基于搜索词条的用户画像研究与实现

发布时间：2021-03-01 00:08

　　随着大数据时代的到来,其应有价值也越来越广泛,特别在"互联网+"商业推广中的"精准营销"更是发挥着重要的意义。该文利用用户的搜索记录文本为数据,进行分词处理、建模,采用SparkSql与hive进行整合（spark on hive）。首先,采用SparkSql对表中的元数据进行读取,再使用Spark引擎进行底层数据的分析处理达到高效为有搜索记录的用户建立标签从而构建用户画像的,达到构建智能推荐目的。最后,利用几种常用的分词工具对本文测试,并使用Bayes模型比较了它们在项目中的效果。 

【文章来源】：电脑知识与技术. 2020,16(33)

【文章页数】：3 页

【文章目录】：
1 构建用户画像的概述
    1.1 构建用户画像的意义
    1.2 用户画像的具体作用
    1.3 基于查询记录的用户画像难点
2 数据处理
    2.1 停用词处理
    2.2 分词处理
3 系统设计
    3.1 用户画像建模
    3.2 系统整体架构
    3.3 系统分析流程
    3.4 系统所用到的技术
4 具体实现
5 运行及系统测试
6 小结


【参考文献】：
期刊论文
[1]基于大数据技术的求职用户画像系统研究与设计[J]. 李锦锐,章家宝,彭梅.  产业与科技论坛. 2019(04)
[2]结合大数据技术的用户画像推荐方法研究[J]. 席岩,张乃光,王磊,张智军,刘海涛.  有线电视技术. 2018(05)
[3]基于购买决策过程的电子商务用户画像应用研究[J]. 刘蓓琳,张琪.  商业经济研究. 2017(24)

硕士论文
[1]基于主题模型的社交网络用户画像分析方法[D]. 马超.中国科学技术大学 2017



本文编号：3056652