用户画像

1.1什么是用户画像？

用户画像通常包含定性画像与定量画像；定性画像是描述用户的基本属性、行为刻画、兴趣模型等，定量画像主要包括用户基础变量、兴趣偏好等可量化的数据特征。

一般情况，定量画像主要通过表单（问卷等）以及通过行为数据采集、清洗、统计、归约、挖掘分析等手段取的用户画像数据，相互结合，提高补充用户画像整体质量

定性画像主要是标签化，如什么人，在什么地点、做了什么事情。

1.2用户身份

如何确定用户的身份唯一，对于大部分公司或者企业来说仍是难题。用户的身份不可确定性比较高，用户浏览网站，不可能所有用户去注册，或者只有不到1/10的用户注册，或者注册用户不登录浏览也是正常现象；那么，准确的识别用户身份，将是刻画用户画像的基础。

用户身份识别现有以下几种方式：

根据上述特征，根据一种方式很难准确的识别用户身份。

那么如何确定用户身份唯一呢。

1.3识别用户身份方式

不过在这提到一点，做到用户身份识别的完全准确性不怎么现实，用户操作随意性太高，注册用户也可能换账号、手机号等，只能不断提高其准确性。

对于不同的设备，提供不同的处理方式。

如：

电脑端，用cookieId做唯一标识。

手机端，h5用cookieId。Android app嵌入app唯一序列号。而iPhone则使用嵌入唯一序列号的方式。

对于手机端来说，imsi与imei可以同型号等等设备基础特征一起采集。

那么，不同的用户设备之间如何确定是同一用户在操作呢。如何跨设备跨渠道来识别用户身份。

有人说单点登录，当然，对于注册用户来说，单点登录、第三方授权账号等，都可以很好的识别用户身份，咱们这里也需要用单点登录等来确定注册用户的唯一性。

要进行关联识别，则需要用户注册数据、唯一标识数据、采集的用户账号-唯一标识数据。

首先，必须要有唯一的用户识别码（整个系统生态的，唯一用户识别码）。通过这个唯一识别码，来关联用户注册账号、用户唯一标识（imsi/imei/cookieId/嵌入标识）。

现在咱们来讨论一个场景，如果用户清空了cookie，然后以游客方式浏览，将会有一个新的cookieId，这时，将不能确定用户身份，若这个用户在网站浏览了N次后进行登陆，并且关联上唯一识别码，重新确定了此cookieId与账号的关系，那么这些历史数据怎么办，丢掉么。那么多用户做这样的操作，这将会是一笔不小的损失。特别APP用户。

如何设计唯一识别码与唯一标识、登录账号之间的关联关系，将会尤为重要，我们需要一个或多个微服务来建立用户识别机制（uid.mapping）。以下会有单独的章节来说明。

1.1用户画像建模

用户画像建模将以视频推荐与电商的物品推荐为业务场景来讲述，其实他们的核心思想是一样的，不过对用户画像建模的关注点不同。

以下基于用户定性画像进行分析，原因嘛，当然比较难理解的来说。定量画像是基于数字的，可以很好的去推理出来。

定性画像分析的核心，主要是利用本体对用户画像中的标签进行获取、表示、验证、推理和解释，将专业人员的经验转化为计算机可处理的知识。

推荐系统中，有类元素：用户（user）、项（Item）。

如视频推荐，以用户维度看，包括用户特征、行为、兴趣偏好等。从视频维度看，包括视频固有的属性信息（名称、类别、导演、主要演员、所属国家地区、语言、上映年份、时长等）

那么，用户的点播行为与浏览行为，什么时间观看、花费多少时间观看反应了用户观影的时间偏好、时长偏好、对视频的关注偏好、对视频导演的偏好、对主演的偏好、对所属国家偏好等等。

可归纳总结一下。视频推荐应用中，相关知识的类型可以为以下3种：

与用户和视频特征有关的属性知识。

反应用户兴趣偏好的规则知识

用户推理和确保关系完整性、正确性的约束性知识。

1.2定性画像的构建

由上述我们已经理解，用户定性画像主要以用户和视频的相关知识做为画像建模的核心。

但是计算机并不能识别如“让子弹飞”，“姜维”是什么。

如何让计算机理解这些标签呢。

这里引入上边也说到的本体概念。如“让子弹飞”是电影类的实例，“姜维”是主演，“女”是本体性别类标签等等。

从这里可以知道，用户画像领域中的标签以及标签之间的关系建模，都可以通过本体进行语义解释

我们要知道，用户画像，也是针对各项不同的领域的，如物品推荐与视频推荐，他们的构建标签侧重点就不同。所以，我们要先搞清楚我们要什么。

本体构建用户画像在保持使用标准用语与前后一致情况下，要维护一个共享词汇表，并以此为概念基础。

来个实例，不然这些还是比较难理解的。

对用户领域而言，类词汇可以包括人、用户等；属性词汇包括年龄、性别、爱好等。

对视频领域而言，类词汇一般包括人、电影、微电影等，人又包括导演、演员、编剧等。

1.3定性画像的存储

一般对已经经过清洗、分析、转化后的结构化数据，也是使用分布式文件数据库存储，对于已经定义清楚职责的数据，可以采用hbase等分布式数据库。