讲了什么？
用户画像，标签挖掘，基于内容推荐
1 用户画像
- 什么是用户画像
用户向量化后就是用户画像，便签，注册资料，社交关系都是稀疏向量；Embedding，svd，主题模型选出来的是稠密向量 - 关键因素
维度自己可以定义
量化每个维度的量化以推荐效果的好坏来反向优化用户画像 - 构建方法
简单原始数据构建，人口统计信息，播放历史
数据统计信息，给物品标签，统计用户在这些标签上的历史行为，从标签维度做数据统计，最后做截断
黑盒，用过潜语义模型用户兴趣，SVD隐因子，深度学习Embedding向量
2 标签挖掘
过程是什么？
分析所有能分析的非结构化内容，结构化后构建高质量的标签库
根据用户行为数据为用户构建高覆盖度和区分度的画像标签库
- 数据从哪儿来
能分析的非结构化内容 - 标签库长什么样
衡量便签度好坏有3个维度覆盖面，健康度，经济性（标签库是否足够简单，不要出现太多语义重复的标签）
对应的解决方法
覆盖面广：挖掘文本，视频，音频，图像标签，用户填写更多资料，跨公司数据打通
分布健康：对比较大的分类，不断细分，是分布更加健康
语义独立：Embedding，隐语义模型，主题模型比较不错
如何构建好的标签库：
分为中心化（专业人员参与）和非中心化（完全依靠用户标签），需要两种相结合，多分类体系，同义标签保留最常用的，去中心化的标签页要专业人员把控质量 - 怎么挖掘标签
关键词提取：TF-IDF TextRank
实体识别：HMM和CRF条件随机场，CRF+BiLSTM，词典方法，人物，位置，著作，影视剧，历史事件和热点事件
内容分类：按照分类体系分类
文本聚类：划分多个类簇，工程上比较难工业化
主题模型：学习主题向量，再预测新的文本在各个主题上的分布
Embedding：Word2vec（CBOW和Skip Gram），GloVe和FastText（学习词的Embedding向量和做短文本分类）
标签选择：卡方检验和信息增益
3 基于内容的推荐
- 内容推荐的好处
新的物品，有助于冷启动 - 两个产出
结构化的内容库
内容分析模型- 分类模型
- 主题模型
- 实体识别模型
- Embedding模型
- 算法
通过相似度算法计算
