用户行为分析与数据挖掘模型研究与应用.ppt

用户行为分析与数据挖掘模型研究与应用*介绍框架*用户群体个体属性(职业/性别/收入等)社会属性(家庭/团队等)个体偏好(阅读/视频/音乐等)群体相似性(协同/关联等)用户个体属性判别模型用户社交属性判别模型用户的业务偏好分析模型基于群体相似性的智能推荐模型目录*总体框架*用户属性训练数据新用户数据模型训练用户调研特征向量用户基础画像数据关联二级划分用户属性数据处理、变换一级划分数据处理、变换训练应用模型描述(一级)从GPRS数据流量的角度划分数据总量:,抽样数据:约100万,抽样率:‰低流量客户中流量客户高流量客户月GPRS流量[0,1M)[1M,30M](30M,+∞)%%%*模型描述(二级)根据客户个人属性划分:6大属性,37(26)个标签属性不可直接获取抽取部分客户做调研关联调研数据与基础画像数据,为每一维度每一类别建立类中心向量模型属性性别年龄地域学历职业收入标签数28(4)2514(7)6*回收9749/发送92万,回收率:‰年龄-中老年地域-农村年龄-青壮年职业-学生性别-男职业-工人本地、漫游、GPRS………*括号内为类别优化后的标签数模型应用应用*第一级从流量的角度划分第二级从用户的角度划分…流量<1M…流量>30M用户群高流量用户低流量用户学历-初中及以下地域-农村年龄-50岁以上地域-城市…手机号码一级标签二级标签性别年龄地域学历职业收入***高流量男青壮年(25-40岁)城市大学本科自由职业者高于9000元***低流量女中老年及老年(50岁以上)农村初中及以下农民3001-5000元用户属性及标签性别男女年龄青少年(13-24岁)青壮年(25-40岁)中年(41-50岁)中老年及老年(50岁以上)地域城镇农村职业公务员企业白领工人自由职业者农民学生无业学历初中及以下高中/中专/技校大专大学本科硕士及以上收入低于1500元1501-3000元3001-5000元5001-7000元7001-9000元高于9000元*计算过程*1、由于各数据字段单位、数量范围、表示含义不同,因此首先需要对语音、短信、上网、费用等做数据变换,对数变换后归一化。每个用户形成一个17维的向量,例如(,,…,)。2、将训练数据(调研数据及关联画像)近1万个样本生成特征文件。特征文件中存储的是各二级维度下各标签代表类别的类中心向量。例如“中流量男用户的类中心”:(,,…,);“中流量女用户的类中心”:(,,…,)。3、对需要打标签的新数据做与第1步相同的数据转换。例如某用户本地计费时长90分钟,长途计费时长1分钟……总费用30元。经过数据转换后得到该用户的向量:(,,…,)。4、将每一个新用户转换后的数据与各二级维度下各标签的类中心对比,根据计算结果,将与用户距离近的类别标签赋予该用户。