知识卡片
画像切分看区分度与时效
给用户打画像,本质是把连续而稀疏的用户信息切成网格:性别 2 段乘收入 X 段,就是一个 2×X 的网格。切多细,由三个互相拉扯的约束决定。
区分度:切完的桶之间目标商品要真的不同。0~1 岁、1~3 岁、3~5 岁的孩子,家长要买的教育商品差异明显,值得分开。 样本量:桶里人太少,统计出的偏好就是噪声。若某个年龄段男孩数量不足,应合并相邻区间,而不是硬切成空桶。 时效:用户侧兴趣有半衰期。高三考生在 5~6 月搜《三年真题五年模拟》很合理,两个月后高考结束,同一份画像就过期了。商品侧同样有时效,应季、上新、清仓的窗口各不相同。
结论:画像粒度没有全局最优,只有针对当前业务在方差与样本量之间的一个折中;维度越多不等于画像越准,往往是过拟合到噪声。
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
- 第11章 搜索应用实战:基于电商的搜索开发 · 查看原书依据
具体要收纳多少个特征作为基础维度,而每一个特征又要如何分割,这既要考虑每一个特征分割后的区分性或者说互异性,又要考虑网格内用户的数量。
参考来源
- 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第11章 搜索应用实战:基于电商的搜索开发(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0149.html)
- 结论依据:原文把特征维度与分割方式的选择归结为两个约束——分割后的区分性(互异性)与网格内用户数量,正是「区分度对样本量」这一取舍的定义式表述。
- 原始内容:具体要收纳多少个特征作为基础维度,而每一个特征又要如何分割,这既要考虑每一个特征分割后的区分性或者说互异性,又要考虑网格内用户的数量。