李亚玲 徐诚 杨东 董事
关键词：气象融媒体；
用户画像；
标签；
智能推送
中图分类号：G20 文献标识码：A 文章编号：1006-8228（2023）11-156-03
0 引言
气象融媒体资源类型涉及多种文本、图片、视频等资料数据，日增数据量大。这就迫切需要对用户行为特征和标签进行多场景分析，从而得到用户画像，然后通过对用户场景感知，识别和预测用户可能感兴趣的文字、图片、视频资源，从而有针对地、及时地向用户推送信息，满足不同用户的信息推送需求[1]。
1 用户画像智能推荐
1.1 用户画像
用户画像是一种抽象的、具有描述性质的、可标签且能描述性质等数据构建出来描述一类用户的标签模型[2]。其概念最早是由交互设计制服Alan Cooper提出，他认为“用户画像是现实用户的抽象表示，是一种建立在真实数据上的用户标签模型”[3]。
1.2 智能推荐
智能推荐是信息数据量超过信息承受能力或者处理极限，会造成处理时间过长、利用率低等诸多不利影响时，根据用户信息数据、用户行为、用户兴趣进行分析得到用户偏好，根据偏好主动推荐，为用户提供良好体验，在一定程度上实现利益和效率最优化[4-6]。
2 用户画像在气象融媒体资源智能推送技术的应用
2.1 用户画像标签树与标签元矩阵
通过分析，我们发现用户画像中定量分析时，需要将用户进行标签，而标签又可以向下逐层分解。通过分解，可以得到更加具体的标签元。为了便于描述，特引入用户画像树、标签，标签叶子节点这三个定义。
定义1 用户画像标签树：由多个相互独立标签元以及可分解关系所组成的一棵层次结构树称为功能树。
定义2 用户画像标签树叶节点：在功能树模型中，功能叶节点即功能元，它是功能分析树中最低一层的组成单元，表示可量化为关键字的用户标签元。数学描述见公式⑴。
3 基于用户画像的气象融媒体资源智能推送技术在四川气象媒体资源池管理平台中的应用
3.1 应用背景
2021 年8 月开始，四川省气象服务中心研发四川气象媒体资源池管理系统，资源池中涉及多种文本、视频、图片等资料数据，需要通过智能推送解决海量数据的高效数据推送服务。
3.2 用户画像标签树及标签矩阵
通过向不同角色用户发放调查问卷，并根据得到的结果进行用户画像标签整理，得到了四川气象媒体资源池管理系统用户画像标签树图，如图2 所示。
3.3 用户画像标签选择矩阵
根据目标用户注册选择提关键词，形成了用户画像标签选择矩阵LP1（Lab parameter 1），见公式⑺。
3.4 目标用户画像标签及智能推荐结果
根据[UL1]= [ LM1] × [ LP1]得到目标用户注册选择的关键词，形成了用户画像标签选择矩阵，并与四川气象媒体资源池可推荐的项目特征计算。系统分为稿件、图片、音频、视频，用户实现了标签为绿水青山、招牌、冬季、冬奥会、大运会的结果，如图3 所示四川气象媒体资源池根据标签推荐结果。
4 结束语
本文对基于用户画像标签的智能推送技术进行了研究，通过用户画像标签树、用户画像标签元矩阵、用户标签选择矩阵得到了目标画像标签，从而实现了智能推送。最后，將相关方法应用于四川气象媒体资源管理系统中来验证该研究方法的可行性。
猜你喜欢 用户画像标签 拒标签科教新报(2022年43期)2022-11-27无惧标签 Alfa Romeo Giulia 200HP车迷(2018年11期)2018-08-30不害怕撕掉标签的人，都活出了真正的漂亮海峡姐妹(2018年3期)2018-05-09贝叶斯网络在用户画像构建中的研究移动通信(2016年22期)2017-03-07把声音的魅力发挥到极致中国广播(2017年1期)2017-02-21移动用户画像构建研究现代情报(2016年10期)2016-12-15基于微博的大数据用户画像与精准营销现代经济信息(2016年24期)2016-11-09移动互联网下手机用户使用行为特征的研究电脑知识与技术(2016年7期)2016-05-19标签化伤害了谁公民与法治(2016年10期)2016-05-17科学家的标签少儿科学周刊·少年版(2015年2期)2015-07-07