关于大数据精准营销中搜狗用户画像挖掘比赛的一些感悟(看第一名代码有感)

基于Spark的大数据精准营销中搜狗搜索引擎的用户画像挖掘 转载请注明:转载 from http://blog.youkuaiyun.com/u011239443/article/details/53735609 from CCF举办的“大数据精准营销中搜狗用户画像挖掘”竞赛 1. 选题背景与意义 1.1 用户画像与精准营销 “用户画像”是近几年诞生的名词。很多营销项目或很多广告主,在打算投放广告前,都要求媒体提供其用户画像。在以前,大多媒体会... 阅读详情

1.用NLTK、jieba等对query做一些分词,词形还原,再用doc2vec 得到dbow ,dm的一些特征

2.用tf_idf NB LR NN 等一些方法 再结合stack 融合得到一些新的特征

3. 最后用xgboost 或者LGB 做一些分类。

以上大概可以得到一个baseline,具体怎么做特征工程 怎么调参 还是一个技术活

 

 

Kaggle基于黑色星期五交易数据的用户画像分析---PYTHON 这里写自定义目录标题Kaggle基于黑色星期五交易数据的用户画像分析---PYTHON1 前言2 研究目的3 数据说明与处理3.1数据来源和说明3.2数据预处理3.2.1查看数据详情3.2.2修改列名3.2.3缺失值处理4 数据分析4.1 性别4.2 婚姻状况4.3 年龄4.4 城市4.5 居住城市年数4.6 职业5 结论 Kaggle基于黑色星期五交易数据的用户画像分析—PYTHON 1 前言 ... 阅读详情

相关推荐

利用Python搭建用户画像系统

用户画像是当下很多企业都会提及的概念,多数情况下会和大数据以及营销挂钩。本文将对用户画像的相关知识进行进行简单的介绍,并利用Python去实现一个简单的用户画像系统。 1.什么是用户画像 用户画像可以理解成是海量数据的标签,根据用户的目标、行为和观点的差异,将他们区分为不同的类型,然后每种类型中抽取出典型特征,赋予名字、照片、一些人口统计学要素、场景等描述,形成一个人物原型 。 用户画像 =...

wenyusuran的专栏 1万+

2016CCF 大数据与计算智能大赛——搜狗用户画像(NLP)

2016 CCF搜狗用户画像队名:nice 排名: 66(复赛) 这个比赛本质上是一个自然语言处理(NLP)问题,或者更具体地就是文本分类(TC)问题。我们组的主要想法来自于自动化所宗成庆老师他们的一篇文章[Xia et al., 2012]以及网上一些博客的启发。 Brief introduction of our method Conclusion Brief introduction of o

qiusuoxiaozi的博客 7937

搜狗用户画像数据集

搜狗用户画像数据集。20w(20万)。 简介:在现代广告投放系统中,多层级成体系的用户画像构建算法是实现精准广告投放的基础技术之一。其中,基于人口属性的广告定向技术是普遍适用于品牌展示广告和精准竞价广告的关键性技术。人口属性包括自然人的性别、年龄、学历等基本属性。在搜索竞价广告系统中,用户通过在搜索引擎输入具体的查询词来获取相关信息。因此,用户的历史查询词与用户的基本属性及潜在需求有密切的关系。 举例如下: 1、 年龄在19岁至23岁区间的自然人会有较多的搜索行为与大学生活、社交等主题有关 2、 男性相比女性会在军事、汽车等主题有更多的搜索行为 3、 高学历人群会更加倾向于获取社会、经济等主题的信息 用户画像是对用户的描述,一般用来精准营销。搜狗用户画像,通过搜狗搜索数据来描述用户,进行数据挖掘,使用在大数据精准营销中。 提供用户历史一个月的查询词与用户的人口属性标签(包括性别、年龄、学历)做为训练数据,通过机器学习、数据挖掘技术构建分类算法来对新增用户的人口属性进行判定。 属性字段说明:提供用户历史一个月的查询词与用户的人口属性标签(包括性别、年龄、学历等信息)

Python数据挖掘实战

购买课程后,可扫码进入学习群,获取唐宇迪老师答疑 Python数据挖掘技术系列视频培训教程基于真实数据集进行案例实战,使用Python数据科学库从数据预处理开始一步步进行数据建模。对于每个案例首先进行流程解读与数据分析,建立特征工程,详细解读其中每一步原理与应用。该课程共有十一大章节,88课时,从泰坦尼克号获救预测进行数据分析作为第一章节,后边依次是用户画像、Xgboost实战、京东用户购买意向预测、Kaggle数据科学调查、房价预测、论文与BenchMark的意义、Python实现音乐推荐系统、fbprophet时间序列预测、用电敏感客户分类、数据特征。

Python-2016CCF大数据精准营销中搜狗用户画像挖掘

2016CCF 大数据精准营销中搜狗用户画像挖掘

搜狗用户画像挖掘2016CCF_BDCI_Sougou_coderSkyChen.tar.gz

2016CCF大数据与计算智能大赛:精准营销中搜狗用户画像挖掘

大数据精准营销中搜狗用户画像挖掘比赛——1st算法分享

作者:李恒超,李裕礞,王安然,钱凌飞,任璐,林鸿飞 ——大大黑楼战队 目录 1. 数据预处理 1.1. 停用词处理 1.2. 分词 2. 特征表示 2.1. Bag of Words 2.2. Word Embedding 2.3. Topical Word Embedding 2.4. Doc2Vec...

狮子座明仔知识集散场 7889

2016CCF_BDCI_Sougou:【源码以及PPT分享】2016CCF大数据与计算智能大赛:精准营销中搜狗用户画像挖掘

2016CCF_BDCI_搜狗 【正确的团队-原始码以及PPT分享】2016CCF大数据与计算智能大赛:精准营销中搜狗用户画像挖掘 具体详见我的博客: 复赛数据下载链接: ://pan.baidu.com/s/1mi9DjIg密码:g8i9 初识python,代码写的很粗糙,多多包涵〜

用户画像初探-Sogou用户画像比赛

起源是师兄叫着参加Sogou的用户画像比赛。过程中师兄比较忙,所以就自己试着摸索了一下。这也是第一次参加数据挖掘的比赛。所以记录一下,勉励自己更加努力才行。LDA主题模型+决策树1、LDA主题模型 文本预处理(编码问题烦死了) 结巴分词(去停用词) 大文本处理(内存8G直接跑到内存溢出,让我哭一会儿) gensim中关于主题模型函数讲解 2、决策树 决策树生成 对于连续数的处理 返回结果的问题 如何

小小攻城狮 2321

Python用户画像学习文章

用户画像案例分析,详细讲解各行业应用技巧,包括《大数据用户画像的方法及营销实践》、《电商平台下用户画像的设计与分析》等文章

用户画像分析.pdf

用户画像的分析,帮助业务人员设计标签类目体系。为用户打“标签”,而一个标签通常是人为规定的高度精炼的特征标识,如年龄、性别、地域、用户偏好等

spark 用户画像挖掘分析_CCF 搜狗用户画像挖掘 Top5方案分享

比赛名称:大数据精准营销中搜狗用户画像挖掘比赛链接:https://www.datafountain.cn/competitions/239赛题简述 业务背景:用户画像,即:用户的属性及偏好。在广告的精准投放中,根据用户的历史行为来反推用户的属性是一项基础技术。本次赛题即为根据搜狗用户在一段时间内的搜索词来预测用户的性别、年龄和教育水平复赛训练数据:10w个用户在某段时间内的搜索词以及相...

weixin_28966407的博客 525

基于RFM模型实现的零售精准营销响应预测系统数据

基于RFM模型实现的零售精准营销响应预测系统数据:Retail_Data_Response.csv:customer_id,response Retail_Data_Transactions.csv:customer_id,trans_date,tran_amount

搜狗用户画像

文本数据: 展开、过滤和分块 https://github.com/apachecn/feature-engineering-for-ml-zh/blob/master/docs/3.%E6%96%87%E6%9C%AC%E6%95%B0%E6%8D%AE.md word2vec 炼数成金 http://www.dataguru.cn/article-13488-1.html ...

qq_26595557的博客 790

精准营销中搜狗用户画像挖掘,源码

2016CCF大数据与计算智能大赛:精准营销中搜狗用户画像挖掘,源码以及PPT分享

Kaggle选手调查问卷分析(用户画像分析)-附件资源

Kaggle选手调查问卷分析(用户画像分析)-附件资源

上一篇: SVM 的俩种视角
下一篇: 街拍爬虫
PythonstartL
博客等级 码龄9年 31粉丝 16原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值