利用用户行为分析建立用户偏好模型

 

    了解用户行为分析系统，做到精准获客，实现利益最大化，还在等什么，你值得拥有这个知识，去达到你想拥有的财富，赶快往下看吧！

    我们采用矩阵运算的思维方式，以图书阅读为例说明。那么用户的行为矩阵可以表达为：图书，行表示用户我们暂只考虑图书的购买行为，0表示用户没有看过该图书，1表示用户看过该图书。

    如何将上述用户行为矩阵转化为用户兴趣矩阵（即行代表用户，列代表兴趣维度），基于用户行为分析建立用户偏好模型的核心工作就是：将用户的行为转换为用户的偏好，一种显著的方法是我们先确定图书与兴趣维度的对应关系矩阵。而这个的前提是我们确定了使用何种兴趣空间。一种常见的方式是专家给出一些样本的分类结果，得到分类模型，然后应用到其余数据的分类问题当中，也就是一般意义的训练数据，然后通过分类算法，解决其余大量数据的分类问题。这种分类的特点是一本图书只被标记为一种类别，假如有3个类别。

    那么图书-兴趣矩阵为：那么用户行为矩阵转换为用户兴趣矩阵的运算公式即可表示为下图，算出的矩阵再经过归一化后，行表示用户，列表示兴趣，每个值就代表某个用户在某个兴趣的偏好权重。

    实际情况中，一本图书通常不只属于某个分类，并且当图书的数据巨大时，寄希望于编辑分类可能会越来越难以维持，选择这样的兴趣空间的局限显而易见：一本图书只能属于一个兴趣维度，所以通常是由用户主动给图书添加标签，或者机器基于内容，提取关键词。前面已经看到兴趣空间的选择真的是非常重要，直接影响所得到用户的兴趣矩阵，但是这种形式得到的标签集会存在同义，生僻，维度过多等情况，需要经过标签清洗的重要工作。所以同样的方法都得到了用户偏好，但是好不好用，就跟这部分工作有关了。

    看到这里的小伙伴们，为你开心，因为你的知识又多了两麻袋。但其实，关于用户行为分析还有很多知识要学习，希望你不要懈怠啊，小编会满怀着期待去和你在下篇文章中不期而遇，你呢？

 

 

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！