数据挖掘在用户画像上的适用性

现在有不少数据挖掘的场景都是为用户画像,尤其是一些实时数据处理系统,设计亮点是自动从数据中提取规则,及时地为用户生成个性化产品。这其中有几个难点:

  1. 需要多少个“实时”的用户才能提取一个有效的用户特征?
  2. 用户特征和现有用户模型的关系,它对产品的“引爆点”在哪里?
  3. 对每一个细分市场,传统企业都是需要评估它的投资回报率再决定是否投入生产,对数据挖掘来说,只有发现环节,并没有评估环节,很难保证实时生成的产品是有效的,最简单的例子就是推荐系统,大部分的规则最终推荐的结果其实对用户是无效的。
    因为在这些场景下,影响决策的变量很多,数据挖掘和机器学习的特征库还难以覆盖完整。

也许在处理交通信号灯、网络流量、节点可用检测等负载问题上,自主学习加动态调整更适用一些。

,
© 2018 Silent River All Rights Reserved. 本站访客数人次 本站总访问量
Theme by hiero