天安门换主席画像高6米重1.5吨 迎新中国成立68周年“换新”
人民网北京9月28日电 (尹星云)为迎接新中国成立68周年，昨夜23点，天安门城楼毛主席像进行了每年一次的“换新”工作。在施工人员细心、安全地操作下，旧画像被缓缓取下，最新绘制而成的毛主席画像悬挂在了天安门城楼上。来自五湖四海的游客将能看到天安门城楼上一幅颜色饱满亮丽的毛主席画像。
此次更换，施工人员动用了两辆吊车和一辆货车。今天0点05分，更换工作完成，整个换像过程持续了1个多小时。
据了解，每年国庆节前夕，天安门城楼都要更换新的毛主席画像，被风吹日晒稍许褪色的旧画像被取下。画家将会把旧画像进行处理，在处理后的画板上再精心画出毛主席的新画像，等到了下一年国庆前夕，再把上一年的旧画像更换下来。据了解，毛主席画像高6米，宽4.6米，总重量达到1.5吨。
中苏自从十年论战后，关系就越来越糟糕了，后来一直到赫鲁晓夫下台也没有好转的迹象，苏联新的领导人对中国的关系路线没有任何变化。不仅如此，还比赫鲁晓夫当政时代更加恶化了。
尤其是中苏珍宝岛战役后，双方的关系彻底破裂了。作为一个超级大国的苏联岂能咽下这口恶气呢，于是苏联采取了两个步骤，首先是在莫斯科举行了世界共产党大会，邀请了75个国家的共产党参加，和中国关系比较好的越南，朝鲜等没有参加。这次大会的目的就是为了把中国党开除出共产党阵营，彻底孤立中国。这是文的一手儿，第二手儿还有武的。
武的方面，也就是苏联人的第二个步骤，说起来确实有点吓人。苏联领导人勃列日捏夫等人头脑发晕，利令智昏，竟然想启动核武器对中国来一次外科手术式的的核打击。苏联企图用中程巡航导弹，携带几百万顿级的核弹，对中国的重要军事基地和北京，长春，鞍山等重要城市进行核打击，想把中国军事设施和核基地彻底给废了。大京老师不得不说，当年苏联的勃列日涅夫真是比赫鲁晓夫还要混蛋好几倍。
当然，苏联领导人心里也很清楚，对一个大国动用核武器进行攻击在全世界都是一件大事，他们也有担心和顾虑，他们担心事后会不会遭遇中国的核报复；美国会不会乘机浑水摸鱼和苏联打一场世界核大战；世界舆论会不会一边倒一同强烈谴责苏联。由于有这么多的顾虑，所以苏联领导人心里其实也没底，所以就想先摸一摸美国的底牌。于是他们便通过苏联驻美大使把苏联这个想法透露给了美国。
可是美国政府却来了个“沉默是金”，一直没表态，让苏联领导人万万没想到的是，美国的媒体《华盛顿明星报》把这一惊天消息给捅了出来，这件事立即引起轩然大波，被全世界都知道了，美国把苏联卖了。
毛主席得知了这个消息后，一分钟也没有耽误，马上就做出了两手准备，一方面发动群众深挖洞，指示要做必要的应对，马上行动起来，让城市的迅速挖掘防控掩体，同时在全民中广泛进行防止光辐射，核污染的应急练习，以应对随时可能出现的核打击。另一方面决定同美国缓和关系，想办法联美治苏，如果能够联合美国反制苏联，那么苏联绝对不敢轻举妄动。
周总理来见毛主席汇报情况，总理见到毛主席就说：主席，几位老帅都认为今年国庆节苏军偷袭的可能性很大，今年的群众机会还搞不搞了？是不是再研究一下呢？毛主席笑着说道：不搞机会不大好吧，这等于告诉人家我们怕了。集会照常进行，我还要上天安门。我倒是想看看，原子弹的威力有多大。
周总理听毛主席这样说，很担心几十万人聚集在广场上，万一出现情况，怎么疏散与隐蔽？天安门上的毛主席和其他领导人，怎样才能安全地进入地下通道？毛主席看到周总理紧缩双眉，笑了笑说道：如果实在不放心，我们可不可以放两颗原子弹吓唬一下他们呢？让他们也紧张几天，等他们明白过来了，我们的国庆节也过完了。周总理听到毛主席这话，会心地笑了：好，放完后，咱们来个秘而不宣，这就是兵不厌诈。
于是1969年国庆前的9月28和29日，中国成功地进行了第一次地下核试验和高爆核试验。也是中国进行的第八次，第九次核试验。核试验后，许多国家，尤其是美苏两家对都焦急地等待着中国公布核试验的消息和结果。然而，中国这次一反常态，消无声息，媒体一概静悄悄，连一条新闻都没发布。于是苏联人就猜测，中国进行的这两次核试验大概不是为了获取什么成果，而是临战前的一种检测手段，是为对苏联可能进行的核打击儿做的反击准备。
到了10月1日这天，毛主席和其他领导人一起登上了天安门，检阅了游行队伍。当晚毛主席和中央其他领导人有来到天安门广场，在群众中间席地而坐，兴致勃勃地观看了节日礼花和焰火。大京老师通过记录片看到毛主席当时那是神态自若，处之泰然，不知道大家有什么感觉，反正大京老师根本感觉不到有任何危机和风险的存在。
回头再说美国，美国总统尼克松紧急召见国务卿基辛格商讨中苏之间即将爆发的战争，对中苏可能的大战作出了评估，经过商讨他们一致认为如果中苏之间真的爆发了核战争，对美国将极为不利，尤其是苏联可能将进一步蚕食美国在全球的利益。而相比苏联，中国的政策与口号是“深挖洞，广积粮，不称霸”，表明中国无意与美国争夺世界霸权，也无意挑战美国的利益。所以尼克松和基辛格明智地作出了最终的决定：联中反苏。尼克松通过热线明白无误地告诉苏联领导人，美国反对苏联对中国动用核武器，如果苏联对中国进行核打击，美国将采取核报复措施。同时，美国又向中国抛来了橄榄枝，表示美国政府愿意恢复中断了的中美大使级华沙会谈，愿意改善中美关系。
果然，苏联得到一旦爆发核战美国将进行核报复和中美开始缓和接近的信息后，再三权衡利弊，决定放弃对中国进行核打击的计划，接受中国提出的进行中苏边界谈判的建议。一场一触即发的核战争就这样避免了。
(2017-07-20)
过去的一个世纪，中国这个千年古国，曾有过几位风云人物，一度主宰了中国的历史进程。中国六百年来的政治中心天安门广 场，见证了中华大地的历史变迁。天安门城楼上从民国时期开始曾经先后悬挂过袁世凯像、蒋介石像，毛泽东、朱德等中共领导人的照片，并于斯大林逝世时短暂悬 挂过其半身像，其中毛泽东像种类最多。民国时期的天安门挂着蒋介石巨幅像。
蒋介石巨幅像
1949年7月7日，纪念抗战爆发20周年，天安门城楼上挂着毛泽东和朱德的相片。
1953年斯大林逝世时，天安门城楼正中挂着斯大林半身像，天安门城楼上悬挂着横条幅“斯大林同志永垂不朽”，肖像两侧各有5面旗帜。1953年斯大林逝世时，天安门城楼正中挂着斯大林半身像。
毛泽东向斯大林像献花圈
中共领导人在斯大林像前
1949年10月1日悬挂在天安门城楼上的毛泽东像
1950年5月1日悬挂在天安门城楼上的毛泽东像（仅挂了一天）
1953年10月1日至1962年10月1日悬挂在天安门城楼上的毛泽东像
1963年10月1日至1967年5月1日悬挂在天安门城楼上的毛泽东像
1967年10月1日悬挂在天安门城楼上的毛泽东像。
2009年9月27日，工作人员正在对毛泽东像进行更换。按照惯例，天安门城楼的毛泽东像每年至少更换一次。
以下为网友评论：
网友“qzuser”：毛主席像永远要挂！他对人民的功劳太大了！
网友“斗地主”：这才是真正的伟人，毛主席这种为国家为人民全心全意奉献一生的事迹后世永颂扬。
网友“晨光”：伟大领袖毛主席万岁！
网友“衣服又瘦了'”：伟大领袖毛爷爷万岁！
网友“邪道”：我爱毛爷爷
网友“星落天穿”：毛主席是真正代表人民的领袖，毛主席万岁，人民万岁
网友“BIOTHERM”：伟大领袖毛主席万岁！伟大导师毛主席万岁！伟大舵手毛主席万岁万岁万万岁！
网友“自由自在^_^”：没有毛主席没有新中国，毛主席万岁！
网友“电锯惊魂”：伟大领袖毛主席，引领我们向前进。我爱北京天安门……
网友“曹青宁”：永远是毛主席
(2017-09-14)
如同我上一篇文章《给用户画了像，又如何》所讲的一样，用户画像已经人尽皆知了，在貌似满足用户需求的思想指引下，给用户进行了深入的画像并加深对用户的理解，但之后又该如何匹配合适的商品最终做到“人货合一”呢？
很多零售商并没有深究，往往觉得货就是货，卖出去就行，这其实还是自己的本位思想在作祟，没有做到把最合适的商品呈现给最合适的用户，造成的现象则是：爆款总是断货，不好卖的货总是呆滞，客户看到店铺里堆了大量自己并不喜欢的产品时，体验可想而知。
如何解决上述问题，就需要对自己的商品有深刻的理解，而“商品画像”则是解决这个问题的必由之路。
商品画像如同用户画像一样，可以简单理解成是商品海量数据的标签，根据商品的特征、设计、功能、口味、波次、价位段、流行度、销售状况、促销力度、销售渠道差异，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、特点、场景、统计学要素等描述。
而商品画像的意义则在于可以对商品进行精准的定位，让不同的商品迅速匹配到处在不同地域、时间、偏好、阶层中的消费者，进而去更加优化用户的体验，同时商品画像给商品所贴上的各种“标签”可以驱动后端供应链的各种的行为，如预测、补货、促销、库存、采购、生产、物流等等，都是要和这些标签相匹配，标签不同，模型不同，流程不同，管理的模式也有所不同，而且一切都是动态的。
让众多零售商对“商品画像”重视程度不足的原因，主要是商品的管理往往扮演的是“幕后英雄”的角色，商品自身没有消费者自身“上帝”的地位，也没有场景那么炫目多彩，商品管理人员甚至有时不会和消费者直接发生接触，因而常备零售商所忽视，忘了“商品”才是消费者体验成败的关键所在。
如同自己找到了一个目标，手中用于击中这个目标的手段（货）很多，但具体哪种“工具”能够最经济、效率最高击中目标并不非常清楚，好不容易了解了手中的“工具”，而“工具”（畅销款）又缺货了。
有人说商品画像挺简单的，从销售历史的Top10和Bottom10的商品清单，就可以看出好卖还是不好卖，好卖多进货，不好卖少进货不就行了吗。
但真的那么简单么？
销售排行榜上排名第一的商品由于半价促销带来大量销量，或者由于铺货相对更广，就能说一定比第二名、第三名等没有促销政策或铺货较窄的货好卖吗？
以时尚类行业为例，该类商品的一个典型特征是销售周期基本上都是在3个月左右，在对商品进行画像的时候，主要从商品的自然属性和销售状况出发，要考虑商品的颜色、面料、尺码、价位段、品类、品类结构比、波段规划、季节性特征、销售渠道、销售区域、门店铺货情况、竞争对手表现、市场容量/占比、产品生命周期趋势、供应商支持情况、整体销售趋势以及天气情况，并且依据分类算法模型给不同的商品贴上不同的标签，来综合判定不同的商品会适合于什么类型的消费者，以及商品的畅平滞的情况和原因，并且以上维度是要交叉分析的。
例如渠道和产品维度、渠道和时间维度、产品和时间维度等进行交叉分析，鉴于这些商品上市的复杂度，就需要借助机器学习的算法来进行分类。
在不同的销售渠道里销售的价格未必一样，面向的消费群体未必一样，每家店面铺货的情况未必一样，南北方的气温不同导致上市的时间会有所不同，而商品品类的结构在不同的区域也会不同，同时供应商的产能制约更是一个不可忽略的因素，如果竞争对手在忙上添乱，更是会让局势错综复杂，而整体行业数据的分析更是必不可少，所以这时就需要复杂的商品画像，让商品的自然属性和销售状态画像更加清晰的呈现在商品决策者面前。
而零售便利店业态虽然和时尚品零售行业不完全一样，但也需要清晰的商品画像，重点考虑的因素包括商品的口味、特征、功能、天气、价格、当时活动、门店位置、竞争对手等因素。例如晴天将会导致中午气温上升，口味清爽、蛋白质高的便当会好卖，或者阴天将导致气温下降，那么消费者更加偏向口味浓郁、热量足、分量大的便当，所以零售商对便当的口味、分量、价位段、适用人群等要有清楚的认识，同时把便当和天气的外在因素结合在一起，形成一个完整的商品自然属性画像，这样对于目标消费群体更有针对性的销售和备货。
一旦一个商品被贴上“好卖”的标签，那么对于预测要求开始提升，精度一定要高，而库存则要备足，后端的生产、原材料采购也要保证不出事，确保不断货；一旦被贴上“不好卖”的标签，那就赶快清库存找后路，防止库存积压。
用户画像是产品的根基，但是“商品画像”是产品的外延生命力的象征。
好的产品必须是易于在人群中推广的，一句话能讲清楚，如何让商品和消费者进行迅速匹配，同时通过商品画像来迅速启动需求链管理流程：预测、促销、补货、采购、生产、物流、配送等等，让好卖的商品不断货，利润最大化，让不好卖的商品赶紧清仓腾位置，不要形成呆滞库存，这样整个链条从消费者到零售商再到供应商就彻底地由商品给满意、高效、健康串联了起来。
[新零售行业峰会来袭！]2016年马云在云栖大会上首提“新零售”，自此“新零售”已成为当下电商界最热词，各电商大佬反复提到“线上线下融合”。如今，无人便利店、无人货架等模式也上升至新的风口，入局者蜂拥而至……
从旧到新，从传统到智能，零售经历着种种变化。对于企业来说，如何做到真正的落地执行？怎样借力实现销量和渠道的裂变？现场演讲嘉宾将在峰会上碰撞出精彩的火花，这将是一场新零售思想的盛宴。
版权声明
(2017-09-22)
在中国北京，有一座公墓，那里安放着很多革命先烈的骨灰。如朱德、彭德怀、陈毅、任弼时等对中国革命做出突出贡献的革命先烈都被安葬在此处。这不仅仅是荣誉的象征，更是对他们一生的肯定。然而，有位开国上将，他去世后骨灰被安放在其中，但却因一件事，在八年之后，骨灰却又从其中移出，这又是怎么一回事呢？下面便跟大家细细道来。
首先介绍一下这位开国上将，他便是谢富治将军，出生于1909年，湖北黄安人。1930年参加红军并在第二年加入共产党。曾在中国革命期间做出过突出贡献，不仅会打仗，会带兵，而且还是做政治的一把好手，更是中国共产党的坚定支持者，毛主席曾经评价道谢富治对共产党的忠诚是经得起历史的考验的。
在1955年授衔仪式上，更是靠着自己的卓著功勋，被授予上将军衔。建国后，他更是后担任国家重要职务，如公安部部长、国务院副总理等，更是第一位上将副总理。1972年，他在北京因胃癌去世，当时的天安门为他降半旗意识哀悼，而骨灰盒也被安放在八宝山革命公墓中。
但是在八年后的1980年，党中央不仅撤销了谢富治的党籍，还将他的骨灰从八宝山公墓中请了出来。这又是为何呢。
原来在建国后，他辜负了党中央对他的信任，参与了林彪、江青等人的反革命活动。制造了大量冤案、错案。在他在任期间，曾发布了一条规定《公安六条》，令无数人受到迫害，收到了不公正的待遇，甚至被迫害致死。
在1981年，最高法院判定谢富治为林彪、江青反革命集团的主犯。虽然他的前半生功绩令人敬佩，但后半生犯得错误也不容姑息。
以下为网友评论：
网友“601320842”：什么严重错误？无非就是和“二核”不一条线上的人罢了
网友“丹青居士1”：不过信仰不同
网友“U32774781”：历史自有公论。
网友“炫目”：小人当道，英雄落泪
网友“U57418035”：半路迷途~
网友“U78571646”：世界上没有好坏之分只有对错
(2017-05-25)
焦裕禄，60年代担任河南兰考县的县长，在岗位上工作兢兢业业，是全国干部的楷模，焦裕禄在工作中表现出“亲民爱民、艰苦奋斗、科学求实、迎难而上、无私奉献”的精神，被人们称为“焦裕禄精神”，1964年焦裕禄病逝于郑州，年仅42岁，他有个女儿名叫焦守云。
焦守云是焦裕禄的二女儿，是焦家兄弟姐妹中最幸运的，因为六个兄弟姐妹，只有他上过学，上学前他跟着奶奶一起生活，焦守云的人生跟父亲一样，既平凡又充满意义，父亲逝世后第二年，焦守云来到天安门，受到毛主席的亲自接见。
1966年9月15日，焦守云年仅13岁，她是毛主席请来的客人，从开封来到北京，一路受到最好的待遇，一下火车就被毛主席派过来的人接走，而坐军用车，在北京住楼房，睡的也是军用被褥，有大米饭和白菜炒肉吃，出门坐公交车可用代表证免票。
13岁的焦守云在天安门上，跟毛主席握手，当时她穿着打补丁的衣服，穿着一双破旧的布鞋，不过精神面貌很好，而且受到毛主席的鼓励和亲切问候，这样的际遇让焦守云成为当时的名人，她决定把父亲为人民服务的艰苦作风传承下来。
1968年，焦守云年仅15岁，但她报名参军了，当时的她是个皮肤白皙的女孩，有一双明亮的大眼睛，鼻头微翘跟父亲焦裕禄挺像，后来到20岁，焦守云被选为“十大代表”年龄最小的，在战友眼里，焦守云是个活泼有上进心的普通士兵。
焦守云一生铭记自己是焦裕禄的女儿，每逢父亲去世周年纪念日，她都要去纪念父亲，并开一次家庭会议，把父亲全心全意为人民的精神灌输下来，后来焦守云退休后，在河南省焦裕禄精神研究会继续任职，她希望像父亲一样，尽最大的努力为社会做出贡献。
2008年奥运会时，焦守云成为奥运圣火的传递员，在开封和女篮第一高中锋郑海霞点燃火炬，生活中的焦守云也很爱体育，虽然现在焦守云退休了的，但她依旧继续发光发热，为社会做出自己的贡献。
在开会和报告中，焦守云多次宣传父亲的“焦裕禄精神”，她希望年轻一代更多了解父亲，让父亲的事迹流传下去，鼓励一代代年轻人，焦守云还表示，新时代的建设离开父亲的“焦裕禄精神”，所以焦守云常说：“在父亲离开的日子里，我把宣传父亲的事迹当成自己的责任。”
(2017-08-14)
此公开课为极客公园策划的「极客公开课•Live」第十四期。本次公开课，我们将邀请到友盟+首席数据架构师&数据委员会会长张金来为大家讲解到底什么是用户画像，快速建模框架，如何提高用户精准画像的的准确性，从理论到应用的一起了解用户画像。
什么是用户画像？
用户画像也叫用户标签， 是基于用户行为分析获得的对用户的一种认知表达，也是后续数据分析加工的起点。从认知心理学的角度，用户标签其实与人认知世界的方式相一致，人为了简化思考，通常也会通过概念化的方式简化事物认知，这种概念认知就是标签。因此，用户画像的内容可以很宽泛，只要是对人的认知，都可以叫做用户画像。例如：今天路过这个门口三次的人，也可以是一个标签，只要他有合适的应用场景。
另外，我们需要从概念上加以区分，用户标签和用户透视，一个是个体的认知，一个是整体的标签分布，二者都经常被人统称为用户画像。今天我们在这里说的用户画像主要指标签。
用户画像的 4 个核心价值
一、市场细分和用户分群：市场营销领域的重要环节。比如在新品发布时，定位目标用户，切分市场。这是营销研究公司会经常用的方式。
二、数据化运营和用户分析。后台 PV\UV\留存等数据，如果能够结合用户画像一起分析就会清晰很多，揭示数据趋势背后的秘密。
三、精准营销和定向投放。比如某产品新款上市，目标受众是白领女性，在广告投放前，就需要找到符合这一条件的用户，进行定向广告投放。
四、各种数据应用：例如推荐系统、预测系统。我们认为：未来所有应用一定是个性化的，所有服务都是千人千面的。而个性化的服务，都需要基于对用户的理解，前提就需要获得用户画像。
用户画像的基础：数据
做好用户画像需要一定的门槛，一方面是数据的体量和丰富程度，另一方面是技术和算法能力。今天介绍的经验基础是[友盟+]数据，首先简单介绍一下。[友盟+]有覆盖线上线下的实时更新的全域数据资源，每天大约有 14 亿的设备，覆盖数百万级的网站和 APP 行为，这个庞大的数据量使得我们有丰富的数据资源来生产用户画像，同时又要求我们能相应的技术能力来进行处理。
数据是如何生产，变成画像的？
结合上图，用户画像生产流程概览，我们将用户画像的生产比喻成一个流水线，就如同将矿石加工成成品的过程。用户浏览网页、使用 APP、线下行为，这些数据都是矿石，需要提炼、加工成为产品，最后还要通过质检。
这个过程通常有几个步骤。首先获得原始行为数据，基于这些数据做特征抽取，相当于清洗、加工的工作；在机器学习环节，会与外部知识库有一些交互。实际上机器算法对人的理解，一定要基于知识体系，就好像我们说的概念。比如，机器给人打汽车相关的标签，一定要首先知道汽车体系有什么样的分类，有什么车型，有这样的知识系统我们才能把人做很好的标识归类。
最后，质量检测，这一步也很重要。一个标签的质量决定了后期的应用效果，如果前期对人的分析偏了，后期结果就很难做对。
用户画像生产流程框架
上面讲的是概念图，如果具象到实际操作中，是这样一个框架流程：
这里先留三个悬念：
悬念一：从用户行为日志开始到标签产出，为什么有两条线？
悬念二：标签体系为什么只作用在内容标注上？
悬念三：为什么下面的「评估」过程要特别标注出来？
1、从用户行为日志开始到标签产出，为什么有两条线？我们把画像分为两大类：第一类：统计型画像；第二类：预测性画像。
第一类，统计型画像是客观存在，这种都是兴趣偏好。比如，用户每天都在看汽车新闻、搜索汽车相关的内容，基于这种行为，我们判断这个用户对汽车感兴趣。这些行为是客观发生的，因此无所谓正确率，也不需要训练样本集。
第二类，预测性画像。需要通过用户行为做预测，像用户的性别预测，尤其是挖掘人的内心态度。比如，用户在消费时，是激进的，还是保守的？有预测就有准确率。所以这里面有很重要的评估指标，就是正确率，也需要取样本集。这就是二者的不同，也会有不同的加工流程。
常用的一些标签体系
再继续介绍标签体系，因为很多同学会问到，「我应该建一个什么样的标签体系？什么样的标签体系是比较好的？」通常我们会把它分为四大类：
第一类：人口属性。比如说性别、年龄、常驻地、籍贯，甚至是身高、血型，这些东西叫做人口属性。
第二类：社会属性。因为我们每个人在社会里都不是一个单独的个体，一定有关联关系的，如婚恋状态、受教育程度、资产情况、收入情况、职业，我们把这些叫做社会属性。
第三类，兴趣偏好。摄影、运动、吃货、爱美、服饰、旅游、教育等，这部分是最常见的，也是最庞大的，难以一一列举完。
第四类，意识认知。消费心理、消费动机、价值观、生活态度、个性等，是内在的和最难获取的。举个例子，消费心理/动机。用户购物是为了炫耀，还是追求品质，还是为了安全感，这些都是不一样的。
如何判断标签体系的好坏？
在实际构建标签体系时，大家经常会遇到很多困惑，我列举 5 个常见问题。
第一、怎样的标签体系才是正确的？其实每种体系各有千秋，要结合实际应用去评估。
第二、标签体系需要很丰富么？标签是枚举不完的，可以横线延展、向下细分。也可以交叉分析，多维分析。如果没有自动化的方式去挖掘，是很难做分析的，太多的标签反而会带来使用上的障碍。
第三、标签体系需要保持稳定么？不是完全必要，标签体系就是产品/应用的一部分，要适应产品的发展，与时俱进。比如，以前没有共享经济这个词，今天却很热。我们是不是要增加一个标签，分析哪些人对共享经济的参与度高？喜欢共享单车、共享汽车。
但是，有一种情况下，标签要保持稳定。如果你生产的标签有下游模型训练的依赖，即我们模型建完后，它的输入是要保持稳定的，不能今天是 ABC，明天是 BCD。在这种情况下，是不能轻易对标签体系做更改的。
第四个，树状结构 or 网状结构？树状结构和网状结构从名字上就可以看出其分别。网状结构，更符合现实，但是层次关系很复杂，对数据的管理和存储都有更高要求。知乎，如果仔细去看它的话题设置，其实是网状的。
网状的特点就是一个子话题，父级可以不止一个，可能有两个。比如儿童玩具，既可以是母婴下分分类，也可以是玩具下的分类，它就会存在两个父节点之下。树状结构相对简单，也是我们最常用的。网状结构在一些特定场景下，我们也会去用。但是实现和维护的成本都比较高。比如，有一个节点是第四级的，但它的两个父节点一个是二级，一个是三级，结构异化带来处理上的麻烦。
第五个，何为一个好的标签体系？应用为王，不忘初心。标签是为了用的，并不是为了好玩，最好保证标签体系的灵活和细致性。
统计型标签的生产流程
再回到刚才说的生产流程上。我先结合下面的图介绍上半边，统计型的标签是怎么去加工的。
首先我们要有行为数据，例如用户每天看 100 篇文章，有 40 篇是体育的，有 30 篇是汽车的，有 20 篇是旅游的，还有 10 篇其他的。我推测，你比较喜欢体育、汽车、旅游。
对于这样的标签，大概需要什么流程去做呢？环节一很重要，内容标注。只有知道用户看的内容是什么，才能统计偏好。环节二，如何基于用户行为做聚合统计和归一化。
一个经典的标注例子：网页标注
在做内容标注时，一般会有两种情况：第一种：有些公司在建自有用户画像时会很幸运，例如电商、视频类、音乐类的媒体，它给用户服务的这些内容是已经分类好的。可以直接用内容的标注来做用户行为标注。
但是，对于一些通用型的内容，比如[友盟+]的数据，会有 PC 浏览数据、APP 的使用数据，一定要先了解用户喜欢看什么，才能去做下一步的工作。在这里面，最复杂，也最典型的就是网页的内容标注。
标签的最终生成：行为统计
根据用户的行为，统计标签数值，归一化。比如，我们判断用户是喜欢运动、还是服饰，会将他看来多少相关网页、使用了多少 APP 进行累加，在除以一个总累积，得到一个标签得分。
这里面有几个点需要关注：
第一、统计量的选取。可能是浏览数量、浏览时长、浏览频度、复合关系等。举个复合关系的例子，对于某个商品类目的偏好，你可以将浏览、搜索、收藏，购买等行为统计量加权在一起考虑。
第二、个体内的可比性。个体用户的不同标签间具有可比性。举个例子，我有两个标签：阅读、旅游。我的阅读标签是 0.8 分，旅游是 0.6 分，代表我更倾向于去阅读，而不是去旅游？如何保证这一点呢？在上面公式里将个体的行为总和作为分母就可以了。
第三、垂类内的可比性。一个垂类内不同用户的相同标签具有可比性。
例如，我的动漫得分是 0.8，你的是 0.6，表示我比你要更喜欢动漫。那么分母就是选取整个动漫类行为的总和。比如说，今天全国用户在 B 站上一共 100 万小时，你有 1 个小时，你是百万分之一，他花了 2 个小时，大约是百万分之二，最后再做一个归一化，就会产生一个类内可比的得分。
我们刚刚说的是绝对化的值，还有一个简单的做法就是做排序，基于用户的使用时间做排序，这样也可以。
但是排序和归一化到底有什么不同？排序只代表相对性，而刚才说归一化代表了强弱， 我的得分是 0.8 和你是 0.6，就表示偏好强度上我比你高了 30%，而排序则不能反映这样的比例。
11、统计型标签生产要点回顾
1、行为数据。浏览、使用、点击、购买、LBS 等，通过行为数据反映人的偏好倾向；
2、标签体系。根据实际需要进行设定。可以参考《消费者行为学》、电商类目体系、应用市场体系、媒体资讯体系等；
3、内容标注。把行为相关的内容抽出来做分析，把标签体系先打到它们身上，再累积到「人」身上；
4、得分归一化。明确归一化的目标，选择所需的归一化方法。举个例子，推荐适合用个体内可比较的得分，不管 A 看会某个内容用了多少时间，A 所看到最多的内容就优先推荐给 A，不用和其他人比较；
但在投放广告上，就要考虑用户在这个商品上的倾向度有多高，需要用户间可比较的得分。
预测型标签的生产流程
预测性标签的生产流程：特征抽取→监督学习、样本数据→评估→标签产出，这也是经典的机器学习流程。
特征工程
特征工程，是机器学习的关键过程之一。最重要的是提取不同侧面的特征。我们以移动端使用行为可抽取的部分特征为例：
1、APP 使用事实特征：用户 30 天内开启 APP 的天数、用户 180 天内开启 APP 的天数。这两个数据都会作为特征，考虑用户短期和长期的情况。
用户 30 天内使用 APP 时长占比、用户 180 天内使用 APP 时长占比。刚才说的是次数，这块是时长，用户可能反复打开，但是总时长很短。
2、兴趣特征：虽然信息有损失，但是泛化效果更好。举个例子，你是 A 站用户，他是 B 站用户，理论上讲，如果我们用最底层的数据，你们两个人是不太一样的，但某种程度上，他们都是对二次元感兴趣的人；
近期用户兴趣标签归一化值、长期用户兴趣标签归一化值。用户长短期基于兴趣标签下使用不同 APP 的熵值、历史某类 APP 时间消耗占比变动比例。其实反映了我们要看这个分布，以及分布的趋势性，你过去关注度高，现在关注度减弱，和你过去关注度不高，现在关注度高，其实这两个是完全对应不同的人，这也是我们参考的特征。
3、设备与环境特征：近期使用的设备品牌、近期使用的设备型号；工作日时间段内 Wi-Fi 使用时间分布、休息日时间段内 Wi-Fi 使用时间分布（工作日与假日的区分）。
模型训练与结果评估
1、模型选择。有有监督的分类算法：逻辑回归、SVM、决策树、Bagging、深度学习；
2、二分类 or 多分类。二分类比较简单，多分类则有不同的拆分策略。举个例子，把人分为男女，是二分类的问题；分为年龄段，就是多分类的问题，我们在机器学习当中也有不同的做法，OvO（一对一）、OvR（一对其他）、MvM（多对多）。
3、结果评估。评估指标包括：正确率、召回率、应用效果。但是对于统计型标签来说无正确率，召回率看阈值，今天你只看一个汽车的型号，理论上我也可以给你打一个标签，但是分值非常低，这个分值到底要不要算做这个标签的人，要看中选什么样强度的人。预测型标签，一般看 Precision，Recall，F-Score，ROC。
4、Ranking 任务。一类特殊的定制化标签。针对特定场景，如对电话营销需要按照可能性排序打电话。套用上述模型，可以用最终得分来做 Ranking。
15、关于标签评估的延展
标签的生产不是目的，使用才是。正确率≠效果，举个例子：喜欢看车不代表是试驾购车的目前人群。
第一，用户分层的评估。针对于重点人群进行评估，不同人群分层进行评估；第二，从全局进行评估。不要只局限于样本集合的评估，参看一些全局统计数据。例如，人口属性的分布和统计局的结果是否相符？第三，有效果反馈的应用。将标签直接应用于使用场景中检验效果。例如，进行营销的定向投放，测试点击率；第四，利用其它数据佐证。使用其他行为数据来验证标签的有效性。例如，在电商环境中后续的行为差异来评估显著性。
一个快速建模框架
我们今天不再强调标签丰富度，而是快速建模的能力。快速建模怎么做到？这套系统在[友盟+]比较完备，使得我们收到一个样本就可以很快训练模型，这个流程最快 3 个小时就能够把标签算出来。
用户画像的应用
Data -> Insight -> Action->Data->…
第一步，先有数据，就像标签生产出来，要有数据的过程；第二步，分析，洞察。洞察并不是最终目的，因为洞察只是得到一个结论或者方向；第三步，开始应用；应用后又带来新的数据，从而形成数据的闭环。举个例子，广告怎样的群体点击了，数据被反馈回来，下一个循环可以进行调整，不断地迭代，优化整个效果。
DIP营销服务流程
关于上述流程的实际使用，结合[友盟+]DIP 数据智能平台讲一下营销服务流程是如何做的。
左上面是我们一些数据，例如：客户上传数据后，我们会有一个匹配的过程，把所有数据打通连接。上传、匹配之后，会对这些数据做人群分析。比如说宝马 X1 今年刚上市，他们把去年购买 X1 的用户都上传上来，我们会分析这样的用户在哪些方面是有特性的，比如年龄段、地域分布、收入、偏好。有了这样的分析后，我们可以选择相应的人群，基于历史的偏好、特征，然后再去投放；如果中间我们会发现人群量不够，最初选择 10 万人可以放大到 100 万人。最后输出到媒体、RTB 等渠道商。做预算，看效果，将效果数据回流，再去迭代，以进一步提高投放的精准率。这是我们常用的一个流程。
在举个实际的例子，如果要做一个新产品的传播推广，这时需要做定向投放。我们先要对潜在用户要进行分析，例如对于科技产品非常感兴趣的人，我们发现他每天 8、9 点特别活跃，通过进一步分析，他会和哪些媒体做触达，或者他看不看电视会不会留意到地铁里面的广告，这也是一个触达渠道，以及看什么样类型的，看资讯、社交、八卦，这个不太一样。要找到受众，应该到哪找？比如说去这种有态度的网易新闻，还是个性化的今日头条，或者说腾讯新闻，这都需要进行分析。
基于上面的分析之后，再做结合分析。举个例子，你对科技感兴趣，那你的手机是不是到了更新期，你手机大概用了三年，应该到了更新期，就可以对这样的特定人进行投放。把人圈出来，投放、曝光，曝光之后我们去看营销的结果，然后返回来继续分析，会不会对其他内容感兴趣，再去做下一轮分析。
这就是我们之前做的一系列方法的一个应用。
最后关于数据应用我再给出一些通用型的建议：
第一、分析：
1、结合业务场景去选择分析维度：如果你是给中年妇女推荐保健品，你去分析她们喜欢不喜欢二次元，这就非常说不通了。
2、不要只是简单的看画像分布，一定要做对比。
3、例如，与大盘对比情况：TGI。上图是我们分析一个 APP 内的购买人群。紫色的线是人群的分布，年龄段的分布。我们看到 18-30 岁之间的人很多，感觉还不错。但是，如果你做一下大盘情况，APP 的用户大多是年轻人，因为本身这个产品有一个年龄偏小的分布特征。通过分析对比之后发现，TGI 比较高是 30-39 岁的人，这个范围的人才是在购买人群里面是显著的，这个群人才是你去做运营活动、投放的人群。
分析，一定要去做对比，单纯看分布是并没有太多信息含量。不对比看不出来差异。
4、环节的对比。哪些人我触达了，哪些人到这里落地了，哪些人注册了、哪些人真正浏览、哪些是留存、哪些是付费，每一个环节你都可以做这样的分析。
第二、精准投放（Action）。这是我们今天做标签非常大的一类应用。这时候大家可能会发现，我们做品牌广告、效果广告是不同的，举个例子，品牌广告我们就会关心 TA 浓度，关注我投放广告的人性别怎么样、年龄分布怎么样。效果广告是不一样的，效果广告通常很直接，你这个人是不是点了，最终 CTR 高不高，最终购买 ROI 高不高，这种一定是你最直接的兴趣是什么，你什么性别不重要，我就想知道你要不要。
另外一点，直觉未必靠谱，一定要通过反馈来检测，就是刚才说我们为什么要数据闭环，比如说，有一个商品设计者说，我这个产品目标是吸引白领女性，实际上他上市场去卖的时候发现，买他的男性大学生最多，跟他想的根本不一样。
如果你一直持续的给白领女性做广告投放，实际上效果可能不是最优的，反而你做校园活动会达到更好的效果。
甚至说，你可以基于你的用户场景做专属标签，以及你可以通过人群放大来做处理。举个例子说，我今天有新的车型上市，一个方法是，先选取对汽车感兴趣的人，或者 SUV 感兴趣的人，就可以去做投放，这个效果就可能不是最优的，更优的情况是针对你这个 case，去针对性的做训练，针对性的选取跟你相关的人，通常效果上比通用的标签选取更好，这时候我建议如果你特别强调你的效果，就去试试训练专属的标签。
更多详细讲解，请见知乎 Live
以上就是本次公开课的关键内容，更多演示请点击「极客公开课•Live」第十四期查看获取
(2017-09-22)
1949年9月30日，在中南海同仁堂举行了一场别开生面的宴会。刚刚在第一届政协会议上当选为中华人民共和国主席的毛泽东盛情款待来自各地进京的代表们。
毛主席喝酒的相片
宴会期间，一个身着藏蓝色毛料中山装、样貌朴实的代表略带忐忑，却又充满激动地站了起来，双手高举酒杯，对离他只隔两个座位的毛主席喊道：“向毛主席敬酒！”毛主席听到后，面带微笑地站了起来一饮而尽。这个向毛主席敬酒的人就是我们今天要介绍的主人公，抗战英雄曹铁。
曹铁老人拿出当年毛主席奖励他的子弹
1924年8月，曹铁出生于河南省郏县堂街镇曹庄村一个贫困家庭里，家里一分地也没有，为了不被饿死，4、5岁曹铁就跟着母亲出来要钱。
1939年的一天，三个日本兵将在曹庄村将一个群众打得遍体鳞伤。当时只有15岁的曹铁看得非常气愤，就从家里拿出一把土枪，对准日本兵就是一枪。过了几天，又有几个日本兵来曹庄村烧杀掠抢，在曹铁的号召下，几十个村民一起将这些鬼子歼灭，自此曹铁被村里人称作“曹大胆”。
曹铁老人与毛主席女儿李讷合影
1949年开国大典举行前，曹铁因为抗战和解放战争剿匪的功劳，被推举为解放区农民的代表参加政协会议。
坐火车来到北京后，他第一次见到了周总理并和他握手。在政协会议晚宴上，他又第一个向毛主席敬洒。在其他代表纷纷向毛主席敬酒时，由于毛主席不胜酒力，周总理在旁劝诫：“毛主席不能多喝酒，这一杯就代表大家啦！”于是，曹铁成了当天唯一一个向毛主席敬酒的人。
曹铁老人和其他解放区农民代表合影
参加完开国大典回来后，曹铁曾先后担任堂街区上李乡农会主席、长桥区区长、郊县农协副主席、郊县农机站站长等职，1980年离休。按照当时的政策，他可以安排一个子女接他的班，担任领导职务。但曹铁认为子女们文化程度低，办不好事情，硬是不让子女接班。于是到现在，曹铁的5个儿子1个女儿，一直都是农民，以务农为生。
老人身体现在还很健康
曹铁老人晚年和四儿子住在老家无院墙的三间简陋的瓦房里，屋里设施很简单，但老人生活却非常充实。曹铁老人的最大愿望就是，在有生之年能再一次到北京，到毛主席纪念堂瞻仰毛主席的遗容。
以下为网友评论：
网友“1020871223”：年轻时是好汉，年老了是好人，可敬！
网友“赫连宁”：真英雄
网友“Ferb”：致敬老兵
网友“U21706465”：可敬可叹，可是现在的时代变了。
网友“叫我黎先生”：希望老人寿比南山
网友“公仲萍”：老一辈的战士大多不计名利。
网友“U16918803”：老人家要保重身体啊！
网友“U134243395”：向英雄敬礼
网友“U161665292”：向抗日老前辈敬礼，祝你健康长寿
网友“U111306409”：民族英雄，全国解放，农民成了主人！
(2017-07-30)
上帝给你关上一扇门必定会给你打开一扇窗，娱乐圈中好多明星的颜值跟他们的画工成反比，画的特别惨不忍睹。
李易峰
李易峰这是还停留在小学一年级的时候，宝宝还小，这样就不错。
赵丽颖
赵丽颖画成这样你们知道是啥吗？
突然觉得自己小时候看到的哪吒是假的。
杨洋
这是一个有想象力的童鞋，不过这是愤怒的小鸟还是喷火的小鸡？
郑爽
这就是传说中的水墨画。
鹿晗
大概没人想把自己画成这样，鹿晗这是妥妥的在自黑呀。
以下为网友评论：
网友“希望＆旋律”：你更作
网友“糖朵朵”：做作
网友“桃之夭夭灼灼其华”：哈哈，憨憨鹿
网友“毛毛”：鹿晗好可爱啊
(2017-09-15)
1、阿凡提和妻子一起商讨谋生之道，力求自己生活过得好一点。
妻子思来想去，最后对阿凡提说：“我们在羊群通往草场的必经之路上，种许许多多的骆驼刺，当羊群来回经过的时候，肯定会在骆驼刺上留下很多羊毛。我们把这些羊毛蓄积起来，擀制出一张张漂亮的羊毛毡，然后把毡子拿去卖了再买回一群鸡，这样我天天就能拾许多许多鸡蛋，你再把鸡蛋卖了换回一只羊……”
“与其这样还不如从那些羊群里抓回两只羊哩！”阿凡提打断妻子的话说。
“不，不，不劳而获不好，再说做贼肯定没有好下常刚才我说到哪儿了？对了，我们买回了羊再让它下小羊，然后再用卖羊的钱买回一匹母马，再让母马生一匹马驹，我骑上小马驹……”
2、某美女决定下重金让自己瘦身。花十几万元以后，她觉得非常满意。
回家路上，在报摊，买了份报纸，找钱的时候，她问老板：“不好意思。你猜我几岁？”
老板说：32。
她好高兴：47啦!
接着，她去麦当劳。问柜台的小姐同样的问题。
小姐说：我猜29。
她好高兴：不是，47啦!
于是，兴高采烈的她去街角的统一超市买包口香糖，忍不住又问那里的柜台小姐。
小姐说：嗯，我猜30。
她好得意：47，谢谢!
等公车的时候，她又问旁边的老头。
老头说：我78岁了。眼睛不好，看不出来。不过，年轻的时候有种方法可以确定。如果你让我把手伸进你的衣服里，我绝对可以知道你的年纪!
3、......某地的公交车上就设了有刷卡的机器，刚出来的时候人们对这机器就产生了很浓厚的兴趣，一位年轻的女士看到许多人都是拿个手提包有些是撅起屁股然后司机就让他们都过了，这时候女士看到前面一位少妇把屁股一撅然后就找了个位置坐了下来，这位年轻的女士也效仿着前面的少妇，把屁股一撅然后就走了。这时司机把年轻的女士叫住了。
“喂，你还付钱呢？”司机回头朝那位年轻女士叫了下
“怎么？什么意思啊？他们不都把屁股一撅就通过了，我比前面的那位少妇还年轻，她一撅屁股就可以通过，我就不行了啊！我还比她年轻呢！”说完气忽忽地甩了甩头发
4、母女二人参观女儿男朋友的画展。
母亲发现其中一幅裸体人像酷似自己的女儿，便急切的问道：“你没有光着身子给他画吧？”
女儿回答：“啊，没有！”母亲听后，终于放心了。
但是女儿接着说道：“他可能是凭记忆画的。”
(2017-09-25)