尹婷婷，曾憲玉（西北工業(yè)大學(xué)圖書館）

用戶畫像作為大數(shù)據(jù)背景下信息資源服務(wù)的有效算法，針對用戶相關(guān)數(shù)據(jù)信息及其在網(wǎng)絡(luò)使用過程中的行為數(shù)據(jù)信息進(jìn)行提取與挖掘，從而能夠針對目標(biāo)用戶預(yù)測并獲取完成滿足用戶需求的資源數(shù)據(jù)［1］?；诖?，本文在深入分析信息資源與高校數(shù)字圖書館用戶需求之間內(nèi)在聯(lián)系的基礎(chǔ)上，采用目前已在人工智能、信息處理等領(lǐng)域取得廣泛實(shí)踐應(yīng)用的用戶畫像技術(shù)，充分挖掘高校數(shù)字圖書館信息服務(wù)中具體信息資源與師生讀者用戶資源需求之間的關(guān)聯(lián)性，建立基于用戶畫像技術(shù)的高校數(shù)字圖書館信息服務(wù)理論模型，并探討與之相關(guān)的數(shù)字圖書館信息服務(wù)的具體應(yīng)用模式。

1 用戶畫像技術(shù)研究綜述

“用戶畫像”由交互設(shè)計之父Alan Cooper提出：“用戶畫像是構(gòu)建能夠反映出目標(biāo)用戶真實(shí)數(shù)據(jù)信息情況的虛擬模型”［2］，包括用戶的基本信息及行為信息等用戶特征屬性數(shù)據(jù)，在用戶畫像模型建立過程中主要利用數(shù)據(jù)挖掘技術(shù)完成對用戶及用戶群組貼“標(biāo)簽”的處理工作，并將由此獲取的各種類型的“標(biāo)簽”數(shù)據(jù)利用具體的組合規(guī)則歸納、匯聚完成后，形成建立用戶畫像模型的全過程［3］。因此，基于用戶畫像的建模過程主要是通過對描述用戶的屬性信息進(jìn)行挖掘，提取出能夠描繪用戶特征的標(biāo)簽信息，從而達(dá)到能夠識別不同用戶的目的［4］。在圖書情報領(lǐng)域，王順箐在分析總結(jié)用戶的個人愛好以及資源需求數(shù)據(jù)的基礎(chǔ)上，在用戶畫像背景下構(gòu)建了讀者閱讀推薦系統(tǒng)模型［5］；單軫等基于文獻(xiàn)分析法，對國內(nèi)圖書領(lǐng)域用戶畫像技術(shù)的發(fā)展現(xiàn)狀及未來發(fā)展方向進(jìn)行詳細(xì)歸納與總結(jié)［6］；趙巖通過分析讀者用戶對館藏資源的需求信息，利用用戶畫像技術(shù)構(gòu)建館藏資源個性化推薦服務(wù)模型［7］；胡媛等利用聚類、關(guān)聯(lián)規(guī)則完成對知識社區(qū)用戶畫像可視化模型的構(gòu)建［8］；陳冬玲等基于用戶興趣的描述文件，提出用戶畫像背景下用戶個性化搜索的建模流程［9］。因此，通過總結(jié)信息領(lǐng)域、圖書情報領(lǐng)域關(guān)于用戶畫像技術(shù)的已有研究成果，發(fā)現(xiàn)其研究的側(cè)重點(diǎn)主要集中在用戶模型的詳細(xì)構(gòu)建方法以及數(shù)據(jù)資源的推薦與推送等具體方面，而用戶畫像在高校數(shù)字圖書館信息服務(wù)中的研究與實(shí)踐仍需重點(diǎn)關(guān)注與深入探討。

2 高校數(shù)字圖書館信息服務(wù)研究進(jìn)展

在“互聯(lián)網(wǎng)+”的信息時代背景下，依據(jù)用戶的個性化資源需求，數(shù)字圖書館通過對所需相關(guān)信息資源進(jìn)行收集、整理、歸納和分類之后，向圖書館用戶推送其所需的資源數(shù)據(jù)，為其提供信息服務(wù)。具體而言，續(xù)遠(yuǎn)鳳從文獻(xiàn)年代、文獻(xiàn)出處、關(guān)鍵詞等角度，在對近年來圖書館信息服務(wù)發(fā)展現(xiàn)狀進(jìn)行分析總結(jié)的基礎(chǔ)上，提出數(shù)字圖書館信息服務(wù)是高校圖書館發(fā)展的重要方向，且需要利用先進(jìn)的信息技術(shù)提高高校數(shù)字圖書館信息服務(wù)質(zhì)量的論述［10］；Wong以加州圣瑪麗學(xué)院在校學(xué)者興趣領(lǐng)域的科研產(chǎn)出成果為研究對象，構(gòu)建了基于學(xué)者畫像的科研資源管理模型［11］；楊帆利用Hadoop MapReduce數(shù)據(jù)管理手段構(gòu)建基于讀者畫像和資源畫像技術(shù)的圖書館數(shù)據(jù)分析模型［12］；劉素清在分析新媒體時代用戶對決策信息個性化需求的基礎(chǔ)上提出新媒體背景下高校數(shù)字圖書館信息服務(wù)的發(fā)展方向［13］；尹婷婷等從優(yōu)化館藏資源推送、提供個性化學(xué)習(xí)路徑導(dǎo)航服務(wù)等層面提出高校數(shù)字圖書館個性化信息服務(wù)的具體應(yīng)用模式［14］?？v覽圖情領(lǐng)域內(nèi)高校數(shù)字圖書館信息服務(wù)的研究成果，發(fā)現(xiàn)主要集中于用戶對高校圖書館個性化信息服務(wù)的具體需求分析及相應(yīng)的館藏資源推送實(shí)現(xiàn)等內(nèi)容，包括針對資源信息的各類數(shù)學(xué)處理分析方法、高校圖書館信息服務(wù)中數(shù)字資源利用率等問題的分析探討。但是缺乏針對高校圖書館信息服務(wù)中關(guān)于用戶個體屬性特征及用戶在使用高校數(shù)字圖書館網(wǎng)絡(luò)系統(tǒng)、高校圖書館網(wǎng)站、相關(guān)移動網(wǎng)絡(luò)數(shù)據(jù)平臺等的瀏覽行為數(shù)據(jù)的考慮與研究，從而導(dǎo)致對高校數(shù)字圖書館信息服務(wù)對象的個人特征信息分析不夠深入，對讀者用戶個人興趣偏好研究不夠全面等問題的存在，而利用高校圖書館信息服務(wù)獲取的推薦信息資源內(nèi)容也不夠精準(zhǔn)及時。在這一研究背景下，本文將用戶畫像技術(shù)引入高校數(shù)字圖書館信息服務(wù)領(lǐng)域，利用用戶畫像技術(shù)的獨(dú)特優(yōu)勢構(gòu)建針對高校數(shù)字圖書館信息服務(wù)的研究模型。

3 基于用戶畫像的高校數(shù)字圖書館信息服務(wù)模型的建立

基于用戶畫像技術(shù)的高校數(shù)字圖書館信息服務(wù)應(yīng)用的建模過程主要包括以下步驟：①通過在高校數(shù)字圖書館服務(wù)場景中抽取、完成用戶信息的標(biāo)簽描繪體系；②將描繪體系標(biāo)簽抽取與映射，組合完成用戶數(shù)據(jù)集；③應(yīng)用用戶畫像技術(shù)完成用戶數(shù)據(jù)挖掘與建模，并完成對用戶所需信息服務(wù)的描述及可視化呈現(xiàn)［15］。其中，應(yīng)用用戶畫像技術(shù)完成用戶數(shù)據(jù)挖掘的過程，即利用大數(shù)據(jù)信息處理等數(shù)學(xué)計算方法，在高校數(shù)字圖書館相關(guān)網(wǎng)絡(luò)系統(tǒng)中完成發(fā)現(xiàn)、提取并歸納收集有效數(shù)據(jù)信息的處理步驟，包括對描述目標(biāo)用戶個體屬性特征，及目標(biāo)用戶在使用高校數(shù)字圖書館相關(guān)網(wǎng)絡(luò)系統(tǒng)等行為痕跡數(shù)據(jù)信息的收集、處理等具體操作過程，以及完成對用戶個體的標(biāo)記步驟及標(biāo)簽信息處理等具體工作［16］。

3.1 用戶畫像標(biāo)簽體系構(gòu)建

針對用戶數(shù)據(jù)信息的提取過程是建立用戶畫像模型的前提條件和基礎(chǔ)步驟，主要的核心思想是針對用戶貼“標(biāo)簽”的過程，隨后將某一用戶所擁有的各類標(biāo)簽綜合歸納起來，就可以勾勒出該用戶的畫像框架，標(biāo)簽映射的具體步驟如圖1所示。高校數(shù)字圖書館網(wǎng)絡(luò)系統(tǒng)中累計著大量的體現(xiàn)用戶個體屬性特征及用戶網(wǎng)絡(luò)痕跡的數(shù)據(jù)信息，這些數(shù)據(jù)可以作為構(gòu)建用戶畫像模型的數(shù)據(jù)來源與基礎(chǔ)信息。但是因各類數(shù)據(jù)庫保存方式的不同，這些不同種類的來源數(shù)據(jù)信息存儲于不同的數(shù)據(jù)庫系統(tǒng)內(nèi)，因此描述用戶信息的各類數(shù)據(jù)資源之間沒有直接的相關(guān)性，甚至沒有任何的關(guān)聯(lián)特性。本文依據(jù)標(biāo)簽信息的具體內(nèi)容，將針對用戶的標(biāo)簽信息大致劃分為固定數(shù)據(jù)、動態(tài)數(shù)據(jù)兩類。其中，固定數(shù)據(jù)主要指的是用戶個體屬性特征，包括用戶性別、年齡、所屬學(xué)院、就讀專業(yè)、聯(lián)系方式等相對固定的信息數(shù)據(jù)；動態(tài)數(shù)據(jù)則主要包括用戶在使用高校數(shù)字圖書館網(wǎng)絡(luò)系統(tǒng)、高校圖書館網(wǎng)站、相關(guān)移動網(wǎng)絡(luò)數(shù)據(jù)平臺時的瀏覽行為數(shù)據(jù)等信息。當(dāng)大量的與某一目標(biāo)用戶相似的標(biāo)簽數(shù)據(jù)信息被分析、歸納、集合后，即形成了包括單個目標(biāo)用戶在內(nèi)的用戶群組標(biāo)簽信息，那么群組之間的關(guān)聯(lián)屬性就能夠建立起來，將獲取的標(biāo)簽信息梳理、綜合、聚類、歸納分析后，形成處理后的一系列標(biāo)簽族，從而建立能夠用于用戶畫像的標(biāo)簽體系，進(jìn)一步描繪用戶以及用戶群組的畫像過程，為用戶畫像模型的構(gòu)建提供指引和數(shù)據(jù)基礎(chǔ)。

圖1 標(biāo)簽映射管理流程

3.2 用戶數(shù)據(jù)分析

作為用戶畫像技術(shù)的數(shù)據(jù)來源，高校數(shù)字圖書館獲取到的目標(biāo)用戶數(shù)據(jù)信息具有結(jié)構(gòu)不一、數(shù)量龐雜、存儲格式復(fù)雜等特點(diǎn)，根據(jù)具體存儲格式的不同，獲取的數(shù)據(jù)信息可以具體劃分為結(jié)構(gòu)化和非結(jié)構(gòu)化兩種類型［17］?？傮w而言，結(jié)構(gòu)化數(shù)據(jù)信息主要包括用戶個體屬性特征信息，結(jié)構(gòu)化數(shù)據(jù)具有相對的標(biāo)準(zhǔn)性和規(guī)范性，同時信息形式相對單一、數(shù)據(jù)信息易分析、易存儲；非結(jié)構(gòu)化數(shù)據(jù)的獲取多來源于目標(biāo)用戶在使用高校數(shù)字圖書館網(wǎng)絡(luò)系統(tǒng)、高校圖書館網(wǎng)站等的瀏覽行為數(shù)據(jù)。總體而言，因數(shù)據(jù)存儲格式的差異性，與結(jié)構(gòu)化數(shù)據(jù)相比，非結(jié)構(gòu)化數(shù)據(jù)信息的處理過程更具復(fù)雜性。然而，對于這兩類具有不同存儲結(jié)構(gòu)的數(shù)據(jù)而言，均可以通過統(tǒng)一的數(shù)據(jù)處理過程（包括將數(shù)據(jù)分解為元數(shù)據(jù)單元，數(shù)據(jù)分類，數(shù)據(jù)清洗等）后，獲得能夠用于用戶畫像建模過程的可用數(shù)據(jù)信息。在這一處理過程中，需要運(yùn)用精確的數(shù)學(xué)分析技術(shù)剔除無用數(shù)據(jù)信息，包括重復(fù)數(shù)據(jù)、干擾數(shù)據(jù)等信息，進(jìn)一步提高用戶畫像模型預(yù)測結(jié)果的精確性和科學(xué)性。

3.3 基于用戶畫像構(gòu)建數(shù)字圖書館信息服務(wù)模型

基于用戶畫像的數(shù)據(jù)挖掘與建模過程主要以用戶對高校數(shù)字圖書館信息服務(wù)需求為研究基礎(chǔ)，構(gòu)建與用戶資源需求相符的數(shù)據(jù)挖掘模型，從各類目標(biāo)用戶數(shù)據(jù)集中查找、提取并歸納某一用戶對應(yīng)的標(biāo)簽值［16］，建立完整的標(biāo)簽信息管理體系，實(shí)現(xiàn)各類標(biāo)簽信息的挖掘、標(biāo)引及無用標(biāo)簽信息的剔除等具體實(shí)現(xiàn)步驟，實(shí)現(xiàn)數(shù)字圖書館信息服務(wù)對各類標(biāo)簽信息的靈活調(diào)取。在模型構(gòu)建數(shù)據(jù)處理分析過程中，利用知識檢索、信息過濾等人工智能處理技術(shù)，完成目標(biāo)用戶對所需資源數(shù)據(jù)信息的提取與歸納操作。同時隨著目標(biāo)用戶個體屬性特征及用戶在使用高校數(shù)字圖書館網(wǎng)絡(luò)系統(tǒng)、高校圖書館網(wǎng)站、相關(guān)移動網(wǎng)絡(luò)數(shù)據(jù)平臺等瀏覽行為數(shù)據(jù)的不斷更新，構(gòu)建用戶畫像模型的過程也需要實(shí)時更新完善，這有益于更加科學(xué)、合理地進(jìn)行數(shù)據(jù)信息的挖掘與處理工作。

基于以上思路，按照用戶所需資源數(shù)據(jù)信息的具體處理步驟［14-15］，構(gòu)建由數(shù)據(jù)來源層、數(shù)據(jù)整合層、數(shù)據(jù)挖掘?qū)蛹皵?shù)據(jù)顯示層構(gòu)成的基于用戶畫像的四層數(shù)字圖書館信息服務(wù)模型（見圖2）。

圖2 基于用戶畫像的四層數(shù)字圖書館信息服務(wù)模型

（1）用戶個體屬性特征及其在使用高校數(shù)字圖書館網(wǎng)絡(luò)系統(tǒng)、高校圖書館網(wǎng)站、相關(guān)移動網(wǎng)絡(luò)數(shù)據(jù)平臺的瀏覽行為數(shù)據(jù)構(gòu)成了數(shù)據(jù)基礎(chǔ)層的數(shù)據(jù)來源，依據(jù)數(shù)據(jù)來源層數(shù)據(jù)信息具體內(nèi)容的特征，將數(shù)據(jù)來源層數(shù)據(jù)分為目標(biāo)用戶屬性特征、目標(biāo)用戶興趣愛好及目標(biāo)用戶網(wǎng)絡(luò)互動三類。這三類數(shù)據(jù)依照各自的數(shù)據(jù)格式存儲于不同的數(shù)據(jù)存儲系統(tǒng)中，其中目標(biāo)用戶網(wǎng)絡(luò)互動數(shù)據(jù)主要包括目標(biāo)用戶在使用高校數(shù)字圖書館網(wǎng)絡(luò)系統(tǒng)、高校圖書館網(wǎng)站、相關(guān)移動網(wǎng)絡(luò)數(shù)據(jù)平臺等的留言、評論、轉(zhuǎn)發(fā)等互動數(shù)據(jù)信息。

（2）數(shù)據(jù)處理層是實(shí)現(xiàn)目標(biāo)用戶個體屬性特征及用戶在使用高校數(shù)字圖書館網(wǎng)絡(luò)系統(tǒng)、高校圖書館網(wǎng)站、相關(guān)移動網(wǎng)絡(luò)數(shù)據(jù)平臺等瀏覽行為數(shù)據(jù)信息獲取、整合的關(guān)鍵層，其主要利用數(shù)據(jù)處理技術(shù)對獲取到的數(shù)據(jù)信息進(jìn)行處理、分析、歸納、總結(jié)等操作，包括利用ETL工具實(shí)現(xiàn)用戶標(biāo)簽值信息提取等操作，從而得到能夠用于后續(xù)用戶畫像技術(shù)處理流程的有效數(shù)據(jù)集合。在數(shù)據(jù)處理層處理數(shù)據(jù)信息時，需要著重考慮關(guān)于有效信息的映射、無效信息的剔除等一系列自動處理過程，獲得能夠用于用戶畫像模型的可用、有序、規(guī)范的數(shù)據(jù)集合。

（3）數(shù)據(jù)挖掘?qū)邮怯脩舢嬒衲Ｐ蜆?gòu)建過程中的核心，主要通過利用前三層處理得到的數(shù)據(jù)信息集合，結(jié)合用戶群體針對資源信息的搜索、利用、社會屬性等偏好以及資源信息基本特征、讀者用戶對資源信息的已有評價等數(shù)據(jù)，基于已構(gòu)建完成的標(biāo)簽?zāi)Ｐ蛶?，利用?shù)據(jù)挖掘技術(shù)對目標(biāo)用戶及目標(biāo)用戶群體進(jìn)行聚類、關(guān)聯(lián)分析，從而建立單個目標(biāo)讀者用戶畫像庫及群體讀者畫像庫，完成讀者用戶畫像的構(gòu)建。隨后，針對建立的讀者用戶及群體讀者用戶畫像模型，分別將讀者用戶畫像庫及群體讀者畫像庫信息數(shù)據(jù)與讀者用戶及讀者用戶群體所需的資源、信息服務(wù)進(jìn)行多層次、多角度、全方位數(shù)據(jù)分析匹配，獲取針對特定讀者用戶及特定讀者用戶群體的用戶畫像模型數(shù)據(jù)信息。

（4）數(shù)據(jù)展示層的主要作用是依據(jù)用戶的需求，將經(jīng)過前三個步驟獲取的標(biāo)準(zhǔn)化存儲數(shù)據(jù)信息以可視化方式呈現(xiàn)在教育資源交互平臺上（包括已有資源介紹、知識發(fā)現(xiàn)系統(tǒng)、知識搜索系統(tǒng)、資源查找路徑、針對讀者的個性化信息服務(wù)等具體內(nèi)容），進(jìn)一步增強(qiáng)所需信息資源顯示的直觀性，方便用戶的查找，提高信息資源的利用率，為讀者用戶及讀者用戶群體提供科學(xué)、高效的信息服務(wù)。

4 用戶畫像技術(shù)在西北工業(yè)大學(xué)數(shù)字圖書館的應(yīng)用研究

西北工業(yè)大學(xué)數(shù)字圖書館于2000年開始建設(shè)數(shù)字圖書館信息資源共享網(wǎng)絡(luò)平臺，建設(shè)的內(nèi)容主要以校內(nèi)共享的知識檢索、知識獲取為主，為全校師生提供包括已有館藏資源、各類高校聯(lián)盟團(tuán)體在內(nèi)的知識資源發(fā)現(xiàn)等相關(guān)信息資源的輔助性教學(xué)服務(wù)。本文以西北工業(yè)大學(xué)圖書館信息資源共享網(wǎng)絡(luò)平臺以及西北工業(yè)大學(xué)師生用戶群體為研究對象，依照構(gòu)建的用戶畫像模型，完成關(guān)于西北工業(yè)大學(xué)全校師生用戶行為數(shù)據(jù)信息的收集與分析工作。同時基于用戶畫像完成針對師生用戶數(shù)據(jù)信息的挖掘與處理工作，實(shí)現(xiàn)對師生用戶所需信息資源的推送服務(wù)等具體流程，完成用戶畫像在數(shù)字圖書館信息服務(wù)中的實(shí)踐研究。

4.1 用戶畫像模型準(zhǔn)備

構(gòu)建用戶畫像模型，首先需要確定用于用戶畫像模型構(gòu)建所需的數(shù)據(jù)信息，包括用戶的基本屬性、用戶興趣愛好及用戶互動數(shù)據(jù)等一系列數(shù)據(jù)信息。具體而言，用戶基本屬性為靜態(tài)信息，可以從用戶的校內(nèi)一卡通及學(xué)籍信息中獲??；用戶興趣愛好及用戶互動數(shù)據(jù)等屬于非靜態(tài)的信息，可以使用各類數(shù)據(jù)信息標(biāo)記方式實(shí)現(xiàn)對動態(tài)變化信息的跟蹤與獲取［15］，其中高校數(shù)字圖書館信息服務(wù)用戶數(shù)據(jù)體系的組成情況如圖3所示。在滿足以上各種異構(gòu)數(shù)據(jù)信息具體存儲格式的基礎(chǔ)上，設(shè)立數(shù)據(jù)信息解析規(guī)則，構(gòu)建完成針對讀者用戶的靜態(tài)信息及動態(tài)信息的描述與聚類分析。

圖3 高校數(shù)字圖書館信息服務(wù)用戶數(shù)據(jù)體系

4.2 基于用戶畫像的高校數(shù)字圖書館信息服務(wù)應(yīng)用模式

通過西北工業(yè)大學(xué)圖書館信息資源共享網(wǎng)絡(luò)平臺獲取用戶行為的靜態(tài)信息和動態(tài)信息為基礎(chǔ)數(shù)據(jù)集合，結(jié)合用戶的已有搜索信息和針對資源信息的下載量、瀏覽時間等多層面信息，依照具體的標(biāo)簽提取規(guī)則，完成關(guān)于用戶的固定屬性、訪問環(huán)境、忠誠度和研究興趣等各類標(biāo)簽體系屬性值的抽取及標(biāo)注工作。隨后將已建立的目標(biāo)用戶對于資源需求的標(biāo)簽集合與已有資源數(shù)據(jù)集合進(jìn)行匹配［14］，并依次完成：對已有資源數(shù)據(jù)內(nèi)容的提取、歸納、分類；針對目標(biāo)用戶信息的梳理、提煉、聚類形成處理后的標(biāo)簽族，并聚合生成單個用戶所在的用戶群組標(biāo)簽信息；通過標(biāo)簽組的增刪功能完成對標(biāo)簽體系的集中管理流程；將獲取的用戶標(biāo)簽信息映射到相關(guān)的資源數(shù)據(jù)集合中［15］（見圖4）。最后，為實(shí)現(xiàn)對數(shù)字圖書館用戶畫像的可視化管理，以Solr為代表的索引管理工具設(shè)計了索引的存儲規(guī)范，以下拉列表的形式實(shí)現(xiàn)對歷史搜索關(guān)鍵詞語的顯示與呈現(xiàn)，為用戶及用戶群體提供科學(xué)、高效的信息服務(wù)。

圖4 基于用戶畫像技術(shù)的高校數(shù)字圖書館信息服務(wù)流程

5 結(jié)語

基于用戶畫像的高校數(shù)字圖書館信息服務(wù)模型的實(shí)踐應(yīng)用能夠精確描述用戶的各類屬性特征，將這些屬性特征進(jìn)行標(biāo)簽化處理后能夠科學(xué)、深層次地挖掘目標(biāo)用戶對數(shù)據(jù)資源的需求信息，并可為數(shù)字圖書館電子資源的采購以及知識服務(wù)設(shè)計等個性化知識服務(wù)提供有力支持。但就目前用戶畫像技術(shù)在高校數(shù)字圖書館信息服務(wù)領(lǐng)域的發(fā)展現(xiàn)狀而言，仍面臨諸多難題與困難。如，提高有效信息資源的利用率及實(shí)現(xiàn)標(biāo)簽實(shí)時標(biāo)引等存在難題，仍需高校數(shù)字圖書館進(jìn)一步針對存在的諸多挑戰(zhàn)進(jìn)行深入研究，以切實(shí)提高用戶及用戶群組標(biāo)簽信息轉(zhuǎn)化為有效信息的比例，并精準(zhǔn)預(yù)測潛在用戶的行為趨勢，為高校數(shù)字圖書館信息服務(wù)的精準(zhǔn)實(shí)現(xiàn)提供更有力的支持。