基于时序演化用户画像的相关性-可扩展性-可解释性权衡
机器学习
2017-09-14 v2
摘要
本文通过基于任期时间线和时序行为特征的用户画像，在缺乏显式用户档案的情况下，刻画了 VoD 流媒体平台的用户。任期时间线与时序特征的结合满足了业务需求，即理解用户行为随账户龄增长而演化的过程及阶段。本文构建的用户画像成功地同时代表了主流和小众特征，并为系统中用户行为的成熟演变提供了深入洞察。这些用户画像的两大亮点在于：在人口层面展示了沿任期时间线的稳定性，同时在个体粒度上呈现了标签间有趣的迁移模式，且用户标签具有清晰的可解释性。最后，我们通过在点击率 (CTR) 预测模型中使用用户画像的摘要信息，展示了相关性、可扩展性和可解释性这三个不可或缺保证之间的权衡。提出的挖掘潜在用户画像的方法、由此获得的洞察以及将用户画像信息应用于预测模型，均广泛适用于其他基于流媒体的产品。
引用
@article{arxiv.1704.07554,
title = {A relevance-scalability-interpretability tradeoff with temporally evolving user personas},
author = {Snigdha Panigrahi and Nadia Fawaz},
journal= {arXiv preprint arXiv:1704.07554},
year = {2017}
}