文本挖掘技術支持下的用戶畫像設計研究

梁震杰

摘 要：伴隨著社會經濟持續不斷向前進步，互聯網信息技術得到快速發展。與此同時電子商務網站也取得了巨大發展空間，關于電子商務相關行業競爭也更加越來越激烈，準確把控企業相關競爭優勢，有效保證企業持續、穩定發展是很多電子商務相關企業的共同發展方向。很多互聯網電子相關企業為了更好整合、優化網站運營相關活動，都應該根據實際情況。投入更多資源對網站用戶進行系統化分析，使用文本挖掘相關技術創建自己相關用戶畫像，有很多經濟實力比較強的商務網站或多或少都積累了大量用戶消費信息資源。對此，我們文本挖掘技術支持下的用戶畫像設計研究這個作為出發點，對其進行探討與論述。

關鍵詞：文本挖掘 用戶畫像 用戶研究

隨著互聯網相關電子商務經濟活動持續快速發展，用戶畫像對于電子商務相關企業來說，其價值越來越大。電子商務相關網站涉及領域比較廣泛，不單指追求、關注技術，還應該全面的分析用戶需要。然而，對用戶畫像相關研究還是處于初級階段，只要創建、設計出完善的用戶模型，有關互聯網商務網站才能更好的認識、了解客戶的真實需要。用戶畫像需要一定的挖掘技術做保障，對此，我們就詳細的討論文本挖掘技術與用戶畫像相關特征。

一、文本挖掘技術概況

文本挖掘技術一般情況下指從相關文本信息數據中來獲取可以理解、可用知識，與此同時更好的把這些知識組織起來，以便作為未來發展、參考的重要依據。它是一種非結構化信息數據，它的長度不受任何限制，沒有固定的形狀。另外，它的結構有比較紛繁復雜，無法從數據庫來充分表現出來。通常情況下，文本挖掘都是從海量的文本信息數據中，提取有規律性的知識相關過程。它是有信息數據挖掘逐步發展起來，兩者既有差異也有差距，例如，信息數據挖掘使用處理的對象大多數都是關系型比較強的信息數據庫。然而，文本挖掘主要使用處理對象主要是，沒有任務固定模式相關數據。在文本挖局處理過程中，其品質良好對信息相關模式的有效識別有重要影響，因此，文本預處理整個程序是非常關鍵環節。通常情況下，文本挖掘整個操作流程保護以下幾個步驟數據文本獲取、信息數據過濾、文本相關特征挑選、創建模型、模型評測。[1]

二、關于文本獲取分析

文本挖掘所要解決的對象大多數都是使用、文本形式進行存儲相關信息內容。從中找到潛在性的知識和規律，與結構化相關信息數據存在很大差異。與結構化相關信息數據可以從相關有聯系的數據庫里邊提取出來。文本型相關數據提起的方式有很多，例如，關于Web網頁數據需要對其展開有效處理，在去掉html格式標簽之后，進行逐一分句、分詞，將他們變成結構化形式的文本數據，除此之外，還有一些文本數據經過系統處理，存儲在數據中。[2]

三、關于文本挖掘數據清洗分析

信息數據清洗，是文本挖局中比較重要的一個關鍵環節。首次獲取的相關數據文件并不是關系型數據，第一步要做的就是把該數據相關文件直接轉換成計算機可以識別的相關數據，同時還能夠表現相關文本內容中的結構化主要形式。文本型相關數據結構都是有限的，文本型相關數據，在計算機日常處理過程中存在很大困難，因此，文本相關內容就無法通過數據相關挖掘技術進行解決和處理，必須先對文本進行及時處理。一般情況下，很多文本內容里都擁有海量文本相關信息，在去除噪音后，需要保留文檔相關特征。同時使用特征相關模型來作為文本表達形式，把文本由從非結構化相關數據有效轉化成結構化數據。[3]

四、關于文本特征相關選擇分析

文本特征通常情況下，是指與文本內容聯系比較緊密的元數據，主要分為兩種：語義性相關特征和描述性相關特征，文本型相關數據都具有很大維度，這些問題對文本挖掘相互消耗掉海量網絡資源和大量時間。尤其，在文本進行處理階段時包含：日常使用比較多的詞表刪除、過濾，不管是用詞表來刪減那些使用率比較的低的常用詞語。并且依據詞語相關片段在文本與結構中位置不同，來進行不同權重。通過文本模型來表示所得到的數據規模都非常巨大，一般情況下，都帶有很高維數，尤其采用向量相關空間模型時，文本向量將會達到百萬級別的維數甚至會進一步擴大。假設對這種上百萬數據文本進行解決與處理，必定會耗費非常多的時間，因此，一定要選擇突出的特征詞，把文本相關特征集壓縮。以此來降低文本的維數。

五、關于文本挖掘分析

文本相關數據通過特征化進行處理后，之后就要進入處于挖掘階段。文本挖掘是整個挖掘程序中比較困難，同時也是非常關鍵的環節。它主要包含：文本聚類、文本關聯、文本分類、數據信息檢索、數據鏈接分析等。文本型相關數據大多數比較復雜，維度相關也比較高。因此，要用傳統相關文本進行挖掘與算法，來對知識進行挖掘。這種情況就扥不到好的效果。因此，在對文本挖掘時要根據語料相關特點來改進，或者使用比較創新型的算法來挖掘。通常情況下，有兩個選擇性比較強的因素：第一種是依據不同類型文本數據各自不同具有的特點進行模擬算法。文本挖掘相關過程核心主要是文本挖掘算法，文本挖掘常用算法是主要研究方向，使用正確的文本挖掘算法能夠有效提升挖掘效率。想要獲取有價值的挖掘效果，一定要認真了解各種挖掘算法，依據所要訓練的文本特征并且有效結合適當、合理算法來展開挖掘。

六、關于模式提取

通過對用戶的評估相關指標來對文本挖掘所獲得知識展開評價，依據評價相關結果來選擇是否使用。文本挖掘所獲得結果是各種應用知識的模式，使用原先已經定義好的評估指標來對已經獲取的模式來評價。如果所評價的相關結果符合一定要求，就應該保存相關知識模式，為用戶使用做好充足準備。

1.關于用戶畫像相關概述

用戶畫像是一種有效勾畫需求客戶、準確聯系相關用戶訴求和創造方向的工具。近些年隨著互聯網技術的快速發展，用戶畫像已經被得到廣泛使用。在日常操作中，通常會用比較淺顯并且與生活聯系密切的語言，把相關用戶的行為和特點進行有效結合起來。一般情況下，用戶畫像相關產品在沒有進入市場之前，定性化相關用戶畫像在很大程度上能夠節省更多時間與資源，通過使用桌面研究定性化相關方法來取得用戶畫像。它是一種把定性和定量進行有效結合的載體，對定量化初期進行調研能夠取得對一個用戶群比較精準的理解，在以后用戶角色創建中，能夠很好的對用戶順序進行排列，把有關核心用戶給重點突出來。定性化相關方法雖然不能有效統計不同單位特征，但是，能夠有效對相關資料進行分類、比較。進一步對某類現象性質做出一定概況，在創建角色中使用定型化相關方式，能夠有效獲取海量用戶的生活狀況、相關使用情境、等重要資料，最終生成活生生用戶類型。針對后臺相關信息數據挖掘，可以將定型化與定量化有效結合在一起來建立用戶畫像。可以根據實際情況從后臺相關信息數據中提取，通過對這些數據進行分析，能夠有效了解用戶相關上網環境的重要指標。在對用戶使用相關場景熟悉了解后，可以抽取一部分用戶ID樣本，從中獲得用戶身份、性別、購物習慣、用戶個人愛好，用戶的日常交易習慣的重要因素，經過清洗后，可以使用聚類分析相關工具以此來確定區分最明顯的相關因素。在用戶畫像還有一個非常重要的細化標準：顆粒度。舉一個通俗的例子，假設“用戶畫像”細化到具體的生活場景里。然而，這種情況幾乎不可能發生的，與此同時，假設用戶相關畫像顆粒度比較大，對于產品相關設計意義也就會變小，因此，從整體上有效把握畫像就顯的非常有必要。[4]

2.關于用戶畫像設計

用戶畫像是對相關用戶進行深入了解，把用戶真實屬性有效轉化成有規則、方便計算機進行存儲的信息數據格式，一般情況下，是依照某種特殊模型，來規范客戶相關信息。創建用戶相關畫像模型，主要目的是對客戶進行有效數據分析，更深層次挖掘用戶相關需求信息。最終達到為用戶提供比較適合的物品或者其他相關服務功能。

結語

伴隨著互聯網信息技術快速發展，很多電子商務網站也獲得更大發展空間，在進行網絡相關交易活動中，對有關客戶進行用戶畫像設置，是能夠更加充分了解客戶信息與需求的重要工具。伴隨著可和規模的持續不斷擴大，對大量客戶進行系統化管理將會變得更加復雜。怎么在海量的信息數據中通過使用文本挖掘技術來獲取相關客戶信息，用戶畫像是最佳合適選擇路徑。

參考文獻

[1]汪強兵，章成志.融合內容與用戶手勢行為的用戶畫像構建系統設計與實現[J].數據分析與知識發現，2017，1（2）：80-86.

[2]李雅坤.基于用戶畫像挖掘技術的網絡借貸平臺研究綜述[J].知識經濟，2017（16）：70-70.

[3]王憲朋.基于視頻大數據的用戶畫像構建[J].電視技術，2017，41（6）：20-23.

[4]李恒超，林鴻飛，楊亮，等.一種用于構建用戶畫像的二級融合算法框架[J].計算機科學，2018，45（1）：157-161.