标签系统 -- 用户画像

标签系统

标签系统就是俗称的用户画像。从属性变化性质来分，标签系统可分为静态标签和动态标签：

静态标签： 短时间内变化不大的标签，比如性别、地域、职业、生活习惯等；动态标签： 不断变化的行为标签，比如关注的产品类别、产品偏好、内容偏好等

从更新时间的频率上来说，又可以分为短期兴趣标签和长期用户标签：

短期标签的更新频率是分钟级或秒级；长期标签的更新频率是天级或小时级；

在这个简化的推荐系统里，我们只考虑实时部分（绿色实线部分）是可以满足需求的。

所以只考虑短期兴趣标签的计算，还是出于简化问题的考虑，我们假设现在只有四个标签，描述用户对内容类别的感兴趣程度：美妆、汽车、衣服、电子产品。

对一个用户来说，可以用0-1的浮点值来描述其感兴趣程度（也可以更简化，大于某个阈值为1，小于某个阈值为0）

数据流处理系统（实时）

主要是绿色实线部分，针对系统推荐的内容。

用户有两种行为，点击或不点击，这个事件推送到流计算（其实是两个流，一个是点击流，一个是曝光流，这两个流根据用户id、内容id做join）。

流计算实时计算过去N秒（N可以根据业务需求取值，比如60，这就是一个事件窗口）内每个用户针对四种内容类别的点击率，然后把这个点击率作为用户的短期兴趣标签。

比如用户a：{

美妆:0.2，

汽车:0.1,

衣服:0.02,

电子产品:0.5

}

内容筛选系统

内容筛选系统就是根据用户的短期兴趣标签去筛选内容。

假设所有的内容都存储到某个数据库里，并打好了内容标签。

比如文档1：{

美妆:0.3,

汽车:0.5,

衣服:0.8,

电子产品:0.1

}

文档2：{

美妆:0.4,

汽车:0.2,

衣服:0.1,

电子产品:0.7

}

推荐流程是：用户发起访问—找到用户短期兴趣标签—计算文档与用户标签的相似度—相似度排序—展示内容。