王 慶 趙發(fā)珍

(1.西北工業(yè)大學(xué)圖書館，陜西 西安 710072；2.蘭州大學(xué)圖書館，甘肅 蘭州 730000)

隨著大數(shù)據(jù)技術(shù)的應(yīng)用及用戶需求的多元化，圖書館轉(zhuǎn)型升級(jí)勢(shì)在必行。在轉(zhuǎn)型發(fā)展過(guò)程中圖書館開始重視通過(guò)用戶及資源大數(shù)據(jù)分析，了解用戶需求并利用新型智能技術(shù)來(lái)創(chuàng)新服務(wù)模式，以滿足用戶多元個(gè)性的需求從而提升圖書館的價(jià)值。在圖書館用戶需求感知方面，傳統(tǒng)的用戶需求以調(diào)研為主，主要了解用戶需要什么？什么時(shí)候？什么方式？以分析小體量結(jié)構(gòu)化數(shù)據(jù)，甚至在經(jīng)驗(yàn)直覺(jué)的基礎(chǔ)上分析用戶需求。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，用戶信息行為軌跡及相應(yīng)數(shù)據(jù)越發(fā)全面并且更易獲取，對(duì)用戶信息行為數(shù)據(jù)的分析能夠更加準(zhǔn)確掌握用戶的需求偏好進(jìn)而實(shí)現(xiàn)個(gè)性化服務(wù)提供了可能。同時(shí)隨著圖書館館藏資源的增加，尤其是數(shù)字資源的增加，使得用戶尋找自己感興趣的資源越發(fā)困難，圖書館也無(wú)法準(zhǔn)確、及時(shí)的將海量資源推送給有需求的讀者，用戶畫像作為大數(shù)據(jù)時(shí)代實(shí)現(xiàn)精準(zhǔn)營(yíng)銷及服務(wù)的應(yīng)用方法之一，為館藏資源推薦提供了新思路。用戶畫像已成為當(dāng)前的一個(gè)熱門話題，且被廣泛應(yīng)用于計(jì)算機(jī)領(lǐng)域和電子商務(wù)領(lǐng)域。對(duì)用戶與圖書館相關(guān)的門戶平臺(tái)、系統(tǒng)等交互產(chǎn)生的信息進(jìn)行深度挖掘，通過(guò)構(gòu)建圖書館用戶畫像預(yù)測(cè)用戶的資源興趣偏好，并提供精準(zhǔn)的資源推薦服務(wù)是解決資源利用率的重要途徑。本文通過(guò)借鑒計(jì)算機(jī)領(lǐng)域和電子商務(wù)領(lǐng)域的應(yīng)用實(shí)踐，引入用戶畫像來(lái)了解圖書館用戶的資源偏好及需求，并構(gòu)建用戶畫像模型以重塑圖書館資源服務(wù)模式，實(shí)現(xiàn)更加精準(zhǔn)的資源服務(wù)內(nèi)容。

1 用戶畫像概述

“用戶畫像”有兩種概念，一種是由交互設(shè)計(jì)之父Alan Cooper最早提出的用戶畫像(User Persona)的概念(也叫用戶角色)，即“Personas are a Concrete Representation of Target Users”。Persona是真實(shí)用戶的虛擬代表，是建立在一系列真實(shí)數(shù)據(jù)(Marketing Data，Usability Data)之上的目標(biāo)用戶模型[1]。它是通過(guò)調(diào)研問(wèn)卷、電話訪談等手段認(rèn)知及獲得用戶的定性特征，是描繪或者抽象用戶屬性差異的方法，這是早期用戶畫像構(gòu)建方法。另一種英文表達(dá)是“User Profile”，是在大數(shù)據(jù)環(huán)境下產(chǎn)生的，與數(shù)據(jù)挖掘、大數(shù)據(jù)分析相關(guān)，通過(guò)數(shù)據(jù)建立描繪用戶的標(biāo)簽，具體而言通過(guò)分析消費(fèi)者社會(huì)屬性、生活習(xí)慣、消費(fèi)行為等信息而抽象出該消費(fèi)者需求偏好的一個(gè)標(biāo)簽化的過(guò)程。構(gòu)建用戶畫像的核心工作即是給用戶貼“標(biāo)簽”，而標(biāo)簽是通過(guò)對(duì)用戶信息行為分析而來(lái)的高度精煉的特征標(biāo)識(shí)。簡(jiǎn)而言之，用戶畫像為了讓團(tuán)隊(duì)成員在產(chǎn)品設(shè)計(jì)的過(guò)程中能夠拋開個(gè)人喜好，將焦點(diǎn)關(guān)注在目標(biāo)用戶的動(dòng)機(jī)和行為上進(jìn)行產(chǎn)品設(shè)計(jì)。用戶畫像將用戶的屬性、行為與期待聯(lián)結(jié)起來(lái)。本文所指的用戶畫像即為第二種“User Profile”。

用戶畫像通過(guò)對(duì)用戶屬性和用戶行為數(shù)據(jù)挖掘、分析進(jìn)而提取用戶的興趣標(biāo)簽，了解用戶需求的過(guò)程。用戶畫像多用于個(gè)性化推薦服務(wù)、精準(zhǔn)營(yíng)銷及用戶拓展等方面，如企業(yè)進(jìn)行精準(zhǔn)營(yíng)銷如廣告投放、產(chǎn)品研發(fā)[2-3]、移動(dòng)用戶畫像構(gòu)建及個(gè)性化服務(wù)提供[4]。在信息內(nèi)容推送領(lǐng)域，Amazon通過(guò)用戶在網(wǎng)站上的瀏覽、購(gòu)買和評(píng)分等行為進(jìn)行用戶畫像。構(gòu)建用戶畫像多采用統(tǒng)計(jì)、貝葉斯網(wǎng)絡(luò)、神經(jīng)網(wǎng)絡(luò)、主題模型、聚類分析等方法。Xu G等[5]提出通過(guò)數(shù)據(jù)統(tǒng)計(jì)的方法對(duì)用戶的瀏覽記錄和點(diǎn)擊情況進(jìn)行分析。王慶福[6]和張小可等[7]采用貝葉斯網(wǎng)絡(luò)構(gòu)建用戶興趣模型，從而刻畫用戶畫像。辛菊琴等[8]提出了基于產(chǎn)品特征建立用戶畫像，然后采用神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到具體的用戶畫像模型。單曉紅等[9]以在線評(píng)論數(shù)據(jù)為基礎(chǔ)，從用戶信息屬性、酒店信息屬性和用戶評(píng)價(jià)信息屬性三個(gè)維度構(gòu)建用戶畫像模型的概念模型，并采用Protégé工具建立本體來(lái)實(shí)現(xiàn)用戶畫像屬性之間的關(guān)聯(lián)，完成對(duì)酒店用戶特征的完整刻畫。

圖情領(lǐng)域用戶畫像相關(guān)研究成果較少，主要有：胡媛等[10]對(duì)數(shù)字圖書館用戶畫像進(jìn)行建模分析，在此基礎(chǔ)上構(gòu)建綜合服務(wù)能力評(píng)價(jià)指標(biāo)體系，為數(shù)字圖書館社區(qū)用戶描述提供了參考。劉速[11]以天津圖書館為例，從數(shù)據(jù)來(lái)源、數(shù)據(jù)采集、信息識(shí)別、模型搭建等方面就用戶畫像的構(gòu)建進(jìn)行詳細(xì)闡述，并提出可視化統(tǒng)計(jì)描述、多維度交叉分析、用戶關(guān)系圖譜等用戶畫像分析方法。汪強(qiáng)兵等[12]融合內(nèi)容與用戶行為的用戶畫像構(gòu)建系統(tǒng)能夠挖掘用戶在閱讀文獻(xiàn)時(shí)的興趣,并進(jìn)行用戶畫像構(gòu)建。陳慧香等[13]探討了國(guó)外圖書館領(lǐng)域用戶畫像的研究現(xiàn)狀，從定義與組成、算法與技術(shù)、模型構(gòu)建、實(shí)踐應(yīng)用等方面作了詳細(xì)的闡述。韓梅花[14]提出了在大數(shù)據(jù)背景下基于“用戶畫像”的抑郁癥閱讀療法新模式。

2 圖書館資源推薦服務(wù)研究現(xiàn)狀

圖書館根據(jù)讀者個(gè)性化需求開展具有針對(duì)性和主動(dòng)性的資源推薦服務(wù)，是提升資源服務(wù)質(zhì)量及資源利用率的重要手段。目前圖書館資源推薦主要通過(guò)現(xiàn)場(chǎng)推薦及網(wǎng)絡(luò)推薦系統(tǒng)渠道進(jìn)行資源推薦。在圖書館資源網(wǎng)絡(luò)式推薦中相關(guān)的研究主要圍繞讀者個(gè)性化推薦模式及計(jì)算機(jī)領(lǐng)域信息推薦系統(tǒng)相關(guān)推薦方法的應(yīng)用、技術(shù)的改進(jìn)和完善等展開。邱均平等[15]研究了資源的協(xié)同推薦系統(tǒng)，李默等[16]研究了圖書館學(xué)術(shù)資源推薦策略及系統(tǒng)架構(gòu)，陳淑英等[17]從某高校圖書館圖書借閱管理系統(tǒng)抽取2011級(jí)1 200名本科生的4年圖書借閱日志數(shù)據(jù)，利用多維屬性間關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)，探索其圖書推薦服務(wù)策略，何勝等[18]提出一種以文獻(xiàn)“混合關(guān)聯(lián)”為主要內(nèi)容的圖書館文獻(xiàn)推薦方案及實(shí)現(xiàn)算法，并應(yīng)用Spark內(nèi)存計(jì)算技術(shù)設(shè)計(jì)實(shí)證案例，畢強(qiáng)等[19]運(yùn)用聚類分析、語(yǔ)義相似度計(jì)算、協(xié)同過(guò)濾推薦算法等方法，提出了基于領(lǐng)域本體的數(shù)字文獻(xiàn)資源聚合及服務(wù)推薦的方法和途徑，洪亮等[20]基于相似用戶有相似選擇的考慮,引入角色的概念模擬用戶興趣選擇,設(shè)計(jì)一種有效的WSSQ算法構(gòu)建用戶信任網(wǎng)絡(luò),由此給出改進(jìn)的情境感知推薦方法,并在擴(kuò)展的Epinion數(shù)據(jù)集上進(jìn)行仿真實(shí)驗(yàn)。袁輝[21]結(jié)合重慶大學(xué)智慧圖書館系統(tǒng)，對(duì)用戶各類信息數(shù)據(jù)進(jìn)行挖掘分析，預(yù)測(cè)和標(biāo)定依賴事件發(fā)生進(jìn)程產(chǎn)生的各類文獻(xiàn)需求，可有效提高圖書推薦服務(wù)的準(zhǔn)確性。尹麗玲[22]提出一種新的融合內(nèi)容特征和非內(nèi)容特征以及用戶行為的推薦算法，以實(shí)現(xiàn)學(xué)術(shù)資源的優(yōu)質(zhì)推薦。

縱觀學(xué)術(shù)界在圖書館資源推薦領(lǐng)域所開展的研究，其研究側(cè)重點(diǎn)主要從技術(shù)角度出發(fā)，集中在將不同的算法和分布式平臺(tái)引入文獻(xiàn)推薦，以提高資源的準(zhǔn)確性和多樣性，但缺乏從用戶視角對(duì)其偏好、時(shí)間、情感、行為等個(gè)人因素的考慮，導(dǎo)致用戶細(xì)分不足、對(duì)用戶的信息行為特征分析不深、用戶的閱讀、研究偏好及相關(guān)需求不夠了解，推送內(nèi)容不夠精準(zhǔn)。同時(shí)，圖書館現(xiàn)有的資源推薦方法及文獻(xiàn)服務(wù)過(guò)程中用戶難以從海量的資源中全面獲取到所需要的文獻(xiàn)，面對(duì)海量的資源列表清單無(wú)所適從，通過(guò)逐個(gè)瀏覽資源庫(kù)費(fèi)時(shí)費(fèi)力且難以判斷自己真正需要的資源。李民等[23]通過(guò)對(duì)國(guó)內(nèi)116所“211工程”院校圖書館資源推薦系統(tǒng)進(jìn)行網(wǎng)站訪查和問(wèn)卷調(diào)查，其問(wèn)題主要表現(xiàn)在圖書館推薦系統(tǒng)個(gè)性化程度不高，過(guò)于依賴圖書管理集成系統(tǒng)所附帶的推薦功能，不夠系統(tǒng)化、智慧化；推薦系統(tǒng)滿意度有待提高。隨著大數(shù)據(jù)技術(shù)的發(fā)展完善及文獻(xiàn)服務(wù)水平的提高，圖書館需要分析在大數(shù)據(jù)環(huán)境下用戶資源的新需求，需要提出新的資源推薦設(shè)計(jì)方案。通過(guò)研究用戶閱讀行為、興趣偏好，發(fā)現(xiàn)用戶的群體特征及需求，能夠更好地為用戶定制資源，細(xì)化資源服務(wù)，用戶畫像應(yīng)用而生。目前，基于“用戶畫像”的信息智能推送服務(wù)已經(jīng)廣泛應(yīng)用于豆瓣、亞馬遜、京東、淘寶、百度等電商和信息服務(wù)企業(yè)，為用戶提供個(gè)性、精準(zhǔn)的物品相關(guān)信息推薦。圖書館應(yīng)該借鑒該領(lǐng)域的成功模式，將用戶畫像及智能推薦技術(shù)融合引入館藏資源的個(gè)性化推薦機(jī)制。

綜上所述，用戶畫像的研究為刻畫用戶特征及分析需求，為圖書館的精準(zhǔn)營(yíng)銷、資源服務(wù)推薦、科學(xué)決策等提供應(yīng)用基礎(chǔ)。基于用戶畫像的用戶行為及需求分析與圖書館資源精準(zhǔn)推薦在本質(zhì)上相契合。隨著智慧圖書館及新一代圖書館管理系統(tǒng)的發(fā)展，用戶在實(shí)體圖書館及網(wǎng)絡(luò)虛擬資源及服務(wù)的利用過(guò)程中，其信息行為軌跡及其數(shù)據(jù)更易獲取。圖書館用戶畫像主要是基于真實(shí)積累的用戶信息行為結(jié)合具體的服務(wù)場(chǎng)景產(chǎn)生一系列標(biāo)簽，這些標(biāo)簽共同構(gòu)成了對(duì)于一個(gè)用戶的真實(shí)描述。用戶畫像在圖書館資源推薦中的應(yīng)用價(jià)值主要有：1)分析資源潛在讀者，進(jìn)行精準(zhǔn)推薦；2)對(duì)資源進(jìn)行個(gè)性化定制。讀者根據(jù)自己的專業(yè)背景、閱讀偏好定制相關(guān)資源，系統(tǒng)根據(jù)讀者定制情況分析資源側(cè)重點(diǎn)及偏向，從而為訂購(gòu)資源提供科學(xué)依據(jù)；3)資源利用效果評(píng)估。根據(jù)用戶資源偏好，對(duì)該類讀者進(jìn)行資源推薦，通過(guò)可視化技術(shù)分析資源在某段時(shí)間內(nèi)的利用效果。因此，本文提出了“用戶畫像”與圖書館個(gè)性化推薦融合模式，為資源推薦服務(wù)提供新思路。

3 圖書館用戶畫像模型構(gòu)建

3.1 圖書館用戶畫像數(shù)據(jù)源

構(gòu)建用戶畫像是為了還原用戶信息，因此數(shù)據(jù)來(lái)源于所有用戶相關(guān)的數(shù)據(jù)。圖書館用戶畫像數(shù)據(jù)通常處于多種服務(wù)系統(tǒng)中，在數(shù)據(jù)獲取時(shí)各系統(tǒng)間無(wú)關(guān)聯(lián)，相對(duì)獨(dú)立，在構(gòu)建用戶畫像之前，首先要實(shí)現(xiàn)各系統(tǒng)之間數(shù)據(jù)的整合。圖書館用戶畫像首先根據(jù)用戶的基本信息及行為數(shù)據(jù)對(duì)用戶進(jìn)行初步“刻畫”，然后關(guān)聯(lián)用戶的動(dòng)態(tài)行為數(shù)據(jù)進(jìn)行畫像的完善即修正標(biāo)簽體系。用戶數(shù)據(jù)分為靜態(tài)數(shù)據(jù)(相對(duì)穩(wěn)定的用戶信息)及動(dòng)態(tài)數(shù)據(jù)(用戶不斷變化的行為信息)。用戶的基礎(chǔ)數(shù)據(jù)如年齡、學(xué)歷、研究領(lǐng)域等變化較慢，屬于靜態(tài)信息；動(dòng)態(tài)數(shù)據(jù)包括圖書館門戶、圖書管理系統(tǒng)、機(jī)構(gòu)知識(shí)庫(kù)、教務(wù)選課系統(tǒng)、移動(dòng)訪問(wèn)平臺(tái)(微博、微信、APP)等個(gè)人網(wǎng)絡(luò)行為數(shù)據(jù)、用戶互動(dòng)數(shù)據(jù)、與其他用戶數(shù)據(jù)等，如表1所示。數(shù)據(jù)采集主要通過(guò)利用用戶身份統(tǒng)一識(shí)別號(hào)ID(如讀者證號(hào))登錄圖書館門戶及識(shí)別用戶常用電腦設(shè)備機(jī)器碼，識(shí)別用戶的網(wǎng)絡(luò)行為數(shù)據(jù)，這樣能更全面收集用戶數(shù)據(jù)。由于圖書館服務(wù)類型及用戶群體的不同，既有針對(duì)單一用戶的資源服務(wù)，也有針對(duì)群體用戶的資源服務(wù)，因此本文根據(jù)上述兩類讀者為對(duì)象進(jìn)行構(gòu)建，以此提高用戶需求偏好的準(zhǔn)確度。

表1 圖書館用戶畫像數(shù)據(jù)來(lái)源

3.2 圖書館用戶畫像模型

用戶畫像的構(gòu)建是一個(gè)長(zhǎng)期逐步完善的過(guò)程，其目標(biāo)是通過(guò)分析用戶行為，最終為每個(gè)用戶打上標(biāo)簽，為進(jìn)一步精準(zhǔn)、快速地分析用戶行為習(xí)慣、閱讀偏好等信息，以便提供個(gè)性化服務(wù)。圖書館用戶畫像的模型構(gòu)建過(guò)程主要有整合圖書館相關(guān)系統(tǒng)即平臺(tái)的用戶數(shù)據(jù)，獲取和研究圖書館用戶基本信息、用戶交互信息、用戶行為信息數(shù)據(jù)進(jìn)而統(tǒng)計(jì)、分類/聚類分析，給用戶打標(biāo)簽建立標(biāo)簽體系，細(xì)分用戶并勾勒出單用戶及用戶群體的畫像。如圖1所示。

圖1 圖書館用戶畫像的框架模型

首先要整合用戶數(shù)據(jù)，如在圖書館管理系統(tǒng)、圖書館門戶、移動(dòng)服務(wù)平臺(tái)、機(jī)構(gòu)知識(shí)庫(kù)以及開發(fā)的其他信息系統(tǒng)用戶身份統(tǒng)一識(shí)別信息、屬性信息、互動(dòng)信息、資源檢索、瀏覽、訪問(wèn)、收藏、分享、評(píng)價(jià)、用戶之間關(guān)注互動(dòng)信息、訪問(wèn)時(shí)間、資源下載量、收藏量等等。然后對(duì)這些用戶的基本信息及動(dòng)態(tài)行為信息數(shù)據(jù)利用網(wǎng)絡(luò)爬蟲、文本挖掘、網(wǎng)站日志獲取等技術(shù)進(jìn)行數(shù)據(jù)抓取，按照一定規(guī)則和篩選標(biāo)準(zhǔn)進(jìn)行數(shù)據(jù)歸類，并形成數(shù)據(jù)庫(kù)文件。將獲取的大數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換、規(guī)約等預(yù)處理，并進(jìn)行聚類、關(guān)聯(lián)、序列化等數(shù)據(jù)深度挖掘分析。再次要建立標(biāo)簽體系。用戶畫像標(biāo)簽是對(duì)用戶相關(guān)的抽象數(shù)字經(jīng)過(guò)統(tǒng)計(jì)分析處理后還原成更具指導(dǎo)意義、更形象、更容易被理解的信息，即從用戶海量數(shù)據(jù)中抽取關(guān)鍵信息，發(fā)掘數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系。模型標(biāo)簽層完成對(duì)用戶的標(biāo)簽分類建模和用戶標(biāo)識(shí)，需要要有明顯的區(qū)分度。通過(guò)標(biāo)簽建模分析，可以進(jìn)一步挖掘出用戶個(gè)體特征和群體特征向量。相較于單用戶畫像，群用戶畫像分析用戶群體特征的相似度、如用戶群體基本屬性的相似度、用戶之間相互關(guān)注、用戶對(duì)資源和服務(wù)評(píng)價(jià)相似度以及用戶瀏覽、利用某類資源的相似度等。還要根據(jù)用戶基本信息數(shù)據(jù)及動(dòng)態(tài)行為數(shù)據(jù)更新情況，反饋到模型標(biāo)簽庫(kù)中以便及時(shí)調(diào)整其標(biāo)簽。根據(jù)單用戶及群用戶的畫像庫(kù)建立需求預(yù)測(cè)模型。最后通過(guò)用戶需求預(yù)測(cè)在圖書館服務(wù)層對(duì)單用戶及群用戶分別開展有針對(duì)性的個(gè)性化信息服務(wù)。另外，用戶畫像并非一成不變的，用戶的需求及興趣偏好會(huì)隨著時(shí)間的推移逐漸演變，需要定期進(jìn)行優(yōu)化更新。

在用戶畫像建模中會(huì)應(yīng)用到一系列算法及技術(shù)。如機(jī)器學(xué)習(xí)，對(duì)用戶收集的底層數(shù)據(jù)進(jìn)行規(guī)整處理，并將其轉(zhuǎn)化為相同維度的特征向量，這些特征標(biāo)簽?zāi)軌蚴褂脩舢嬒窀迂S富；聚類分析，在沒(méi)有先驗(yàn)知識(shí)的前提下，根據(jù)數(shù)據(jù)的相似度將數(shù)據(jù)聚合成不同的類(簇)，使想同類中的元素盡可能相似，是數(shù)據(jù)挖掘中一種重要的算法，在圖書館用戶細(xì)分過(guò)程中主要使用聚類算法而k-means算法就是解決這類問(wèn)題的常用算法。除此之外還涉及大量的文本挖掘、自然語(yǔ)言處理、網(wǎng)絡(luò)爬蟲、預(yù)測(cè)算法、相似度計(jì)算、關(guān)聯(lián)規(guī)則等技術(shù)和統(tǒng)計(jì)算法。

4 用戶畫像視角下資源精準(zhǔn)推薦模式

4.1 用戶畫像視角下的資源推薦流程

用戶畫像視角下的資源推薦流程是根據(jù)前期勾勒出的用戶畫像模型，預(yù)測(cè)用戶的需求偏好及潛在資源需求，然后將用戶感興趣、有價(jià)值的資源信息精準(zhǔn)推送給用戶。具體流程內(nèi)容包括：用戶數(shù)據(jù)及館藏資源元數(shù)據(jù)的采集與處理、用戶畫像特征提取，標(biāo)簽建立并細(xì)分單用戶及相似群體用戶、資源與用戶匹配、推送結(jié)果的展示。其中數(shù)據(jù)處理包括用戶數(shù)據(jù)的處理和館藏資源數(shù)據(jù)的處理。館藏資源元數(shù)據(jù)進(jìn)行揭示、組織、分類、相似性計(jì)算并匹配等。推薦系統(tǒng)進(jìn)一步感知、發(fā)現(xiàn)、關(guān)聯(lián)資源與用戶的需求偏好，根據(jù)用戶當(dāng)前的情景(位置、時(shí)間)及相應(yīng)的特征標(biāo)簽，為用戶個(gè)性化推送其感興趣的資源。推送結(jié)果的展示主要通過(guò)圖書館服務(wù)平臺(tái)如門戶、移動(dòng)端等分別推薦給單用戶及群體用戶。如圖2所示。經(jīng)過(guò)時(shí)間的推移，用戶再次檢索、發(fā)現(xiàn)館藏資源，用戶的資源需求偏好及基本數(shù)據(jù)可能會(huì)發(fā)生變化，此時(shí)需要對(duì)用戶畫像進(jìn)行監(jiān)測(cè)及修正，通過(guò)用戶數(shù)據(jù)及資源數(shù)據(jù)的處理生成新的用戶畫像及不同資源推薦內(nèi)容，并改進(jìn)推薦系統(tǒng)實(shí)現(xiàn)精準(zhǔn)推薦，通過(guò)資源推薦系統(tǒng)在服務(wù)平臺(tái)上重新更新、推薦、展示。如此循環(huán)最終形成一個(gè)良性的用戶資源推薦生態(tài)系統(tǒng)。

圖2 用戶畫像視角下的資源推薦流程

4.2 基于用戶畫像的單用戶及群體用戶的資源推薦

圖書館資源推薦系統(tǒng)是資源與用戶資源需求之間的連接點(diǎn)。將館藏資源屬性特征及內(nèi)容特征進(jìn)行提取并描述建立資源特征模型，最后形成資源集。同時(shí)將用戶通過(guò)用戶畫像進(jìn)行標(biāo)簽化處理，通過(guò)用戶對(duì)相似資源的利用、評(píng)價(jià)等行為，計(jì)算用戶之間的相似性并完成細(xì)分單用戶及相似用戶群體，最后將用戶標(biāo)簽通過(guò)描述形成多個(gè)主題，其主題與相似資源進(jìn)行匹配，匹配成功則通過(guò)推薦系統(tǒng)進(jìn)行推薦，匹配失敗則通過(guò)反饋機(jī)制進(jìn)行反饋。如圖3所示。

4.2.1 單用戶與群體用戶興趣及行為模型建立

圖書館用戶的興趣模型及行為模型主要依據(jù)用戶畫像中的標(biāo)簽體系來(lái)完成，包括用戶興趣及行為數(shù)據(jù)的分類、整理，興趣、行為模型的表示、更新，計(jì)算出單一用戶及群體用戶相似度。通過(guò)戶標(biāo)簽體系聚類生成標(biāo)簽層次結(jié)構(gòu)并歸納為若干主題，利用主題描述用戶興趣及行為。這種主題法結(jié)合粗粒度及細(xì)粒度的表示方法，能夠較好的描述并展示出多層次、更全面的單用戶及群體用戶興趣主題。此外，用戶的興趣會(huì)隨時(shí)間的推移不斷變化的，包括原有興趣的增加或衰減，新的興趣生成，因此動(dòng)態(tài)實(shí)時(shí)地更新用戶原有的興趣行為模型是極為必要的。除了圖書館單用戶外，還存在一些群體用戶，這些用戶通常檢索相似的資源、與有相同資源的用戶進(jìn)行關(guān)注、互動(dòng)、分享、對(duì)同一資源進(jìn)行評(píng)價(jià)等因?yàn)楣餐d趣偏好而表現(xiàn)出較強(qiáng)的群體特征。群體用戶的興趣及行為模型構(gòu)建方法與單用戶興趣模型建立相通。首先根據(jù)用戶標(biāo)簽體系對(duì)多個(gè)用戶進(jìn)行聚類，通過(guò)用戶間之間的關(guān)注、同一資源評(píng)價(jià)、互動(dòng)等信息行為進(jìn)行相似度計(jì)算，尋找相似用戶并提取相似用戶群體特征，形成用戶相似群。需要說(shuō)明的是相似群之間盡可能的體現(xiàn)出差異性，如相似群1與相似群2的距離大一些，能明顯區(qū)分出興趣偏好的不同之處。對(duì)群體用戶的更新除了用戶興趣的變化外，可能涉及到用戶的增加與減少的問(wèn)題。

圖3 基于用戶畫像的資源推薦模式

4.2.2 單用戶與群體用戶資源精準(zhǔn)推薦

在對(duì)用戶進(jìn)行打標(biāo)簽、聚類、相似度計(jì)算等分別建立單用戶及群體用戶興趣模型后，將用戶與館藏資源進(jìn)行匹配。館藏資源同樣首先進(jìn)行數(shù)據(jù)處理。對(duì)單用戶及群體用戶資源的數(shù)據(jù)處理即匹配過(guò)程大致相同，包括：資源屬性特征描述、資源內(nèi)容特征抽取及標(biāo)識(shí)、資源之間語(yǔ)義相關(guān)性分析，資源特征表示及動(dòng)態(tài)組織，資源集的確定，資源與用戶主題的匹配等。資源推薦系統(tǒng)能否成功實(shí)現(xiàn)精準(zhǔn)推薦，取決于形成的用戶標(biāo)簽與館藏資源信息的匹配度。一方面將資源通過(guò)分析進(jìn)行聚合形成相似資源集，另一方面通過(guò)用戶畫像所建立的標(biāo)簽體系進(jìn)行主題描述建模，即將用戶的資源偏好映射到主題中并最終形成多個(gè)主題。在多個(gè)主題與相似資源集之間進(jìn)行匹配，如果匹配成功則通過(guò)推薦系統(tǒng)進(jìn)行推薦，匹配失敗則通過(guò)反饋機(jī)制進(jìn)行反饋。同樣，群體用戶根據(jù)其群體用戶畫像的標(biāo)簽以及計(jì)算出用戶之間的相關(guān)性并形成相似群，將相似群的標(biāo)簽映射并描述為多個(gè)主題，其主題與相似資源集之間進(jìn)行匹配。與單用戶不同的是，群體用戶是一種基于對(duì)資源的共同興趣偏好特征所進(jìn)行的資源推薦，首先根據(jù)用戶資源檢索、瀏覽、評(píng)價(jià)、收藏、分享、下載等行為數(shù)據(jù)，計(jì)算出用戶之間的相關(guān)性，然后聚類得到相似用戶群，最后建立用戶群體的興趣及行為模型。

5 結(jié) 語(yǔ)

大數(shù)據(jù)時(shí)代基于用戶畫像的圖書館館藏資源推薦模式為圖書館個(gè)性化推薦及資源服務(wù)質(zhì)量的提升帶來(lái)了新的發(fā)展機(jī)遇。本文通過(guò)上述模式設(shè)計(jì)，討論了通過(guò)用戶屬性數(shù)據(jù)、動(dòng)態(tài)行為數(shù)據(jù)、交互數(shù)據(jù)等多維度分析用戶興趣偏好，并形成標(biāo)簽體系最終建立用戶畫像模型。利用勾勒出的用戶畫像進(jìn)一步細(xì)分用戶，從單用戶及群體用戶的角度去開展館藏資源精準(zhǔn)的推薦。值得注意的是，雖然本文從多個(gè)維度建立用戶畫像，現(xiàn)實(shí)中用戶畫像的標(biāo)簽體系可根據(jù)各圖書館實(shí)際情況進(jìn)行設(shè)計(jì)，并非要從多個(gè)維度去構(gòu)建設(shè)計(jì)，但要結(jié)合實(shí)際的應(yīng)用場(chǎng)景，構(gòu)建滿足條件的用戶畫像模型即可，且所設(shè)計(jì)到的數(shù)據(jù)要真實(shí)可靠。同時(shí)以上更多的是一種館藏資源精準(zhǔn)推薦模式的分析設(shè)計(jì)，并未涉及具體數(shù)據(jù)、算法及相關(guān)技術(shù)的應(yīng)用，在構(gòu)建用戶畫像時(shí)，能夠?yàn)閳D書館利用用戶數(shù)據(jù)及館藏資源數(shù)據(jù)并預(yù)測(cè)用戶潛在需求及資源需求偏好提供一個(gè)系統(tǒng)性、框架性的參考。下一步的研究重點(diǎn)在于具體的用戶畫像的利用，如依據(jù)國(guó)內(nèi)外智慧圖書館實(shí)施情況，進(jìn)一步提取用戶及資源數(shù)據(jù)進(jìn)行分析，以進(jìn)一步驗(yàn)證方案的實(shí)用性與有效性。

[1]庫(kù)珀.交互設(shè)計(jì)之路[M].北京：電子工業(yè)出版社，2006：10.

[2]曾鴻,吳蘇倪.基于微博的大數(shù)據(jù)用戶畫像與精準(zhǔn)營(yíng)銷[J].現(xiàn)代經(jīng)濟(jì)信息,2016,(16)：306-308.

[3]余孟杰.產(chǎn)品研發(fā)中用戶畫像的數(shù)據(jù)模建——從具象到抽象.設(shè)計(jì)藝術(shù)研究,2014,(6)：60-64.

[4]黃文彬,徐山川,吳家輝,等.移動(dòng)用戶畫像構(gòu)建研究[J].現(xiàn)代情報(bào),2016,36(10)：54-61.

[5]XU G,ZHANG Y,ZHOU X.Towards User Profiling for Web Recommendation[J].Lecture Notes in Computer Science,2005,lncs 3809:415-424.

[6]王慶福.貝葉斯網(wǎng)絡(luò)在用戶興趣模型構(gòu)建中的研究[J].無(wú)線互聯(lián)科技,2016,(12):101-102.

[7]張小可,沈文明,杜翠鳳.貝葉斯網(wǎng)絡(luò)在用戶畫像構(gòu)建中的研究[J].移動(dòng)通信,2016,40(22):22-26.

[8]辛菊琴,蔣艷,舒少龍.綜合用戶偏好模型和 BP 神經(jīng)網(wǎng)絡(luò)的個(gè)性化推薦[J].計(jì)算機(jī)工程與應(yīng)用,2013,49(2):57-60.

[9]單曉紅，張曉月，劉曉燕.基于在線評(píng)論的用戶畫像研究——以攜程酒店為例.情報(bào)理論與實(shí)踐[EB].http://kns.cnki.net/kcms/detail/11.1762.G3.20171122.1026.004.html.

[10]胡媛，毛寧.基于用戶畫像的數(shù)字圖書館知識(shí)社區(qū)用戶模型構(gòu)建[J].圖書館理論與實(shí)踐，2017,(4)：82-85.

[11]劉速.淺議數(shù)字圖書館知識(shí)發(fā)現(xiàn)系統(tǒng)中的用戶畫像——以天津圖書館為例[J].圖書館理論與實(shí)踐，2017,(6)：103-106.

[12]汪強(qiáng)兵，章成志.融合內(nèi)容與用戶手勢(shì)行為的用戶畫像構(gòu)建系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2017,(2)：80-86.

[13]陳慧香，邵波.國(guó)外圖書館領(lǐng)域用戶畫像的研究現(xiàn)狀及啟示[J].圖書館學(xué)研究，2017,(20)：16-20.

[14]韓梅花，趙景秀.基于“用戶畫像”的閱讀療法模式研究—以抑郁癥為例[J].大學(xué)圖書館學(xué)報(bào)，2017,(6)：109-114.

[15]邱均平，張聰.高校圖書館館藏資源協(xié)同推薦系統(tǒng)研究[J].圖書情報(bào)工作，2013,(22)：132-137.

[16]李默，梁永全.高校圖書館學(xué)術(shù)資源推薦策略及系統(tǒng)架構(gòu)研究[J].圖書館學(xué)研究，2015,(14)：57-61.

[17]陳淑英，徐劍英，劉玉魏，等.關(guān)聯(lián)規(guī)則應(yīng)用下的高校圖書館圖書推薦服務(wù)[J].圖書館論壇，2018.

[18]何勝,熊太純,柳益君，等.基于Spark的高校圖書館文獻(xiàn)推薦方案及實(shí)證研究[J].圖書情報(bào)工作，2017,(23)：129-136.

[19]畢強(qiáng)，劉健.基于領(lǐng)域本體的數(shù)字文獻(xiàn)資源聚合及服務(wù)推薦方法研究[J].情報(bào)學(xué)報(bào)，2017,(5)：452-460.

[20]洪亮,錢晨,樊星.移動(dòng)數(shù)字圖書館資源的情境感知個(gè)性化推薦方法研究[J].現(xiàn)代情報(bào)技術(shù)，2016,(8)：110-119.

[21]袁輝.基于確定事件的智慧圖書館推薦服務(wù)策略實(shí)施探究[J].圖書館建設(shè)，2017,(8)：74-77.

[22]尹麗玲.跨類型的學(xué)術(shù)資源優(yōu)質(zhì)推薦算法研究[J].情報(bào)學(xué)報(bào)，2017,(7)：715-722.

[23]李民，王穎純，劉燕權(quán).“211工程”高校圖書館館藏資源推薦系統(tǒng)調(diào)查探析[J].圖書情報(bào)工作，2016,(9)：55-60.