用户画像是一种运用真实数据描绘用户全貌的技术。企业通过建立用户画像,能够更加合理地定位产品,并采用更具针对性的营销方法。这一技术以它的实用性和有效性,已在实践中得到了广泛的应用。与此同时,近些年来得到迅速发展的深度学习技术开始进入大众视野。如何结合深度学习来描绘用户画像成为了新的技术关注点。本文就如何更有效地使用深度学习的方法来刻画用户画像进行了重点研究。本文运用多层感知器等相关理论知识,设计了一个结合深度学习来有效刻画用户画像的方案。首先根据用户的URL访问列表,构建起符合用户特征的标签体系,然后使用标注好的数据集对模型进行训练,针对数据集的不同特点设计了三种模型。接着在分布式计算框架上部署训练好的模型完成用户画像的描绘。实验结果表明,不同模型在不同数据集上有不同的效果。对于用户性别和年龄标签,基于URL的模型具有更好的刻画效果,准确度接近百分之八十;而对于用户兴趣,基于关键词的模型构建方式更具优势,针对部分标签的准确度超过了百分之七十。其次,通过部署在Spark分布式计算框架上的方式,模型的运行速度提高了20倍左右,取得了显著的效果。