多標(biāo)簽學(xué)習(xí)和層次分析法在用戶標(biāo)簽建設(shè)中的應(yīng)用--基于某移動互聯(lián)網(wǎng)的用戶數(shù)據(jù).pdf

1、近幾年，隨著移動互聯(lián)網(wǎng)的興起，很多互聯(lián)網(wǎng)公司積累了海量數(shù)據(jù)，并以這些數(shù)據(jù)建立了用戶標(biāo)簽。用戶標(biāo)簽可以描述用戶屬性和用戶行為，對于決策支持、運營分析、內(nèi)容推薦必不可少。由于用戶標(biāo)簽在移動互聯(lián)網(wǎng)中具有重要地位，也吸引了很多學(xué)者和專家進行相關(guān)研究。
　　當(dāng)前移動互聯(lián)網(wǎng)的用戶標(biāo)簽主要基于現(xiàn)狀的，即根據(jù)用戶的屬性和行為信息判斷用戶當(dāng)前具有的標(biāo)簽，例如用戶當(dāng)前對“健身”感興趣，就會賦予用戶“健身”標(biāo)簽。這種標(biāo)簽雖然能在一定程度上反映用戶的當(dāng)前

2、屬性和行為，但是無法預(yù)測用戶未來的屬性和行為，所以不能滿足基于預(yù)測的標(biāo)簽需求。
　　為了改進基于現(xiàn)狀的用戶標(biāo)簽無法預(yù)測用戶未來屬性和行為的問題，本文研究的是基于預(yù)測的用戶標(biāo)簽，即根據(jù)用戶的屬性和歷史行為預(yù)測用戶未來會具有的標(biāo)簽，例如通過規(guī)則或模型預(yù)測用戶未來會對“美術(shù)”感興趣，就會賦予用戶“美術(shù)”標(biāo)簽。
　　目前建立用戶標(biāo)簽的方法主要是兩種:基于規(guī)則的方法和基于模型的方法。當(dāng)前基于預(yù)測的用戶標(biāo)簽大多是基于規(guī)則的，即通過人工來

3、觀察相關(guān)數(shù)據(jù)，定義相應(yīng)的規(guī)則，例如通過人工查看數(shù)據(jù)，設(shè)定一個閾值，如果用戶點擊“健身”內(nèi)容的次數(shù)超過該閾值，那么會賦予該用戶“健身”標(biāo)簽。但是，基于規(guī)則的方法效率很低，而且受人為因素干擾較大，所以實際效果通常較差?；谀Ｐ偷姆椒ㄍǔ＞哂行矢?、準(zhǔn)確率高的優(yōu)點，但是，由于一個用戶可能會具有多個標(biāo)簽，而傳統(tǒng)的分類模型只能最多賦予用戶一個標(biāo)簽，所以應(yīng)用傳統(tǒng)的分類模型無法直接應(yīng)用于用戶標(biāo)簽，這也是大部分預(yù)測性質(zhì)的用戶標(biāo)簽是基于規(guī)則建立的主要原因

4、。
　　多標(biāo)簽學(xué)習(xí)模型能夠針對同一個用戶輸出多個標(biāo)簽，解決用戶和用戶標(biāo)簽存在一對多關(guān)系的問題。但是，多標(biāo)簽學(xué)習(xí)在模型的選擇和評價上存在一定困難:由于多標(biāo)簽學(xué)習(xí)模型與傳統(tǒng)分類模型有較大區(qū)別，所以在模型評價中與傳統(tǒng)的分類模型評價也有所不同。因此，如何選取合適的評價模型是多標(biāo)簽學(xué)習(xí)研究領(lǐng)域中的一大重要問題。
　　針對以上內(nèi)容，本文的研究將圍繞以下兩個研究點進行:
　　(1)針對用戶標(biāo)簽的場景，本文選用多標(biāo)簽學(xué)習(xí)模型建立用戶標(biāo)