文/陳越　都平平　王靜　等

數(shù)字圖書館用戶信息獲取行為研究

文/陳越都平平王靜等

隨著數(shù)字圖書館的發(fā)展，用戶對(duì)文獻(xiàn)資源的利用方式逐漸轉(zhuǎn)向在線形式。據(jù)教育部圖工委統(tǒng)計(jì), 國內(nèi)高校2012年館均電子文獻(xiàn)采購經(jīng)費(fèi)180萬元，是2007年的2.2倍。在電子文獻(xiàn)資源的使用大幅增加的情況下，如何獲取數(shù)字圖書館用戶信息行為的相關(guān)信息，以便為數(shù)字圖書館信息平臺(tái)建設(shè)、電子資源配置提供依據(jù),成為值得研究的問題。

對(duì)網(wǎng)絡(luò)用戶信息行為的定量研究方法有日志數(shù)據(jù)挖掘、系統(tǒng)軟件計(jì)數(shù)及網(wǎng)絡(luò)數(shù)據(jù)采集等途徑。這些方法在改善現(xiàn)有評(píng)估手段的同時(shí)，也不同程度的存在一定局限性，主要有以下幾點(diǎn)：

1.數(shù)據(jù)獲取對(duì)業(yè)務(wù)環(huán)境的依賴性強(qiáng)。日志挖掘方法中,用戶端和服務(wù)器端緩存（Cache）、代理（Proxy）及防火墻地址轉(zhuǎn)換（NAT）等技術(shù)都會(huì)影響對(duì)數(shù)據(jù)的獲取和處理，從而削弱挖掘效果。獲取系統(tǒng)軟件計(jì)數(shù)數(shù)據(jù)時(shí)一般依賴電子資源數(shù)據(jù)庫廠商提供，實(shí)時(shí)性較差且有時(shí)難以獲得完整數(shù)據(jù)。

2.行為信息提取內(nèi)容較少。基于服務(wù)端系統(tǒng)軟件計(jì)數(shù)或日志挖掘的方法很難收集到用戶端個(gè)體信息，現(xiàn)行的基于網(wǎng)絡(luò)層統(tǒng)計(jì)的方法又側(cè)重于用戶行為模式的判斷，忽略行為內(nèi)容的分析。如基于snort的過量下載檢測方法，其處理的數(shù)據(jù)層次局限于網(wǎng)絡(luò)層，沒有對(duì)應(yīng)用層數(shù)據(jù)作進(jìn)一步處理，基于DPI的pdf文件下載檢測方法僅對(duì)特定類型進(jìn)行捕獲，同樣也沒有針對(duì)應(yīng)用層信息進(jìn)行分析和處理。

針對(duì)上述局限性,本文利用應(yīng)用層特征分析技術(shù)對(duì)數(shù)字圖書館用戶信息獲取報(bào)文進(jìn)行分解處理，討論了相應(yīng)處理過程并用算法予以實(shí)現(xiàn)，最終設(shè)計(jì)了系統(tǒng)原型并進(jìn)行了開發(fā)與測試。

用戶信息獲取行為報(bào)文的應(yīng)用層特征分析與檢測

報(bào)文的特征分析

針對(duì)文獻(xiàn)獲取行為，利用Fiddler軟件，我們進(jìn)行了報(bào)文截取和分析。一個(gè)典型的下載請(qǐng)求如圖1所示。

圖1　用戶請(qǐng)求報(bào)文結(jié)構(gòu)

在該請(qǐng)求報(bào)文的首部字段中，即可獲取提供下載報(bào)文的主機(jī)域名或IP地址，如：Host: libvip.cumt.edu.cn

對(duì)起始行中的Get請(qǐng)求進(jìn)行分析，其中包含如下信息：

1.該下載請(qǐng)求的文件存放路徑：

file=R1388765X