新浪微博的用户画像是怎样构建的

1、新浪微博的用户画像是如何建立的?1.概括从上一篇认识每一个“你”：微博中的用户模型里面对用户模型维度的划分能够看出，属性和兴趣维度的用户模型都能够纳入用户画像(UserProfile)的范围。而所谓用户画像，简单来说就是对用户的信息进行标签化。如图1所示。一方面，标签化是对用户信息进行构造化，方便计算机的辨别和办理；另一方面，标签自己也拥有正确性和非二义性，也有益于人工的整理、剖析和统计。用户属性指相对静态和稳固的人口属性，比如：性别、年纪区间、地区、受教育程度、学校、企业这些信息的采集和成立主要依赖产品自己的指引、调查、第三方供给等。微博自己就有比较完好的用户注册指引、用户信息完美任务、认证

2、用户审查、以及大批的合作对象等，在采集和冲洗用户属性的过程中，需要注意的主假如标签的规范化以及不同根源信息的交错考证。用户兴趣则是更为动向和易变化的特点，第一兴趣遇到人群、环境、热门事件、行业等方面的影响，一旦这些要素发生变化，用户的兴趣简单产生迁徙；其次，用户的行为（特指在互联网上的行为）多样且碎片化，不同行为反应出来的兴趣差别较大。接下来主要介绍一下微博画像中兴趣维度的建立方法。微博用户兴趣剖析标签根源用户自标签、达人或认证标签、企业、学校、微群标签、星座、微博重点词这些根源都可能成为用户的标签。而针对每个特定的用户采集标签除了其自己之外，他关注用户的标签也会传达到该用户身上。如图2所示（

3、蓝色实线代表关注关系，橙色虚线代表兴趣标签根源）。权重计算在采集到一个用户可能存在的标签后，还需要给标签赋必定的权重，用来划分不同标签关于该用户的重要程度。不同标签的根源用户质量，标签的传达路径，转发关系，标签的自己，以及标签与用户之间的共现关系都会考虑在内。不同质量的用户自己产生的标签权重不同样，质量越高，以为该标签的可信度越高，不论是将该标签赋给自己仍是传达出去的时候其权重值越高。标签的传达路径主假如针对鉴于关注关系的标签传达，亲近度比较高的关注用户传达过来的标签权重值会比较高。标签是来自于用户的原创仍是其转发的微博，权重值会有差别，一般来说原创的权重会高于转发权重。假如标签自己是一个非常

4、常有的词，那么它用于刻画用户的兴趣的划分性是比较差的，相反假如是一个长尾词，则划分性较强。出于这样的考虑，越是长尾词，标签的权重值会越高。标签与用户的共现关系是指用户和该标签能否常常共同出现，评论的是二者的关系性。关系性越高，则标签的权重值越高。综合上述的要素，一个标签关于特定用户的权重值能够大概表示为：标签权重(根源因子+亲近度因子+转发因子+长尾因子)共现因子。时效性跟着时间的变化，用户的兴趣会发生转移，时间越长远，标签的权重应当相应的降落，距离目前时间越近的兴趣标签应当获得适合突出。出于这样的考虑，一般会在标签权重值上叠加一个时间衰减函数，这个时间衰减函数被设计成如图3所示的指数衰减的形

5、式，经过定义衰减幅度和半衰期，调理衰减的程度，表现不同的时效性。别的，针对用户的兴趣，还会设定一个较小的时间窗口来获得用户的短期兴趣。经过用户在短时间内的原创、转发和关注行为采集兴趣标签，并计算标签的权重。短期兴趣更新周期会较长久兴趣更短，兴趣更集中，可是能够比较实时地反响用户兴趣的变化。从兴趣到能力但是，用户拥有某方面的兴趣，只代表了他愿意接受这方面的信息，其实不可以代表他拥有产生有关内容的能力。所以，在发掘了用户兴趣标签的基础上，还需要发掘哪些用户能够针对特定的标签拥有必定的内容生产能力。微博中的关注关系能够以为是一种认证，拥有同样兴趣的用户之间的关注则有可能是兴趣相投（自然也可能不是，但毕竟有必定的指导性），那么将拥有