贝叶斯网络在用户画像构建中的研究_张小可

《贝叶斯网络在用户画像构建中的研究_张小可》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、“杰赛科技技术创新”专栏贝叶斯网络在用户画像构建中的研究张小可，沈文明，杜翠凤（广州杰赛科技股份有限公司，广东广州510310）【摘要】为了解决用户兴趣变化动态推荐的问题，通过利用用户的实时上网数据动态更新贝叶斯网络各种兴趣的概率，结合兴趣阈值刻画用户画像并实现移动应用的实时推荐。经过实验表明，该算法能够有效挖掘用户的兴趣，并具有较好的扩展性。【关键词】用户画像贝叶斯网络兴趣阈值动态推荐doi:10.3969/j.issn.1006-1010.2016.22.005中图分类号：TP391.4文献标识码：A文章编号：1006-1010(2016)22-00

2、22-05引用格式：张小可,沈文明,杜翠凤.贝叶斯网络在用户画像构建中的研究[J].移动通信,2016,40(22):22-26.ResearchonBayesianNetworkinUserPortraitConstructionZHANGXiao-ke,SHENWen-ming,DUCui-feng(GCIScience&TechnologyCo.,Ltd.,Guangzhou510310,China)[Abstract]Inordertodealwiththedynamicrecommendationofuser’sinterestchange,t

3、heprobabilityofdifferentinterestsinBayesiannetworkcanbedynamicallyupdatedaccordingtouser’sreal-timeonlinedata,andthencombinedwithinterestthresholdtheuserportraitcanbedescribedwiththereal-timerecommendationofmobileapplications.Experimentalresultsdemonstratethattheproposedmethodcan

4、effectivelyexcavateuser’sinterestandhasbetterexpandability.[Keywords]userportraitBayesiannetworkinterestthresholddynamicrecommendation1引言用户画像研究是当前的一个热门话题，不少学者对移动互联网、互联网的数据构建用户画像，描述用户的用户画像（Persona）最早是由交互设计之父AlanCooper提出的，他认为用户画像是真实用户的虚拟代群体特征，从而为精准营销提供数据支撑。曾鸿等通过表，是根据一系列用户的真实数据而挖掘出的

5、目标用对新浪微博数据进行采集分析，构建用户画像模型，描[1]户模型[1]。通常用户画像是根据用户的目标、行为、述企业用户群体的行为特征，支撑精准营销；张慷通观点的差异抽取用户的典型特征，把用户的基本属性过提取用户的上网行为特征，同时结合相关数据进（年龄、性别、地域）、购买能力、行为特征、兴趣行数据融合以及交叉分析，构建通信用户的画像模[2]爱好、心理特征、社交网络大致地标签化。型；黄文彬等在分析移动用户的基站轨迹基础上，采用频繁模式挖掘、构建概率矩阵等方法，构建包含[3]地理位置信息的用户画像模型；王庆福采用贝叶斯收稿日期：2016-11-07网络构建用

6、户兴趣模型，以用户兴趣模型来刻画用户[4]责任编辑：袁婷yuanting@mbcom.cn画像。在借鉴已有研究成果的基础上，本文通过对移222016年第22期“杰赛科技技术创新”专栏动互联网用户的历史数据进行多元回归分析，得到贝过贝叶斯网络构建一种适应用户兴趣变化的动态推荐叶斯网络的初始参数，再利用Netica软件构造一个BN方法。（BayesianNetworks，贝叶斯网络）模型，并根据用（1）贝叶斯定理户实时发生的业务行为更新网络的参数，以此刻画每贝叶斯定理源于一个“逆向概率”的问题。如果个用户的画像。袋子里有N个白球、M个黑球，则摸到黑球的“正向

7、概率”容易得出；那么如果事前并不知道白球和黑球的2用户画像构建的相关研究比例，经过随机摸出几个球后，如何推测黑白球的比例呢？因此，贝叶斯的推断不需要客观的依据，它实2.1用户画像的定义际上需要一个估计值，然后根据实际的结果对估计值用户画像的本质就是消费者特征“可视化”。用不断修正。后来，PierreSimona将贝叶斯的理论进一户画像首先通过用户一系列的行为信息进行用户行为步发展为条件概率，帮助人们在概率相关的决策过程的初步“刻画”；然后关中，通过新获得的观察结果来更正对概率的判断。在联用户的动态行为数据进事件B出现的前提下，事件A出现的概率等于A和B都

8、行画像的完善，以此提高出现的概率除以B出现的概率，具体如下：用户需求偏好的准确度