楊彥榮，張 瑩

（1.西北農林科技大學網絡與教育技術中心，楊凌 712100；2.西北農林科技大學圖書館，楊凌 712100）

0 引言

隨著互聯(lián)網和新一代信息技術的飛速發(fā)展，當前人類社會已經從信息時代步入數據時代，大數據已經成為新時期信息技術和產業(yè)發(fā)展的重要方向。在大數據時代的背景下，用戶畫像作為描述目標用戶特征，洞察用戶興趣需求，實現用戶個性化服務的重要工具，目前已廣泛應用于各種電商平臺以及個性化的信息服務推送領域，尤其是在電商平臺，用戶畫像能精準了解和預測用戶需求以及定位客戶群體，受到商家和企業(yè)的日益關注。隨著網絡技術的進步和信息化的推進，數字資源得到了迅速發(fā)展，高校圖書館的資源數據量呈爆炸式增長，浩瀚如煙的數字資源使得用戶產出了信息迷航。鑒于此，圖書館可通過用戶畫像技術了解用戶的需求，洞察用戶興趣以及個性化偏好等，以此為用戶提供個性化、精細化服務，實現圖書館從信息服務向知識服務轉型。

1 用戶畫像及研究現狀

1.1 用戶畫像的內涵

交互設計鼻祖Alan Cooper在研究中最早提出用戶畫像并對這一概念給出了定義，他指出用戶畫像是通過不同的呈現方式對用戶真實數據的刻畫，是建立在一系列真實數據之上的目標用戶模型[1]。簡言之，利用各種數據挖掘技術采集并清洗用戶的社會屬性、生活習慣和消費行為等信息，并通過標簽映射的方式抽象出用戶畫像模型。文獻[2]等將用戶畫像描述為一種刻畫用戶需求和興趣偏好的形象集合。余孟杰[3]認為用戶畫像是從對海量用戶數據中挖取出特定的，潛在的用戶信息，并以標簽化的形式呈現出用戶全貌，用戶畫像是用戶信息面貌的虛擬刻畫，其目標是實現精準服務。隨著互聯(lián)網和大數據理念的深入，如何利用大數據實現精準服務已成為企業(yè)日益關注的焦點，用戶畫像作為一種了解和預測客戶、精準定位客戶群體的有效工具，被廣泛應用于社交網絡、金融、電子商務等領域。

David Travis認為一個令人信服、全面、精準化的用戶畫像應具有基本性（Primary research）、真實性（Realistic）、目標性（Objectives）、獨特性（Singular）、移情性（Empathy）、數量（Number）和應用性（Applicable）7個基本條件[4]。文獻[5]認為圖書館領域在以數據驅動的主路線下，用戶畫像應該滿足6個條件：時效性、可迭代性、交互性、區(qū)隔性、知識性以及聚類性。

1.2 國內外研究現狀

隨著人工智能、大數據領域的悄然興起，圍繞用戶畫像的相關研究也相繼展開，并逐步成為眾多學者關注的熱點。用戶畫像研究在國外圖書館領域開展較早，在20世紀80年代，英國國家書目和Blaise-line通過對用戶地使用情況進行相關性分析，并以此為依據對其服務進行優(yōu)化[6]。用戶畫像技術算法是國外學者主要的研究方向，如統(tǒng)計分析、聚類分析算法、加權算法、分類算法、樸素貝葉斯網絡、深度學習方法等受到學者們的關注，不同的研究采用取不同的算法構建用戶畫像模型，從而刻畫用戶顯性的特征和潛在的特征。

國內圖書館領域對用戶畫像研究還起步發(fā)展階段，相關研究成果較少，并且大多研究還停留在理論階段。陳慧香[7]等人詳細闡述了用戶畫像的概念、特性以及作用，并深入分析了用戶畫像建模的相關算法與技術、框架模型設計及構建流程，為圖書館基于用戶畫像的服務重新研究奠定了基礎。劉速[8]詳細闡述了天津圖書館用戶畫像構建的具體方法和步驟，并對常用的用戶畫像分析方法，如用戶關系圖譜、多維度交叉分析、可視化統(tǒng)計描述等方法進行了比較。潘宇光[9]將用戶畫像理論融入到構建智慧圖書館的過程中，從圖書館的智慧構建和智慧服務角度，提出用戶畫像的構架與實現途徑。

2 用戶畫像設計與實現

2.1 數據收集

用戶畫像在海量的用戶數據中產生和形成的，構建用戶畫像是為了還原用戶信息，數據來源于所有用戶相關的數據，因此數據源是構建用戶畫像的基礎。隨著大數據技術的發(fā)展和應用，圖書館各信息資源系統(tǒng)之間實現了互通互聯(lián)，尤其是統(tǒng)一身份認證的應用，以及移動終端的普及，給用戶帶來方便的同時，也產生了異構化、立體化和多樣化的數據，豐富了用數據類型，拓展了用戶數據的來源。高校圖書館構建用戶畫像的首要工作是確定數據源，圖書管理系統(tǒng)、書目檢索系統(tǒng)、圖書館網站、移動圖書館等都是用戶數據的主要來源，用戶數據可分為相對穩(wěn)定的靜態(tài)信息數據和變化較快的動態(tài)信息數據兩類。

2.2 標簽建模

標簽是基于用戶數據分析后人為規(guī)定的高度精煉的用戶特征標識，人能很方便地理解每個標簽含義，使模糊的用戶立體化、形象化。為用戶建立標簽模型是構建用戶畫像的核心工作和首要任務，用戶標簽建模就是對用戶的靜態(tài)信息數據和動態(tài)信息數據進行分析以及語義化抽象出，從而形成短文本化標簽，再逐級分類形成基本信息、內容偏好、行為特征、心理特征和社交網絡標簽模型。

2.3 模型構建

用戶畫像構建一般包含數據整合層、數據標簽層以及畫像應用層。數據整合層又可以分為數據采集和數據處理，通過對圖書館各種來源數據進行采集，再進行集成、轉換、歸約、清洗等預處理操作后形成原始數據庫文件。用戶畫像構建的關鍵是數據標簽層，通過對用戶信息進行統(tǒng)計、分類、聚類分析等技術，將用戶信息語義化和短文本化，以標簽的形式呈現立體化的用戶形象。畫像應用層是在建模結果分析的基礎上，采用不同的可視化技術，將用戶各個維度的標簽呈現出來。

3 用戶畫像應用研究

3.1 個性化內容精準推薦

高校圖書館個性化推薦服務已獲得了令人矚目的成績，在提升資源推薦服務質量及資源利用率方面已取得良好的效果。但在用戶需求感知方面，依然以傳統(tǒng)的用戶需求調研為主，以分析小體量結構化數據分析用戶需求，難以精準、全面刻畫用戶需求，因而可能導致個性化信息服務質量差、效率低等問題。隨著大數據技術的深入發(fā)展，在用戶描述與建模上用戶畫像具有天然巨大有優(yōu)勢，因而在分析用戶信息需求時，通過構建用戶畫像完成對用戶個人習慣以及興趣等內在需求信息的刻畫，從而構建起通往用戶興趣的橋梁，為個性化推薦服務提高數據基礎。

3.2 用戶信用評價管理

盜竊圖書、惡意下載資源、圖書超期、破壞公共環(huán)境及書刊污染等不良用戶行為時有發(fā)生，針對這些嚴重的用戶失信行為，圖書館往往采用警告或輕微罰款方式，其效果不是甚好，起不來威懾失信用戶的作用。用戶信用管理是抑制用戶失信現象的有效途徑之一，通過收集用戶數據，分析用戶信用數據，將用戶信用納入個人征信記錄，對高校圖書館不同層次用戶進行信用評分分級，建立用戶信用分級管理。對圖書館不同信用評分的用戶，賦予不同權限，并給予一定的獎勵和處罰，可以優(yōu)化用戶管理，靈活服務，促進館藏資源利用。

3.3 優(yōu)化資源配置、指導發(fā)展趨勢

高校圖書館可利用用戶畫像來了解用戶的整體興趣和需求走向，根據用戶使用圖書館資源的行為習慣，設計或調整圖書館資源的配置、空間布局、科學管理。高校圖書館管理層可借助用戶畫像技術及時發(fā)現用戶的特征信息和興趣偏好，掌握用戶需求的變化，從而為決策制定的科學合理性、高效性提供可靠的數據支持。