徐立寧

（南京圖書館，江蘇 南京 210018）

1 圖書館用戶畫像與資源推薦服務(wù)

1.1 圖書館用戶畫像

在圖書館的各項業(yè)務(wù)中，通常所說的用戶畫像是基于大數(shù)據(jù)環(huán)境所產(chǎn)生的，通過數(shù)據(jù)挖掘和人工智能方法構(gòu)建，描繪用戶個體的標(biāo)簽和屬性，包括分析圖書館用戶的基本屬性、消費屬性、閱讀屬性和生活屬性等，通過對用戶產(chǎn)生的海量行為數(shù)據(jù)的挖掘與分析，抽象出與該用戶的需求和偏好相關(guān)的標(biāo)簽化過程[1]。圖書館為用戶構(gòu)建畫像的過程就是給用戶貼標(biāo)簽的過程，由于用戶產(chǎn)生的是一系列數(shù)字化操作和行為，所以需要通過數(shù)據(jù)挖掘和分析的方法對用戶產(chǎn)生的行為信息進(jìn)行高度提煉，從而獲取與用戶相關(guān)的特征標(biāo)識，最終輸出為用戶標(biāo)簽。通過用戶多個方面的數(shù)據(jù)挖掘和分析產(chǎn)生的多維標(biāo)簽即可組成用戶的精準(zhǔn)畫像。一般來說，由于用戶畫像是對用戶的基本屬性和行為的分析，所以通過用戶的畫像即可精準(zhǔn)了解到用戶的興趣和需求，用于個性化推薦服務(wù)、營銷服務(wù)和各種用戶擴(kuò)展服務(wù)。圖書館當(dāng)前基于用戶畫像的研究主要包括通過數(shù)字圖書館的用戶畫像建模分析，構(gòu)建出圖書館服務(wù)能力的綜合評價指標(biāo)，再通過該指標(biāo)構(gòu)建有效的圖書館社區(qū)用戶參考。另外還可通過構(gòu)建用戶畫像形成可視化的統(tǒng)計描述、多維交叉分析以及用戶知識圖譜等圖書館智能化服務(wù)?？傮w來講，基于圖書館的用戶畫像還處于起步階段，還需要更多的研究和探索。

1.2 圖書館資源推薦服務(wù)

圖書館資源推薦服務(wù)由來已久，圖書館屬于知識提供者，資源推薦和閱讀推廣是圖書館最重要的工作之一[2]。早期的圖書館資源推薦服務(wù)一般通過人工確定知識熱點和新聞，再有針對性地向不同群體進(jìn)行推薦，過程較為復(fù)雜，需要消耗大量的人力，且用戶的體驗較差，推薦的內(nèi)容難以確切符合用戶的要求。隨著計算機(jī)技術(shù)和智能技術(shù)的發(fā)展，圖書館資源推薦系統(tǒng)更具有針對性和主動性，能夠在提升資源服務(wù)質(zhì)量的同時，提升圖書館對用戶的黏性，通過信息化手段抓住用戶的需求，智能化地進(jìn)行資源推薦，提升了用戶對圖書館的依賴，構(gòu)建和諧的資源社區(qū)。當(dāng)前圖書館資源推薦的研究重點大多從技術(shù)角度出發(fā)，通過引入推薦算法和分布式平臺，提升資源推薦的準(zhǔn)確性和多樣性。對用戶的興趣、偏好、情感和行為等因素的考慮不足，資源推薦過程中存在一定的細(xì)分不足、需求分析不徹底等問題。一般來說，用戶的興趣和需求是隨著時間而變化的，因此通過單一的推薦算法只能為用戶做靜態(tài)的內(nèi)容推薦，所以達(dá)不到精準(zhǔn)推薦的程度，導(dǎo)致對興趣和需求的分析不徹底。因此在推薦算法和分布式平臺的基礎(chǔ)上，圖書館還應(yīng)該構(gòu)建用戶的動態(tài)精準(zhǔn)畫像，該畫像能夠隨著時間動態(tài)變化，符合用戶當(dāng)前的興趣和需求，讓推薦更為完善。

1.3 圖書館資源推薦研究現(xiàn)狀

圖書館的資源推薦系統(tǒng)一般都建立在互聯(lián)網(wǎng)和智能計算機(jī)的網(wǎng)絡(luò)傳輸基礎(chǔ)上，通過圍繞讀者個性化推薦模式，并結(jié)合計算機(jī)的推薦方法進(jìn)行完善和改進(jìn)。最早進(jìn)行圖書館推薦系統(tǒng)研究的是構(gòu)建資源協(xié)同推薦系統(tǒng)，還有一些研究員通過構(gòu)建圖書館學(xué)術(shù)資源推薦系統(tǒng)框架，利用圖書館中存儲的借閱日志數(shù)據(jù)，通過多維屬性關(guān)聯(lián)規(guī)則挖掘，提取出日志數(shù)據(jù)中的關(guān)鍵特征，再通過這些關(guān)鍵特征構(gòu)建出推薦規(guī)則，從而形成圖書館的資源推薦[3]。在學(xué)術(shù)資源推薦系統(tǒng)框架基礎(chǔ)上，一些研究者通過文獻(xiàn)混合關(guān)聯(lián)的方式，構(gòu)建出了文獻(xiàn)推薦方案算法，該算法通過云計算平臺結(jié)合Spark內(nèi)存計算技術(shù)，完成了針對用戶日志數(shù)據(jù)和借閱文獻(xiàn)內(nèi)容的聚類分析和相似度計算，最終通過基于本體的數(shù)字文獻(xiàn)資源聚合和服務(wù)推薦算法，構(gòu)建出更細(xì)致化的圖書館資源推薦系統(tǒng)[4]。在針對用戶使用行為上的圖書館資源推薦中，一些學(xué)者通過引入角色概念來模擬用戶的興趣選擇，通過這些模擬選擇構(gòu)建出用戶信任網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠用于改進(jìn)情景感知推薦內(nèi)容，可以獲得更精細(xì)、動態(tài)的資源推薦[5]。此外，還有一些智慧圖書館的資源推薦系統(tǒng)，通過對用戶的的信息數(shù)據(jù)進(jìn)行挖掘，構(gòu)建出用戶在圖書館借閱圖書過程中的興趣和需求，可以有效提升圖書館推薦服務(wù)的準(zhǔn)確性[6]。綜合上述的圖書館資源推薦研究現(xiàn)狀，我們可以看出當(dāng)前的絕大多數(shù)研究還是建立在構(gòu)建傳統(tǒng)計算機(jī)資源推薦系統(tǒng)中，將用戶作為資源推薦的主要因素還在萌芽階段，因此構(gòu)建基于用戶動態(tài)精準(zhǔn)畫像的圖書館個性化推薦服務(wù)勢在必行，具有較高的研究價值。

2 圖書館用戶動態(tài)精準(zhǔn)畫像與個性化推薦模型構(gòu)建

2.1 用戶動態(tài)精準(zhǔn)畫像數(shù)據(jù)源構(gòu)建

在圖書館信息智能化管理中，構(gòu)建用戶動態(tài)精準(zhǔn)畫像的目的是為了真實還原用戶的各項信息，并通過動態(tài)精準(zhǔn)畫像來指導(dǎo)圖書館的資源推薦服務(wù)，因此構(gòu)建用戶動態(tài)精準(zhǔn)畫像的數(shù)據(jù)來源于與用戶相關(guān)的所有數(shù)據(jù)[7]。一般來說，用于構(gòu)建圖書館用戶畫像的數(shù)據(jù)通常來源于各種服務(wù)系統(tǒng)中，由于這些數(shù)據(jù)在獲取過程中存在無關(guān)聯(lián)、無結(jié)構(gòu)且相互獨立的特性，因此要實現(xiàn)各種結(jié)構(gòu)的數(shù)據(jù)間整合。在構(gòu)建數(shù)據(jù)整合過程中，圖書館首先根據(jù)用戶的基本信息和行為數(shù)據(jù)完成對用戶的初步刻畫，然后通過動態(tài)的行為數(shù)據(jù)對畫像進(jìn)行完善和修正。用戶的數(shù)據(jù)分為動態(tài)數(shù)據(jù)和靜態(tài)數(shù)據(jù)，其中用戶的基本屬性是靜態(tài)數(shù)據(jù)，而用戶在使用數(shù)據(jù)過程中產(chǎn)生的各種網(wǎng)絡(luò)行為數(shù)據(jù)、互動數(shù)據(jù)和與其他用戶之間相關(guān)的數(shù)據(jù)，都屬于動態(tài)數(shù)據(jù)。在構(gòu)建用戶數(shù)據(jù)源時，一般通過用戶的身份統(tǒng)一識別號登錄圖書館以及用戶設(shè)備的機(jī)器碼，通過二者的結(jié)合識別出用戶的網(wǎng)絡(luò)行為數(shù)據(jù)，更全面地收集用戶的相關(guān)數(shù)據(jù)。一般來說，圖書館為不同身份的用戶群體提供不同的資源服務(wù)，因此在構(gòu)建用戶動態(tài)精準(zhǔn)畫像過程中，既要考慮單一用戶的資源服務(wù)，還要考慮群體用戶的資源服務(wù)，通過詳細(xì)的分類提升用戶需求偏好的精確度。

2.2 用戶動態(tài)精準(zhǔn)畫像模型構(gòu)建

在新型智能數(shù)字化的圖書館，用戶動態(tài)精準(zhǔn)畫像是一個長期逐步完成的過程。構(gòu)建用戶動態(tài)精準(zhǔn)畫像模型的目標(biāo)是通過分析用戶的行為，為用戶打上具體的標(biāo)簽，通過用戶的標(biāo)簽再精確、快速地分析用戶的偏好和習(xí)慣，為不同用戶提供個性化服務(wù)打好基礎(chǔ)[8]。構(gòu)建圖書館用戶動態(tài)精準(zhǔn)畫像模型，主要包括整合圖書館系統(tǒng)平臺的用戶數(shù)據(jù)，構(gòu)建圖書館用戶基礎(chǔ)信息、交互信息和行為數(shù)據(jù)的統(tǒng)計和分類方法，通過分析和分類方法構(gòu)建標(biāo)簽體系，為不同用戶打上標(biāo)簽，最后細(xì)分出個體用戶和群體用戶的動態(tài)精準(zhǔn)畫像。圖1給出了圖書館用戶動態(tài)精準(zhǔn)畫像構(gòu)建模型。

圖1

在整合數(shù)據(jù)中，主要包括圖書館管理系統(tǒng)、門戶網(wǎng)站、移動平臺和相關(guān)信息系統(tǒng)中抽取所有用戶存儲在日志、數(shù)據(jù)庫中的數(shù)據(jù)文件。在收集數(shù)據(jù)過程中，需要詳細(xì)收集的數(shù)據(jù)包括用戶基本信息數(shù)據(jù)和用戶動態(tài)行為數(shù)據(jù)，數(shù)據(jù)收集好，就進(jìn)入數(shù)據(jù)處理階段。數(shù)據(jù)處理包括兩個部分，在數(shù)據(jù)預(yù)處理過程中，主要是對用戶的靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)完成集成、轉(zhuǎn)換、歸約和清洗等步驟，將非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)都轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)經(jīng)過預(yù)處理以后，對用戶數(shù)據(jù)構(gòu)建常規(guī)的數(shù)據(jù)挖掘方法，包括分類、聚類、關(guān)聯(lián)分析、序列化分析和預(yù)測分析等算法，通過這些算法從用戶數(shù)據(jù)中分析出用戶標(biāo)簽。在用戶畫像模型中，具體的用戶標(biāo)簽包括資源搜索與利用的偏好，社會屬性的興趣，用戶之間的關(guān)聯(lián)關(guān)系，以及用戶對資源的評價。針對群體用戶還應(yīng)該提供用戶活躍程度和人群屬性等畫像標(biāo)簽。最后，通過標(biāo)簽生成單個用戶畫像和用戶群體畫像，分別對圖書館資源服務(wù)進(jìn)行需求預(yù)測，最終形成圖書館對用戶提供的個性化資源推薦服務(wù)。

2.3 依托于知識挖掘的個性化推薦服務(wù)模式構(gòu)建

在構(gòu)建單個用戶動態(tài)精準(zhǔn)畫像和用戶群體動態(tài)精準(zhǔn)畫像的基礎(chǔ)上，圖書館依托于知識挖掘技術(shù)構(gòu)建圖書館個性化推薦服務(wù)模式，包括基礎(chǔ)信息庫、知識挖掘和智慧推薦三個主要方面。在基礎(chǔ)信息庫中，除了通過動態(tài)精準(zhǔn)畫像形成的用戶畫像以外，還需要以圖書館的數(shù)字化和多媒體資源為核心構(gòu)建的資源信息庫。采用云計算和云存儲構(gòu)建分布式平臺，融合多種形式的資源共同形成資源信息庫[9]。知識挖掘是個性化推薦服務(wù)模式的重點構(gòu)建模塊，該模塊分別針對資源信息庫和用戶畫像進(jìn)行知識挖掘構(gòu)建。針對資源信息庫為核心的挖掘目的主要是構(gòu)建每個領(lǐng)域中的知識庫，知識庫是從眾多冗余資源中提煉出具有統(tǒng)計意義的知識，形成以知識為核心的智慧推薦。對用戶畫像的挖掘，主要是挖掘出用戶需求和規(guī)律，對用戶多種需求的共同挖掘最終形成用戶的深度需求，用戶的深度需求可以根據(jù)行為的不斷調(diào)整最終形成動態(tài)的需求，通過動態(tài)需求構(gòu)建智慧推薦。在用戶心理的挖掘中，主要挖掘不同用戶的基礎(chǔ)心理屬性，根據(jù)基礎(chǔ)心理屬性可以構(gòu)建出更具個性化的推薦體驗。

3 動態(tài)精準(zhǔn)畫像下的圖書館個性化推薦服務(wù)模式

圖書館需根據(jù)用戶興趣模型、行為模型、宣傳服務(wù)和可持續(xù)發(fā)展與規(guī)劃，來開展動態(tài)精準(zhǔn)畫像下的資源推薦服務(wù)。除此之外，動態(tài)精準(zhǔn)畫像還能夠應(yīng)用于圖書館的決策參考中。

3.1 構(gòu)建用戶動態(tài)精準(zhǔn)畫像下的興趣模型和行為模型

在用戶動態(tài)精準(zhǔn)畫像視角下，用戶的興趣模型和行為模型是進(jìn)行資源推薦服務(wù)的基礎(chǔ)，一般采用用戶畫像中的標(biāo)簽體系進(jìn)行，包括對用戶的興趣和行為數(shù)據(jù)進(jìn)行分類、整理、建模和表示，通過模型計算出單一用戶和群體用戶的相似度。在模型基礎(chǔ)上，對用戶的標(biāo)簽體系進(jìn)行聚類生成若干的主題層次結(jié)構(gòu)，然后將層次結(jié)構(gòu)歸納為若干個主題，利用主題描述出單個用戶和群體用戶的興趣和行為。該方法是通過粗粒度和細(xì)粒度相結(jié)合的方式進(jìn)行興趣和行為的構(gòu)建，能夠多層次、全面地展示用戶的興趣和主題。另外，由于用戶的興趣是動態(tài)變化的，隨著時間的推移，原始興趣會增加或減少，還會產(chǎn)生新的興趣，因此需要對興趣進(jìn)行動態(tài)更新，保證最新的用戶興趣和需求。不同于單一用戶，群體用戶會關(guān)注相似的資源并進(jìn)行互動和分享，該群體具有共同的興趣愛好并且具有較強(qiáng)的群體特征。群體用戶的興趣和行為模型構(gòu)建則需要對多個用戶的數(shù)據(jù)完成聚類，分析用戶之間的評價和互動信息，并計算這些信息之間的相似度。依托于相似度的計算，可以尋找到相似用戶并提取群體特征，最終形成用戶相似群。一般來說，可以設(shè)置一個閾值來區(qū)分不同用戶相似群，來將所有的用戶劃分為不同的群體，構(gòu)建群體的興趣模型和行為模型。這些群體用戶的興趣模型和行為模型能夠進(jìn)一步指導(dǎo)資源推薦、活動宣傳和圖書館的發(fā)展與建設(shè)。

3.2 構(gòu)建核心用戶動態(tài)精準(zhǔn)畫像下的資源推薦服務(wù)

圖書館構(gòu)建核心用戶群體的精準(zhǔn)推薦是圖書館個性化資源推薦服務(wù)的重要方式之一。通過動態(tài)精準(zhǔn)畫像，圖書館可以通過數(shù)據(jù)分析獲取用戶的基本特征，針對用戶的目標(biāo)行為賦予比例權(quán)重，構(gòu)建出個體用戶的需求—資源模型，該模型可以將與用戶需求相匹配的資源推送給相應(yīng)的用戶。另外，還可以根據(jù)用戶的某個特征分析出用戶的潛在需求，為用戶的后續(xù)資源構(gòu)建推送服務(wù)。一般來說，圖書館的新用戶的行為數(shù)據(jù)較少，構(gòu)建的用戶畫像顆粒度較粗，而使用時間較長的核心用戶的畫像顆粒度細(xì)膩，畫像更為精準(zhǔn)，通過畫像反應(yīng)出來的用戶信息也更為具體。根據(jù)二八準(zhǔn)則，圖書館為了留住更多的用戶和數(shù)據(jù)，應(yīng)該從核心用戶出發(fā)，構(gòu)建核心用戶的資源推薦。當(dāng)前的圖書館推薦服務(wù)都是知識內(nèi)容的推薦，根據(jù)用戶的歷史記錄分析出用戶的興趣，在用戶再次使用時，可以動態(tài)更新用戶的興趣，構(gòu)建更高質(zhì)量的個性化精準(zhǔn)推薦。另外，針對核心用戶，圖書館還可以通過協(xié)同過濾技術(shù)，挖掘出用戶群體之間的興趣相似性。針對多個興趣相似的用戶，可以將某個被用戶大量使用的資源，推薦給還未使用該資源但是興趣相似的其他用戶，接受推薦的用戶將會對該資源產(chǎn)生濃厚的興趣。另外，當(dāng)某些用戶都頻繁使用相同的資源時，說明這些用戶之間存在密切的聯(lián)系。對于關(guān)系密切的用戶可以構(gòu)建地推規(guī)則，挖掘出資源使用的前后規(guī)律，為用戶提供后續(xù)需求的相應(yīng)資源，形成資源推薦的閉環(huán)。

3.3 構(gòu)建用戶群體動態(tài)精準(zhǔn)畫像的宣傳服務(wù)

圖書館的用戶動態(tài)精準(zhǔn)畫像除了對資源的精準(zhǔn)推薦以外，還可以構(gòu)建出對用戶的精準(zhǔn)宣傳。與精準(zhǔn)資源推薦面向的是單一用戶對象不同的是，構(gòu)建精準(zhǔn)宣傳服務(wù)是面對批量的用戶構(gòu)建群體性服務(wù)。一般來說，任何圖書館都會在不同時間段內(nèi)開展線上或線下的宣傳活動，通過這些活動來提升圖書館的知名度，然而這些活動的宣傳都需要較多的人力和物力，例如在活動中發(fā)放資料、主題海報、專題展覽和講座培訓(xùn)等，需要較高的成本才能進(jìn)行廣撒網(wǎng)方式的宣傳。這種宣傳方式可能導(dǎo)致用戶頻繁地獲取與自己無關(guān)的宣傳內(nèi)容，或者對頻度較高的宣傳內(nèi)容感到反感，最終效果可能適得其反。因此，構(gòu)建基于用戶群體動態(tài)精準(zhǔn)畫像的宣傳服務(wù)，能夠才從最大程度上解決圖書館活動宣傳問題。圖書館在動態(tài)精準(zhǔn)畫像的基礎(chǔ)上，可以按照群體的方式給用戶分組，為不同組的用戶貼上相應(yīng)的標(biāo)簽，然后將待宣傳的內(nèi)容與標(biāo)簽匹配，經(jīng)過匹配后的宣傳內(nèi)容將會精準(zhǔn)地推送到相應(yīng)用戶組中，該組用戶的興趣、愛好和行為與該宣傳內(nèi)容匹配度很高，從根本上避免了盲目宣傳造成的成本浪費和對用戶無謂的干擾。例如通過用戶群體動態(tài)精準(zhǔn)畫像構(gòu)建圖書館的閱讀推廣，針對圖書館最新購置的暢銷書，由于該暢銷書不可能符合所有用戶群體的喜好，所以需要有針對性地進(jìn)行閱讀推廣。這時候，采用動態(tài)精準(zhǔn)畫像，針對用戶的知識背景、閱讀方式、習(xí)慣和歷史數(shù)據(jù)產(chǎn)生多個標(biāo)簽，再將標(biāo)簽與暢銷書的內(nèi)容、時間和類型進(jìn)行匹配，最后將該暢銷書推廣給匹配度高的用戶群體，最終使宣傳具有目標(biāo)導(dǎo)向，精準(zhǔn)且效率高。

3.4 構(gòu)建圖書館可持續(xù)發(fā)展與規(guī)劃的決策參考服務(wù)

圖書館作為公共事業(yè)單位，其最主要的使命就是為社會公眾提供良好的閱讀場所和資源。傳統(tǒng)圖書館吸引讀者關(guān)注的方式較為被動，相應(yīng)的活動推廣宣傳的效果又較差，遠(yuǎn)遠(yuǎn)達(dá)不到圖書館可持續(xù)發(fā)展與規(guī)劃的需求。然而，21世紀(jì)是互聯(lián)網(wǎng)時代，圖書館需要吸引更多的用戶，留住更多的高質(zhì)量用戶，才能構(gòu)建可持續(xù)發(fā)展與規(guī)劃的道路。因此，用戶的動態(tài)精準(zhǔn)畫像對圖書館的可持續(xù)發(fā)展與規(guī)劃具有重要的意義。精準(zhǔn)動態(tài)畫像對用戶來說可以為用戶的自我認(rèn)知提供良好的依據(jù)，可以協(xié)助用戶進(jìn)行研究、學(xué)習(xí)方案的制定，提升學(xué)習(xí)的效率。與之相似，所有用戶群體的精準(zhǔn)動態(tài)畫像對于圖書館也具有建設(shè)意義，圖書館根據(jù)某個用戶群體的多項特征能夠提取出該群體用戶的整體興趣和需求的走向，通過滿足整體興趣和動態(tài)的滿足改變的需求，即可規(guī)劃圖書館的未來發(fā)展和建設(shè)思路。例如，針對用戶對資源的整體興趣分析，可以規(guī)劃圖書館的資源采購、空間設(shè)計，而對需求走向的分析，則可以根據(jù)用戶的需求制定更人性化的規(guī)章制度，提升用戶在使用圖書館過程中的幸福感，增強(qiáng)圖書館對用戶的黏性，留住更多的核心用戶，構(gòu)建可持續(xù)發(fā)展之路。例如，當(dāng)圖書館的知識挖掘系統(tǒng)從用戶群體動態(tài)精準(zhǔn)畫像中發(fā)掘用戶對電子資源的使用頻率呈現(xiàn)顯著的增長，且遠(yuǎn)高于傳統(tǒng)紙質(zhì)資源，那么未來的圖書館資源配置應(yīng)該進(jìn)行相應(yīng)的調(diào)整，提升電子資源的購置和分布，減少紙質(zhì)資源的購置并重新規(guī)劃資源在圖書館中的分布。另外，當(dāng)用戶對圖書館中的私有空間需求較高時，還應(yīng)該及時調(diào)整圖書館的空間分布，滿足用戶的需求。

4 結(jié)語

新時代的圖書館依托于互聯(lián)網(wǎng)技術(shù)、多媒體技術(shù)和智能技術(shù)，必將會發(fā)展成為多元化的整體，而其中最重要的是圖書館的個性化推薦服務(wù)。圖書館的個性化推薦服務(wù)經(jīng)過了用戶動態(tài)精準(zhǔn)畫像的提升，將會為不同的用戶提供適合其興趣、需求的資源、宣傳和服務(wù)，讓圖書館的服務(wù)更為精準(zhǔn)。今后圖書館可將用戶的動態(tài)精準(zhǔn)畫像應(yīng)用至更多、更有意義的推薦中，為用戶提供更為精準(zhǔn)、便捷、廣泛的服務(wù)。