多標簽學習和層次分析法在用戶標簽建設中的應用--基于某移動互聯網的用戶數據.pdf

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

2、屬性和行為，但是無法預測用戶未來的屬性和行為，所以不能滿足基于預測的標簽需求。
　　為了改進基于現狀的用戶標簽無法預測用戶未來屬性和行為的問題，本文研究的是基于預測的用戶標簽，即根據用戶的屬性和歷史行為預測用戶未來會具有的標簽，例如通過規(guī)則或模型預測用戶未來會對“美術”感興趣，就會賦予用戶“美術”標簽。
　　目前建立用戶標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。當前基于預測的用戶標簽大多是基于規(guī)則的，即通過人工來

3、觀察相關數據，定義相應的規(guī)則，例如通過人工查看數據，設定一個閾值，如果用戶點擊“健身”內容的次數超過該閾值，那么會賦予該用戶“健身”標簽。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?、準確率高的優(yōu)點，但是，由于一個用戶可能會具有多個標簽，而傳統的分類模型只能最多賦予用戶一個標簽，所以應用傳統的分類模型無法直接應用于用戶標簽，這也是大部分預測性質的用戶標簽是基于規(guī)則建立的主要原因

4、。
　　多標簽學習模型能夠針對同一個用戶輸出多個標簽，解決用戶和用戶標簽存在一對多關系的問題。但是，多標簽學習在模型的選擇和評價上存在一定困難:由于多標簽學習模型與傳統分類模型有較大區(qū)別，所以在模型評價中與傳統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簽學習研究領域中的一大重要問題。
　　針對以上內容，本文的研究將圍繞以下兩個研究點進行:
　　(1)針對用戶標簽的場景，本文選用多標簽學習模型建立用戶標