基于用户画像的智慧图书馆个性化服务研究

来源：核心期刊咨询网时间：2021-01-12 10:0812

摘要：摘 要：对用户的属性和行为特征进行深入刻画，构建用户画像应用于图书馆服务，可以提高图书馆服务的个性化、精准化。本文结合智慧图书馆的特点，探索智慧图书馆用户画像构建过程，从数据采集层、数据挖掘层、个性化服务层几个方面搭建图书馆个性化服务框架，

　　摘 要：对用户的属性和行为特征进行深入刻画，构建用户画像应用于图书馆服务，可以提高图书馆服务的个性化、精准化。本文结合智慧图书馆的特点，探索智慧图书馆用户画像构建过程，从数据采集层、数据挖掘层、个性化服务层几个方面搭建图书馆个性化服务框架，并针对智慧图书馆个性化服务过程中存在的问题提出相应对策。

　　关键词：用户画像;智慧图书馆;个性化服务;大数据

　　1 相关理论研究

　　1.1 智慧图书馆

　　智慧图书馆最早由芬兰奥卢大学图书馆 Aittola 等人于2003年提出，被解释为“能够被用户感知，且不受空间限制的移动图书馆”[1]。2009年IBM提出智慧地球理念后，智慧图书馆的实践和理论研究才逐渐受到学者的重视。目前我国学者从不同角度对智慧图书馆进行研究，形成不同观点。董晓霞[2]等认为智慧图书馆是数字图书馆和感知智慧化两者相结合。曾子明[3]等认为情景感知能有效提高智慧图书馆移动视觉检索准确率，提高查询相关度和用户满意度。覃玮境[4]等提出了重构智慧图书馆“智能服务”路径，以满足图书馆用户“个性化”与“定制化”的知识服务需求。曹树金[5]等总结了国内外智慧图书馆的参考文献，分析结果认为智慧图书馆应当以大数据、人工智能等技术为支撑，以精准识别读者需求为起点，重视读者体验。

　　1.2 用户画像

　　用户画像是Alan Cooper最早提出的，他认为用户画像是建立在一系列真实数据之上的目标用户模型[6]。余孟杰[7]认为用户画像就是利用大数据技术收集足够的数据，然后对用户标签化以形成一个虚拟用户全貌。刘海[8]等根据用户的理财偏好，消费层次以及个人财富等维度构建用户画像，为银行理财产品进行精准营销提供依据。王洋[9]等利用大数据技术对用户的日常浏览日志进行数据挖掘分析，根据分析结果构建用户画像，在准确性方面有了很大提高。王顺箐[10]利用读者兴趣偏好构建用户画像，并融入到图书馆推荐系统中，从而提高了推荐系统的服务准确度。

　　智慧图书馆的发展趋势是以用户的需求为根本，能够为用户快速、准确地提供个性化、定制化、智慧化服务。可以从阅读推荐和检索推荐两个方面提升个性化服务水平。

　　2 智慧图书馆用户画像构建

　　2.1 用户画像数据获取

　　在大数据时代，移动終端和物联网技术的快速发展，用户的大量数据得以有效保存，为我们采集用户数据提供了基础。利用这些数字资源可以了解用户的特征属性信息，进而对用户群体进行画像。用户画像数据一般情况下可以分为动态数据和静态数据。用户到馆活动轨迹、图书馆相关系统的使用记录、借还书的相关记录等称为动态数据。而静态数据一般可以理解为用户注册时相关信息及家庭和职业等数据，这些数据一般不会实时变动。

　　智慧图书馆应该采集读者静态数据：基本属性(姓名、性别、年龄、学历……)，社会属性(家庭成员、工作单位、工作收入……);动态数据：读者的线下行为(借书记录、预约记录、还书记录……)，读者线上行为(读者ID、检索记录、下载记录……)及情景信息(读者的位置、移动终端设备、读者的喜怒哀乐……)。并利用这两方面数据构建用户画像。一般情况下，可以从读者的静态属性中推测出读者的潜在需求。利用读者的动态数据，如互动信息中的评价、建议和讨论等信息，去调整推荐和检索模型以便为读者提供更加个性化的服务。

　　2.2 用户画像模型构建

　　用户画像模型构建就是对用户进行标签化的过程。用户标签就是对用户特征信息进行高度总结和概括。完成标签化处理后，对用户进行分类，并标注不同类别的关系，从而形成不同群体的标签体系。本文根据读者的基本属性，社会属性，线下行为，线上行为，情景信息等进行分类整理，构建用户画像模型，如图1所示。

　　虽然个体画像能全面反映一个独立个体的特征属性，在知识推荐和检索方面也更加精准，但是个体用户数据一旦缺失或者关键属性字段不完整，很难采取其他措施补全数据，进而造成用户画像构建出现偏差。

　　根据共同兴趣和近似偏好对用户进行分类，构建群体用户画像，在个别用户信息出现缺失时，就可以依据相同类别中的其他用户数据进行评估补充数据，从而完善用户数据。可以先计算用户属性的相似度或紧密度，然后运用聚类算法对群体画像聚类，形成不同类别的群体画像。

　　3 基于用户画像的智慧图书馆个性化服务框架

　　可从数据采集层、数据挖掘层、个性化服务层三个方面构建智慧图书馆的个性化推荐和检索服务框架，如图2所示。

　　3.1 数据采集层

　　数据采集层是整个智慧图书馆个性化服务框架的基础，只有完整地采集用户的信息数据，才能准确描述用户特征。对于读者的基本信息数据，可以通过图书馆注册信息获取。线下行为数据可以通过图书馆后台数据库提取。同时，读者参与图书馆组织的相关活动也能反映读者的习惯和偏好等。线上行为数据可以通过网络爬虫技术对读者经常登录的网页、微博、微信等信息进行捕获。情景信息数据可以通过定位系统、智能监控、人脸识别等技术采集，实现对读者情景内容的描述。

　　3.2 数据挖掘层

　　数据挖掘层需要对数据采集层采集到的原始数据进行预处理，也就是说需要对重复数据、缺失数据等情况进行处理。另外，由于读者属性较多，且对读者影响不一。因此，需要对读者属性进行降维和加权处理，对提取的主要特征信息进行标签化，形成读者属性标签库。从采集的数据来看，数字资源呈现数据量大、变化快、异构化、多来源等特点，这些数据在个性化推荐服务之前还需要进行语义标注和关联，形成标准语义库。

　　推荐阅读：《畜牧兽医科学(电子版)》国家级月刊(原刊名《粮油加工》北大核心)，是由中国农机科学院主办的畜牧兽医类科技期刊。

转载请注明来自：http://www.qikan2017.com/lunwen/wyi/18168.html