用户定位算法

Question

我有一个访客来来去去的应用程序。

我正在与一家数据提供商合作，该提供商为我提供有关用户的信息，例如他们的性别、年龄、位置和有关他们的个性等信息。

现在，我想针对这些用户提供适当的内容。

简而言之，我有内容和用户与他们的个性信息，我需要显示最好的内容，匹配他们的性格，个性等。

我知道，给定一个内容列表和一个用户，我将为该用户搜索最好的内容，即: A*搜索。

您将如何设计和实现这样的应用程序？

您会使用哪种(S)/data结构算法？图表？邻接表？矩阵？

Answer 1

我建议使用Bayesian inference来解决这个问题。

贝叶斯分类器

正如目前所述的问题，可用的内容的唯一分类是访问过它的用户的分布和这些用户的特征。所有用户的所有用户特征维度上的联合概率分布是该内容的分类器。

那么如何使用上述信息呢？给定具有所有用户的用户访问分布B的内容A和目标用户特征简档C，可以计算后一个用户对内容A感兴趣的概率。如果对相对于用户简档C的所有内容执行此计算，则得到所有内容的兴趣概率值的列表。根据概率值对该列表进行排序，以标识针对目标用户最佳可能的内容。

在许多情况下，仅用户特征参数的子集可以是对用户的给定内容项的值的预测。这通常是贝叶斯分类器的常见情况，并导致了Bayesian networks的开发，这是关键变量及其条件依赖的结构化图形。这样的网络也可以通过贝叶斯推理方法建模。

贝叶斯网络软件

WEKA Data Mining software是一个开源的Java库，它实现了许多常用的分类方法，包括贝叶斯网络分类器，非常值得一试。我不能推荐任何特定的C#等效包，但快速的网络搜索发现至少有一个用于.NET的商业贝叶斯包，Bayes Server。

推荐阅读

围绕贝叶斯分类器有相当多的文献，它是一种非常完善的技术，用于垃圾邮件过滤、药物发现等。下面列出了两本我可以推荐的书籍。Bolstad的书是为初学者准备的，而珀尔的书则更高级。

Bolstad，William M. (2007)。“贝叶斯统计学导论”，第二版，约翰·威利。

朱迪亚·珀尔(2000)。，剑桥大学出版社。

Answer 2

非常有趣的问题！

你说的是最好的内容。但你没有提到测量方法。我猜你在content下面指的是某种形式的广告，而“best”指的是最有效的，即拥有最高的CTR。

所以你有一个函数：

f(gender, age, location, personality, ..., advertisement) -> CTR

每次访问你都会得到固定的性别，年龄，地点等。在固定的情况下，我的意思是:你已经有了这个访问者，你不能改变他的年龄。您有一个可以更改的参数: advertisement。您的目标是最大限度地提高CRT。

不同的广告您可以收集不同组合下的CTR的统计数据。一旦您有了最少的初始知识，您就可以尝试使用optimization theory方法，特别是nonlinear programming来为给定的advertisement找到最优的gender, age, location, etc参数。继续收集CTR统计信息，使后续决策变得越来越精确。

P.S.在TechCrunch上有一个创业展示。他们做了类似的事情，并取得了令人惊叹的结果。因此，如果你想要成功，就考虑开始自己的事业;)