新媒體環(huán)境下基于用戶畫像的智慧圖書館建設(shè)＊

常盛

?

新媒體環(huán)境下基于用戶畫像的智慧圖書館建設(shè)＊

常盛

（長(zhǎng)春市圖書館，吉林 長(zhǎng)春 130021）

分析了當(dāng)前圖書館數(shù)字化服務(wù)形勢(shì)，指明了建立讀者標(biāo)簽庫(kù)的意義，闡述了現(xiàn)代圖書館基于用戶畫像的構(gòu)架、關(guān)鍵算法、標(biāo)簽庫(kù)建立、高維向量相似度計(jì)算、實(shí)現(xiàn)路徑等內(nèi)容。

用戶畫像；智慧圖書館；新媒體；智能化水平

面對(duì)信息化時(shí)代向大數(shù)據(jù)時(shí)代的轉(zhuǎn)型期，傳統(tǒng)圖書館基于簡(jiǎn)單供給方式的粗獷服務(wù)方式難以滿足公眾的閱讀需求，由于用戶數(shù)據(jù)缺乏有效分析與訓(xùn)練，形成用戶習(xí)慣及喜好盲區(qū)，個(gè)體閱讀的差異性成為精準(zhǔn)化服務(wù)的難點(diǎn)。建設(shè)以數(shù)字化、網(wǎng)絡(luò)化、智能化的現(xiàn)代信息技術(shù)為基礎(chǔ)，以互聯(lián)、高效、便利為主要特征，將綠色發(fā)展和數(shù)字惠民作為本質(zhì)追求的現(xiàn)代化圖書館[1]成為時(shí)代的必然要求，民眾對(duì)圖書館服務(wù)的智能化水平要求日益提高。在海量數(shù)據(jù)中及時(shí)、有效地推送用戶所需的內(nèi)容，成為智慧圖書館的基礎(chǔ)功能，而了解用戶的個(gè)性化需求成為首要任務(wù)。

1 建立用戶畫像數(shù)據(jù)模型

相比于傳統(tǒng)行業(yè)經(jīng)驗(yàn)進(jìn)行的簡(jiǎn)單用戶特點(diǎn)描述，現(xiàn)代化的用戶畫像建立在數(shù)據(jù)挖掘的基礎(chǔ)之上，通過分析用戶社會(huì)屬性、生活習(xí)慣、消費(fèi)行為等信息抽象出用戶偏好的標(biāo)簽[2]?；贠OA（面向?qū)ο蠓治觯┑乃枷?，用戶畫像模型的建立過程是建立在數(shù)以十萬(wàn)普通讀者閱讀習(xí)慣、行為等屬性的抽象過程。以O(shè)O（面向?qū)ο螅榛A(chǔ)的用戶畫像類具有較好數(shù)據(jù)結(jié)構(gòu)和實(shí)現(xiàn)性，同時(shí)，具備繼承、多態(tài)、封裝等屬性。

1.1 唯一標(biāo)識(shí)的確立

唯一標(biāo)識(shí)是準(zhǔn)確識(shí)別用戶的基礎(chǔ)。隨著新媒體技術(shù)的發(fā)展，在缺乏頂端設(shè)計(jì)的情況下，各類系統(tǒng)被引入圖書館應(yīng)用，用戶唯一標(biāo)識(shí)使用變得混亂。發(fā)展初期的身份證號(hào)、讀者證號(hào)、電子郵箱、電話號(hào)碼，逐漸轉(zhuǎn)變?yōu)槲⑿盘?hào)、淘寶號(hào)、QQ號(hào)等第三方登陸標(biāo)識(shí)?；靵y的唯一標(biāo)識(shí)雖然讓數(shù)據(jù)記錄缺乏唯一性、處理變得復(fù)雜，但在信息獲取維度上獲得了更多的擴(kuò)展。圖書館可通過以下3種方式實(shí)現(xiàn)唯一標(biāo)識(shí)的統(tǒng)一，進(jìn)而實(shí)現(xiàn)用戶畫像數(shù)據(jù)庫(kù)中記錄的唯一性和完備性：①激勵(lì)用戶完善信息的方式（成本高，難以大規(guī)模開展）；②跨平臺(tái)檢索ID強(qiáng)打通（基于平臺(tái)差異性，難于實(shí)現(xiàn)）；③提取特征向量通過機(jī)器學(xué)習(xí)模糊拉通（適合大規(guī)模數(shù)據(jù)）。

1.2 用戶畫像的標(biāo)簽

根據(jù)描繪用戶特征的信息分類可分為靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)。靜態(tài)數(shù)據(jù)是指基本屬性、家庭、單位等穩(wěn)定性較好的信息；動(dòng)態(tài)數(shù)據(jù)是指瀏覽行為、查詢、下載等變化性較大的信息。人的描述屬性是極為復(fù)雜的，畫像屬性也必然伴隨著高維度和高復(fù)雜性而變化，龐大的屬性標(biāo)簽也將提高數(shù)據(jù)挖掘運(yùn)算的復(fù)雜度，因此，按照目標(biāo)進(jìn)行適當(dāng)?shù)膶傩栽O(shè)計(jì)是一種擇優(yōu)策略。

一般情況下靜態(tài)信息主要包含人口屬性、行業(yè)屬性、閱讀偏好、社交數(shù)據(jù)等；動(dòng)態(tài)信息一般包括訪問行為、興趣特征、場(chǎng)景、消費(fèi)特征等。具體如圖1所示。

圖1 主要信息示意圖

1.3 標(biāo)簽權(quán)重

表1 文獻(xiàn)分類標(biāo)簽表（單位：次）

分類A分類B分類C分類D 讀者A5320 讀者B2141 讀者C0420

計(jì)算可得，讀者A標(biāo)簽1的=0.5，=1.22，－=0.61，對(duì)應(yīng)填入文獻(xiàn)分類－權(quán)重表如表2所示。

表2 文獻(xiàn)分類權(quán)重表

分類A分類B分類C分類D 讀者A0.610.330.220 讀者B0310.140.550.39 讀者C00.730.360

其次，相對(duì)于文獻(xiàn)分類之外，讀者關(guān)于訪問行為、訪問觸點(diǎn)、返回次數(shù)等標(biāo)簽對(duì)于預(yù)測(cè)讀者獲取文獻(xiàn)內(nèi)容具有較大價(jià)值，以訪問時(shí)長(zhǎng)為例，讀者對(duì)于某類文獻(xiàn)瀏覽時(shí)間占據(jù)其訪問時(shí)間總長(zhǎng)比例越大，說明該讀者對(duì)該類文獻(xiàn)的需求越高，因此建立權(quán)重計(jì)算方式為：

式（1）中：s—end?s—start為某類文獻(xiàn)的駐留時(shí)間；end?start為訪問平臺(tái)總長(zhǎng)。

由于文獻(xiàn)的分類多元化，其訪問時(shí)長(zhǎng)的標(biāo)簽也絕非單一數(shù)值，而是一個(gè)差異化增長(zhǎng)的一組數(shù)值，隨機(jī)選取一個(gè)讀者的訪問時(shí)長(zhǎng)記錄制作其標(biāo)簽表如表3所示。

表3 訪問時(shí)長(zhǎng)標(biāo)簽表（單位：s）

分類A分類B分類C分類D分類E 讀者A03020080

計(jì)算繪制其權(quán)重表如表4所示。

表4 訪問時(shí)長(zhǎng)權(quán)重表

分類A分類B分類C分類D分類E 讀者A00.230.1500.61

2 聚類及群體畫像

為提高內(nèi)容預(yù)測(cè)的精準(zhǔn)性，發(fā)掘讀者閱讀行為的潛在關(guān)聯(lián)和規(guī)律，用戶畫像標(biāo)簽庫(kù)的建立將是動(dòng)態(tài)的過程，但過于精確的用戶畫像預(yù)測(cè)降低了投入產(chǎn)出比。因此，將用戶畫像標(biāo)簽進(jìn)行聚類，進(jìn)而形成群體畫像，一方面提升了整體服務(wù)效能；另一方面，將具有相似閱讀偏好的讀者聚集，易于組織專題性閱讀推廣活動(dòng)。聚類技術(shù)屬于無監(jiān)督學(xué)習(xí)，實(shí)現(xiàn)算法較多劃分法、層次法、密度算法等，但在文獻(xiàn)分類標(biāo)簽每個(gè)讀者的閱讀偏好呈現(xiàn)為向量形式，即可將讀者偏好的聚類轉(zhuǎn)化為向量相似度的檢索。

cos（）的取值范圍為[－1，1]，值越大表明夾角越小，相反夾角越大。使用MATLAB：=1－pdist（，'cosine'）可以計(jì)算其夾角余弦。

但在實(shí)際應(yīng)用中，面對(duì)龐大的讀者群體，該方法的遍歷比較過程時(shí)間復(fù)雜度極高（^2），無法在實(shí)際中大規(guī)模應(yīng)用。高維向量相似度可采用LSH（Location Sensitive Hash）位置敏感哈希函數(shù)進(jìn)行算法實(shí)現(xiàn)。原數(shù)據(jù)樣本空間臨近的數(shù)據(jù)點(diǎn)經(jīng)過映射和變形后，在新的數(shù)據(jù)空間仍有較大概率相鄰。

對(duì)于任意，屬于，如果從集合到的函數(shù)族={1，2，…，n}對(duì)距離函數(shù)，滿足條件[4]：（，）≤，且滿足[（）=（）] ≥1；（，）＞+，[（）=（）]≤2這些條件，則稱是敏感位置。原始數(shù)值落入不同數(shù)值桶，進(jìn)而完成的讀者閱讀文獻(xiàn)的喜好分類實(shí)現(xiàn)聚類。

3 建設(shè)路徑

用戶畫像技術(shù)的應(yīng)用是現(xiàn)代圖書館數(shù)據(jù)挖掘和人工智能技術(shù)應(yīng)用的典型應(yīng)用，要求圖書館在用戶數(shù)據(jù)采集、存儲(chǔ)、使用上要有科學(xué)的規(guī)劃和系統(tǒng)的建設(shè)，絕非一朝一夕之功，可以按照快速原型或是迭代式的發(fā)展模式，按照一般圖書館的建設(shè)方式可以總結(jié)成以下形式：接觸點(diǎn)數(shù)據(jù)采集→形成標(biāo)簽層→讀者數(shù)據(jù)特征化→形成用戶畫像數(shù)據(jù)庫(kù)。

［1］王世偉.論智慧圖書館的三大特點(diǎn)［J］.中國(guó)圖書館學(xué)報(bào)，2012（06）：22-28.

［2］王慶.基于“用戶畫像“的圖書館資源推薦模式設(shè)計(jì)與分析［J］.現(xiàn)代情報(bào)，2018（03）：105-109.

［3］宗成慶.統(tǒng)計(jì)自然語(yǔ)言處理［M］.北京：清華大學(xué)出版社，2008.

［4］Piotr Indyk.data-dependent LSH algorithms［EB/OL］.http：//people.csail.mit.edu/indyk，2015.

中國(guó)圖書館學(xué)會(huì)閱讀推廣課題（編號(hào)：YD2016B39）；吉林省圖書館學(xué)、情報(bào)與文獻(xiàn)學(xué)科研課題（編號(hào)：WK2018C140）；長(zhǎng)春市文廣新局調(diào)查研究項(xiàng)目“圖書館推動(dòng)全民閱讀戰(zhàn)略的對(duì)策與研究”

2095－6835（2018）18－0138－02

G250.7

A

10.15913/j.cnki.kjycx.2018.18.138

〔編輯：張思楠〕