《推荐三十六式》原理篇之用户画像

用户画像对应的英文有两个，分别是Personas 和 User Profile，是Personas属于交互领域的用户画像，和推荐系统的用户画像差别很大，主要是给人看的。而推荐系统的用户画像，主要是给机器看的。

推荐物品的根本目的就是要在用户（User）和物品（Item）之间建立连接。一般就是在用户和物品之间匹配评分，然后用来预测用户的行为偏好，所以要将用户和物品向量化。用户向量化后的结果，就是 User Profile，俗称“用户画像”。所以，用户画像不是推荐系统的目的，而是在构建推荐系统的过程中产生的一个关键环节的副产品。

一般大型的推荐系统都分为召回和排序两个阶段。

全量的物品一般会非常大，所以无法为一个用户计算所有物品的评分，所以在召回阶段就要用到用户画像来对召回物品进行筛选，用户画像最终还要用于评分，用户画像就是要以这两个阶段为目的。

用户画像的关键因素：1.维度 2.向量化

比如一个饭店，可以有维度：价格，距离，上菜速度，菜品品质....

计算方法，拿到用户的价格为3，饭店的价格为2，二者相乘

用户画像构建的方法：

1.查户口

收集用户的注册信息，比如年龄，职业，地区....

2.堆数据

从用户历史行为中挖掘标签，在标签维度上进行计算，最终的计算结果作为量化工具

3.黑盒子

用机器学习方法，学习出人类无法直观理解的稠密向量，也最不被非技术人员重视，但实际上在推荐系统中承担的作用非常大。