崔興文　肖廳

摘要：為了明確用戶畫像研究熱點(diǎn)和趨勢，文章運(yùn)用CiteSpace軟件定量化分析知網(wǎng)1496篇用戶畫像文獻(xiàn)。研究結(jié)果表明，國內(nèi)對用戶畫像研究呈現(xiàn)增長態(tài)勢，總體經(jīng)歷了研究萌芽、快速發(fā)展和質(zhì)量提升三個階段，雖然研究機(jī)構(gòu)和作者群體穩(wěn)定，但尚未形成核心作者群和跨專業(yè)領(lǐng)域的合作。研究趨勢方面，大數(shù)據(jù)、數(shù)據(jù)挖掘、圖書館、機(jī)器學(xué)習(xí)、人工智能、精準(zhǔn)營銷、知識服務(wù)、協(xié)同過濾等是主要研究熱點(diǎn)；前沿研究聚焦于信息服務(wù)、融媒體、數(shù)據(jù)采集、媒體融合和聚類。

關(guān)鍵詞：Cite space，用戶畫像，知識圖譜，聚類

中圖分類號：TD723

文獻(xiàn)標(biāo)識碼：A

文章編號：1674-9545（2023）03-0052-（07）

DOI：10.19717/j.cnki.jjun.2023.03.011

2008年大數(shù)據(jù)概念在科技領(lǐng)域中被提出，歷經(jīng)十幾年的發(fā)展，全球進(jìn)入了大數(shù)據(jù)時(shí)代^[1]。政府單位、私營企業(yè)、事業(yè)單位儲存了大量的數(shù)據(jù)。如何使用好這些數(shù)據(jù)成為一個挑戰(zhàn)。在這樣的背景下，用戶畫像技術(shù)誕生了。如今，用戶畫像運(yùn)用在各行各業(yè)。電子商務(wù)企業(yè)根據(jù)消費(fèi)者在網(wǎng)上的行為（搜索、購物、社交、瀏覽記錄）可以實(shí)現(xiàn)精準(zhǔn)營銷；大學(xué)圖書館利用用戶畫像技術(shù)，為學(xué)生提供精準(zhǔn)的信息服務(wù)；醫(yī)院使用用戶畫像技術(shù)，為患者提供個性化醫(yī)療照顧。在這些互聯(lián)網(wǎng)平臺，用戶的行為、興趣點(diǎn)、關(guān)注度、觀點(diǎn)等各種數(shù)據(jù)形成了用戶畫像。用戶畫像是基于多個數(shù)據(jù)源獲取和處理的，具有普惠性和可迭代性，可以幫助企業(yè)和個人更好地了解和服務(wù)于用戶。用戶畫像是一個十分精準(zhǔn)的工具，能及時(shí)洞察消費(fèi)者的需求。

美國工程師Alan Cooper最早在1999年提出用戶畫像（persona）^[2]，他認(rèn)為Persona側(cè)重于探索用戶的動機(jī)，是描述目標(biāo)用戶的用戶原型而非真實(shí)存在的用戶。用戶畫像最早應(yīng)用在電子商務(wù)上，網(wǎng)站通過分析用戶的數(shù)據(jù)，形成用戶標(biāo)簽，從而把網(wǎng)絡(luò)中虛擬的人具體化，以此為用戶提供針對性的服務(wù)^[3]。國內(nèi)用戶畫像相對于國外研究較晚。最早國內(nèi)研究用戶畫像是2014年期刊《信息通信》提出對手機(jī)用戶進(jìn)行畫像，從而向用戶進(jìn)行有針對性地營銷^[4]。隨后幾年學(xué)者分別在電子商務(wù)領(lǐng)域^[5-6]、醫(yī)療健康領(lǐng)域^[7]、旅游行業(yè)^[8-9]、圖書館領(lǐng)域^[10]和短視頻行業(yè)^[11]對用戶畫像進(jìn)行了研究。目前，已有部分學(xué)者分析了用戶畫像的知識圖譜。例如，徐芳^[12]采用文獻(xiàn)調(diào)查的方法，發(fā)現(xiàn)國內(nèi)模型單一且模型構(gòu)建缺乏評價(jià)和反饋機(jī)制、應(yīng)用領(lǐng)域發(fā)展不均衡；劉海鷗^[13]通過綜述文獻(xiàn)得出我國理論研究與實(shí)踐薄弱，給出了用戶畫像對圖書情報(bào)學(xué)的啟示；趙雅慧^[14]分析國內(nèi)外文獻(xiàn)得出我國理論研究薄弱，整體研究偏向?qū)嵺`，缺乏多源用戶數(shù)據(jù)融合、用戶隱私保護(hù)、用戶畫像更新及質(zhì)量評估。已有文獻(xiàn)僅是在研究現(xiàn)狀和大致方向上做了定性的分析總結(jié)，研究結(jié)論存在一定的局限性，不能有效反應(yīng)最新研究進(jìn)展和前沿?zé)狳c(diǎn)，也未能對文獻(xiàn)所體現(xiàn)的深層信息進(jìn)行挖掘和展示，缺乏定量的分析。用戶畫像知識圖譜分析是基于citespace技術(shù)和知識圖譜技術(shù)，對用戶畫像進(jìn)行分析的一種新方法。citespace是一種通過對文獻(xiàn)引用關(guān)系進(jìn)行分析的可視化工具，在科學(xué)研究、學(xué)術(shù)領(lǐng)域中得到廣泛應(yīng)用。知識圖譜是一種用圖形符號表示真實(shí)世界中知識單元（實(shí)體、概念、事件等）及其屬性、聯(lián)系的圖形數(shù)據(jù)庫。用戶畫像知識圖譜分析作為一種基于多維度數(shù)據(jù)和多源數(shù)據(jù)構(gòu)建的知識圖譜，可以實(shí)現(xiàn)對用戶畫像的更為全面的分析，為個人和企業(yè)提供更為準(zhǔn)確的用戶服務(wù)。用戶畫像知識圖譜分析是基于構(gòu)建好的用戶畫像知識圖譜，對圖譜進(jìn)行分析和解釋的過程。用戶畫像知識圖譜分析可以幫助個人和企業(yè)更好地了解和服務(wù)于用戶，提高用戶體驗(yàn)和用戶滿意度。。

基于此，筆者擬通過覆蓋全知網(wǎng)的用戶畫像文獻(xiàn)數(shù)據(jù)對用戶畫像知識圖譜分析進(jìn)行研究。通過分析文獻(xiàn)的基本特征、發(fā)文作者、發(fā)文機(jī)構(gòu)、高被引文獻(xiàn)來揭示目前國內(nèi)研究現(xiàn)狀；然后以關(guān)鍵詞為主題路徑的知識圖譜，通過關(guān)鍵詞聚類、關(guān)鍵詞共現(xiàn)分析出國內(nèi)研究熱點(diǎn)；最后通過關(guān)鍵詞突現(xiàn)來探查未來研究方向。文章希望通過數(shù)據(jù)分析出用戶畫像的研究方向和熱點(diǎn)，同時(shí)發(fā)現(xiàn)過去研究的不足，以期助推國內(nèi)用戶畫像的研究和進(jìn)步。

1研究方法和數(shù)據(jù)準(zhǔn)備

1.1共詞分析

共詞分析是通過對文獻(xiàn)中共同出現(xiàn)的關(guān)鍵詞次數(shù)分析，來分析出該領(lǐng)域研究熱點(diǎn)。關(guān)鍵詞是作者在寫論文時(shí)，提取的能代表論文的主題和熱點(diǎn)，因此關(guān)鍵詞雖然占篇幅較小，但十分重要。因此選擇關(guān)鍵詞共現(xiàn)來分析研究熱點(diǎn)較為合適。

1.2引文分析

引文分析是通過統(tǒng)計(jì)學(xué)的方法對引用與被引用文獻(xiàn)進(jìn)行數(shù)量特征和內(nèi)在規(guī)律的文獻(xiàn)計(jì)量方法。一般地，一篇文獻(xiàn)被引次數(shù)多就被認(rèn)為在該領(lǐng)域越重要，被關(guān)注度就越高。通過分析引用較高的文獻(xiàn)可以快速把握當(dāng)前這個領(lǐng)域內(nèi)的主流研究方向和熱點(diǎn)。

1.3知識圖譜法

知識圖譜法就是將學(xué)科發(fā)展進(jìn)程、演變機(jī)理及其內(nèi)在邏輯關(guān)系可視化。它以科學(xué)知識為計(jì)量研究對象，運(yùn)用計(jì)算機(jī)、統(tǒng)計(jì)學(xué)、數(shù)學(xué)等多個領(lǐng)域知識，將科學(xué)發(fā)展規(guī)律繪制成二維圖形，即知識圖譜。citespace是目前國際上知識圖譜較為成熟的分析軟件。由陳超美博士和大連理工大學(xué)WISE實(shí)驗(yàn)室聯(lián)合開發(fā)的科學(xué)文獻(xiàn)分析軟件。cite space創(chuàng)建了從“知識基礎(chǔ)”到“知識前沿”的理論，特別適合研究某個主題的演進(jìn)歷程。通過分析研究作者機(jī)構(gòu)來分析國內(nèi)研究情況，其次對關(guān)鍵詞時(shí)區(qū)視圖、關(guān)鍵詞共現(xiàn)來分析國內(nèi)研究的熱點(diǎn)，最后后通過關(guān)鍵詞突現(xiàn)來探究未來研究的方向。

1.4數(shù)據(jù)來源

作者在中國知網(wǎng)上檢索主題詞為用戶畫像，選擇范圍為全部文獻(xiàn)，得到中文文獻(xiàn)1834篇。在數(shù)據(jù)采集后，需要對數(shù)據(jù)進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗和特征提取等。通過數(shù)據(jù)清洗，刪除無效數(shù)據(jù)和冗余數(shù)據(jù)，確保數(shù)據(jù)的質(zhì)量。通過特征提取，將數(shù)據(jù)轉(zhuǎn)換為可用于構(gòu)建知識圖譜的形式。刪除與主題無關(guān)、重復(fù)、報(bào)告文獻(xiàn)，得到1496篇，導(dǎo)出格式為Reworks。詳細(xì)情況如表1所示。

2用戶畫像和知識圖譜基本概念

2.1用戶畫像

用戶畫像是指基于用戶行為、興趣點(diǎn)、觀點(diǎn)等數(shù)據(jù)，對用戶進(jìn)行描述和歸納的過程。用戶畫像是數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)領(lǐng)域的學(xué)術(shù)工作，與個性化推薦、廣告精準(zhǔn)投放、內(nèi)容篩選等眾多領(lǐng)域密切相關(guān)。在數(shù)字廣告行業(yè)，術(shù)語“人群定向”通常用來描述這種定制服務(wù)。

用戶畫像通常包含以下幾個方面的內(nèi)容：

（1） 用戶基本信息。該類信息包括用戶的年齡、性別、職業(yè)、所在地、語言、文化程度等基本信息。

（2） 用戶行為數(shù)據(jù)。用戶行為數(shù)據(jù)包括用戶在平臺上的點(diǎn)擊、評論、分享、觀看視頻等行為。

（3） 用戶興趣點(diǎn)。用戶興趣點(diǎn)是指用戶對某些事物或現(xiàn)象產(chǎn)生的興趣。這些興趣點(diǎn)可以通過用戶在平臺上的交互、觀看、搜索等行為進(jìn)行挖掘。

（4） 用戶社交數(shù)據(jù)。用戶社交數(shù)據(jù)包括用戶在平臺上的好友、關(guān)注、粉絲等數(shù)據(jù)。

2.2知識圖譜

知識圖譜是一個基于分布式圖數(shù)據(jù)庫的知識庫。它由億萬個名詞、動詞、副詞、形容詞、名詞短語、和邏輯關(guān)系等組成。這些語言單元構(gòu)建起一個多層次、深層次的知識關(guān)系網(wǎng)絡(luò)，幫助人們更好地理解和組織知識，也為機(jī)器學(xué)習(xí)和自動化推薦等領(lǐng)域提供了很好的基礎(chǔ)支持。

知識圖譜主要由三部分組成：

（1）實(shí)體。實(shí)體是知識圖譜中的基本元素，可以是任何事物，如人物、組織機(jī)構(gòu)、地點(diǎn)、產(chǎn)品等。每個實(shí)體都有一個唯一的標(biāo)識符，可以用來區(qū)分不同的實(shí)體。

（2）屬性。屬性是實(shí)體的特征，描述不同實(shí)體之間的差異。例如，人物的屬性可能包括姓名、性別、年齡、出生地等。

（3）關(guān)系。關(guān)系是實(shí)體之間的連接，描述它們之間的聯(lián)系和依賴關(guān)系。例如，人物之間的關(guān)系可能包括親戚關(guān)系、工作關(guān)系、朋友關(guān)系等。

3數(shù)據(jù)基本分析

3.1年度發(fā)文量分析和預(yù)測

發(fā)文量的數(shù)量反映出該領(lǐng)域被關(guān)注的程度。發(fā)文數(shù)量隨時(shí)間變化如圖1。

由圖1可知，有關(guān)用戶畫像的研究始于2014年，2014—2021年發(fā)文量一直增加。這其中又分為兩個階段。第一階段2014—2016年發(fā)文量呈現(xiàn)一個穩(wěn)定態(tài)勢，第二階段2017—2021年開始爆發(fā)性增長，增量明顯，增速較快。以2017年為轉(zhuǎn)折點(diǎn)，用戶畫像研究急劇增多，這在很大程度上與2017年國家實(shí)施《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》有關(guān)。說明政府政策對用戶畫像的研究有很大的影響。對變量年份和發(fā)表的文章進(jìn)行相關(guān)分析，相關(guān)系數(shù)為0.976顯著相關(guān)，說明發(fā)表的文章與年份相關(guān)性顯著，可以進(jìn)行擬合分析。使用軟件SPSS進(jìn)行回歸擬合分析，得出變量之間的數(shù)學(xué)關(guān)系式為y=-26.8+11.6x+5.2x²（y表示篇數(shù)x表示時(shí)間）根據(jù)方程預(yù)計(jì)未來研究會越來越多。目前，用戶畫像的研究仍然是一個熱點(diǎn)，處于一個由淺入深的階段。

3.2核心作者

對發(fā)文作者進(jìn)行統(tǒng)計(jì)，根據(jù)普賴斯定律，核心作者計(jì)算公式為：

M_P為核心作者最少發(fā)文數(shù)，NP_max為最大發(fā)文數(shù)^[15]。

根據(jù)統(tǒng)計(jì)結(jié)果，最大發(fā)文數(shù)是16，因此M_P約等于3。即發(fā)表文章在3及以上可以認(rèn)為是核心作者。由普萊斯定律可知當(dāng)核心作者發(fā)表論文數(shù)超過一半時(shí)，可以認(rèn)為該領(lǐng)域形成了核心作者群。由統(tǒng)計(jì)結(jié)果計(jì)算得核心作者發(fā)文量占27.4%。顯然沒有形成核心作者。

3.3作者共現(xiàn)

分析作者合作網(wǎng)絡(luò)，可以展示用戶畫像領(lǐng)域內(nèi)核心作者及其團(tuán)隊(duì)合作情況。從中國知網(wǎng)獲取用戶畫像的數(shù)據(jù)，導(dǎo)入數(shù)據(jù)，勾選關(guān)鍵詞點(diǎn)擊運(yùn)行得到如圖2。在圖2中，作者的名字越大表示該作者發(fā)的文章越多；作者名字之間的連線表示雙方有合作發(fā)文。分析高產(chǎn)作者，由圖二可知劉海鷗（16篇）張亞明（6篇）張海淘（6篇）黃文娜（5篇）等為主要發(fā)文作者，是該領(lǐng)域的主力軍。劉海鷗、張亞明、黃文娜、張艷豐、徐海玲等與其他作者連線較多，表明他們與其他作者合作發(fā)文情況較多。但從整體來看整個研究團(tuán)隊(duì)多為松散點(diǎn)狀，合作情況不多。作者和作者之間合作發(fā)文有利于加深學(xué)術(shù)交流和發(fā)揮各個學(xué)科的優(yōu)勢，因此，國內(nèi)用戶畫像文獻(xiàn)雖多，但還僅僅處于發(fā)展階段。

3.4研究機(jī)構(gòu)分析

運(yùn)行軟件對研究機(jī)構(gòu)進(jìn)行分析，勾選機(jī)構(gòu)點(diǎn)擊運(yùn)行得到如圖3。機(jī)構(gòu)名稱越大表示發(fā)文量越多，連線表示機(jī)構(gòu)之間存在合作關(guān)系，且線越粗表示合作發(fā)文量越多。從發(fā)文量來看吉林大學(xué)管理學(xué)院（30篇）發(fā)文量最多，其次是武漢大學(xué)信息管理學(xué)院（23篇）、南京大學(xué)信息管理學(xué)院（13篇）、燕山大學(xué)經(jīng)濟(jì)管理學(xué)院（11篇）、華中師范大學(xué)信息管理學(xué)院（10篇）。從地理位置上看，研究機(jī)構(gòu)地理范圍覆蓋廣，說明用戶畫像引起了國內(nèi)各地學(xué)者高度關(guān)注。從研究機(jī)構(gòu)來看，主要是國內(nèi)頂尖高校說明用戶畫像熱度較高且存在一定的門檻。

圖3 機(jī)構(gòu)共現(xiàn)圖

3.5高被引文獻(xiàn)

論文的質(zhì)量往往是通過被引次數(shù)來體現(xiàn)的。往往那些被引次數(shù)高的文獻(xiàn)在本領(lǐng)域內(nèi)起著非常重要的作用。讀者可以關(guān)注高被引文獻(xiàn)作者和期刊來快速了解用戶畫像。因此分析高被引文獻(xiàn)具有重要意義。通過知網(wǎng)檢索用戶畫像，被引降次排序得到了五篇高被引文獻(xiàn)，提取了作者、題名、期刊名、發(fā)表年份、被引頻次和主要的研究成果。

4研究現(xiàn)狀與演進(jìn)趨勢

4.1研究熱點(diǎn)分析

研究熱點(diǎn)是指最近一段時(shí)間，出現(xiàn)數(shù)量較多的文獻(xiàn)討論某一科學(xué)問題。通過關(guān)鍵詞共現(xiàn)可以知道當(dāng)前學(xué)者研究的熱點(diǎn)問題。圖4表示的是關(guān)鍵詞隨時(shí)間的變化，節(jié)點(diǎn)名稱越大表示出現(xiàn)的次數(shù)越多，研究的熱度越高。由圖4可知，用戶畫像研究與精準(zhǔn)服務(wù)、大數(shù)據(jù)、情感分析密切相關(guān)。由表3可知當(dāng)前研究的熱點(diǎn)有用戶畫像、大數(shù)據(jù)、精準(zhǔn)營銷、圖書館、精準(zhǔn)服務(wù)、數(shù)據(jù)挖掘。由關(guān)鍵詞共現(xiàn)圖譜，可以將用戶畫像的研究分為萌芽—快速發(fā)展—質(zhì)量提升三個時(shí)期。2014—2015年為萌芽時(shí)期。2014年國內(nèi)提出用戶畫像用于在移動用戶中進(jìn)行精準(zhǔn)營銷。這一時(shí)期多為介紹國外的概念或者提出用戶畫像在某個領(lǐng)域中應(yīng)用的設(shè)想。2016—2019年為快速發(fā)展階段。國內(nèi)學(xué)者應(yīng)用用戶畫像在各行各業(yè)，這一時(shí)期學(xué)者研究較多的在于如何構(gòu)建用戶畫像，采用新的算法列如機(jī)器學(xué)習(xí)、人工智能運(yùn)用到用戶畫像。這一時(shí)期國內(nèi)學(xué)者應(yīng)用研究最多的是圖書館用戶畫像研究。2020—2022年這一時(shí)期為質(zhì)量提升。從以往靜態(tài)的用戶畫像提出動態(tài)的用戶畫像，將時(shí)間因素地理位置考慮進(jìn)去。這一時(shí)期用戶畫像的模型更復(fù)雜，數(shù)據(jù)來源更加廣泛，對用戶畫像更加精準(zhǔn)。

在關(guān)鍵詞共現(xiàn)分析基礎(chǔ)上，利用Cite Space軟件，對關(guān)鍵詞進(jìn)行聚類分析，得到關(guān)鍵詞聚類圖5。由聚類結(jié)果得到以用戶畫像、大數(shù)據(jù)、精準(zhǔn)服務(wù)、推薦系統(tǒng)、數(shù)據(jù)挖掘、情感分析、用戶體驗(yàn)、精準(zhǔn)營銷、機(jī)器學(xué)習(xí)、數(shù)據(jù)采集等10大方面的聚類主題。

4.2研究前沿分析

突現(xiàn)詞是指最近一段時(shí)間內(nèi)突然出現(xiàn)的詞，并且呈現(xiàn)出熱度很高的趨勢。通過分析突現(xiàn)詞我們可以識別出某一領(lǐng)域近期研究的熱點(diǎn)和未來的趨勢。圖6為突現(xiàn)詞譜。由圖6可知共出現(xiàn)六個研究前沿信息服務(wù)、服務(wù)模式、融媒體、數(shù)據(jù)采集、媒體融合、聚類。由此推斷國內(nèi)用戶畫像呈現(xiàn)以下發(fā)展態(tài)勢。國內(nèi)當(dāng)前注重實(shí)踐，理論研究較少，未來理論研究將是一個重要方向。當(dāng)前產(chǎn)業(yè)界的實(shí)踐應(yīng)用遠(yuǎn)超前于學(xué)術(shù)界的理論研究。用戶畫像的理論研究需要進(jìn)一步加深。當(dāng)前用戶畫像的數(shù)據(jù)來源單一，雖然有部分學(xué)者融合行為內(nèi)容數(shù)據(jù)對用戶畫像，但是數(shù)據(jù)整體上仍然呈現(xiàn)單一。未來數(shù)據(jù)如何能實(shí)現(xiàn)來源多、融合好需要學(xué)者進(jìn)行研究。當(dāng)前國內(nèi)學(xué)者構(gòu)建好一個用戶畫像模型，缺乏評價(jià)反饋機(jī)制，無法判定模型的好壞。

5結(jié)論

用戶畫像知識圖譜分析是一種基于citespace和知識圖譜技術(shù)的新方法，可以幫助個人和企業(yè)更好地了解和服務(wù)于用戶，提高用戶體驗(yàn)和用戶滿意度

通過上述分析得出如下結(jié)論：

（1）國內(nèi)對用戶畫像的研究一直處于增長狀態(tài)，且在2017年開始出現(xiàn)爆發(fā)性增長。預(yù)計(jì)未來用戶畫像會繼續(xù)成為學(xué)者研究的熱點(diǎn)。

（2）國內(nèi)對用戶畫像的研究主要是國內(nèi)知名高校，研究機(jī)構(gòu)和作者較為穩(wěn)定且機(jī)構(gòu)間的合作穩(wěn)定，但是還沒有形成核心作者群，作者和作者之間發(fā)文較少，研究團(tuán)隊(duì)分布多為點(diǎn)狀或星狀說明用戶畫像研究中團(tuán)隊(duì)主體之間合作力度還遠(yuǎn)遠(yuǎn)不夠，缺少跨領(lǐng)域跨專業(yè)的合作。

（3）用戶畫像的研究經(jīng)歷了萌芽—快速發(fā)展—質(zhì)量提升三個階段。用戶畫像、大數(shù)據(jù)、精準(zhǔn)營銷、圖書館、精準(zhǔn)服務(wù)、數(shù)據(jù)挖掘?yàn)楫?dāng)前研究熱點(diǎn)。當(dāng)前國內(nèi)注重實(shí)踐研究，缺乏理論研究，且產(chǎn)業(yè)界研究遠(yuǎn)超理論界。學(xué)者構(gòu)建用戶畫像缺乏反饋和評價(jià)機(jī)制，有時(shí)直接忽視需求。

（4）信息服務(wù)、融媒體、數(shù)據(jù)采集、媒體融合和聚類是未來的研究方向。數(shù)據(jù)來源的類型多樣性，多樣性數(shù)據(jù)的融合好與壞，這是未來能否實(shí)現(xiàn)更加精準(zhǔn)的用戶畫像的關(guān)鍵，也是未來研究的熱點(diǎn)。

（5）國內(nèi)學(xué)者對用戶畫像的研究應(yīng)用較多的是圖書館用戶畫像，研究對象單一。雖然學(xué)者提出的用戶畫像模型很多，但是模型僅僅是提出設(shè)想，缺乏應(yīng)用實(shí)踐和反饋。

參考文獻(xiàn)：

[1]徐宗本，馮芷艷，郭迅華，等.大數(shù)據(jù)驅(qū)動的管理與決策前沿課題［J］.管理世界，2014，30（11）：158.

[2]姚望.基于用戶畫像的新媒體精準(zhǔn)營銷研究[J].商場現(xiàn)代化，2022，41（8）：54.

[3]張慷.手機(jī)用戶畫像在大數(shù)據(jù)平臺的實(shí)現(xiàn)方案[J].信息通信，2014，28（2）：266.

[4]劉蓓琳，張琪.基于購買決策過程的電子商務(wù)用戶畫像應(yīng)用研究[J].商業(yè)經(jīng)濟(jì)研究，2017，36（24）：49.

[5]于寶君，韓磊，周昕.基于在線評論的低幼兒閱讀群體用戶畫像研究[J].情報(bào)科學(xué)，2021，39（8）：112.

[6]滕春娥，何春雨.在線醫(yī)療社區(qū)用戶畫像構(gòu)建與應(yīng)用[J].圖書情報(bào)工作，2021，65（12）：147.

[7]崔春生，王雪，李文龍.情境環(huán)境下基于用戶畫像的旅游產(chǎn)品推薦算法研究[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2019，49（20）：122.

[8]劉海鷗，孫晶晶，蘇妍嫄，等.基于用戶畫像的旅游情境化推薦服務(wù)研究[J].情報(bào)理論與實(shí)踐，2018，41（10）：87.

[9]李曉敏，熊回香，杜瑾，景紫薇.智慧圖書館中基于用戶畫像的圖書推薦研究[J].情報(bào)科學(xué)，2021，39（7）：15.

[10]徐立萍，何丹，陸元文.基于用戶畫像的智能推薦研究——以抖音APP為例[J].傳媒，2022，24（12）：53.

[11]徐芳，應(yīng)潔茹.國內(nèi)外用戶畫像研究綜述[J].圖書館學(xué)研究，2020，31（12）：7.

[12]劉海鷗，孫晶晶，蘇妍嫄，等.國內(nèi)外用戶畫像研究綜述[J].情報(bào)理論與實(shí)踐，2018，41（11）：155.

[13]趙雅慧，劉芳霖，羅琳.大數(shù)據(jù)背景下的用戶畫像研究綜述：知識體系與研究展望[J].圖書館學(xué)研究，2019，30（24）：13.

[14]王一. 基于Cite Space的移動圖書館知識圖譜構(gòu)建研究[D].長春：吉林大學(xué)，2016.

[15]張婉麗，盛武.我國綠色煤炭知識圖譜構(gòu)建與分析[J].華北科技學(xué)院學(xué)報(bào)，2022，19（2）：63.

User Portrait Knowledge Graph Analysis Based on Cite Space

CUI Xingwen，XIAO Ting

（School of Economics and Management，Anhui University of Science and Technology，

Huainan，Anhui 232000，China）

ABSTRACT In order to clarify the hot spots and trends of user portrait research， CiteSpace software was used to quantitatively analyze 1496 user portrait literatures on CNKI.The research results showed that the domestic research on user portrait presents an increasing trend， which had experienced three stages： research germination， rapid development and quality improvement.Although research institutions and author groups were stable， core author groups and cross-professional cooperation had not yet been formed.In terms of research trends， big data， data mining， library， machine learning， artificial intelligence， precision marketing， knowledge service and collaborative filtering were the main research hotspots，Cutting-edge research focused on information services， financial media， data collection， media convergence and clustering.

KEY WORDS cite space；user portrait； mapping knowledge domain；data analysis

（責(zé)任編輯 寧樊西）