这些需求看似零乱，实际上都属于不同于“兴趣”的另一类问题，它需要知道“用户是什么人”。因此我们建设了情景挖掘体系来整合响应这类需求的工作。

　　图9 情景挖掘体系

　　情景引擎

　　最早建立情景引擎是为了满足某些DSP给大客户做SCRM的需求。客户需要运营社交网络上的粉丝和潜在客户，需要一些工具把消息分发给这些用户，比如：

把广告投放给微博里提及了“宝马”的用户；

发一条活动微博，然后把广告投放给跟这条微博互动的用户；

把广告投放给刚刚关注奔驰的用户。

　　针对这类需求我们实现了一个情景引擎，接入微博上所有主要用户行为数据，j2直播，按行为类别（谓语行为）分类存储，抽取出其中的对象（宾语个体），一个情景就定义为谓语+宾语，经过一系列中间计算后，形成“用户-情景列表”索引格式的数据，实时更新到线上缓存供定向服务使用。

　　情景引擎用Storm接入实时数据，计算后分钟级别更新到线上缓存，大部分是工程问题。里面涉及到算法的地方主要有两处：

数据清洗。接入的线上数据有垃圾流量，比如在话题区刷广告的。需要建一个反垃圾模块。

关系扩展。计算出来的情景-用户列表通常会有极强的长尾分布，即头部的情景占据海量用户，但我们在广告投放时希望大部分情景都能有相当数量的覆盖用户。因此会丢弃掉大部分长尾数据，对分布的中间部分做基于相似性或相关性的算法扩充。

　　中长期情景挖掘

　　基于情景引擎长期积累的数据，我们在上层建立了中长期情景标签体系（对外称为人生状态标签）。

　　人生状态标签体系一共有20多个标签，涵盖用户的求学、旅行、车房、职业、婚恋、育儿等状态。这些标签都是各自独立挖掘，挖掘的算法完全由其评价方法而定，并没有通用方法，而评价方法完全取决于源数据情况。下面给出几个例子：

　　大学生标签：

　　根据发微博的内容过滤出一个准确率比较高的大学生用户集合（大学生在某些场景下发的微博会带有区分度非常高的关键词）。然后对16-25岁之间的用户建模，特征主要包括关注特征、App使用特征，IBS特征。用过滤的用户集合为正样本，随机取一个负样本集合进行训练。对所有16-25岁之间但不在样本集合中的用户进行预测，取一个预定的数量。

　　差旅标签：

　　当前用户的位置与用户常驻城市不符，即看做用户在差旅状态。

　　豪车车主：

　　根据用户行业/头衔、影响力、社交关系等信息制定过滤策略。到用户微博页上人工验证。

　　用预估的方法会有一个问题，即很难保证做出来的正样本训练集是无偏的。一般来说，能够满足某种过滤条件的数据总是有偏的，通常更偏向于更好更活跃的用户。但在后期评估中发现，只要注意在模型里尽量不使用规则里的那些特征，关系并不大。另外，训练集偏向更好的用户也不算大问题，因为计算结果本来就要求优先保证更好的用户，那些不活跃的、特征缺失严重的用户对业务的影响相对不重要一些。

　　人生状态标签跟兴趣标签看上去有类似的地方，但从评价方式和应用出发点来看完全不同。例如，“用户对婴儿用品感兴趣”跟“用户是婴儿父母”是两回事。从广告投放的角度出发，我们从来不把这两者混为一谈，我们对前者的效果负责，但不对后者的效果负责。