学习周报20200525 | 用户画像，推荐系统

【 学习周报 】

总结自己的学习和遇到的好材料。

往期回顾：

• 学习周报20200322 | 预训练模型、数据增强
• 学习周报20200329 | elastic search查询基础
• 学习周报202000410 | 再开两本书读起来
• 学习周报202000412 | 两本书+几篇论文
• 学习周报202000419 | 两本书+精读论文

用户画像

用户画像是个性化布局下非常重要的补一部分，因此非常有必要学习一波。近期自己主要是在研究一些基本的原理和方法，后续可能在一些偏好结算、特征抽取上进行学习和尝试。

资料先来一波：

• 推荐系统——用户画像：https://blog.csdn.net/sin\_geek/article/details/83064127
• 美团机器学习实践，第五章
• 用户画像-方法论与工程化解决方案。新书，刚到手，后面好好看看。
• 推荐系统之用户画像：https://zhuanlan.zhihu.com/p/103754069，文章来自汽车之家的产品，对技术和业务的理解都很深刻。
• 一文读懂推荐系统用户画像：https://baijiahao.baidu.com/s?id=1665215120349875742𝔴=spider&for=pc
• 用户画像之标签聚类：https://blog.csdn.net/u014156013/article/details/82657290
• 用户画像—打用户行为标签：https://blog.csdn.net/u014156013/article/details/82657080
• 用户画像—计算用户偏好标签及数据指标与表结构设计：https://blog.csdn.net/u014156013/article/details/82656883

推荐系统

推荐系统，随着自己的精力多放在搜索上了，推荐的内容似乎有一些落后，因此自己正在系统化的学习和补强。

• 推荐系统算法实践：主要精力放在第二篇，涉及的算法、冷启动和效果评估上，数据挖掘、用户行为和标签推荐，后续会把冷启动等内容看完。
• 推荐系统深度学习：前三章完成，看着很爽，具体原因看我上周的内容吧哈哈。

candyhub内容记录

这周的candyhub记录的内容，我放在这里：

20200519

python的dict的技巧

python dict的使用，dict实质上是一种kv存储，但是如果查询一个不在dict里面的内容的时候就会报错，如下面所示：

            
a = {"11":1,"22":2}
            
print(a["33"])
        

这个内容必报错，为了避免，我之前是这么干的：

            
a = {"12":1,"22":2}
            
if "33" in a:
            
    print(a)
        

这种方式还是比较长的，现在来一个简单的方法，但是前提是需要一个默认值。

            
a = {"12":1,"22":2}
            
print(a.get("33",0))
        

这个可能对大家来说很简单，但是我居然是刚发现额。当然还有别的相似的技巧： dict.setdefault(key, default=None) 。

具体链接：

• w3c Python字典(Dictionary)：https://www.runoob.com/python/python-dictionary.html

pyspark

在不久的将来需要用到pyspark，所以要准备学一波，先摆一些自己可能会用到的资料吧。

• 官方文档：http://spark.apache.org/docs/latest/api/python/pyspark.html
• 大数据入门与实战-PySpark的使用教程：https://www.jianshu.com/p/5a42fe0eed4d

20200521

用户画像入门

额，又是一个推荐系统下的一个关键但冷门的点吧。简单列举一下我看了的材料：

• 推荐系统——用户画像：https://blog.csdn.net/sin\_geek/article/details/83064127
• 美团机器学习实践，第五章
• 用户画像-方法论与工程化解决方案。新书，刚到手，后面好好看看。
• 推荐系统之用户画像：https://zhuanlan.zhihu.com/p/103754069，文章来自汽车之家的产品，对技术和业务的理解都很深刻。
• 一文读懂推荐系统用户画像：https://baijiahao.baidu.com/s?id=1665215120349875742𝔴=spider&for=pc
• 用户画像之标签聚类：https://blog.csdn.net/u014156013/article/details/82657290
• 用户画像—打用户行为标签：https://blog.csdn.net/u014156013/article/details/82657080
• 用户画像—计算用户偏好标签及数据指标与表结构设计：https://blog.csdn.net/u014156013/article/details/82656883

个人感觉这玩意非常考验自己的业务理解和建模经验，一方面画像要真的能够描述用户，另一方面这个东西要能被用到下游的系统中。