文/陳越 都平平 王靜 等
數(shù)字圖書館用戶信息獲取行為研究
文/陳越都平平王靜等
隨著數(shù)字圖書館的發(fā)展，用戶對文獻(xiàn)資源的利用方式逐漸轉(zhuǎn)向在線形式。據(jù)教育部圖工委統(tǒng)計, 國內(nèi)高校2012年館均電子文獻(xiàn)采購經(jīng)費180萬元，是2007年的2.2倍。在電子文獻(xiàn)資源的使用大幅增加的情況下，如何獲取數(shù)字圖書館用戶信息行為的相關(guān)信息，以便為數(shù)字圖書館信息平臺建設(shè)、電子資源配置提供依據(jù),成為值得研究的問題。
對網(wǎng)絡(luò)用戶信息行為的定量研究方法有日志數(shù)據(jù)挖掘、系統(tǒng)軟件計數(shù)及網(wǎng)絡(luò)數(shù)據(jù)采集等途徑。這些方法在改善現(xiàn)有評估手段的同時，也不同程度的存在一定局限性，主要有以下幾點：
1.數(shù)據(jù)獲取對業(yè)務(wù)環(huán)境的依賴性強(qiáng)。日志挖掘方法中,用戶端和服務(wù)器端緩存（Cache）、代理（Proxy）及防火墻地址轉(zhuǎn)換（NAT）等技術(shù)都會影響對數(shù)據(jù)的獲取和處理，從而削弱挖掘效果。獲取系統(tǒng)軟件計數(shù)數(shù)據(jù)時一般依賴電子資源數(shù)據(jù)庫廠商提供，實時性較差且有時難以獲得完整數(shù)據(jù)。
2.行為信息提取內(nèi)容較少?；诜?wù)端系統(tǒng)軟件計數(shù)或日志挖掘的方法很難收集到用戶端個體信息，現(xiàn)行的基于網(wǎng)絡(luò)層統(tǒng)計的方法又側(cè)重于用戶行為模式的判斷，忽略行為內(nèi)容的分析。如基于snort的過量下載檢測方法，其處理的數(shù)據(jù)層次局限于網(wǎng)絡(luò)層，沒有對應(yīng)用層數(shù)據(jù)作進(jìn)一步處理，基于DPI的pdf文件下載檢測方法僅對特定類型進(jìn)行捕獲，同樣也沒有針對應(yīng)用層信息進(jìn)行分析和處理。
針對上述局限性,本文利用應(yīng)用層特征分析技術(shù)對數(shù)字圖書館用戶信息獲取報文進(jìn)行分解處理，討論了相應(yīng)處理過程并用算法予以實現(xiàn)，最終設(shè)計了系統(tǒng)原型并進(jìn)行了開發(fā)與測試。
用戶信息獲取行為報文的應(yīng)用層特征分析與檢測
報文的特征分析
針對文獻(xiàn)獲取行為，利用Fiddler軟件，我們進(jìn)行了報文截取和分析。一個典型的下載請求如圖1所示。
圖1 用戶請求報文結(jié)構(gòu)
在該請求報文的首部字段中，即可獲取提供下載報文的主機(jī)域名或IP地址，如：Host: libvip.cumt.edu.cn
對起始行中的Get請求進(jìn)行分析，其中包含如下信息：
1.該下載請求的文件存放路徑：
file=R1388765X
巴彦县|
云霄县|
肇庆市|
子洲县|
宜君县|
青州市|
丹棱县|
乌什县|
三原县|
乾安县|
灯塔市|
新丰县|
库尔勒市|
蚌埠市|
安乡县|
紫阳县|
新乐市|
抚顺市|
分宜县|
沅江市|
伊金霍洛旗|
天峻县|
台州市|
珠海市|
普格县|
翼城县|
阿鲁科尔沁旗|
遂平县|
儋州市|
玉林市|
莱西市|
项城市|
仙游县|
颍上县|
宿迁市|
海林市|
临城县|
潼关县|
神农架林区|
定陶县|
临海市|
