王麗 譚凱波 黃云

（1. 吉首大學(xué)旅游管理與工程學(xué)院，張家界 427000；2. 吉首大學(xué)軟件學(xué)院，張家界 427000；3. 吉首大學(xué)圖書(shū)館，張家界 427000）

1998年，交互設(shè)計(jì)之父Cooper[1]提出了用戶(hù)畫(huà)像的概念，用戶(hù)畫(huà)像是目標(biāo)用戶(hù)的具體表示，即“建立在一系列屬性數(shù)據(jù)之上的目標(biāo)用戶(hù)模型”。此后，關(guān)于用戶(hù)畫(huà)像的概念、特性、構(gòu)建及應(yīng)用等研究廣泛開(kāi)展，取得了豐碩成果。在圖書(shū)情報(bào)領(lǐng)域，研究者嘗試引入用戶(hù)畫(huà)像技術(shù)以幫助圖書(shū)館更好地提供個(gè)性化服務(wù)。裘惠麟等[2]從大數(shù)據(jù)利用狀況、圖書(shū)館服務(wù)轉(zhuǎn)型需要以及技術(shù)發(fā)展3個(gè)層面分析了基于用戶(hù)畫(huà)像技術(shù)的高校圖書(shū)館個(gè)性化精準(zhǔn)服務(wù)的可行性。也有研究者開(kāi)始構(gòu)建適用于圖書(shū)館個(gè)性化服務(wù)的高精度用戶(hù)畫(huà)像模型，例如：陳臣等[3]建立了基于讀者小數(shù)據(jù)的用戶(hù)精準(zhǔn)畫(huà)像；劉海鷗等[4]利用圖書(shū)館用戶(hù)的基本信息、內(nèi)容偏好數(shù)據(jù)、互動(dòng)數(shù)據(jù)、會(huì)話(huà)數(shù)據(jù)、情境數(shù)據(jù)構(gòu)建用戶(hù)畫(huà)像；蔣弘毅[5]基于用戶(hù)的閱讀行為建立用戶(hù)畫(huà)像；趙楊等[6]利用用戶(hù)移動(dòng)大數(shù)據(jù)構(gòu)建用戶(hù)畫(huà)像。還有一些研究者重點(diǎn)研究了基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)的具體應(yīng)用：王順箐[7]將用戶(hù)畫(huà)像和觀點(diǎn)分析方法應(yīng)用于個(gè)性化閱讀推薦服務(wù)；李書(shū)寧[8]構(gòu)建文史學(xué)科用戶(hù)畫(huà)像用以分析學(xué)科忠誠(chéng)用戶(hù)和關(guān)鍵用戶(hù)，實(shí)現(xiàn)文史學(xué)科研究服務(wù)的個(gè)性化；何娟[9]提出基于用戶(hù)個(gè)人和群體畫(huà)像結(jié)合的圖書(shū)個(gè)性化推薦服務(wù)；劉海鷗等[10]提出應(yīng)用深度學(xué)習(xí)技術(shù)實(shí)現(xiàn)基于深度畫(huà)像的個(gè)性化學(xué)習(xí)服務(wù)；陳丹等[11]從知識(shí)服務(wù)、閱讀推廣、場(chǎng)景推薦、主動(dòng)定制等方面提出圖書(shū)館個(gè)性化智慧服務(wù)策略；李寶[12]提出基于冷啟動(dòng)用戶(hù)畫(huà)像和閱讀過(guò)程用戶(hù)畫(huà)像的個(gè)性化閱讀資源推送。

許多公共圖書(shū)館、高校圖書(shū)館在智慧圖書(shū)館建設(shè)過(guò)程中，利用圖書(shū)館用戶(hù)的屬性、行為、狀態(tài)等相關(guān)數(shù)據(jù)，結(jié)合大數(shù)據(jù)、人工智能等技術(shù)，深度挖掘用戶(hù)信息，構(gòu)建用戶(hù)畫(huà)像模型，將其應(yīng)用于圖書(shū)館個(gè)性化服務(wù)中，實(shí)現(xiàn)了圖書(shū)推薦、知識(shí)推送等部分業(yè)務(wù)的個(gè)性化服務(wù)，產(chǎn)生了一定的應(yīng)用成效。然而，筆者在閱讀相關(guān)文獻(xiàn)和對(duì)圖書(shū)館用戶(hù)進(jìn)行調(diào)研的基礎(chǔ)上，發(fā)現(xiàn)當(dāng)前基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)中存在一些典型問(wèn)題，通過(guò)對(duì)這些問(wèn)題的分析，繼而提出相應(yīng)的改進(jìn)策略，以期提高基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)的質(zhì)量、效率和用戶(hù)滿(mǎn)意度。

1 基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)存在的問(wèn)題

1.1 發(fā)現(xiàn)問(wèn)題的方法與途徑

首先，通過(guò)對(duì)相關(guān)領(lǐng)域文獻(xiàn)的調(diào)研初步發(fā)現(xiàn)基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)可能存在的問(wèn)題，如郝雨[13]、周東波[14]、韓志超[15]、任秋菊[16]、李春生[17]等學(xué)者指出基于用戶(hù)畫(huà)像的個(gè)性化服務(wù)中存在價(jià)值迷失、促進(jìn)壞習(xí)慣養(yǎng)成、群體極化、形成信息繭房等問(wèn)題。董哲瑾[18]、吳樹(shù)芳[19]等學(xué)者研究了基于微博用戶(hù)畫(huà)像的個(gè)體成長(zhǎng)路徑預(yù)測(cè)和關(guān)注主題變化的規(guī)律，其成果可借鑒并引入到基于用戶(hù)畫(huà)像的個(gè)性化成長(zhǎng)路徑規(guī)劃和個(gè)性化學(xué)習(xí)進(jìn)度規(guī)劃之中。

其次，分別于2019年12月、2020年12月和2021年7月針對(duì)吉首大學(xué)軟件學(xué)院學(xué)生接受基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)的情況開(kāi)展問(wèn)卷調(diào)查。3次調(diào)查分別發(fā)放了542份、828份和711份問(wèn)卷，回收有效答卷486份、711份和304份。第一次調(diào)查問(wèn)題包括“是否了解圖書(shū)館個(gè)性化服務(wù)功能”“是否接收過(guò)個(gè)性化推送”等問(wèn)題；第二次調(diào)查問(wèn)題包括“你認(rèn)為吉首大學(xué)的個(gè)性化服務(wù)是否存在過(guò)度推送”“有哪些需要改進(jìn)的服務(wù)”等問(wèn)題；第三次調(diào)查針對(duì)智慧校園下的個(gè)性化資源服務(wù)進(jìn)行調(diào)研，包括對(duì)超星平臺(tái)、云資源平臺(tái)的個(gè)性化功能評(píng)價(jià)及期望等。此外，2021年6月在2個(gè)班級(jí)中開(kāi)展了個(gè)性化服務(wù)改進(jìn)建議的專(zhuān)題座談，學(xué)生建議增加適應(yīng)個(gè)人能力和學(xué)習(xí)進(jìn)度的數(shù)字資源推送，并在接受個(gè)性化服務(wù)時(shí)能獲得專(zhuān)業(yè)老師對(duì)前沿知識(shí)的指導(dǎo)。

最后，針對(duì)學(xué)生接受基于用戶(hù)畫(huà)像的個(gè)性化服務(wù)的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，包括學(xué)生接受服務(wù)的頻次、人群分布，以及學(xué)生對(duì)推送服務(wù)的認(rèn)可（如點(diǎn)擊率）等。

1.2 問(wèn)題描述及分析

1.2.1 過(guò)度服務(wù)與不當(dāng)服務(wù)

用戶(hù)畫(huà)像的構(gòu)建利用了用戶(hù)興趣偏好、行為習(xí)慣、社交關(guān)系等特征信息，能真實(shí)反映用戶(hù)需求。利用用戶(hù)畫(huà)像模型中的用戶(hù)喜好特征標(biāo)簽集合，基于用戶(hù)畫(huà)像的個(gè)性化服務(wù)通過(guò)匹配關(guān)聯(lián)性知識(shí)資源，為用戶(hù)提供個(gè)性化閱讀推廣[3,7,11,12,20]、個(gè)性化圖書(shū)推薦[21-22]、個(gè)性化知識(shí)推送[23]等服務(wù)。

基于用戶(hù)喜好的個(gè)性化服務(wù)有利于獲得用戶(hù)較高的滿(mǎn)意度，有利于服務(wù)的推廣，然而，一方面，對(duì)用戶(hù)喜好不進(jìn)行辨識(shí)的個(gè)性化服務(wù)可能產(chǎn)生不當(dāng)服務(wù)。張慧敏等[24]認(rèn)為，基于用戶(hù)畫(huà)像的服務(wù)應(yīng)具有價(jià)值取向維度，須有利于用戶(hù)個(gè)人價(jià)值和社會(huì)價(jià)值提升。郝雨等[13]研究表明，許多基于用戶(hù)畫(huà)像的個(gè)性化服務(wù)可能導(dǎo)致價(jià)值迷失：“由于用戶(hù)興趣中充斥著大量的低級(jí)趣味，僅以用戶(hù)興趣為內(nèi)容衡量標(biāo)準(zhǔn)往往會(huì)造成隱含負(fù)面價(jià)值取向的內(nèi)容被大量推送。”另一方面，對(duì)用戶(hù)喜好不加限制地提供服務(wù)可能導(dǎo)致過(guò)度服務(wù)，讓愛(ài)好變成一種嗜好。課題組針對(duì)吉首大學(xué)軟件學(xué)院18~20級(jí)學(xué)生的問(wèn)卷調(diào)查發(fā)現(xiàn)：22.6%的學(xué)生認(rèn)為在電子閱覽和圖書(shū)借閱中存在過(guò)度推送；對(duì)42名多門(mén)課程不及格學(xué)生的圖書(shū)借閱和推送記錄進(jìn)一步調(diào)查發(fā)現(xiàn)，45.2%的學(xué)生在借閱小說(shuō)等圖書(shū)后，系統(tǒng)連續(xù)為其推送了大量相關(guān)圖書(shū)。例如，2020年10月，某學(xué)生持續(xù)借閱了《星辰變》等小說(shuō)，圖書(shū)借閱系統(tǒng)為其推薦了《斗羅大陸》《酒神》等相關(guān)圖書(shū)，該學(xué)生花費(fèi)了大量時(shí)間和精力閱讀系統(tǒng)推薦的圖書(shū)，而系統(tǒng)基于該學(xué)生的行為反饋逐漸加強(qiáng)了對(duì)同一類(lèi)型小說(shuō)的推送。這種不加分析的個(gè)性化服務(wù)推送對(duì)于自我控制能力較差的學(xué)生學(xué)業(yè)發(fā)展及身心健康成長(zhǎng)都極為不利。

此外，蔣弘毅[5]、孫守強(qiáng)[25]利用用戶(hù)行為習(xí)慣數(shù)據(jù)建立標(biāo)簽，并基于用戶(hù)行為提出了滿(mǎn)足個(gè)體習(xí)慣的圖書(shū)館個(gè)性化服務(wù)，例如按用戶(hù)閱讀周期、就座習(xí)慣等標(biāo)簽安排服務(wù)時(shí)間、自習(xí)位置等。周東波等[14]認(rèn)為，部分不加區(qū)分的個(gè)性化服務(wù)會(huì)促進(jìn)壞習(xí)慣的養(yǎng)成，“壞習(xí)慣將阻礙個(gè)人發(fā)展與成才”。筆者經(jīng)調(diào)研發(fā)現(xiàn)：基于學(xué)生作息習(xí)慣，校園云資源平臺(tái)在晚上11點(diǎn)后為超過(guò)50%的同學(xué)提供平臺(tái)最新咨詢(xún)；基于學(xué)生閱讀位置習(xí)慣，選座系統(tǒng)為15%的學(xué)生推薦燈光昏暗的角落。對(duì)個(gè)體行為習(xí)慣提供非正確方式的個(gè)性化服務(wù)，可能帶來(lái)學(xué)生身體素質(zhì)下降、人格扭曲等不良結(jié)果。

此外，基于用戶(hù)畫(huà)像開(kāi)展團(tuán)隊(duì)分析，在進(jìn)行進(jìn)行個(gè)性化閱讀好友、學(xué)習(xí)好友推薦時(shí)，基于社交關(guān)系標(biāo)簽的推薦算法讓交互頻繁或者興趣、習(xí)慣等相似的用戶(hù)聚類(lèi)成簇，然而這種個(gè)性化好友推薦可能會(huì)導(dǎo)致少量與社會(huì)發(fā)展不協(xié)調(diào)的團(tuán)隊(duì)形成，產(chǎn)生信息同質(zhì)激蕩風(fēng)險(xiǎn)，造成用戶(hù)價(jià)值觀念的群體極化[15]，如放棄學(xué)業(yè)的群體、悲觀抑郁群體等。

1.2.2 服務(wù)“內(nèi)卷”嚴(yán)重

“內(nèi)卷”（Involution）是指事物發(fā)展到一定狀態(tài)之后無(wú)法繼續(xù)向上、向前發(fā)展，而是向內(nèi)卷曲，呈現(xiàn)停滯或倒退趨勢(shì)的現(xiàn)象。曾建勛[26]認(rèn)為，在文獻(xiàn)情報(bào)領(lǐng)域存在“內(nèi)卷化”現(xiàn)象，主要表現(xiàn)在資源建設(shè)、平臺(tái)建設(shè)、服務(wù)質(zhì)量等方面。同樣，基于用戶(hù)畫(huà)像的個(gè)性化服務(wù)也存在“內(nèi)卷化”的現(xiàn)象。

（1）逐漸形成“信息繭房”。“信息繭房”的概念最早由凱斯·桑斯坦[27]提出，是指受到個(gè)體興趣引導(dǎo)，用戶(hù)被動(dòng)接收與其興趣相關(guān)的信息，長(zhǎng)此以往，個(gè)人接觸到的信息深度與廣度受限，從而將自己禁錮在蠶繭一樣的封閉空間。任秋菊等[16]認(rèn)為，個(gè)性化推薦技術(shù)充分迎合了用戶(hù)的興趣偏好，在幫助用戶(hù)解決信息獲取成本與質(zhì)量等問(wèn)題的同時(shí)，讓用戶(hù)對(duì)固化的信息交流渠道形成依賴(lài)，無(wú)意識(shí)地陷入以個(gè)體為中心的“信息繭房”中。通過(guò)對(duì)校園云資源平臺(tái)個(gè)性化推送的點(diǎn)擊反饋情況統(tǒng)計(jì)，有70%的瀏覽為推送的前10條記錄，而這10條記錄主要覆蓋了用戶(hù)的前3個(gè)興趣偏好相關(guān)的主題。由此可見(jiàn)，基于用戶(hù)興趣的個(gè)性化服務(wù)易促使“信息繭房”的形成，導(dǎo)致信息服務(wù)的廣度變得越來(lái)越小，信息交流的圈子越來(lái)越窄，信息獲得的方式越來(lái)越單一。

（2）個(gè)性化服務(wù)的知識(shí)總體缺乏結(jié)構(gòu)化設(shè)計(jì)。為提升學(xué)習(xí)的效率，充分利用碎片化時(shí)間[28]，基于用戶(hù)畫(huà)像的個(gè)性化服務(wù)更加注重微閱讀、微視頻、微課程等服務(wù)方式。然而，個(gè)性化服務(wù)的知識(shí)堆積、斷裂，快餐式、碎片化、重疊型的知識(shí)服務(wù)讓個(gè)性化服務(wù)“內(nèi)卷”嚴(yán)重[17]。一方面，基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)強(qiáng)調(diào)資源標(biāo)簽與用戶(hù)標(biāo)簽的匹配，以匹配度高低排列知識(shí)推送、個(gè)性搜索順序。然而多個(gè)資源之間的關(guān)聯(lián)關(guān)系、資源與知識(shí)之間的覆蓋關(guān)系、用戶(hù)不同興趣之間的主題結(jié)構(gòu)關(guān)系等諸多因素考慮不足，導(dǎo)致個(gè)性化服務(wù)的質(zhì)量難以提高。另一方面，對(duì)同一用戶(hù)前后多次服務(wù)之間的知識(shí)類(lèi)別、知識(shí)銜接、知識(shí)互補(bǔ)等分析不足，不同時(shí)間的推送知識(shí)之間重復(fù)知識(shí)過(guò)多，導(dǎo)致用戶(hù)對(duì)服務(wù)的滿(mǎn)意度逐漸下降。在對(duì)吉首大學(xué)軟件學(xué)院18級(jí)專(zhuān)業(yè)成績(jī)排名前100的學(xué)生接受圖書(shū)館數(shù)字資源推送服務(wù)情況的調(diào)查顯示，知識(shí)與專(zhuān)業(yè)相關(guān)度超過(guò)90%，但連續(xù)5次推送存在重復(fù)內(nèi)容超過(guò)70%，知識(shí)相關(guān)且知識(shí)點(diǎn)連貫的不足10%，知識(shí)簡(jiǎn)單但注重展現(xiàn)形式的超過(guò)75%，知識(shí)講解深入的不足20%，學(xué)生亟需注重知識(shí)連貫、知識(shí)深度和知識(shí)拓展的個(gè)性化服務(wù)。

1.2.3 忽略成長(zhǎng)過(guò)程

基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)依據(jù)用戶(hù)當(dāng)前屬性、興趣、能力、習(xí)慣、活動(dòng)等信息，雖能正確反映用戶(hù)當(dāng)前需求，卻忽略了用戶(hù)成長(zhǎng)過(guò)程的差異，忽略了對(duì)用戶(hù)成長(zhǎng)規(guī)律的挖掘，忽略了用戶(hù)追求夢(mèng)想和達(dá)成目標(biāo)的深刻分析等，一方面造成服務(wù)的個(gè)性化和準(zhǔn)確性下降，另一方面讓歷史數(shù)據(jù)失去了應(yīng)有的價(jià)值。

（1）缺乏用戶(hù)成長(zhǎng)路徑的挖掘。許多基于動(dòng)態(tài)用戶(hù)畫(huà)像的個(gè)性化服務(wù)強(qiáng)調(diào)了用戶(hù)標(biāo)簽的即時(shí)更新，按用戶(hù)最新形象進(jìn)行精準(zhǔn)服務(wù)[29-31]。然而，董哲瑾等[18]在基于微博用戶(hù)畫(huà)像的研究中發(fā)現(xiàn)，即使當(dāng)前興趣愛(ài)好、行為習(xí)慣完全相同的不同個(gè)體，其歷史信息仍可能存在較大差異。由于用戶(hù)歷史標(biāo)簽雖有部分被記錄，但并未利用其對(duì)用戶(hù)成長(zhǎng)過(guò)程進(jìn)行關(guān)聯(lián)、分類(lèi)、聚類(lèi)等運(yùn)算，導(dǎo)致用戶(hù)成長(zhǎng)經(jīng)歷不能真實(shí)還原和可視化呈現(xiàn)，進(jìn)而無(wú)法根據(jù)其成長(zhǎng)特征進(jìn)行更精準(zhǔn)、更具個(gè)性化的知識(shí)服務(wù)。

（2）缺少用戶(hù)學(xué)習(xí)進(jìn)度的分析。在針對(duì)微博用戶(hù)的個(gè)性化推送中，吳樹(shù)芳等[19]利用興趣轉(zhuǎn)移衰減函數(shù)實(shí)現(xiàn)用戶(hù)關(guān)注詞條變化的預(yù)測(cè)，進(jìn)而建立基于用戶(hù)畫(huà)像的個(gè)體興趣變化分析模型。但在基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)中，目前還缺少針對(duì)用戶(hù)學(xué)習(xí)進(jìn)度的分析。由于未對(duì)歷史畫(huà)像進(jìn)行詳細(xì)的分析和處理，用戶(hù)歷史標(biāo)簽變化規(guī)律、模式等未被分析與利用，不能充分了解用戶(hù)的學(xué)習(xí)進(jìn)度，也就無(wú)法掌握用戶(hù)的學(xué)習(xí)進(jìn)展規(guī)律、關(guān)鍵節(jié)點(diǎn)，不能深入分析用戶(hù)間學(xué)習(xí)進(jìn)度產(chǎn)生差異的原因，以及促進(jìn)學(xué)生學(xué)習(xí)進(jìn)度迅速提升的核心因素等，也就無(wú)法基于用戶(hù)知識(shí)增長(zhǎng)的速度適應(yīng)性地調(diào)整為用戶(hù)推送知識(shí)的數(shù)量與難度，無(wú)法讓用戶(hù)進(jìn)行高效且有成就感的學(xué)習(xí)。在對(duì)吉首大學(xué)軟件學(xué)院18級(jí)3班、5班學(xué)生接受專(zhuān)業(yè)知識(shí)推送的分析中發(fā)現(xiàn)，當(dāng)前學(xué)習(xí)狀態(tài)相似的學(xué)生收到的推送知識(shí)基本一致，當(dāng)某學(xué)生連續(xù)關(guān)注和其他學(xué)生同樣的知識(shí)點(diǎn)后，其推送的內(nèi)容也趨于一致，而未考慮該學(xué)生以前興趣的影響。

（3）缺少用戶(hù)知識(shí)獲取目標(biāo)及達(dá)成度的分析?；谟脩?hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)往往通過(guò)用戶(hù)對(duì)推送知識(shí)的采納程度預(yù)測(cè)服務(wù)的質(zhì)量，前文已經(jīng)分析由此可能導(dǎo)致“信息繭房”的產(chǎn)生。現(xiàn)實(shí)中，即使用戶(hù)未獲得希望推送的知識(shí)資源，往往也愿意被動(dòng)接受個(gè)性化服務(wù)為其提供的資源。由此可見(jiàn)，僅以信息使用率評(píng)價(jià)服務(wù)的滿(mǎn)意度，無(wú)法真實(shí)反映用戶(hù)需求的達(dá)成度，也無(wú)法證實(shí)用戶(hù)知識(shí)獲取目標(biāo)。因?yàn)榛诂F(xiàn)實(shí)數(shù)據(jù)的用戶(hù)畫(huà)像構(gòu)建，缺少對(duì)用戶(hù)知識(shí)獲取目標(biāo)的分析，進(jìn)而無(wú)法提供基于用戶(hù)真實(shí)目標(biāo)的個(gè)性化服務(wù)。在吉首大學(xué)軟件學(xué)院18~20級(jí)828名學(xué)生中關(guān)于云資源平臺(tái)知識(shí)個(gè)性化推送的滿(mǎn)意度調(diào)查結(jié)果顯示，其滿(mǎn)意度僅為65.1%；針對(duì)學(xué)生對(duì)個(gè)性化推送知識(shí)的點(diǎn)擊信息反饋情況分析，有89.4%的推送信息被用戶(hù)點(diǎn)擊，有83.3%的推送信息被瀏覽或下載。

2 基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)的改進(jìn)策略

余孟杰[32]認(rèn)為用戶(hù)畫(huà)像是以大數(shù)據(jù)環(huán)境提供數(shù)據(jù)基礎(chǔ)，抽象出能完美呈現(xiàn)用戶(hù)全貌的標(biāo)簽信息集合；余傳明等[33]認(rèn)為用戶(hù)畫(huà)像是依據(jù)用戶(hù)的人口統(tǒng)計(jì)學(xué)特征、社交關(guān)系和行為模式等抽象構(gòu)造出的標(biāo)簽化的用戶(hù)模型。本文基于上述定義，通過(guò)優(yōu)化并合理利用代表真實(shí)用戶(hù)的標(biāo)簽信息集合，在此基礎(chǔ)上提出基于用戶(hù)畫(huà)像的個(gè)性化服務(wù)的改進(jìn)策略。

課題組認(rèn)為，為了提高個(gè)性化服務(wù)質(zhì)量，首先需要優(yōu)化用戶(hù)畫(huà)像質(zhì)量，然后在此基礎(chǔ)上提升個(gè)性化服務(wù)水平。在用戶(hù)畫(huà)像構(gòu)建階段，首先需要對(duì)用戶(hù)標(biāo)簽集進(jìn)行辨識(shí)、區(qū)分，確保用戶(hù)畫(huà)像蘊(yùn)含正確的價(jià)值取向；其次，將個(gè)體用戶(hù)標(biāo)簽與群體標(biāo)簽集進(jìn)行關(guān)聯(lián)，并通過(guò)關(guān)聯(lián)主題知識(shí)圖譜，確保用戶(hù)畫(huà)像標(biāo)簽集不被束縛在狹窄的主題領(lǐng)域內(nèi)；最后，還需要利用序列挖掘、回歸分析等算法對(duì)用戶(hù)歷史畫(huà)像建模，確保用戶(hù)的成長(zhǎng)規(guī)律能動(dòng)態(tài)呈現(xiàn)。在個(gè)性化服務(wù)階段，首先需要利用用戶(hù)標(biāo)簽的標(biāo)識(shí)信息，對(duì)個(gè)性化服務(wù)內(nèi)容進(jìn)行分級(jí)，以確保最有利于用戶(hù)發(fā)展的個(gè)體興趣被優(yōu)先服務(wù)；其次，除了最大限度考慮服務(wù)內(nèi)容、方式與用戶(hù)興趣、習(xí)慣相匹配，還需考慮群體興趣、知識(shí)關(guān)聯(lián)領(lǐng)域等知識(shí)服務(wù)，有效預(yù)測(cè)用戶(hù)在其他領(lǐng)域的潛在興趣，避免服務(wù)“內(nèi)卷”；此外，也可借助用戶(hù)成長(zhǎng)路徑和學(xué)習(xí)進(jìn)度分析，為用戶(hù)定制個(gè)性化閱讀計(jì)劃、個(gè)性化知識(shí)推送時(shí)間進(jìn)度安排等；最后，還需多方接受用戶(hù)反饋，形成客觀全面的個(gè)性化服務(wù)評(píng)價(jià)，并以此為依據(jù)不斷改善個(gè)性化服務(wù)質(zhì)量。

2.1 標(biāo)簽辨識(shí)與服務(wù)分級(jí)

在進(jìn)行個(gè)性化服務(wù)前，首先可對(duì)用戶(hù)畫(huà)像的標(biāo)簽進(jìn)行識(shí)別與標(biāo)記，包括不利于用戶(hù)發(fā)展的興趣偏好和行為習(xí)慣的判定與標(biāo)識(shí)、需進(jìn)一步細(xì)化挖掘的標(biāo)簽集合等，然后根據(jù)標(biāo)簽的標(biāo)記信息，提供更有利于用戶(hù)健康發(fā)展的個(gè)性化服務(wù)。

（1）識(shí)別可能阻礙用戶(hù)成長(zhǎng)的標(biāo)簽，遏制與其相關(guān)的個(gè)性化服務(wù)。利用聚類(lèi)及關(guān)聯(lián)分析算法等對(duì)用戶(hù)興趣偏好標(biāo)簽及其權(quán)重分析，找出與其身份標(biāo)簽不相符但權(quán)重特別大的興趣標(biāo)簽，以及影響青少年成長(zhǎng)的興趣偏好如賭博、暴力、悲觀厭世等相關(guān)標(biāo)簽，在個(gè)性化服務(wù)時(shí)過(guò)濾相關(guān)服務(wù)內(nèi)容，給出終止相關(guān)服務(wù)提醒，用戶(hù)僅在特別授權(quán)后方可獲得相關(guān)服務(wù)。在識(shí)別用戶(hù)具有上述興趣后，可進(jìn)一步聯(lián)系學(xué)生工作輔導(dǎo)員及心理疏導(dǎo)教師等，對(duì)學(xué)生進(jìn)行特別關(guān)注；也可提供對(duì)遏制相關(guān)興趣有幫助的知識(shí)服務(wù)，如發(fā)放賭博危害宣傳資料等。

（2）識(shí)別影響個(gè)體持續(xù)健康發(fā)展的標(biāo)簽，抑制與其相關(guān)的個(gè)性化服務(wù)。結(jié)合用戶(hù)能力特長(zhǎng)標(biāo)簽及興趣偏好標(biāo)簽信息，以及用戶(hù)對(duì)提供個(gè)性化知識(shí)服務(wù)的接收情況，運(yùn)用主題發(fā)現(xiàn)及關(guān)聯(lián)分析方法，識(shí)別與能力特長(zhǎng)不相匹配、權(quán)重加大且大量接收相關(guān)知識(shí)服務(wù)的興趣偏好，在個(gè)性化服務(wù)中減少相關(guān)內(nèi)容、拖后服務(wù)順序、降低服務(wù)頻率。將用戶(hù)行為習(xí)慣特征中的訪(fǎng)問(wèn)周期標(biāo)簽等與用戶(hù)的身份類(lèi)別、作息時(shí)間進(jìn)行匹配，對(duì)于影響用戶(hù)正常作息的習(xí)慣標(biāo)簽，在個(gè)性化服務(wù)時(shí)隨機(jī)調(diào)整到空閑時(shí)間，并基于用戶(hù)使用反饋情況，最終確定服務(wù)時(shí)間。

（3）識(shí)別與能力特長(zhǎng)及發(fā)展目標(biāo)相符的標(biāo)簽，增加服務(wù)的深度與廣度。通過(guò)對(duì)專(zhuān)業(yè)標(biāo)簽、興趣標(biāo)簽、能力標(biāo)簽的整理，結(jié)合用戶(hù)發(fā)展愿景調(diào)研，利用時(shí)間序列分析及回歸預(yù)測(cè)算法等，建立用戶(hù)成長(zhǎng)路徑規(guī)劃圖，依照用戶(hù)成長(zhǎng)模式分析，識(shí)別有能力基礎(chǔ)、與目標(biāo)方向一致的標(biāo)簽主題，結(jié)合知識(shí)圖譜中的主題匹配，提供更系統(tǒng)、更深入、更全面的個(gè)性化主題服務(wù)，包括提供基于能力標(biāo)簽初選和興趣標(biāo)簽二次篩選的個(gè)性化信息檢索，基于用戶(hù)興趣、能力、個(gè)體發(fā)展愿景的知識(shí)推送服務(wù)，基于知識(shí)圖譜與個(gè)性標(biāo)簽結(jié)合的個(gè)性化知識(shí)問(wèn)答服務(wù)等。

2.2 標(biāo)簽關(guān)聯(lián)與服務(wù)遷移

為防止圖書(shū)館個(gè)性化服務(wù)的“內(nèi)卷”，將用戶(hù)興趣標(biāo)簽與專(zhuān)業(yè)屬性及能力特長(zhǎng)標(biāo)簽進(jìn)行關(guān)聯(lián)，將用戶(hù)標(biāo)簽與群體標(biāo)簽進(jìn)行關(guān)聯(lián)，引入知識(shí)圖譜，將資源的內(nèi)容與主題關(guān)聯(lián)，將資源的應(yīng)用領(lǐng)域進(jìn)行關(guān)聯(lián)，實(shí)現(xiàn)領(lǐng)域內(nèi)知識(shí)的體系化服務(wù)，實(shí)現(xiàn)不同領(lǐng)域知識(shí)的跨界遷移服務(wù)。

（1）生成包含用戶(hù)個(gè)體信息的知識(shí)子圖。將用戶(hù)個(gè)體興趣標(biāo)簽、專(zhuān)業(yè)標(biāo)簽及能力標(biāo)簽與知識(shí)圖譜中的相應(yīng)主題進(jìn)行映射，并在知識(shí)圖譜中將映射的主題進(jìn)行關(guān)聯(lián)擴(kuò)展，構(gòu)建包含用戶(hù)標(biāo)簽映射主題的極小子圖。

（2）建立面向用戶(hù)群體的知識(shí)關(guān)聯(lián)子圖。通過(guò)對(duì)用戶(hù)所在的群體用戶(hù)挖掘，以群體用戶(hù)畫(huà)像中的興趣標(biāo)簽為中心并結(jié)合用戶(hù)密接好友的興趣標(biāo)簽，將其映射到相應(yīng)的知識(shí)圖譜之中，然后以映射的主題為中心進(jìn)行主題關(guān)聯(lián)擴(kuò)展，建立包含群體畫(huà)像標(biāo)簽映射的群體用戶(hù)知識(shí)關(guān)聯(lián)子圖。

（3）領(lǐng)域內(nèi)知識(shí)體系化服務(wù)和多學(xué)科知識(shí)跨界遷移服務(wù)?；谟脩?hù)興趣標(biāo)簽和專(zhuān)業(yè)屬性標(biāo)簽，結(jié)合包含用戶(hù)個(gè)體信息的知識(shí)子圖，并通過(guò)與知識(shí)資源庫(kù)的主題匹配，為用戶(hù)提供覆蓋用戶(hù)領(lǐng)域知識(shí)關(guān)聯(lián)子圖、層層深入、緊密關(guān)聯(lián)的知識(shí)服務(wù)，以保證用戶(hù)獲得知識(shí)的連貫和深度，包括為用戶(hù)提供基于領(lǐng)域知識(shí)和個(gè)體興趣的個(gè)性化信息檢索服務(wù)，基于領(lǐng)域知識(shí)上下文分析的個(gè)性化知識(shí)群系列化推送服務(wù)，個(gè)體知識(shí)體系可視化建模服務(wù)等。為防止“信息繭房”的形成，可在用戶(hù)關(guān)聯(lián)子圖、群體知識(shí)關(guān)聯(lián)子圖中，找出跨學(xué)科的相關(guān)知識(shí)主題，并進(jìn)行跨界遷移學(xué)習(xí)，如隨機(jī)遷移、主題相關(guān)遷移等，為用戶(hù)提供非其關(guān)注領(lǐng)域的相關(guān)知識(shí)，包括基于主題周期性遷移的知識(shí)推送服務(wù)、基于反向排序規(guī)則的知識(shí)檢索服務(wù)、基于應(yīng)用領(lǐng)域隨機(jī)遷移的知識(shí)應(yīng)答服務(wù)等。

2.3 標(biāo)簽演化與服務(wù)拓展

為了深入分析用戶(hù)成長(zhǎng)過(guò)程，挖掘?qū)W習(xí)用戶(hù)畫(huà)像發(fā)展演化規(guī)律，需要將用戶(hù)標(biāo)簽的變化信息詳細(xì)記錄，通過(guò)時(shí)間序列挖掘算法，找出標(biāo)簽變化的關(guān)鍵節(jié)點(diǎn)，然后通過(guò)因果關(guān)系的解釋學(xué)習(xí)算法，找出發(fā)展變化的內(nèi)在關(guān)鍵因素，可通過(guò)Logistics回歸（對(duì)數(shù)幾率回歸）分析等對(duì)用戶(hù)變化規(guī)律進(jìn)行預(yù)測(cè)，進(jìn)而提供更符合用戶(hù)持續(xù)發(fā)展需要的個(gè)性化服務(wù)。

（1）用戶(hù)歷史標(biāo)簽記錄與歷史畫(huà)像形成。通過(guò)記錄用戶(hù)畫(huà)像標(biāo)簽變化的時(shí)間，并通過(guò)關(guān)鍵時(shí)間節(jié)點(diǎn)的用戶(hù)畫(huà)像生成與存儲(chǔ)，形成基于時(shí)間軸的用戶(hù)歷史畫(huà)像集合。

（2）歷史畫(huà)像演化模式構(gòu)建。運(yùn)用序列挖掘算法，發(fā)現(xiàn)對(duì)全體用戶(hù)歷史畫(huà)像演化規(guī)律，并運(yùn)用K-means算法、增強(qiáng)學(xué)習(xí)算法等，聚類(lèi)、抽象得到用戶(hù)歷史畫(huà)像常規(guī)演化模式集合。

（3）用戶(hù)成長(zhǎng)路徑生成及學(xué)習(xí)進(jìn)度分析。通過(guò)回歸分析及路徑規(guī)劃算法等，將用戶(hù)個(gè)體成長(zhǎng)數(shù)據(jù)與歷史畫(huà)像演化模式相對(duì)比，找出用戶(hù)個(gè)體知識(shí)發(fā)展規(guī)律。

（4）基于用戶(hù)成長(zhǎng)的個(gè)性化服務(wù)。通過(guò)對(duì)用戶(hù)個(gè)體發(fā)展特征分析，結(jié)合全體用戶(hù)發(fā)展演化的普遍規(guī)律和模式，利用演化推薦算法和基于時(shí)間序列的推薦算法等，為用戶(hù)提供個(gè)性化知識(shí)推送服務(wù)。例如，通過(guò)對(duì)用戶(hù)興趣標(biāo)簽變化的路徑擬合，預(yù)測(cè)用戶(hù)興趣未來(lái)發(fā)展，并結(jié)合知識(shí)發(fā)展前沿，為其推送符合個(gè)人發(fā)展和時(shí)代發(fā)展需要的知識(shí)。

2.4 多路反饋與服務(wù)評(píng)價(jià)

基于用戶(hù)對(duì)個(gè)性化服務(wù)的采納程度，無(wú)法實(shí)現(xiàn)對(duì)服務(wù)質(zhì)量的全面評(píng)價(jià)。一方面，需要多方位獲取用戶(hù)對(duì)服務(wù)的反饋信息，進(jìn)而建立綜合性評(píng)價(jià)指標(biāo)體系；另一方面，也可改變服務(wù)部門(mén)自身評(píng)價(jià)或系統(tǒng)自動(dòng)評(píng)價(jià)的方式，采用第三方評(píng)價(jià)、部門(mén)互評(píng)等多種評(píng)價(jià)方式?；谌婵陀^的服務(wù)評(píng)價(jià)，針對(duì)個(gè)性化知識(shí)服務(wù)中的不足之處進(jìn)行改進(jìn)，進(jìn)而實(shí)現(xiàn)用戶(hù)真實(shí)滿(mǎn)意度的有效提升。

用戶(hù)的反饋方式可包括調(diào)查問(wèn)卷反饋、平臺(tái)點(diǎn)贊/拍磚反饋、平臺(tái)留言反饋、平臺(tái)打分反饋等顯性反饋方式；也可通過(guò)智慧圖書(shū)館對(duì)用戶(hù)表情、情緒及留言等分析，挖掘用戶(hù)接受服務(wù)時(shí)的真實(shí)心情，進(jìn)而計(jì)算用戶(hù)對(duì)個(gè)性化服務(wù)質(zhì)量的打分；此外，基于對(duì)用戶(hù)能力增長(zhǎng)幅度與服務(wù)內(nèi)容關(guān)聯(lián)度分析，計(jì)算服務(wù)對(duì)用戶(hù)成長(zhǎng)的弱影響力，也可適當(dāng)用于服務(wù)質(zhì)量評(píng)價(jià)。

基于多路反饋和多方評(píng)價(jià)，圖書(shū)館個(gè)性化服務(wù)體系可逐步優(yōu)化服務(wù)方式和服務(wù)內(nèi)容，包括實(shí)行基于優(yōu)先改進(jìn)最差評(píng)價(jià)的個(gè)性化服務(wù)方式調(diào)整策略、提供基于優(yōu)先滿(mǎn)足用戶(hù)當(dāng)前愿景實(shí)現(xiàn)的個(gè)性化知識(shí)推送服務(wù)等。

3 結(jié)論

基于用戶(hù)畫(huà)像的標(biāo)簽統(tǒng)計(jì)、關(guān)聯(lián)、聚類(lèi)、演化分析等，深入發(fā)掘用戶(hù)對(duì)知識(shí)的個(gè)性化需求以及獲取知識(shí)的習(xí)慣特征，結(jié)合語(yǔ)義分析、主題發(fā)現(xiàn)算法等為其提供極大滿(mǎn)足個(gè)體需要的精準(zhǔn)服務(wù)，提升了個(gè)性化服務(wù)的質(zhì)量，提高了知識(shí)服務(wù)的效率。然而，基于用戶(hù)畫(huà)像的圖書(shū)館個(gè)性化服務(wù)仍在研究改進(jìn)中，研究發(fā)現(xiàn)，由于未對(duì)用戶(hù)畫(huà)像標(biāo)簽進(jìn)行有效分析，圖書(shū)館個(gè)性化服務(wù)中出現(xiàn)了助長(zhǎng)負(fù)面喜好、放任不良習(xí)慣問(wèn)題；由于大量研究與應(yīng)用以用戶(hù)的點(diǎn)擊瀏覽率等相關(guān)反饋?zhàn)鳛榉?wù)質(zhì)量衡量的標(biāo)準(zhǔn)，導(dǎo)致服務(wù)主題緊縮，進(jìn)而形成“信息繭房”，同時(shí)過(guò)度注重服務(wù)形式，以碎片化、重疊性、淺層次服務(wù)代替體系化、多形式、深度服務(wù)，讓圖書(shū)館個(gè)性化服務(wù)“內(nèi)卷”；由于放棄對(duì)用戶(hù)歷史畫(huà)像的建模挖掘，未對(duì)用戶(hù)的學(xué)習(xí)演化規(guī)律進(jìn)行深入研究，無(wú)法對(duì)其知識(shí)成長(zhǎng)軌跡和學(xué)習(xí)進(jìn)度等情況加以分析利用，無(wú)法提供更有利于個(gè)體成長(zhǎng)的知識(shí)服務(wù)。針對(duì)這些不可忽視的問(wèn)題，本文從標(biāo)簽辨識(shí)、標(biāo)簽關(guān)聯(lián)分析和標(biāo)簽演化規(guī)律發(fā)現(xiàn)入手，提出進(jìn)行服務(wù)分級(jí)、服務(wù)遷移和服務(wù)拓展的個(gè)性化服務(wù)策略。在后續(xù)的研究中，還可分析不同用戶(hù)間的相似度，實(shí)現(xiàn)基于用戶(hù)差異的興趣遷移服務(wù)；可通過(guò)個(gè)性化服務(wù)中的第三方評(píng)價(jià)，輔助調(diào)整服務(wù)方式和服務(wù)內(nèi)容。