摘要
随着人民生活水平的提升，大众对外貌的关注度不断增加，“颜值经济”开始兴起，给用户和企业都带来了挑战，一方面，用户无法精准选购出符合自身情况的商品；另一方面，企业面对广大用户群体，需要考虑如何开展差异化的营销。怎样快速把握护肤品领域内的用户画像，充分挖掘用户的需求，实现面向用户的精准商品推荐，已然成为亟需解决的问题。因此，本文从用户画像和个性化推荐方法两个角度入手，开展以下工作： （1）获取护肤品及用户相关数据并进行预处理。利用网络爬虫技术获取“美丽修行”网站2018-2023年不同肤质的用户生成内容，以及3018款在售护肤品的静态参数信息，并将数据进行清洗和处理成为结构化的数据，构建护肤品领域的数据集和领域词典，作为后续数据挖掘与分析的基础。 （2）基于主题模型挖掘用户群体关注点。结合领域词典，在护肤品数据集上分别使用隐含狄利克雷分布模型（Latent Dirichlet Allocation, LDA）、词对主题模型（Bi-term Topic Model, BTM）和 BERTopic 主题模型进行建模，并进行提取结果的量化对比分析，然后选择效果最好的BERTopic主题模型，通过其可视化模块进行具体分析，挖掘群体用户的关注点，为本文对于用户画像模型的设计和个性化推荐方法提供依据。 （3）构建多维度的用户画像模型并设计个性化推荐方法。在前述研究基础上，从基本属性、行为属性和需求属性三个层面建立用户标签，其中基本属性依据用户的静态数据获取，行为属性从用户的历史消费习惯中获取，需求属性则是依托用户生成内容的挖掘，继而获得用户的兴趣权重。然后结合用户画像与护肤品的特征，以特征间的相似度为基础，本文构建了一套完整的护肤品推荐方法，为用户推荐TOP-N的个性化商品，并进行了实例验证，探讨了方法的优势和应用前景。 本文拓展了用户画像的研究范围，针对性地提出了护肤品领域的个性化推荐方法，实现了向用户进行个性化、精准化的推荐服务，同时也可以为企业营销决策提供参考。
NETL