用户网络行为画像——大数据中的用户网络行为画像分析与内容推荐应用

如何能牢牢地黏住老用户、吸引新用户、读懂用户的偏好兴趣和喜怒哀乐，这都是对企业发展至关重要甚至关乎生死存亡的问题，解决这个问题的方法就是推荐系统。本书分为上中下三篇，共13章，上篇为用户画像知识工程基础，包括表征建模、画像计算、存储及各种更新维护等管理操作；中篇为推荐系统与用户画像，包括传统协同过滤等经典推荐算法的介绍，以及涉及用户画像的推荐方法；下篇为应用案例分析，包括Netflix、阿里等数据竞赛的经典数据案例，以及在具体工程开发过程的具体案例，分别从系统需求、总体结构、算法设计、运行流程及测试结果等五个方面提供详细案例指导。

这是一本专注于用户画像和内容推荐的综合性书籍。该书以用户画像为核心，深入探讨了用户画像的特性、构建方法、相似度计算方法、查询机制，以及用户画像在推荐系统中的应用。同时，书中还详细介绍了主流推荐方法的分类和评测方法，包括协同过滤的推荐方法、基于内容的推荐方法、基于知识的推荐方法，以及混合推荐方法等。 书中详细阐述了用户画像的构建过程，包括用户画像的颗粒度、用户行为数据的收集、用户画像的定性化以及用户画像的存储和推理。同时，书中还详细介绍了用户画像相似度的计算方法，包括余弦相似度、Pearson相关系数等，以及用户画像的查询机制，包括并发查询性能、聚合统计性能、查询缓存机制等。 书中还深入探讨了主流推荐方法的分类和评测方法，包括协同过滤的推荐方法、基于内容的推荐方法、基于知识的推荐方法，以及混合推荐方法等。同时，书中还详细介绍了推荐系统的评测方法，包括离线评测、用户调查和在线评测等，以及评测指标，包括单击率和转化率、用户满意度、预测准确度、覆盖率、多样性和新颖性、适应性和扩展性等。 此外，书中还详细介绍了视频推荐系统原理与关键算法，包括基于内容的推荐方法、基于知识的推荐方法、协同过滤