摘 要：人工智能技術(shù)發(fā)展，驅(qū)動(dòng)著圖書(shū)館的知識(shí)服務(wù)向著個(gè)性化、精準(zhǔn)化方向發(fā)展。文章在概述知識(shí)發(fā)現(xiàn)和用戶畫像的基礎(chǔ)上，構(gòu)建了圖書(shū)館讀者用戶畫像，以此構(gòu)建了基于用戶畫像的圖書(shū)館知識(shí)發(fā)現(xiàn)服務(wù)模型。分析發(fā)現(xiàn)，基于用戶畫像的圖書(shū)館知識(shí)服務(wù)，能在服務(wù)的個(gè)性化、精準(zhǔn)化方面有著一定的優(yōu)勢(shì)，能夠提升圖書(shū)館知識(shí)服務(wù)體驗(yàn)。

關(guān)鍵詞：人工智能；用戶畫像；圖書(shū)館；知識(shí)發(fā)現(xiàn)；知識(shí)工程；機(jī)器學(xué)習(xí)

中圖分類號(hào)：G252 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.11968/tsyqb.1003-6938.2017114

Abstract The development of artificial intelligence technology drives the library's knowledge service towards individuation and precision. Basic on the summarization of knowledge discovery and User portrait， this article constructs the user portrait， so as to construct a service model of librarys knowledge discovery. It is found that the library knowledge service based on user portrait has some advantages in personalized and precision service， and also can improve the experiences of library knowledge service.

Key words artificial intelligence； user portrait； library； knowledge discovery； knowledge engineering； machine learning

智能化與自動(dòng)化是人工智能時(shí)代的兩大主題，而移動(dòng)智能終端的普及應(yīng)用，也為智能化與自動(dòng)化的實(shí)現(xiàn)提供了海量的大數(shù)據(jù)基礎(chǔ)，通過(guò)數(shù)據(jù)挖掘和算法計(jì)算，從海量數(shù)據(jù)中發(fā)現(xiàn)需要的知識(shí)發(fā)現(xiàn)，也在機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)模型和知識(shí)表示等人工智能技術(shù)的推動(dòng)下，呈現(xiàn)出了新的發(fā)展態(tài)勢(shì)。同時(shí)，隨著大數(shù)據(jù)的發(fā)展，數(shù)據(jù)量的爆發(fā)式增長(zhǎng)和大數(shù)據(jù)分析技術(shù)的成熟使用戶可捕捉的行為數(shù)據(jù)越來(lái)越多，可形成用戶關(guān)鍵信息畫像的用戶畫像被廣泛的應(yīng)用到了以標(biāo)簽、畫像為基礎(chǔ)的精準(zhǔn)服務(wù)領(lǐng)域[1]。將用戶畫像與知識(shí)發(fā)現(xiàn)相結(jié)合，可以為用戶的需求精準(zhǔn)提供基于知識(shí)發(fā)現(xiàn)的決策知識(shí)、咨詢知識(shí)等服務(wù)。

圖書(shū)館是人類知識(shí)的傳承和傳播中心，實(shí)現(xiàn)對(duì)館藏知識(shí)的傳播與增值服務(wù)也一直是信息時(shí)代到大數(shù)據(jù)時(shí)代圖書(shū)館的主要服務(wù)內(nèi)容。近年來(lái)，基于知識(shí)發(fā)現(xiàn)系統(tǒng)如Primo、Worldcat Local、Encore等的圖書(shū)館知識(shí)發(fā)現(xiàn)服務(wù)也成為了知識(shí)服務(wù)的主要組成部分。隨著人工智能時(shí)代的到來(lái)驅(qū)動(dòng)著圖書(shū)館向智能化服務(wù)、自動(dòng)化服務(wù)轉(zhuǎn)型的過(guò)程中，基于用戶畫像的圖書(shū)館知識(shí)發(fā)現(xiàn)服務(wù)無(wú)疑將提高讀者的服務(wù)體驗(yàn)與滿意度。

1 知識(shí)發(fā)現(xiàn)與用戶畫像

1.1 從人工智能到知識(shí)發(fā)現(xiàn)

從學(xué)科體系來(lái)看，人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它試圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理和專家系統(tǒng)等。知識(shí)工程作為人工智能的五大研究領(lǐng)域（即腦認(rèn)知、機(jī)器感知與模式識(shí)別、自然語(yǔ)言處理與理解、知識(shí)工程、機(jī)器人與智能系統(tǒng)）之一，一直備受科學(xué)界關(guān)注。中國(guó)人工智能學(xué)會(huì)理事長(zhǎng)李德毅就認(rèn)為知識(shí)工程才是人工智能時(shí)代最有意義的課題之一。

知識(shí)發(fā)現(xiàn)（Knowledge Discovery，KD）則是一門來(lái)源于人工智能、知識(shí)工程和機(jī)器學(xué)習(xí)等眾多學(xué)科新興交叉的學(xué)科。具體來(lái)看，知識(shí)發(fā)現(xiàn)就是一次完整的從大量的異構(gòu)、復(fù)雜數(shù)據(jù)或數(shù)據(jù)集、數(shù)據(jù)平臺(tái)中提取出隱含的、未知的、潛在有用的并能被人們理解的規(guī)則與模式，并檢查趨勢(shì)、發(fā)掘出事實(shí)的高級(jí)處理過(guò)程[2]。

1.2 知識(shí)發(fā)現(xiàn)的實(shí)現(xiàn)與發(fā)展

1989年，在“知識(shí)工程（Knowledge Engineering）”被提出12年之后，“知識(shí)發(fā)現(xiàn)”這一概念在第11屆國(guó)際聯(lián)合人工智能學(xué)術(shù)會(huì)議上出現(xiàn)。但由于當(dāng)時(shí)的數(shù)據(jù)主要以數(shù)據(jù)庫(kù)的形式存儲(chǔ)管理，因而當(dāng)初提出的知識(shí)發(fā)現(xiàn)主要是指基于數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)（Knowledge Discovery in Database， KDD），隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展和數(shù)據(jù)來(lái)源、數(shù)據(jù)類型的豐富，知識(shí)發(fā)現(xiàn)也逐漸從基于數(shù)據(jù)庫(kù)的知識(shí)發(fā)現(xiàn)向面向大數(shù)據(jù)的知識(shí)發(fā)現(xiàn)方向發(fā)展。

1.3 用戶畫像的概念與應(yīng)用

用戶畫像（User portrait）即用戶信息標(biāo)簽化，就是通過(guò)收集與分析用戶的社會(huì)屬性、生活習(xí)慣、消費(fèi)行為等主要信息之后，完美的抽象出一個(gè)用戶的信息全貌[3]。目前，由于用戶畫像能夠?yàn)榉?wù)提供方進(jìn)一步精準(zhǔn)、快速地分析用戶行為習(xí)慣、商業(yè)意愿、消費(fèi)需求提供了重要的數(shù)據(jù)基礎(chǔ)，進(jìn)而能夠幫助商業(yè)機(jī)構(gòu)快速定位用戶/群體等更為廣泛的商業(yè)信息，基于用戶畫像的個(gè)性化推薦服務(wù)系統(tǒng)已經(jīng)處處可見(jiàn)，典型如今日頭條，普通如電子商務(wù)、社交網(wǎng)絡(luò)、影視推送、閱讀推送等。

2 面向大數(shù)據(jù)的圖書(shū)館知識(shí)發(fā)現(xiàn)服務(wù)

2.1 圖書(shū)館知識(shí)發(fā)現(xiàn)服務(wù)的發(fā)展現(xiàn)狀

（1）圖書(shū)館文獻(xiàn)資源發(fā)現(xiàn)服務(wù)。現(xiàn)代圖書(shū)館一直注重用戶的文獻(xiàn)檢索服務(wù)，并通過(guò)數(shù)據(jù)庫(kù)檢索技術(shù)而實(shí)現(xiàn)的圖書(shū)館書(shū)目數(shù)據(jù)檢索系統(tǒng)、主題資源檢索系統(tǒng)、綜合資源登記管理系統(tǒng)等文獻(xiàn)資源的檢索系統(tǒng)，向用戶提供館藏?cái)?shù)量、文獻(xiàn)排序等服務(wù)。如經(jīng)國(guó)務(wù)院批準(zhǔn)的我國(guó)高等教育“211工程”“九五”“十五”總體規(guī)劃中三個(gè)公共服務(wù)體系之一的中國(guó)高等教育文獻(xiàn)保障系統(tǒng)（China Academic Library & Information System，CALIS）可為讀者提供文獻(xiàn)發(fā)現(xiàn)、文獻(xiàn)傳遞、館際互借等服務(wù)。endprint

（2）圖書(shū)館知識(shí)發(fā)現(xiàn)系統(tǒng)服務(wù)。當(dāng)云計(jì)算的概念提出以后，基于云計(jì)算的圖書(shū)館知識(shí)發(fā)現(xiàn)系統(tǒng)也應(yīng)運(yùn)而生，目前已有Summon、Primo、Worldcat Local與Encore等越來(lái)越多的圖書(shū)館知識(shí)發(fā)現(xiàn)系統(tǒng)被開(kāi)發(fā)，并廣泛的應(yīng)用到了圖書(shū)館的資源檢索、信息組織與知識(shí)服務(wù)中。此外，還有中國(guó)學(xué)術(shù)搜索、超星發(fā)現(xiàn)系統(tǒng)、智立方發(fā)現(xiàn)系統(tǒng)、學(xué)知搜索、百度學(xué)術(shù)等在線知識(shí)發(fā)現(xiàn)系統(tǒng)也都在圖書(shū)館得到廣泛應(yīng)用。從服務(wù)內(nèi)容來(lái)看，圖書(shū)館基于這些知識(shí)發(fā)現(xiàn)系統(tǒng)的服務(wù)主要有文獻(xiàn)檢索、資源聚合、粒度分析、知識(shí)關(guān)聯(lián)、規(guī)律總結(jié)等服務(wù)。

2.2 圖書(shū)館讀者的用戶畫像構(gòu)建

根據(jù)用戶畫像的相關(guān)理論[4]，基于大數(shù)據(jù)的圖書(shū)館讀者用戶畫像的構(gòu)建主要分為基礎(chǔ)數(shù)據(jù)收集、行為建模、構(gòu)建畫像三個(gè)階段（見(jiàn)圖1）。其中，數(shù)據(jù)收集大致分為網(wǎng)絡(luò)行為數(shù)據(jù)（如活躍人數(shù)、頁(yè)面瀏覽量、訪問(wèn)時(shí)長(zhǎng)、激活率、外部觸點(diǎn)、社交數(shù)據(jù)等）、服務(wù)行為數(shù)據(jù)（如瀏覽路徑、頁(yè)面停留時(shí)間、訪問(wèn)深度、唯一頁(yè)面瀏覽次數(shù)等）、用戶內(nèi)容偏好數(shù)據(jù)（如瀏覽/收藏內(nèi)容、評(píng)論內(nèi)容、互動(dòng)內(nèi)容、生活形態(tài)偏好、品牌偏好等）[5]等三類；行為建模是對(duì)基礎(chǔ)數(shù)據(jù)收集階段收集到的大數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)進(jìn)行用戶行為建模，以抽象出圖書(shū)館用戶的標(biāo)簽，并運(yùn)用數(shù)學(xué)算法模型對(duì)用戶的行為、偏好等進(jìn)行預(yù)測(cè)；在行為建模階段的標(biāo)簽抽象和特征計(jì)算后，根據(jù)用戶的基本屬性（如身份證號(hào)、年齡、性別、地域等）、行為特征（如Cookie）、興趣愛(ài)好（如URL信息）、心理特征（如社交表情）、社交網(wǎng)絡(luò)（如微信、QQ社交網(wǎng)絡(luò)等）等基礎(chǔ)數(shù)據(jù)不斷修正，則會(huì)根據(jù)已知數(shù)據(jù)來(lái)抽象出新的標(biāo)簽，從而使用戶畫像越來(lái)越立體和清晰。

2.3 基于用戶畫像的圖書(shū)館知識(shí)發(fā)現(xiàn)服務(wù)模型構(gòu)建

本研究基于知識(shí)發(fā)現(xiàn)的三大階段（數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、解釋與評(píng)估）和基于異構(gòu)、海量、多粒度的大數(shù)據(jù)資源，采用人工智能技術(shù)中的自然語(yǔ)言處理、機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)模型技術(shù)的內(nèi)容信息挖掘、結(jié)構(gòu)信息挖掘、自然語(yǔ)言信息挖掘的知識(shí)發(fā)現(xiàn)技術(shù)，在上述基于大數(shù)據(jù)的圖書(shū)館讀者用戶畫像的基礎(chǔ)上，構(gòu)建了基于用戶畫像的圖書(shū)館知識(shí)發(fā)現(xiàn)服務(wù)模型（見(jiàn)圖2）。

相較于已有的圖書(shū)館知識(shí)發(fā)現(xiàn)模型，基于用戶畫像的圖書(shū)館知識(shí)發(fā)現(xiàn)服務(wù)模型區(qū)別有：（1）在數(shù)據(jù)準(zhǔn)備階段，面向大數(shù)據(jù)資源集，突破了原有的由數(shù)據(jù)庫(kù)資源，豐富了數(shù)據(jù)的來(lái)源和類型，這就對(duì)包括啟用機(jī)器學(xué)習(xí)的語(yǔ)義自動(dòng)發(fā)現(xiàn)、智能聯(lián)接、智能分析、層次生成、數(shù)據(jù)沿襲和對(duì)各種數(shù)據(jù)源（包括多結(jié)構(gòu)化數(shù)據(jù)）的數(shù)據(jù)混合技術(shù)處理提供了新的挑戰(zhàn)；（2）在數(shù)據(jù)挖掘階段，增加了面向自然語(yǔ)言信息的知識(shí)發(fā)現(xiàn)，這也增加了面向大數(shù)據(jù)自然語(yǔ)言信息資源的自動(dòng)化處理，如相關(guān)性、異常、集群、關(guān)聯(lián)和預(yù)測(cè)等；（3）解析與評(píng)估階段，增加了圖書(shū)館讀者的用戶畫像與知識(shí)發(fā)現(xiàn)原型系統(tǒng)的匹配，這就使得在圖書(shū)館用戶的知識(shí)服務(wù)需求并不一定需要用戶自己來(lái)表達(dá)，提高了圖書(shū)館用戶知識(shí)發(fā)現(xiàn)服務(wù)的精準(zhǔn)度。

2.4 圖書(shū)館知識(shí)發(fā)現(xiàn)服務(wù)的創(chuàng)新技術(shù)實(shí)現(xiàn)

信息化時(shí)代的知識(shí)發(fā)現(xiàn)主要是針對(duì)結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)，以及針對(duì)非結(jié)構(gòu)化數(shù)據(jù)的基于文獻(xiàn)的（非）相關(guān)文獻(xiàn)知識(shí)發(fā)現(xiàn)、全文獻(xiàn)知識(shí)發(fā)現(xiàn)兩大分支。從應(yīng)用的技術(shù)來(lái)看主要有統(tǒng)計(jì)方法（如回歸分析、判別分析、聚類分析、探索性分析、模糊集方法、支持向量機(jī)方法、粗糙集等）、機(jī)器學(xué)習(xí)方法（如規(guī)則歸納、決策樹(shù)、范例推理、遺傳算法等）、神經(jīng)計(jì)算方法（如自組織映射網(wǎng)絡(luò)、反傳網(wǎng)絡(luò)等）、語(yǔ)義網(wǎng)技術(shù)（如關(guān)聯(lián)數(shù)據(jù)等）。本文所構(gòu)建的服務(wù)模型，則在上述技術(shù)和用戶畫像技術(shù)的應(yīng)用基礎(chǔ)上借鑒引入了自然語(yǔ)言處理和隱語(yǔ)義模型，以實(shí)現(xiàn)對(duì)大數(shù)據(jù)資源中自然語(yǔ)言如語(yǔ)音、視頻的智聯(lián)處理，和對(duì)用戶畫像與知識(shí)發(fā)現(xiàn)的個(gè)性化推薦匹配。

（1）面向自然語(yǔ)言信息的知識(shí)發(fā)現(xiàn)。自然語(yǔ)言處理技術(shù)短文本相似度度量在信息檢索、新聞推薦和智能客服，文章標(biāo)簽在個(gè)性化推薦、話題聚合，文章分類在個(gè)性化推薦、主題劃分等領(lǐng)域的成功應(yīng)用，為本文所設(shè)計(jì)的面向自然語(yǔ)言信息的知識(shí)技術(shù)拓展提供了借鑒。每一種自然語(yǔ)言處理技術(shù)的豐富模型也為面向不同的視頻、語(yǔ)音、圖片等處理提供了選擇空間，可以根據(jù)語(yǔ)言信息的屬性特征和用戶畫像的需求特征選擇適合的度量模式。如短文本相似度常用的計(jì)算方法就有TF-IDF、LSI、LDA等模型算法。其中TF-IDF主要用以評(píng)估某一字詞對(duì)于一個(gè)文件集或一個(gè)語(yǔ)料庫(kù)中的其中一份文件的重要程度，返回過(guò)濾掉常見(jiàn)的詞語(yǔ)的重要詞語(yǔ)；LSI主要運(yùn)用潛在語(yǔ)義索引和SVD降維方法來(lái)解決一詞多義和一義多詞問(wèn)題；LDA是一種文檔主題生成模型（包含詞、主題和文檔三層結(jié)構(gòu)），可以用來(lái)識(shí)別大規(guī)模文檔集或語(yǔ)料庫(kù)中潛藏的主題信息[6]。

（2）基于隱語(yǔ)義模型的推薦服務(wù)匹配實(shí)現(xiàn)。本文所構(gòu)建的是一種基于內(nèi)容（圖書(shū)館知識(shí)發(fā)現(xiàn)應(yīng)用）和用戶畫像的個(gè)性化推薦服務(wù)模型（見(jiàn)圖3），模型有兩個(gè)實(shí)體（內(nèi)容和用戶）和一個(gè)關(guān)聯(lián)關(guān)系（標(biāo)簽），內(nèi)容轉(zhuǎn)換為標(biāo)簽即為內(nèi)容特征化、用戶則成為用戶特征化。

在這一模型基礎(chǔ)上，采用隱語(yǔ)義模型進(jìn)行推薦，即通過(guò)用戶畫像實(shí)時(shí)計(jì)算用戶對(duì)于某一知識(shí)發(fā)現(xiàn)內(nèi)容的興趣度（CTR），進(jìn)而通過(guò)人機(jī)交互、場(chǎng)景應(yīng)用進(jìn)行推薦精準(zhǔn)知識(shí)服務(wù)。

CTR的計(jì)算公式[7]為：r=q*m*n

其中i=1…N是知識(shí)發(fā)現(xiàn)結(jié)果c具有的標(biāo)簽，m（ci）指知識(shí)發(fā)現(xiàn)結(jié)果c和標(biāo)簽i的關(guān)聯(lián)度（可以簡(jiǎn)單認(rèn)為是1），n（ui）指的是用戶u的標(biāo)簽i的權(quán)重值，當(dāng)用戶不具有此標(biāo)簽時(shí)n（ui）=0，q（c）指的是知識(shí)發(fā)現(xiàn)結(jié)果c的質(zhì)量，可以使用點(diǎn)擊率（click/pv）表示。

2.5 圖書(shū)館知識(shí)發(fā)現(xiàn)服務(wù)的內(nèi)容

圖書(shū)館大數(shù)據(jù)資源的類型大致可以分為文本、視頻、音頻、圖片、動(dòng)畫、軟件、中間件、數(shù)據(jù)集、網(wǎng)頁(yè)等，大數(shù)據(jù)時(shí)代與人工智能時(shí)代則主要是在數(shù)據(jù)集（如Cookie數(shù)據(jù)集、用戶行為數(shù)據(jù)集、科學(xué)數(shù)據(jù)集、政府開(kāi)放數(shù)據(jù)集等）和自然語(yǔ)言信息（如人機(jī)交互語(yǔ)音、圖片、音頻等）方面豐富了圖書(shū)館的資源結(jié)構(gòu)、內(nèi)容及數(shù)量。針對(duì)這些數(shù)字化的資源類型，運(yùn)用本文所提出的基于用戶畫像的圖書(shū)館知識(shí)發(fā)現(xiàn)模型方法進(jìn)行知識(shí)挖掘與服務(wù)呈現(xiàn)，可在個(gè)性化知識(shí)資源聚合、個(gè)性化愛(ài)好推薦圖譜繪制等方面豐富傳統(tǒng)的數(shù)字圖書(shū)館服務(wù)范圍。如采用基于關(guān)聯(lián)規(guī)則的知識(shí)發(fā)現(xiàn)方法，可以構(gòu)建不同資源、不同概念間的資源聚合體，從而達(dá)到發(fā)現(xiàn)連接內(nèi)容和模式匹配用戶畫像即需求的概念實(shí)體，以及這些概念實(shí)體間的隱性關(guān)聯(lián)關(guān)系；采用基于推導(dǎo)傳遞的知識(shí)發(fā)現(xiàn)方法，發(fā)現(xiàn)不同資源內(nèi)容信息中包括引證等關(guān)系在內(nèi)的隱性關(guān)聯(lián)，從而達(dá)到復(fù)雜數(shù)據(jù)集的隱性知識(shí)發(fā)現(xiàn)，并通過(guò)用戶畫像匹配實(shí)現(xiàn)個(gè)性化知識(shí)推薦；通過(guò)分析多粒度大數(shù)據(jù)資源和用戶（群體）的屬性特征，借助引證、合作等關(guān)系來(lái)揭示用戶個(gè)體間的網(wǎng)絡(luò)社交、科學(xué)研究、愛(ài)好興趣關(guān)聯(lián)，以及用戶群體之間的研究貢獻(xiàn)、活躍可見(jiàn)度等指數(shù)，從而形成不同類型、不同范圍的動(dòng)態(tài)關(guān)系網(wǎng)絡(luò)圖譜。同時(shí)，基于圖書(shū)館用戶多種屬性分析和應(yīng)用的用戶畫像構(gòu)建，不但能為知識(shí)發(fā)現(xiàn)原型系統(tǒng)的用戶社交網(wǎng)絡(luò)分析提供資源，而且也能為實(shí)體分析對(duì)象提供幫助。如綜合基于模式 匹配、基于機(jī)器推理等多種揭示手段，可以構(gòu)建如資源關(guān)系流動(dòng)網(wǎng)絡(luò)圖譜、科研用戶知識(shí)流動(dòng)網(wǎng)絡(luò)圖譜、機(jī)構(gòu)關(guān)系知識(shí)流動(dòng)網(wǎng)絡(luò)圖譜等，進(jìn)而形成面向不同服務(wù)對(duì)象和群體、具有個(gè)性化差異化特征的推理圖譜，讓用戶可以從時(shí)間、空間、知識(shí)單元追蹤等角度推導(dǎo)和觀察到具有多維度關(guān)系的網(wǎng)絡(luò)演化、知識(shí)流動(dòng)軌跡。

3 結(jié)語(yǔ)

基于內(nèi)容、行為認(rèn)知和群體協(xié)同建模構(gòu)建的圖書(shū)館用戶畫像，不但能夠準(zhǔn)確的描繪出基于大數(shù)據(jù)標(biāo)簽的圖書(shū)館用戶屬性特征，以此為基礎(chǔ)表達(dá)和傳遞圖書(shū)館知識(shí)服務(wù)需求，而且能讓圖書(shū)館基于大數(shù)據(jù)的知識(shí)發(fā)現(xiàn)系統(tǒng)更深層次地挖掘數(shù)據(jù)資源價(jià)值，最終為圖書(shū)館用戶提 供個(gè)性化知識(shí)發(fā)現(xiàn)服務(wù)。

參考文獻(xiàn)：

[1] 一步步教你看懂大數(shù)據(jù)時(shí)代下的“用戶畫像”[EB/OL].[2017-11-26].https：//www.sohu.com/a/69687539_353595.

[2] 苗蔚，李后卿.知識(shí)發(fā)現(xiàn)及其實(shí)現(xiàn)技術(shù)的研究概述[J].現(xiàn)代情報(bào)，2005（1）：12-15.

[3] 楊雙亮.用戶畫像在內(nèi)容推送的研究與應(yīng)用[D].北京：北方工業(yè)大學(xué)，2017.

[4] 牛溫佳，劉吉強(qiáng)，石川，等.用戶網(wǎng)絡(luò)行為畫像——大數(shù)據(jù)中的用戶網(wǎng)絡(luò)行為畫像分析與內(nèi)容推薦應(yīng)用[M].北京：電子工業(yè)出版社，2016.

[5] 基于大數(shù)據(jù)的用戶畫像構(gòu)建（理論篇）[EB/OL].[2017-11-26].https：//www.jianshu.com/p/0d77238771ef.

[6] 自然語(yǔ)言處理入門（1）——文本相似度計(jì)算[EB/OL].[2017-11-26].http：//blog.csdn.net/flysky1991/article/details/72786820.

[7] 王爾昕.基于隱語(yǔ)義模型和聚類算法的電子商務(wù)個(gè)性化推薦系統(tǒng)的研究與實(shí)現(xiàn)[D].北京：北京郵電大學(xué)，2017.

作者簡(jiǎn)介：張鈞，男，鄧小平圖書(shū)館副研究館員。endprint