4/c7a0109e47166dbbcafab6c6dd8fbc6d.webp)
原则一、放弃⼤而全的框架,以业务场景倒推标签需求
![](https://filescdn.proginn.com/de8b506c1ad28232a80d442590001008/6f3b3fdb9285feff31965d608c823a7b.webp)
定义业务方需要的标签 创建标签实例 执行业务标签实例,提供相应数据
智能营销 Feed流推荐 个性化消息push
1. 业务梳理
有哪些产品线?产品线有哪些来源渠道?一一列出 每个产品线有哪些业务对象?比如用户,商品 最后再根据对象聚合业务,每个对象涉及哪些业务?每个业务下哪些业务数据和用户行为?
![](https://filescdn.proginn.com/0adef2756e0c1879d70c8175bea65621/f58b56684c9ef769fe7088814853b542.webp)
方便管理标签,便于维护和扩展 结构清晰,展示标签之间的关联关系 为标签建模提供子集。方便独立计算某个标签下的属性偏好或者权重
![](https://filescdn.proginn.com/bebd3902f0bdfddb3024c73882158411/b7a35dfd4d86a04893a1bdd7eba3ca4a.webp)
静态属性标签。长期甚至永远都不会发生改变。比如性别,出生日期,这些数据都是既定的事实,几乎不会改变 动态属性标签。存在有效期,需要定期地更新,保证标签的有效性。比如用户的购买力,用户的活跃情况
事实标签。既定事实,从原始数据中提取。比如通过用户设置获取性别,通过实名认证获取生日,星座等信息 模型标签。没有对应数据,需要定义规则,建立模型来计算得出标签实例。比如支付偏好度 预测标签。参考已有事实数据,来预测用户的行为或偏好。比如用户a的历史购物行为与群体A相似,使用协同过滤算法,预测用户a也会喜欢某件物品
![](https://filescdn.proginn.com/b762d3fab6154b61753b84a96854652e/d392bd5e954cd1fa9d7a7fa726ed7314.webp)
理解标签体系的设计 表达自己的需求
设计合理数据处理单元,相互独立,协同处理 标签的及时更新及数据响应的效率
属性信息缺失怎么办?比如,现实中总有用户未设置用户性别,那怎么才能知道用户的性别呢? 行为属性,消费属性的标签能不能灵活设置?比如,活跃运营中需要做A/B test,不能将品牌偏好规则写死,怎么办? 既有的属性创建不了我想要的标签?比如,用户消费能力需要综合结合多项业务的数据才合理,如何解决?
时间的开放。支持时间任意选择:昨天,前天,近x天,自定义某段时间等等 支付笔数的开放。大于,等于,小于某个值,或者在某两个值区间
标签的最小颗粒度要触达到具体业务事实数据,同时支持对应标签实例的规则自定义 不同的标签可以相互自由组合为新的标签,同时支持标签间的关系,权重自定义
评论