推荐系统技术内幕（三）：算法篇之用户画像

做好推荐系统的第二步，就是认识用户。如果你不了解用户的喜好，推荐也就无从谈起。所以在用户冷启动的时期，我们会用一些策略去试探用户的喜好，目标也是为了认识用户。

认识用户用专业术语表达就是用户画像(User Profile)。读者应该看过下图形式的用户画像：

这种图形化的用户画像，用不同颜色和字体的标签，拼出用户的剪影形象。

实际上，这种形式的用户画像，对计算机来说没什么用处。为什么呢？

因为对于计算机来说，用户画像是否形象，是否直观，甚至是人类是是否可理解，都不重要，重要的是否可计算。对与计算机来说，最好不过的画像就是一组向量，向量的每个纬度可以是人类可理解的，也可以是人类不可理解的。因为用户画像的目标是提高推荐的效果，它需要参与各种推荐算法的计算，画像本身并非目的。

通常来说，用户画像由下面两种构建方法：

• 数据统计：用户的统计特征，直接可以作为画像的一部分，比如性别，年龄，职业等等。
• 机器学习：通过用户的对物品的行为数据，可以学习到用户在物品画像空间的权重，这些权重可以作为用户画像的组成部分。另外，还有通过潜因子分析算法，学习到人类无法直观理解的潜因子表达，称为嵌入(Embedding)，也是用户画像的组成部分。

对于构建用户画像，我们来举个例子，放长假的时候，很多人都会选择外出旅游，从推荐系统的角度出发，如何推荐旅游地点呢？

首先我们对旅游地进行分析，构建旅游地的画像，分为下面三个纬度分别量化：

• 距离：1表示距离最远，5表述距离最近
• 价格：1表示价格最贵，5表示价格最便宜
• 评价：1表示评价最差，5表示评价最好

那么所以的旅游地都会有一个向量化的表示，比如：

• 北京：$（5，2，3）$
• 香港：$（3，2，3）$
• 泰国：$（2，3，3）$
• 欧洲：$（1，1，4）$

用户对每个纬度的考虑程度也不一样，也可以量化，比如：

• 距离: 1表示非常在乎距离，极不愿意出远门，5表示距离无所谓
• 价格: 1表示非常在意价格，5表示价格无所谓，是个土豪
• 评价: 1表示非常有主见，不在于别人的评价, 5表示非常在于旅游地的评价

于是每个用户会对应一个向量，这个向量可以称为用户的画像：

• 张三：$(2,3,1)$

有了用户画像和旅游地画像，就可以对每个用户计算旅游地的推荐分数了，例如对于张三来说，上面景点的得分分别是：

• 北京：$(5,2,3)(2,3,1)=10+6+3=19$
• 香港：$(3,2,3)(2,3,1)=6+6+3=15$
• 泰国：$(2,3,3)(2,3,1)=4+9+3=16$
• 欧洲：$(1,1,4)(2,3,1)=2+3+4=9$

有了得分之后，就可以将得分最高的旅游地推荐给张三。

上面的例子中，实际上是对用户画像构建过程做了很大的简化，这些简化包括：

• 纬度的确定: 我们人为的确定了画像的纬度以及每个纬度的含义，实际中，这些纬度需要通过上一章介绍的挖掘算法，挖掘出来的。
• 用户的量化: 用户在每个纬度上的量化值，是人为设置的，实际中，应该是以推荐效果为导向，通过数据自动学习出来的。
• 推荐算法: 这里我们采用了线性模型，对应的纬度相乘求和，得出一个推荐分数，实际中这也不是必须的，可以有推荐模型。甚至目标都可以不是分数，例如，可以是拟合用户对旅游地的评分。