試論基于公共微博數(shù)據(jù)和收視行為數(shù)據(jù)的電視用戶畫像

王奧然

摘要：以往的電視用戶畫像方法是先從電子節(jié)目表單系統(tǒng)獲取節(jié)目標(biāo)簽，然后分析電視節(jié)目和用戶之間的關(guān)系，進(jìn)一步得到用戶的畫像標(biāo)簽，因?yàn)镋PG的標(biāo)簽具有強(qiáng)烈的主觀性，所以最后得到的標(biāo)簽覆蓋面相對(duì)較窄。本文從電視用戶收視數(shù)據(jù)清洗、微博爬蟲實(shí)現(xiàn)、微博數(shù)據(jù)清洗三方面分析收視數(shù)據(jù)和微博數(shù)據(jù)處理，進(jìn)一步研究電視用戶畫像，以供參考。

關(guān)鍵詞：微博數(shù)據(jù);收視行為;電視用戶

中圖分類號(hào)：TP393.092?文獻(xiàn)標(biāo)識(shí)碼：A?文章編號(hào)：1672-9129（2020）10-0173-01

引言：隨著社會(huì)的進(jìn)步和時(shí)代的快速發(fā)展，我國各個(gè)領(lǐng)域都取得了一定的發(fā)展，基于公共微博數(shù)據(jù)和收視行為數(shù)據(jù)的電視用戶畫像技術(shù)也獲得的相應(yīng)的進(jìn)步，電視技術(shù)和互聯(lián)網(wǎng)的高速發(fā)展，使傳統(tǒng)的單項(xiàng)接受信號(hào)變成雙向獲取信息，通過安裝機(jī)頂盒來實(shí)現(xiàn)，同時(shí)還能夠進(jìn)行實(shí)時(shí)電視服務(wù)，準(zhǔn)確獲取到電視用戶的全部操作數(shù)據(jù)，給電視用戶推薦更適合的節(jié)目和廣告，所以通過分析用戶收視行為數(shù)據(jù)構(gòu)建準(zhǔn)確的用戶畫像十分必要。

1?收視數(shù)據(jù)和微博數(shù)據(jù)處理

1.1電視用戶收視數(shù)據(jù)清洗。為了能夠?qū)⒉煌脚_(tái)的電視用戶和微博用戶相融合，需要對(duì)電視用戶的收視數(shù)據(jù)和微博數(shù)據(jù)進(jìn)行清洗，使每個(gè)電視用戶和微博用戶關(guān)注的電視節(jié)目進(jìn)行有效結(jié)合，用戶的特征便可通過該集合進(jìn)行體現(xiàn)。由于電視技術(shù)和互聯(lián)網(wǎng)技術(shù)的發(fā)展，很多家庭都已經(jīng)安裝寬帶，使用智能電視和雙向機(jī)頂盒，雖然先進(jìn)的設(shè)備能夠使服務(wù)商獲得用戶的具體操作數(shù)據(jù)，但是服務(wù)商獲得的數(shù)據(jù)相對(duì)雜亂，需要進(jìn)行清洗之后才能得到有效數(shù)據(jù)。一般來說，采用數(shù)據(jù)過濾法和新系統(tǒng)計(jì)算法，能夠?qū)⒋罅康挠脩魯?shù)據(jù)進(jìn)行篩選，每一個(gè)用戶都會(huì)有相應(yīng)的用戶名所命名的文件，在文件中會(huì)保存收看節(jié)目的時(shí)長、在什么時(shí)間段收看了什么節(jié)目等，得到一個(gè)向量。

1.2微博爬蟲實(shí)現(xiàn)。微博爬蟲的實(shí)現(xiàn)主要依靠關(guān)鍵詞搜索、多賬號(hào)登錄、分布式存儲(chǔ)和解析頁面等，應(yīng)用selenium技術(shù)，通過一個(gè)web自動(dòng)化的有效測試工具，對(duì)頁面進(jìn)行抓取，可以完全模仿真人的操作行為，不會(huì)輕易被反爬蟲策略發(fā)現(xiàn)。為了提升爬取的速度，一般采用多種機(jī)器進(jìn)行分布式抓取，將待爬取用戶分配到不同的機(jī)器上之后，能夠有效避免重復(fù)爬取，最后都會(huì)統(tǒng)一存到分布式的MongoDB當(dāng)中。在登錄之前使用selenium調(diào)用瀏覽器，通過使用相應(yīng)的代碼打開瀏覽器，直接登錄微博首頁，默認(rèn)情況下是沒有登錄，不登錄的話無法正常使用搜索，也不能查看用戶的基礎(chǔ)信息，想要更好的抓取，需要進(jìn)一步實(shí)現(xiàn)模擬登錄[1]。

1.3微博數(shù)據(jù)清洗。在微博爬蟲進(jìn)行數(shù)據(jù)爬取之后，一個(gè)微博用戶能夠得到相應(yīng)數(shù)據(jù)，包括性別、年齡、ID名等，在關(guān)注目錄就能夠看到用戶關(guān)注的所有公眾號(hào)，還能夠進(jìn)一步發(fā)現(xiàn)用戶喜歡瀏覽哪些電視節(jié)目，想要從微博中有效挖掘出電視節(jié)目和微博用戶的關(guān)系，操作過程十分復(fù)雜，微博用戶具體發(fā)送的是非結(jié)構(gòu)性的短文，如果通過單純的切詞方法，不能夠準(zhǔn)確判斷用戶是否觀看了相應(yīng)的節(jié)目，例如，在電視劇《奮斗》當(dāng)中，只采用切詞法，就會(huì)被識(shí)別成“今天需要好好奮斗啦”[2]。微博的數(shù)據(jù)量十分龐大，排除掉一些不經(jīng)常使用的用戶和部分刷廣告的低質(zhì)量用戶，一般來說，一個(gè)用戶的微博總數(shù)大概在三百條之上，對(duì)所有微博進(jìn)行逐條分析沒有意義，在微博抓取的過程中，還發(fā)現(xiàn)存在一個(gè)特殊的情況，即微博中的有效話題機(jī)制，能夠通過加入#，兩個(gè)#就包含用戶選中的話題，當(dāng)其他用戶感興趣時(shí)，就會(huì)搜索到相應(yīng)的話題。

2?電視用戶畫像研究

2.1利用微博數(shù)據(jù)構(gòu)建訓(xùn)練模型。雖然電視用戶和微博用戶不出在同一個(gè)平臺(tái)，但是電視用戶能夠通過觀看某個(gè)節(jié)目，表示出對(duì)節(jié)目的關(guān)注;微博用戶也能夠通過發(fā)表對(duì)某個(gè)電視節(jié)目的博文，來表達(dá)自己的觀點(diǎn)，二者具有相同的特征集，所以可以將微博用戶帶有準(zhǔn)確的畫像數(shù)據(jù)看成訓(xùn)練的數(shù)據(jù)集，對(duì)預(yù)測的模型進(jìn)行構(gòu)建，然后對(duì)電視用戶的畫像進(jìn)一步預(yù)測。可以通過性別標(biāo)簽的模型構(gòu)造，微博用戶填寫有效的性別信息，作為分類結(jié)果，性別與觀看節(jié)目有一定的關(guān)系，例如，男性一般喜愛收看歐冠、NBA等節(jié)目，在推薦相應(yīng)節(jié)目時(shí)就有了一定的參考，類似的還有年齡標(biāo)簽?zāi)Ｐ汀⑴d趣愛好標(biāo)簽?zāi)Ｐ偷取?/p>

2.2使用微博用戶數(shù)據(jù)模型預(yù)測電視用戶的用戶畫像。用戶畫像通過描述用戶的特征和喜好等一些標(biāo)簽，進(jìn)一步挖掘微博用戶的各類型數(shù)據(jù)，對(duì)電視用戶構(gòu)建精準(zhǔn)的用戶畫像，對(duì)推薦廣告和電視節(jié)目起到一定的幫助。通過微博爬蟲能夠添加自身的興趣標(biāo)簽，自定義興趣標(biāo)簽是用戶隨機(jī)編輯而形成，在用戶注冊(cè)賬戶時(shí)就會(huì)填寫相應(yīng)的有效信息，不同的興趣標(biāo)簽說法也不盡相同，例如用戶的標(biāo)簽是“動(dòng)漫控”、“音樂”、“體育”、“明星”等，從中能夠看出用戶的喜愛和偏好，其中會(huì)將一些不規(guī)范的標(biāo)簽進(jìn)行有效歸類，防止影響到最后用戶畫像的準(zhǔn)確性，能夠用最少的標(biāo)簽信息將用戶畫像集合。

結(jié)論：綜合來看，基于公共微博數(shù)據(jù)和收視行為數(shù)據(jù)的電視用戶畫像技術(shù)在雙向獲取信息中起到了至關(guān)重要的作用，公共微博數(shù)據(jù)能夠進(jìn)一步提升電視用戶畫像的準(zhǔn)確率，進(jìn)行準(zhǔn)確的用戶畫像預(yù)測，主要通過介紹電視用戶畫像的意義和背景，得到畫像信息，設(shè)計(jì)高效網(wǎng)絡(luò)爬蟲來獲取微博數(shù)據(jù)，對(duì)大量的電視用戶數(shù)據(jù)進(jìn)行有效清洗等，檢驗(yàn)了微博數(shù)據(jù)的電視用戶畫像方法。

參考文獻(xiàn)：

[1]聶毅.S省魔百和業(yè)務(wù)基于用戶畫像技術(shù)的智能運(yùn)營應(yīng)用研究[D].電子科技大學(xué)，2020.

[2]陳加壽.基于公共微博數(shù)據(jù)和收視行為數(shù)據(jù)的電視用戶畫像研究[D].北京郵電大學(xué)，2018.