裁员潮|内容推荐系统：你的文章至少要先让它明白( 二 ) 猎聘|人才市场|算法

断物最简单的方式：贴标签。
标签是我们对多维事物的抽象理解，抽象出的事物更具有表意性。
在不同的应用场景下，推荐系统会对标签的集合有针对性的投射，有倾向性的选择不同的标签换取匹配信息效率的最大化。
通常来说，标分类系统是树状的。在分类节点里，每个节点都有严格的父类继承关系。而且由于树状的层次性较好，所以在内容分类领域有很多应用。
标签则是网状的，更强调表达的属性关系，而非继承关系，只有权重大小之分，不强调包含与被包含关系。
这就使得相对于分类而言，标签系统更加灵活。
标签是弱化的，每个用户都可以参与进来，基于自己的偏好贴标签，从而实现规模效。
标签典型的产出方式有专家系统和普通网友两种。
用户画像的三类应用场景精准广告营销用户画像对广告营销应该说是最典型的应用场景，当给用户打上各种维度的标签之后，广告主能够借助这些标签来圈定用户，以便更有效率的触达目标人群。
行业研究借助用户画像，我们可以了解不同行业的动态进展。
比如90后、00后的购物娱乐消费分析，不同地域的用户消费差异分析，特定行业中用户的消费特点
通常，平台会定期发布此类报告，帮助内外人士更好的了解细分领域的最新特点。
产品效率化信息匹配是是最典型的场景，所有的平台往往都是基于用户的画像信息来优化推荐排序，以实现人和信息的高效匹配。
从而降低效益、降低成本的。
用户画像通常划分为静态的和动态的静态用户画像用户独立于产品场景之外的属性，比如性别、学历、年龄、婚育状况。
这些信息往往相对稳定，而且具有统计意义。
动态用户画像用户在所有的场景中所产生的行为数据。
包括对某篇内容点赞、评论、分享、关注了某个作者等等。
在众多的显式行为中，由于场景的不同，不同的行为权重也不同。
隐式行为包括在某页面的停留时间、用户的操作行为轨迹。
显式行为的权重要高于隐式行为。
【裁员潮|内容推荐系统：你的文章至少要先让它明白】