王勛鴻 馬建春

（山東大學(xué)圖書館，山東 濟(jì)南 250100）

1 引言

近年來，基于用戶畫像技術(shù)的應(yīng)用研究在學(xué)術(shù)界備受關(guān)注。用戶畫像是1999年由軟件開發(fā)者、程序設(shè)計(jì)師Alan Cooper 提出的，他認(rèn)為，用戶畫像（Personas）是基于用戶真實(shí)的行為及動(dòng)機(jī)，代表真實(shí)用戶并在數(shù)據(jù)基礎(chǔ)上形成綜合原型（Com?posite Archetype），即“真實(shí)用戶數(shù)據(jù)的虛擬代表”[1]。絕大部分學(xué)者將用戶畫像翻譯為“User Pro?file”，用以表述基于用戶數(shù)據(jù)描述的標(biāo)簽集合。大數(shù)據(jù)時(shí)代下，基于用戶屬性和行為數(shù)據(jù)的用戶畫像，是研究用戶、開展對(duì)應(yīng)服務(wù)的重要手段之一。

大數(shù)據(jù)時(shí)代的到來，引發(fā)了圖書館服務(wù)轉(zhuǎn)型及變革的浪潮，用戶畫像在圖書館領(lǐng)域的應(yīng)用，為智慧化圖書館的建設(shè)，以及實(shí)現(xiàn)圖書館向用戶提供精準(zhǔn)化、精細(xì)化和個(gè)性化服務(wù)創(chuàng)造了條件。圖書館是以讀者為中心的服務(wù)機(jī)構(gòu)，其對(duì)讀者用戶的研究是圖書館精準(zhǔn)服務(wù)及創(chuàng)新服務(wù)的前提。自2014年，用戶畫像被引入圖情領(lǐng)域后，研究如火如荼。經(jīng)過七年多的快速發(fā)展，該主題研究整體狀況如何，研究力量分布如何，研究的細(xì)分主題及關(guān)注點(diǎn)是什么，都需要進(jìn)行系統(tǒng)的分析。為數(shù)不多的相關(guān)綜述研究多是基于文獻(xiàn)分析法，從概念界定、構(gòu)成要素、模型與方法等維度進(jìn)行系統(tǒng)的文獻(xiàn)梳理[2-5]。筆者采用文獻(xiàn)計(jì)量法、詞頻分析方法進(jìn)行更為精細(xì)的內(nèi)容分析，并從時(shí)間、作者、機(jī)構(gòu)等角度全面呈現(xiàn)用戶畫像在圖情領(lǐng)域的研究現(xiàn)狀，以期為今后圖書館精準(zhǔn)服務(wù)及用戶畫像研究提供參考和借鑒。

2 數(shù)據(jù)源及研究思路

在中國(guó)知網(wǎng)數(shù)據(jù)庫中，以“主題”為檢索途徑，以“用戶畫像”和“讀者畫像”為檢索詞進(jìn)行文獻(xiàn)檢索，學(xué)科選擇“圖書情報(bào)與數(shù)字圖書館”進(jìn)行文獻(xiàn)篩選，檢索時(shí)間截至2021年8 月25 日，共獲得371條中文文獻(xiàn)記錄。將其導(dǎo)入文獻(xiàn)管理工具NoteEx?press，進(jìn)行數(shù)據(jù)清洗，去掉會(huì)議資訊等無關(guān)文獻(xiàn)，共獲得368 條記錄，其中期刊論文327 篇，學(xué)位論文39篇，會(huì)議論文兩篇。

筆者利用文獻(xiàn)計(jì)量方法對(duì)獲取的數(shù)據(jù)進(jìn)行時(shí)間分布和研究機(jī)構(gòu)的統(tǒng)計(jì)和分析，以此呈現(xiàn)“用戶畫像”研究主題的研究現(xiàn)狀和力量分布。進(jìn)而在此基礎(chǔ)上，通過詞頻g 指數(shù)方法提取高頻關(guān)鍵詞，利用NoteExpress獲得共現(xiàn)矩陣，進(jìn)行關(guān)鍵詞分析，再利用Gephi軟件構(gòu)建聚類圖譜，發(fā)掘該主題的細(xì)分主題分布和研究熱點(diǎn)，為后續(xù)相應(yīng)研究提供借鑒和參考。

3 用戶畫像研究主題研究現(xiàn)狀

3.1 時(shí)間分布

由數(shù)據(jù)統(tǒng)計(jì)可見，國(guó)內(nèi)圖情領(lǐng)域“用戶畫像”主題研究起步于2014年，江西省省委黨校圖書館李業(yè)根的《基于大數(shù)據(jù)的圖書館信息營(yíng)銷策略》一文，首次將用戶畫像引入到圖書館學(xué)研究領(lǐng)域。作者認(rèn)為大數(shù)據(jù)環(huán)境下構(gòu)建用戶需求行為畫像，是進(jìn)行圖書館信息營(yíng)銷的策略和方法。自此，圖書館界有關(guān)用戶畫像的研究逐年升溫，主題為用戶畫像的期刊論文與學(xué)位論文發(fā)文量呈逐年遞增趨勢(shì)，研究領(lǐng)域不斷拓展，研究成果層出不窮，因此在圖情領(lǐng)域，用戶畫像已然成為研究的熱點(diǎn)（見圖1）。

圖1 用戶畫像研究論文時(shí)間分布

3.2 作者統(tǒng)計(jì)分析

了解一個(gè)研究領(lǐng)域或?qū)ｎ}的研究力量，作者是重要的考量向度?？茖W(xué)家、科學(xué)史學(xué)家普賴斯認(rèn)為，在同一主題中，半數(shù)的論文為一群高生產(chǎn)能力作者所撰，這一作者集合的數(shù)量約等于全部作者總數(shù)的平方根，這就是著名的普賴斯定律。該定律在文獻(xiàn)計(jì)量中被用來獲取高產(chǎn)作者，高產(chǎn)作者發(fā)表論文的下限用公式表示為：N=0.749nmax，其中nmax為最高產(chǎn)作者所發(fā)的論文數(shù)。

根據(jù)本研究樣本數(shù)據(jù)源進(jìn)行作者詞頻統(tǒng)計(jì)可知，圖情領(lǐng)域用戶畫像專題研究368篇文獻(xiàn)共涉及到作者637位，篇均作者1.7。發(fā)文大于等于2篇的共有93 人，占發(fā)文作者總量的14%。由普萊斯定律可獲知發(fā)文不低于3篇的高產(chǎn)作者22個(gè)（表1），占比僅為3%，由此可見，圖情領(lǐng)域用戶研究作者比較分散，沒有形成研究的密集地帶。

表1 用戶畫像高產(chǎn)作者統(tǒng)計(jì)

為了更全面呈現(xiàn)作者之間的關(guān)系，在此選取發(fā)文量大于等于2 的作者構(gòu)建作者共現(xiàn)圖譜（圖2）。圖中連線越粗，說明作者之間的聯(lián)系越緊密，合作關(guān)系越強(qiáng)。節(jié)點(diǎn)字號(hào)越大，說明發(fā)文量越多。圖中分析可見：一方面，用戶畫像主題研究，作者之間合作并不多，大多是獨(dú)立作者，合作關(guān)系較強(qiáng)的作者有劉海鷗、張亞明、張海濤、姚蘇梅等，同時(shí)這些作者也是發(fā)文較多的作者，因此可以看出合作是提高產(chǎn)出的重要手段；另一方面，也說明用戶畫像研究在圖情領(lǐng)域是一個(gè)新興的主題，作者之間的研究相關(guān)度還不夠高，隨著該主題研究的不斷深入，相信合作將越來越多。

圖2 用戶畫像研究作者共現(xiàn)圖譜

3.3 機(jī)構(gòu)分布

研究機(jī)構(gòu)是科研文獻(xiàn)的產(chǎn)出機(jī)構(gòu)，對(duì)該領(lǐng)域的研究具有重要的導(dǎo)向和引領(lǐng)作用。統(tǒng)計(jì)得知，圖情領(lǐng)域用戶畫像主題研究368篇論文分布于210個(gè)研究機(jī)構(gòu)（筆者僅統(tǒng)計(jì)第一作者機(jī)構(gòu)）。依照普賴斯定律，得出主要研究機(jī)構(gòu)，即發(fā)文不低于3 篇的研究機(jī)構(gòu)共有27家（見表2）。

表2 用戶畫像研究主要發(fā)文機(jī)構(gòu)

圖情領(lǐng)域用戶畫像研究機(jī)構(gòu)排在前五的有吉林大學(xué)、燕山大學(xué)、南京大學(xué)、武漢大學(xué)、華中師范大學(xué)，高等院校是用戶畫像研究的主要力量，相關(guān)研究者應(yīng)多加關(guān)注。

3.4 發(fā)文期刊分析

這個(gè)角度的考察，一方面可以揭示該主題研究的相關(guān)專業(yè)期刊，為相關(guān)研究提供參考；另一方面，也可以側(cè)面反映出該主題研究的學(xué)術(shù)水平。根據(jù)布拉德福文獻(xiàn)分散定律，如果將期刊按照刊載某個(gè)學(xué)科的論文數(shù)量的高低，以漸減順序排列，可以把期刊分為面向這個(gè)學(xué)科核心區(qū)和包含著與核心區(qū)同等數(shù)量論文的相關(guān)區(qū)和外圍區(qū)。核心區(qū)與相繼各區(qū)的期刊數(shù)量成l:a:a2關(guān)系，其中期刊數(shù)量少但效率高的為核心區(qū)，數(shù)量較大、效率中等的為相關(guān)區(qū)，期刊數(shù)量最多而效率低的為外圍區(qū)[6]，因此，確定了研究主題論文在期刊中的分散規(guī)律，只需要重點(diǎn)關(guān)注核心區(qū)的期刊，就有可能獲取這個(gè)領(lǐng)域內(nèi)的重要論文。

經(jīng)統(tǒng)計(jì)，圖情領(lǐng)域327篇用戶畫像主題相關(guān)期刊論文分布在108種期刊，依據(jù)布拉德福文獻(xiàn)分散定律，選出核心區(qū)期刊。計(jì)算可知，發(fā)文大于10篇的7 種期刊為核心區(qū)期刊（見表3），這7 種期刊發(fā)文總量111篇，占比約34%，因此，這7種期刊構(gòu)成圖情領(lǐng)域用戶畫像主題研究的核心期刊群。

表3 用戶畫像主題研究核心區(qū)期刊

通過對(duì)上表中核心區(qū)期刊分析，清晰可見，圖書館學(xué)研究、圖書情報(bào)工作、情報(bào)理論與實(shí)踐為該主題研究發(fā)文較多的期刊，研究者應(yīng)多關(guān)注這些期刊；另一方面，核心區(qū)期刊多為圖情領(lǐng)域的核心刊，由此說明，用戶畫像主題研究在圖情領(lǐng)域備受關(guān)注，還有較大的研究拓展空間。

4 國(guó)內(nèi)用戶畫像研究主題及主題演化情況

本研究基于樣本數(shù)據(jù)源，進(jìn)行關(guān)鍵詞的抽取，進(jìn)而確定高頻詞，在此基礎(chǔ)上，進(jìn)行詞頻分析和聚類分析，發(fā)掘用戶畫像研究熱點(diǎn)和關(guān)注點(diǎn)，為后續(xù)相關(guān)研究提供參考。

4.1 高頻詞閾值的計(jì)算及高頻詞的選擇

基于詞頻的統(tǒng)計(jì)分析是文獻(xiàn)計(jì)量的重要方法之一。一般認(rèn)為，一定時(shí)段內(nèi)某個(gè)主題詞在某領(lǐng)域文獻(xiàn)中反復(fù)出現(xiàn)，則認(rèn)定該詞所表征的主題為該領(lǐng)域在相應(yīng)時(shí)段內(nèi)的研究熱點(diǎn)和關(guān)注點(diǎn)，所以詞頻分析是挖掘研究對(duì)象主題分布、研究熱點(diǎn)的重要方法。因?yàn)檫@些分析和研究均是基于相應(yīng)研究對(duì)象的高頻詞，所以，高頻詞閾值的確定即高頻詞的選擇尤為重要，它直接關(guān)系到分析結(jié)果的客觀性，高頻詞閾值選取不當(dāng)則可能無法較好地反映研究的熱點(diǎn)內(nèi)容和關(guān)注點(diǎn)。

目前，圖書情報(bào)領(lǐng)域研究人員進(jìn)行高頻詞閾值計(jì)算方法主要有自定義法、齊普夫高低頻詞分界公式法、普賴斯公式法、g 指數(shù)方法和二八定律等方法。經(jīng)過實(shí)證研究，大多研究者認(rèn)為在上述方法中，比較科學(xué)且取得不錯(cuò)效果的是g指數(shù)法。

g 指 數(shù)是2006年Egghe 在物理學(xué)家Hirsch 提出的h 指數(shù)的基礎(chǔ)上提出的用以評(píng)價(jià)論文質(zhì)量的指數(shù)。其定義為：將論文按照被引次數(shù)降序排序，被引次數(shù)按序號(hào)疊加，當(dāng)累計(jì)被引次數(shù)等于序號(hào)的平方時(shí)，該序號(hào)值即為g 指數(shù)。g 指數(shù)的計(jì)算過程為：將源項(xiàng)論文按被引次數(shù)降序排列，找出g值，使得前g篇論文被引次數(shù)的總和大于或等于g2，而前g+1篇論文的被引次數(shù)小于（g+1）2[7]。

g 指數(shù)在文獻(xiàn)計(jì)量應(yīng)用中被后來者不斷加以拓展和修正，其中，楊愛青[8]根據(jù)g指數(shù)的計(jì)算方法和原理，提出了詞頻g 指數(shù)的概念，用以進(jìn)行詞頻分析。即：某一個(gè)研究主題關(guān)鍵詞的數(shù)量分值為g，當(dāng)且僅當(dāng)此研究主題的關(guān)鍵詞總量N中，有g(shù)個(gè)關(guān)鍵詞其累計(jì)出現(xiàn)頻次不少于g2次，而g+1個(gè)關(guān)鍵詞其累計(jì)出現(xiàn)頻次少于（g+1）2次。研究者虞求雨[9]又在此基礎(chǔ)上完善了詞頻g 指數(shù)計(jì)算方法，計(jì)算過程如下：將關(guān)鍵詞按頻次排列，若從第g 個(gè)開始相同頻次的關(guān)鍵詞個(gè)數(shù)為n個(gè)，若g個(gè)關(guān)鍵詞累計(jì)出現(xiàn)的頻次大于或等于g2，而（g+n）個(gè)關(guān)鍵詞累計(jì)頻次小于（g+n+1）2個(gè)，則截至第g+n個(gè)在內(nèi)的之前的關(guān)鍵詞即詞組集合中的高頻詞。表達(dá)式如下：，其中，n為相同頻次關(guān)鍵詞個(gè)數(shù)。

參考此種計(jì)算方法，針對(duì)本研究的數(shù)據(jù)，我們從中選出頻次大于等于6次的關(guān)鍵詞共計(jì)26個(gè)作為高頻關(guān)鍵詞，累計(jì)詞頻648次。具體的關(guān)鍵詞及計(jì)算過程見表4。

表4 高頻關(guān)鍵詞及g值計(jì)算過程

4.2 關(guān)鍵詞共現(xiàn)分析

高頻關(guān)鍵詞一定程度上可以呈現(xiàn)研究主題的研究熱點(diǎn)和方向，分析高頻詞詞間關(guān)系，則有助于厘清研究主題的學(xué)術(shù)發(fā)展脈絡(luò)，發(fā)現(xiàn)研究細(xì)分主題以及各主題之間的關(guān)系。針對(duì)于本研究篩選出的26 個(gè)高頻詞數(shù)據(jù)，用NoteExpress 構(gòu)建高頻關(guān)鍵詞共現(xiàn)矩陣，部分見表5。

表5 高頻關(guān)鍵詞共詞矩陣（局部）

關(guān)鍵詞之間共現(xiàn)次數(shù)越多，表明其關(guān)聯(lián)性越強(qiáng)，為了更好地呈現(xiàn)關(guān)鍵詞之間的共現(xiàn)和聚類關(guān)系。利用可視化工具Gephi 進(jìn)行可視化處理。首先將關(guān)鍵詞共現(xiàn)矩陣加載到Gephi中，進(jìn)行數(shù)據(jù)處理，自動(dòng)生成Gephi 可以識(shí)別的節(jié)點(diǎn)數(shù)據(jù)和邊數(shù)據(jù)，節(jié)點(diǎn)即為24個(gè)高頻關(guān)鍵詞，邊數(shù)據(jù)為關(guān)鍵詞之間的共現(xiàn)關(guān)系，研究的關(guān)鍵詞，源數(shù)據(jù)和目標(biāo)數(shù)據(jù)之間為無向連結(jié)，故類型選擇“無向”。Gephi數(shù)據(jù)處理結(jié)果顯示為共26 個(gè)節(jié)點(diǎn)（關(guān)鍵詞），151 條邊（連接線）。邊數(shù)據(jù)表部分見表6。

表6 Gephi邊數(shù)據(jù)表（部分）

經(jīng)過軟件計(jì)算，關(guān)鍵詞平均聚類系數(shù)為0.585，關(guān)鍵詞節(jié)點(diǎn)按照關(guān)聯(lián)度進(jìn)行渲染，選擇Fruchter?man-Reingold 算法進(jìn)行布局，得到共現(xiàn)圖譜（見圖3）。

圖3 國(guó)內(nèi)用戶畫像研究關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)

圖3 中，節(jié)點(diǎn)即為高頻詞，節(jié)點(diǎn)間的線段表示連接各節(jié)點(diǎn)的無向邊。節(jié)點(diǎn)標(biāo)簽字體大小代表關(guān)鍵詞的頻次多少，字體越大代表頻次越多，關(guān)聯(lián)度越高。線段的粗細(xì)用來呈現(xiàn)兩詞共現(xiàn)頻次多少，邊越粗表明兩詞同時(shí)出現(xiàn)在文獻(xiàn)中次數(shù)越多。圖3可以看出高校圖書館、圖書館、智慧圖書館、大數(shù)據(jù)等關(guān)鍵詞與用戶畫像的連線較粗，這說明圖情領(lǐng)域用戶畫像的研究主要是基于圖書館，尤其是高校圖書館的讀者用戶研究，這也是用戶畫像研究的一級(jí)主題。

圖3 中二級(jí)節(jié)點(diǎn)主要是知識(shí)服務(wù)、閱讀推廣、個(gè)性化服務(wù)、精準(zhǔn)服務(wù)、個(gè)性化推薦等幾個(gè)關(guān)鍵詞，由此分析可知，基于圖書館的用戶畫像研究是實(shí)現(xiàn)圖書館個(gè)性化服務(wù)和精準(zhǔn)服務(wù)的重要前提。圖中其他較小的節(jié)點(diǎn)，顯示圖情領(lǐng)域用戶畫像研究還多涉及到學(xué)科服務(wù)、數(shù)據(jù)挖掘、人工智能的技術(shù)和相關(guān)服務(wù)等主題。

高校圖書館是用戶畫像研究的重要力量，因?yàn)楦咝D書館的服務(wù)對(duì)象為教師和學(xué)生，用戶服務(wù)是其基本的職責(zé)，圖書館在為用戶提供服務(wù)的過程中，產(chǎn)生大量的使用數(shù)據(jù)，包括圖書借閱信息、圖書預(yù)約信息以及用戶入館信息等，這些信息可以幫助管理者對(duì)用戶的行為進(jìn)行分析，從而進(jìn)一步提高圖書館服務(wù)質(zhì)量，創(chuàng)新圖書館的服務(wù)模式和服務(wù)內(nèi)容。因此，針對(duì)不同群體用戶的個(gè)性化和精準(zhǔn)化服務(wù)，既是圖書館的工作內(nèi)容，也是圖書館業(yè)界的研究主題。

4.3 高頻關(guān)鍵詞聚類分析

為了更好地呈現(xiàn)用戶畫像研究的主題分布，進(jìn)行相異矩陣的構(gòu)建，進(jìn)行了數(shù)據(jù)z-score標(biāo)準(zhǔn)化，進(jìn)而制作聚類樹狀譜系圖（見圖4）。

圖4 國(guó)內(nèi)用戶畫像主題研究聚類譜系

分析樹狀聚類圖，我們不難發(fā)現(xiàn)，國(guó)內(nèi)圖情領(lǐng)域用戶畫像相關(guān)主題研究大體分為4 個(gè)類團(tuán)。第一類團(tuán)是圖書館，尤其是高校圖書館針對(duì)讀者精準(zhǔn)服務(wù)、學(xué)科服務(wù)和閱讀推廣等進(jìn)行的相關(guān)研究；第二類團(tuán)是基于數(shù)字圖書館環(huán)境，通過數(shù)據(jù)驅(qū)動(dòng)和挖掘進(jìn)行的資源個(gè)性化推薦；第三類團(tuán)是針對(duì)用戶行為、用戶需求，通過人工智能、數(shù)據(jù)挖掘技術(shù)進(jìn)行可視化知識(shí)圖譜呈現(xiàn)；第四類團(tuán)是基于用戶畫像對(duì)知識(shí)服務(wù)、個(gè)性化服務(wù)等精準(zhǔn)服務(wù)模式的探討。

4.4 主題演化分析

為了更好地呈現(xiàn)用戶畫像主題演化過程，構(gòu)建了關(guān)鍵詞時(shí)區(qū)圖（見圖5）。圖中清晰可見，用戶畫像2014年被首次應(yīng)用到圖情領(lǐng)域，主要作用是用于信息營(yíng)銷。2016年研究主題拓延到移動(dòng)數(shù)據(jù)挖掘和用戶行為分析。自2017年始，用戶畫像研究進(jìn)入高速發(fā)展時(shí)期，2017年研究主題多關(guān)注基于用戶實(shí)際需求的精準(zhǔn)服務(wù)。2018年在此基礎(chǔ)上，又拓展到基于高校智慧圖書館建設(shè)中的相關(guān)個(gè)性化服務(wù)和閱讀推廣。2019年研究側(cè)重點(diǎn)在數(shù)據(jù)驅(qū)動(dòng)下服務(wù)模式的創(chuàng)新。2020年后，研究方向開始走向分散，不再僅僅關(guān)注于圖書館精準(zhǔn)服務(wù)、個(gè)性化服務(wù)等創(chuàng)新服務(wù)的研究，用戶畫像算法和知識(shí)聚類、智能技術(shù)、情感分析、知識(shí)付費(fèi)、流程再造等成為新的關(guān)注點(diǎn)。

圖5 用戶畫像研究主題演化

5 結(jié)語

5.1 結(jié)論

（1）圖情領(lǐng)域用戶畫像的研究已經(jīng)逐漸成為該領(lǐng)域的研究熱點(diǎn)。盡管用戶畫像概念首次應(yīng)用于圖情領(lǐng)域是在2014年，距今僅近八年時(shí)間，但發(fā)文量逐年增加，且研究論文質(zhì)量較高，核心區(qū)期刊發(fā)文量高達(dá)34%，相關(guān)研究作者和研究機(jī)構(gòu)數(shù)量眾多。同時(shí)也要看到，高產(chǎn)作者并不多，且作者之間的合作較少。另外，相較其他熱門主題，研究熱度值還不高。

（2）研究主題較為集中單一，但技術(shù)性較強(qiáng)。從研究細(xì)分主題和關(guān)注點(diǎn)來看，用戶畫像研究多是基于圖書館個(gè)性化服務(wù)和精準(zhǔn)服務(wù)的工具和實(shí)踐進(jìn)行的研究，內(nèi)容多針對(duì)圖書館閱讀推廣、學(xué)科服務(wù)、資源布局和推介等基本服務(wù)，研究對(duì)象較為集中。但細(xì)分主題和關(guān)注點(diǎn)涉及到大數(shù)據(jù)、數(shù)據(jù)挖掘、數(shù)據(jù)聚類、智能技術(shù)、虛擬知識(shí)社區(qū)等相關(guān)概念和技術(shù)。因此，技術(shù)性較強(qiáng)。

5.2 問題和建議

（1）由上文分析可見，一方面，當(dāng)前用戶畫像在國(guó)內(nèi)圖情領(lǐng)域的研究主題較為單一，主要基于圖書館讀者服務(wù)過程及用戶行為過程中產(chǎn)生的數(shù)據(jù)構(gòu)建讀者畫像，目的是提高讀者服務(wù)和資源利用的精準(zhǔn)化和個(gè)性化。另一方面，圖書館用戶畫像的研究多是應(yīng)用和實(shí)踐研究，研究者多是圖書館工作人員，而對(duì)用戶畫像構(gòu)建方法和多維度本體研究較少且不夠深入，盡管細(xì)分主題多元，但應(yīng)用主體單一。究其原因，這與圖情領(lǐng)域?qū)W界和業(yè)界，在大數(shù)據(jù)時(shí)代智慧圖書館的建設(shè)中服務(wù)方式和內(nèi)容的變革有直接關(guān)系。用戶畫像的構(gòu)建和本體研究涉及到數(shù)據(jù)挖掘、智能技術(shù)等細(xì)分主題，離不開計(jì)算機(jī)、數(shù)據(jù)建模等技術(shù)應(yīng)用，因此，圖書館和計(jì)算機(jī)學(xué)科交叉融合，圖書館工作人員和計(jì)算機(jī)技術(shù)人員進(jìn)行合作，是拓展該主題研究廣度和深度，提高科研產(chǎn)出，進(jìn)而提升學(xué)術(shù)影響力的有效舉措。

（2）目前，用戶畫像的構(gòu)建在圖情領(lǐng)域并沒有統(tǒng)一的框架，相關(guān)研究多是針對(duì)具體圖書館的服務(wù)架構(gòu)進(jìn)行的相關(guān)研究，研究成果很難推廣普及。未來，在圖情領(lǐng)域尤其是圖書館業(yè)界，構(gòu)建用戶畫像統(tǒng)一框架，實(shí)現(xiàn)用戶數(shù)據(jù)融合和共享，建設(shè)全面細(xì)致的用戶畫像，是大數(shù)據(jù)時(shí)代實(shí)現(xiàn)圖書館聯(lián)合和服務(wù)精準(zhǔn)化的重要手段，也是用戶畫像縱深研究的突破口。

（3）當(dāng)前，用戶畫像基本上是基于離線數(shù)據(jù)構(gòu)建的，是一種靜態(tài)畫像，無論是基于其自然屬性的基本數(shù)據(jù)，還是基于一段時(shí)間用戶行為特性和偏好的應(yīng)用數(shù)據(jù)，只能顯示出用戶一個(gè)時(shí)段內(nèi)的特征，而實(shí)際生活中用戶的行為數(shù)據(jù)隨時(shí)可能發(fā)生改變，變化后的興趣無法及時(shí)通過之前構(gòu)建的用戶畫像顯現(xiàn)出來，造成畫像在使用時(shí)產(chǎn)生偏差。圖情領(lǐng)域用戶畫像研究構(gòu)建及使用也是如此。因此，針對(duì)圖書館用戶實(shí)時(shí)畫像的構(gòu)建顯得尤為重要，這是用戶畫像未來研究和使用可以拓展的空間。

最后，需要說明的是，筆者是基于圖情領(lǐng)域用戶畫像研究成果的高頻關(guān)鍵詞文本分析，實(shí)際上，僅僅基于高頻關(guān)鍵詞很難準(zhǔn)確地呈現(xiàn)研究的角度和核心關(guān)注點(diǎn)。盡管高頻詞在文本分析中，尤其是熱點(diǎn)分析中有著重要的作用，但是也要看到，因高頻詞取詞范圍的問題、作者自擬關(guān)鍵詞規(guī)范性問題，單純用高頻詞挖掘研究熱點(diǎn)，多是呈現(xiàn)的一級(jí)研究主題，尤其是對(duì)某一相對(duì)較小的專題，高頻詞分析很難較好地呈現(xiàn)其內(nèi)在的細(xì)分主題或新興主題，對(duì)此，次高頻次、中頻次，甚至低頻次或可有更為重要的價(jià)值。因此，上述圖情領(lǐng)域用戶畫像的主題分析方法和結(jié)果僅供相關(guān)研究者參考。