知识卡片
数据清洗与归类框架
埋点日志是非结构化原始数据,需清洗、整合、归类后才能用。归类有两个维度:按对象分,通常为用户侧数据、物料侧数据、内容数据(另有 ID 类数据);按类型分,可为数值、类别、时间、文本、图片、ID 类数据。归类后要做二次加工(意图识别、文本/图片归类、关键字提取、聚类、语音转文本等)。运营还需建立类别等级:一级类目宽泛(体育、经济、女装),二级类目视规模 50~几百(NBA、连衣裙),三级更细(四级约等于关键字)。从粗到细做到 1~3 级通常就能构建大部分个性化特征。注意:类目等级设计直接影响后续特征粒度,层级过深会增大维护成本。相关卡见 [[物料侧特征数据]]、[[用户侧特征与公共ID]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 构建推荐系统的特征 3.2 怎么清洗数据 · 查看原书依据
将数据按照基本框架归类完毕后,需要对数据进行二次加工,比如意图识别、文本归类、图片归类、关键字提取、聚类、语音转文本等
参考来源
- 位置:《推荐系统全链路设计:原理解读与业务实践》第3章《构建推荐系统的特征》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/30.html;src-020)
- 结论依据:原文说明埋点日志非结构化,需按对象(用户/物料/内容)与类型(数值/类别/时间等)归类并二次加工,并给出 1~3 级类目等级经验,支撑本卡框架。
- 原始内容:将数据按照基本框架归类完毕后,需要对数据进行二次加工,比如意图识别、文本归类、图片归类、关键字提取、聚类、语音转文本等