新浪微博的用戶畫像是怎樣構建的

1、新浪微博的用戶畫像是如何建立的?1.概括從上一篇認識每一個“你”：微博中的用戶模型里面對用戶模型維度的劃分能夠看出，屬性和興趣維度的用戶模型都能夠納入用戶畫像(UserProfile)的范圍。而所謂用戶畫像，簡單來說就是對用戶的信息進行標簽化。如圖1所示。一方面，標簽化是對用戶信息進行構造化，方便計算機的辨別和辦理；另一方面，標簽自己也擁有正確性和非二義性，也有益于人工的整理、剖析和統(tǒng)計。用戶屬性指相對靜態(tài)和穩(wěn)固的人口屬性，比如：性別、年紀區(qū)間、地區(qū)、受教育程度、學校、企業(yè)這些信息的采集和成立主要依賴產品自己的指引、調查、第三方供給等。微博自己就有比較完好的用戶注冊指引、用戶信息完美任務、認證

2、用戶審查、以及大批的合作對象等，在采集和沖洗用戶屬性的過程中，需要注意的主假如標簽的規(guī)范化以及不同根源信息的交錯考證。用戶興趣則是更為動向和易變化的特點，第一興趣遇到人群、環(huán)境、熱門事件、行業(yè)等方面的影響，一旦這些要素發(fā)生變化，用戶的興趣簡單產生遷徙；其次，用戶的行為（特指在互聯(lián)網(wǎng)上的行為）多樣且碎片化，不同行為反應出來的興趣差別較大。接下來主要介紹一下微博畫像中興趣維度的建立方法。微博用戶興趣剖析標簽根源用戶自標簽、達人或認證標簽、企業(yè)、學校、微群標簽、星座、微博重點詞這些根源都可能成為用戶的標簽。而針對每個特定的用戶采集標簽除了其自己之外，他關注用戶的標簽也會傳達到該用戶身上。如圖2所示（

3、藍色實線代表關注關系，橙色虛線代表興趣標簽根源）。權重計算在采集到一個用戶可能存在的標簽后，還需要給標簽賦必定的權重，用來劃分不同標簽關于該用戶的重要程度。不同標簽的根源用戶質量，標簽的傳達路徑，轉發(fā)關系，標簽的自己，以及標簽與用戶之間的共現(xiàn)關系都會考慮在內。不同質量的用戶自己產生的標簽權重不同樣，質量越高，以為該標簽的可信度越高，不論是將該標簽賦給自己仍是傳達出去的時候其權重值越高。標簽的傳達路徑主假如針對鑒于關注關系的標簽傳達，親近度比較高的關注用戶傳達過來的標簽權重值會比較高。標簽是來自于用戶的原創(chuàng)仍是其轉發(fā)的微博，權重值會有差別，一般來說原創(chuàng)的權重會高于轉發(fā)權重。假如標簽自己是一個非常

4、常有的詞，那么它用于刻畫用戶的興趣的劃分性是比較差的，相反假如是一個長尾詞，則劃分性較強。出于這樣的考慮，越是長尾詞，標簽的權重值會越高。標簽與用戶的共現(xiàn)關系是指用戶和該標簽能否常常共同出現(xiàn)，評論的是二者的關系性。關系性越高，則標簽的權重值越高。綜合上述的要素，一個標簽關于特定用戶的權重值能夠大概表示為：標簽權重(根源因子+親近度因子+轉發(fā)因子+長尾因子)共現(xiàn)因子。時效性跟著時間的變化，用戶的興趣會發(fā)生轉移，時間越長遠，標簽的權重應當相應的降落，距離目前時間越近的興趣標簽應當獲得適合突出。出于這樣的考慮，一般會在標簽權重值上疊加一個時間衰減函數(shù)，這個時間衰減函數(shù)被設計成如圖3所示的指數(shù)衰減的形

5、式，經過定義衰減幅度和半衰期，調理衰減的程度，表現(xiàn)不同的時效性。別的，針對用戶的興趣，還會設定一個較小的時間窗口來獲得用戶的短期興趣。經過用戶在短時間內的原創(chuàng)、轉發(fā)和關注行為采集興趣標簽，并計算標簽的權重。短期興趣更新周期會較長久興趣更短，興趣更集中，可是能夠比較實時地反響用戶興趣的變化。從興趣到能力但是，用戶擁有某方面的興趣，只代表了他愿意接受這方面的信息，其實不可以代表他擁有產生有關內容的能力。所以，在發(fā)掘了用戶興趣標簽的基礎上，還需要發(fā)掘哪些用戶能夠針對特定的標簽擁有必定的內容生產能力。微博中的關注關系能夠以為是一種認證，擁有同樣興趣的用戶之間的關注則有可能是興趣相投（自然也可能不是，但畢竟有必定的指導性），那么將擁有