深度学习核心技术精讲100篇（二十二）-深度解析数学建模核心知识之搜索与推荐模型中用户建模原理

前言

用户建模是搜索与推荐模型的核心技术。其实很多人对用户模型的概念比较模糊，用户模型更多是在产品生命周期中起关键作用，其结合数据、反馈、行为三个方面的信息总结概括出产品用户模型。

01 背景与意义

用户建模是搜索与推荐模型的核心技术。淘宝搜索排序算分的对象是 <user, query, item> 三元组，我们从样本特征表达的角度上来看，item是比较稠密而且稳定的部分，在大样本的环境下，大部分信息都能够被id embedding所表达，相反user是三者中比较稀疏的部分，所以对于user的描述，需要大量的泛化特征。

从模型分类的角度上来看，用户与商品的静态特征作用在于增强模型的泛化性，而用户实时行为的引入与建模，可以大大增强样本之间的区分性，显著地提升模型的分类精度。我们把用户建模的过程看作是对用户的信息抽象和信息组织的过程。

信息抽象方面

我们不断地优化与丰富建模方式：

• user profile用来表征用户的静态属性信息；

• 偏好标签的挖掘，从行为上预测用户的一般性偏好；

• 实时行为建模，更细粒度的对当前请求下的兴趣刻画与描述。

信息处理方面

我们从行为周期和行为内容方面对用户行为数据进行合理的组织：

• 从行为周期上，我们将行为序列划分成中短期和长期，分别使用不同的时间跨度，描述不同粒度的兴趣；

• 从行为内容维度上，直接行为反馈商品和曝光商品分别被用来显式和隐式的表达用户意图，

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/108384732