我國用戶畫像研究的知識網絡與熱點領域分析

吳加琪

〔摘 要〕[目的/意義]現(xiàn)代社會已進入大數據時代，基于用戶畫像的智能信息服務深刻地改變了人們的生活，對圖書館領域產生了重要影響，研究用戶畫像對社會的發(fā)展具有重要作用。[方法/過程]以CNKI中國學術文獻網絡出版總庫中的用戶畫像文獻作為研究對象，使用CiteSpace繪制可視化知識圖譜，進行關鍵詞分析，揭示我國用戶畫像研究的時間分布、學科領域、主題演變和研究熱點問題。[結果/結論]我國用戶畫像研究劃分為初始階段、起步階段和發(fā)展階段，從2015年開始快速發(fā)展，但基礎理論研究較少，研究成果尚未形成體系；用戶畫像研究文獻從最初的計算機和電子商務等學科領域逐漸向管理學、經濟學、人文社科領域發(fā)展，呈現(xiàn)出明顯的跨學科特征；大數據構成了用戶畫像研究的數據基礎，隨著計算機和信息網絡技術的發(fā)展，用戶畫像研究和實踐應用不斷發(fā)展，圖書情報與數字圖書館是用戶畫像研究的重要領域；研究熱點包括基礎理論、核心技術、實踐應用和基礎數據四方面內容。

〔關鍵詞〕用戶畫像；知識圖譜；知識網絡；熱點領域；文獻計量

DOI：10.3969/j.issn.1008-0821.2018.08.018

〔中圖分類號〕G252.0 〔文獻標識碼〕A 〔文章編號〕1008-0821（2018）08-0130-06

〔Abstract〕[Purpose/Significance]The modern society has entered the era of big data.Intelligent information services based on user portraits have profoundly changed peoples lives.Studying portraits of users plays an important role in the development of society.[Method/Process]Using the user portrait literature in the CNKI Chinese academic literature web publishing library as the research object，CiteSpace was used to draw the visual knowledge map and keyword analysis，revealing the time distribution，subject areas，and theme evolution of the user portrait study in China.[Result/Conclusion]The study of user portraits in China has developed rapidly since 2015，but the research results have not yet formed a system；the user portrait study literature has gradually moved from the initial computer and e-commerce fields to management，economics，humanities and social sciences.The development showed an obvious interdisciplinary character；big data constitutes the data foundation for the study of user portraits.With the development of computer and information network technologies，the study of user portraits and the practice and application in various industries were continuously developing.Library Information and Digital Library were important area for user portrait studies；research hotspots included basic theory，core technology，practical application，and basic data.

〔Key words〕user portrait；knowledge graph；knowledge network；hotspots；bibliometric

1999年，Alan Cooper在《Why High-tech Products Drive us Crazy and How to Restore the Sanity》一書中提出了用戶畫像Persona的概念，用戶畫像Persona是現(xiàn)實生活中真實用戶的虛擬代表，它是建立在一系列真實可用的數據上的目標用戶模型[1]，在國內，鄭寶鑫[2]在2010年正式使用用戶畫像一詞。近年來，基于用戶畫像的智能信息服務在眾多領域得到了廣泛應用，圖書館也逐漸融入到了用戶畫像的發(fā)展浪潮中，曾建勛[3]認為，數字圖書館服務必須統(tǒng)一認證和管理用戶，把握并跟蹤用戶需求變化，基于用戶應用場景，將用戶資源與知識創(chuàng)造相結合，形成用戶畫像與作者/專家畫像的有效結合，在用戶的知識創(chuàng)造過程中強化精準服務。雖然圖書館領域對用戶畫像的研究近年來快速增長，但總體而言，仍滯后于社會其他行業(yè)，對用戶畫像的知識前沿和熱點領域進行分析可以促使圖書館學用戶畫像的理論研究與圖書館工作實踐緊跟社會前沿，不斷提升自身服務能力。

1 數據來源與研究方法

本研究選取CNKI中的中國學術文獻網絡出版總庫作為數據來源，以“用戶畫像”為主題詞進行檢索，檢索時間為2018年3月18日，得到檢索結果252條。經過數據的去重、勘誤、篩選等數據清洗后，保留237條文獻，以此作為基礎數據。考慮到數據的全面性、相關性要求，選取用戶分析、用戶數據、用戶行為、用戶、畫像作為檢索詞以主題、篇名、關鍵詞等進行搜索條件組合，進一步檢索用戶畫像的研究文獻，經過清洗后，得到有效數據99條，上述共336篇文獻構成本文統(tǒng)計分析的最終數據。

文獻計量法可以對學科領域研究文獻各個方面和整體進行定量化研究，揭示其發(fā)展規(guī)律[4]。知識圖譜將應用數學、圖形學、信息可視化技術、信息科學等學科的理論與方法與計量學引文分析、共現(xiàn)分析等方法結合，利用可視化的圖譜形象地展示學科的核心結構、發(fā)展歷史、前沿領域以及整體知識架構。本文利用CiteSpace5.2.R2對研究文獻建立知識圖譜，對國內用戶畫像的時間分布、學科領域、主題演變和研究熱點問題等進行分析，根據統(tǒng)計樣本將分析時間設置為2006-2018年，主題詞來源為關鍵詞，閾值設置為50。

2 結果分析

2.1 時間分布

通過統(tǒng)計分析發(fā)現(xiàn)，國內最早在論文中明確提出用戶畫像的是2010年發(fā)表的《基于用戶畫像、信令挖掘技術的手機游戲產品推廣》一文，文中提出了基于用戶畫像技術結合信令挖掘技術的手機游戲產品推廣新思路，實施精確營銷[2]。在圖書館學領域對用戶畫像進行研究的最早論文是2014年發(fā)表在《圖書館學刊》上的《基于大數據的圖書館信息營銷策略》，文章認為基于大數據的圖書館信息精確營銷需要加強用戶信息需求分析，通過提取用戶的年齡、性別、學歷、職業(yè)身份、興趣愛好、閱讀習慣等關鍵數據，對用戶行為需求畫像，實現(xiàn)館藏資源與用戶訴求的精確匹配[5]。在圖1所示的用戶畫像研究成果中，數量自2006年以來呈整體上升的趨勢。在圖書館領域，與用戶畫像相關的研究自2014年開始，在2017年數量大幅增長，這說明了圖書館界對用戶畫像的研究開展較遲，隨著社會各界對用戶畫像研究深入，圖書館開始重視并積極參與用戶畫像的理論和實踐。

用戶畫像研究可劃分為3個階段：初始階段（2006-2009年），該階段關于用戶畫像的研究文獻數量較為穩(wěn)定，主要關注用戶行為分析的方法和手段，建立以用戶為中心的服務，以及關聯(lián)規(guī)則、數據挖掘、用戶模型建立等技術的應用，在此階段，部分學者嘗試提出了“犯罪畫像”[6]、“客戶畫像”[7]的概念。起步階段（2010-2014年），在此階段研究文獻的數量逐步增長，2010年，鄭寶鑫等在論文中首次使用了用戶畫像一詞，2010年2月9日，谷歌發(fā)布一款名為Google Buzz的新產品，可自動跟隨用戶所有聯(lián)系人的活動情況，根據用戶習慣，向用戶推薦更符合要求的其他網絡服務和信息[8]。在此背景下，學者開始正式使用用戶畫像一詞，同時在手機游戲、網絡視頻、社交媒體以及移動互聯(lián)等領域對用戶畫像的產品設計進行了探索。發(fā)展階段（2015年-），2015年9月，國務院印發(fā)《促進大數據發(fā)展行動綱要》，系統(tǒng)部署大數據發(fā)展工作，《綱要》明確提出要推動大數據發(fā)展和應用，打造精準治理、多方協(xié)作的社會治理新模式，構建以人為本、惠及全民的民生服務新體系[9]，隨之，社會各領域對用戶畫像的理論研究和實踐工作的探索進入了全新的發(fā)展階段。在此階段，人們主要關注在大數據、移動互聯(lián)網的背景下如何加強用戶的數據分析，以開展個性化的精準服務。部分圖書館也開始在工作中引入用戶畫像的理念和方法以提升服務質量。如天津圖書館通過對ALEPH、微信、網站、一碼通等系統(tǒng)中的數據進行串聯(lián)，利用借閱數據、檢索數據、閱覽數據等分析出用戶行為數據，以此為基礎建立用戶畫像[10]。尹相權等[11]基于用戶畫像技術對北京師范大學圖書館研究間系統(tǒng)日志數據，對數據進行多維度行為建模，探索影響用戶行為的主要因素。

2.2 學科領域

為分析用戶畫像的學科特征，本文借助CNKI數據庫的學科分類功能，對本文選取的文獻進行統(tǒng)計研究，結果顯示用戶畫像的研究成果共來自于53個學科領域，具有較強的跨學科特征。相關文獻數量較高的學科領域如圖2所示，在CNKI學科統(tǒng)計過程中單一的研究成果可能只屬于一個學科，也可能同屬于不同的學科，所以在本文中用戶畫像文獻數量最多的計算機軟件及計算機應用領域的論文也會同時屬于其他學科。計算機軟件及計算機應用、企業(yè)經濟、貿易經濟是用戶畫像研究最為集中的學科領域，其次信息經濟與郵政經濟、互聯(lián)網技術、電信技術、圖書情報與數字圖書館、工業(yè)經濟、新聞與傳媒、金融等領域的研究成果也較為豐富，電力工業(yè)、工業(yè)通用技術及設備、自動化技術也有相關的研究成果。統(tǒng)計數據還顯示，用戶畫像最初應用于計算機和電子商務領域的產品設計、優(yōu)化、個性化服務等方面。隨著大數據技術的深入研究和應用，企業(yè)的專注點日益聚焦于怎樣利用大數據來為精準營銷而服務。與此相對應，用戶畫像研究文獻從最初的計算機和電子商務領域等學科領域逐漸向管理學、經濟學、人文社科領域發(fā)展，呈現(xiàn)出明顯的跨學科特征。圖書情報部門是重要的信息服務部門，信息技術及用戶服務與其有著密切相關性，用戶畫像的發(fā)展推動了圖書情報領域的變革，也成為用戶畫像的主要研究領域。部分學者意識到數字圖書館服務必須把握并跟蹤用戶需求變化，基于用戶應用場景，將用戶資源與知識創(chuàng)造相結合，形成用戶畫像與作者/專家畫像的有效結合，重新理解用戶、細分用戶，從多維度認識用戶的自然屬性、社交屬性、興趣屬性和能力屬性，在用戶的知識創(chuàng)造過程中強化精準服務[3]。

對文獻信息的來源期刊進行統(tǒng)計，結果顯示期刊論文共來自于128種期刊。其中載文量3篇及以上的共8種期刊，這些期刊分屬于計算機軟件及計算機應用、圖書情報與數字圖書館、新聞與傳媒、教育學4個學科領域，結果如圖3所示。統(tǒng)計結果顯示計算機技術及應用、電信技術是用戶畫像的基礎知識領域，圖書情報、教育、廣播電視領域是近年來用戶畫像研究的主要熱點。

2.3 主題變遷

關鍵詞是文獻內容的精煉表述，共詞分析是對關鍵詞共現(xiàn)現(xiàn)象進行研究的一種重要方法，利用共詞方法可以揭示相關領域的研究熱點，橫向和縱向分析領域學科的發(fā)展過程、特點以及領域或學科之間的關系，反映某個專業(yè)的科學研究水平及其發(fā)展歷史的動態(tài)和靜態(tài)結構[12]。通過對文章關鍵詞共現(xiàn)網絡的分析，可以呈現(xiàn)出某一研究領域的研究范圍、確立研究內容與方法，以及構建領域內學術生態(tài)系統(tǒng)[13]。

2.3.1 高頻關鍵詞

在本研究中，CiteSpace的時間切片為1年，選擇關鍵詞為節(jié)點類型，選擇cosine為連線強度，以此呈現(xiàn)用戶畫像研究結果，數據分析結果如圖4所示，圖中連線的粗細反映了共現(xiàn)頻次的多少，節(jié)點的大小顯示其中心度。同時，通過對相關文獻的關鍵詞進行統(tǒng)計分析，列出了該領域研究詞頻在3次及以上的關鍵詞及中心度（見表1），結果顯示詞頻在3次及以上的高頻關鍵詞共有24個，這表明畫像領域相關的研究主題較為廣泛，體現(xiàn)了典型的跨學科特征。

在高頻關鍵詞中，除了“用戶畫像”、“用戶”、“畫像”具有自我指向性的關鍵詞外，具有明顯中心度的關鍵詞還包括“大數據”、“精準營銷”、“推薦系統(tǒng)”、“支持向量機”、“移動互聯(lián)網”等，這些關鍵詞反映了用戶畫像研究的3個重要研究和應用領域，即數據基礎層面、核心技術層面和實際應用層面?！按髷祿薄ⅰ坝脩舴治觥?、“用戶行為”、“標簽”反映了用戶畫像研究涉及的數據領域，“主題模型”、“協(xié)同過濾”、“隨機森林”、“大數據技術”、“矩陣分解”等揭示了用戶畫像研究的主要技術，“精準營銷”、“推薦系統(tǒng)”、“移動互聯(lián)網”、“圖書館”、“微博”、“社交網絡”等關鍵詞描述了用戶畫像的實踐應用領域。

2.3.2 主題演變

為進一步分析用戶畫像研究的主題演變發(fā)展過程，本文通過高頻關鍵詞共現(xiàn)時區(qū)圖顯示2006-2018年主題的年度進展（見圖5）。通過共現(xiàn)時區(qū)圖可知，用戶畫像的研究是伴隨著計算機技術和信息網絡技術的發(fā)展而不斷深入，2009年之前，用戶畫像研究出現(xiàn)的高頻關鍵詞是“用戶需求”以及“信息構建”，處于初始階段的用戶研究僅圍繞

用戶畫像相關的籠統(tǒng)性主題開展。在2010-2014年期間，用戶畫像研究主題快速增長，出現(xiàn)了對用戶畫像的概念、核心技術的深入研究，出現(xiàn)了“用戶畫像”、“大數據”、“精準營銷”、“數據挖掘”等關鍵詞，同時人們開始對相關技術的研究，如“多點接觸挖掘”、“自助分析系統(tǒng)”、“數據建?！钡?，在此期間學者們還對用戶畫像在圖書館、微博、移動互聯(lián)網等領域的應用開展了初期研究。近年來（2015-2018年）用戶畫像研究廣度和深度進一步拓展，用戶畫像的具體應用的研究更為細化，包括圖書館用戶推薦系統(tǒng)、讀者臉譜繪制、資源推薦、電子商務、社交網絡、互聯(lián)網金融、智能車輛共享等。隨著用戶畫像技術的廣泛使用，用戶個人數據的合理使用及隱私保護等問題也引起社會的關注。

從上述關鍵詞演變過程可以看出用戶畫像研究的演化路徑：以用戶為中心的工作理念促使了人們對用戶數據的關注，用戶相關的大數據構成了用戶畫像研究的數據基礎，隨著計算機和信息網絡技術的發(fā)展，用戶畫像的研究和在各行業(yè)實踐應用不斷發(fā)展，圖書情報與數字圖書館是用戶畫像研究的重要領域，圖書情報部門在開展知識服務工作過程推動了用戶畫像的發(fā)展，用戶畫像的理論和實踐應用的進步又促進了圖書情報部門知識服務的理論和實踐的創(chuàng)新。

3 研究熱點

在CiteSpace中以關鍵詞作為聚類標識，選擇LLR對數似然率作為標簽詞，對每個聚類內的相關文獻進行統(tǒng)計分析，可以發(fā)現(xiàn)用戶畫像領域的熱點問題，受文章篇幅所限，本文僅對前四大聚類的熱點問題進行分析，各聚類的具體情況如表2所示。

3.1 基礎理論

用戶畫像是一個近年來興起的概念，其學科的性質定位、內涵與外延、理論與方法等基本問題的研究和認識尚未形成共識，因此成為相關領域的研究焦點。楊潔[14]對用戶畫像的發(fā)展軌跡進行了回顧，同時對其的定義、構建、算法和應用進行了闡述，認為用戶畫像是隨著網絡和信息技術的發(fā)展，人們將數據作為技術用于企業(yè)服務的背景下產生的學科，同時基于多源用戶數據建立了面向企業(yè)營銷的全景用戶畫像。對用戶畫像的定義主要分為兩類，一是從廣義與抽象的角度反映了用戶信息全貌的一個標簽集合；二是從用途角度和狹義的角度出發(fā)，認為用戶畫像是勾畫、連接和應用的一個實體，反映了用戶畫像在現(xiàn)實中的存在形式[15]。用戶數據具有隱性、時空動態(tài)性的特點，用戶畫像策略的關鍵在于數據的準確性和多維性[16]。用戶畫像需要收集和分析用戶的個人數據，涉及用戶隱私數據的保護問題，在加強基本理論研究的同時，部分學者對其進行了反思，提出通過改進算法、有效掌握系統(tǒng)內核環(huán)境、政府相關管理部門應完善相關法律以及制定互聯(lián)網個人隱私管理政策以保護用戶隱私安全[17]。

計算機網絡技術應用及知識服務是圖書館領域重要的特征，這也決定了用戶畫像的理論及其應用與圖書館具有密切的關聯(lián)，然而從理論層面研究用戶畫像與圖書館及圖書館學相關問題的成果較少，王慶等[18]認為，用戶畫像的用戶行為及需求分析與圖書館資源精準推薦在本質上相契合，用戶畫像為圖書館的精準營銷、資源服務推薦、科學決策等提供應用基礎。王順箐[19]指出，用戶畫像是基于本體的個體畫像，是通過網絡拓撲結構和傳播影響力來發(fā)現(xiàn)和定位這些獨特而重要的個體，圖書館在分析讀者個體閱讀見解的影響力時，可以從網絡拓撲和傳播影響力兩方面進行量化分析，推測出閱讀領域的推薦熱點。隨著用戶畫像理論研究與實踐應用的開展，圖書館與用戶畫像的基本理論以及協(xié)同發(fā)展問題將引起人們更多的關注。

3.2 核心技術

用戶畫像的建立涉及相關技術的應用，標簽體系、模型提取和關鍵算法是用戶畫像過程中最為重要的技術。一是標簽體系，標簽是用戶特征的符號表示，用戶畫像即用戶信息標簽化，用戶畫像的核心工作是為用戶打標簽，標簽體系應當具有原始數據層、事實層、特征偏好層和模型預測層的層級結構[20]，同時學者還對用戶標簽的結構、應用場景、基本構成和建立方法[15]，標簽中的拆分、去重、低交叉率[21]等進行了研究。二是模型提取，創(chuàng)建用戶畫像的過程即提取用戶興趣模型的過程，由于構建用戶畫像的目的不同，研究者們提出了諸多用戶畫像模型及其構建方法，如數據統(tǒng)計分析方法的用戶模型、基于加權關鍵字的用戶向量空間模型、基于主題模型的用戶畫像提取、基于本體（Ontology）的用戶模型、基于神經網絡的用戶模型等[22]，王慶福[23]基于貝葉斯網絡構建用戶興趣模型，在此基礎上建立了用戶畫像。在圖書館領域，胡媛等[24]基于讀者信息建立圖書館知識社區(qū)關聯(lián)模型，為數字圖書館知識的讀者用戶提供個性化推送服務。三是關鍵算法，用戶畫像的構建需要算法的支持，包括知識工程（Knowledge Engineering）、機器學習（Mechine Learning）、支持向量機（SVM）、TF-IDF的相似度計算、綜合相似度計算和用戶聚類分析等成為人們研究的重點[25]。韓梅花等[26]通過TF-IDF相似度計算、聚類分析和機器學習等算法，建立基于用戶畫像的讀者抑郁癥的閱讀療法模式。

3.3 實踐應用

用戶畫像可以對用戶進行定性與定量的描述，通過抽象和概括用戶的性質，對用戶數據進行統(tǒng)計分析與計算的基礎上實現(xiàn)對核心用戶價值的挖掘，因此用戶畫像在眾多領域和行業(yè)已經廣泛應用。在本文的文獻成果中，用戶畫像早期應用于手機游戲的開發(fā)、運營和推廣領域，通過用戶畫像對手機套餐進行畫像統(tǒng)計，鎖定目標用戶群，進行游戲產品營銷[2]。隨著大數據技術的發(fā)展，人們通過用戶畫像將用戶數據轉化為商業(yè)價值，包括電商在內的眾多行業(yè)引入了用戶畫像的理念，實現(xiàn)對核心用戶價值的挖掘，開展產品的精準營銷和個性化服務，學者們還對用戶畫像在服裝企業(yè)[27]、電子商務[28]、電信服務[29]、金融[30]等領域的應用進行了研究。近年來，社會公共部門也開始重視用戶畫像在包括新聞資訊[31]、就醫(yī)[32]、出行[33]、文化服務等領域的應用。

圖書館領域的研究成果更為廣泛，在包括智慧閱讀推薦[19]、知識發(fā)現(xiàn)系統(tǒng)[34]、知識社區(qū)用戶畫像構建[24]、資源推薦[18]等主題開展用戶畫像的應用進行了探討，劉速[10]還以天津圖書館為例，從數據來源、數據采集、信息識別、模型搭建等方面對用戶畫像的構建進行詳細闡述，提出具體的可視化統(tǒng)計描述、多維度交叉分析、用戶關系圖譜等用戶畫像建構方法。

3.4 基礎數據研究

用戶畫像需要準確的用戶數據作為支撐，用戶數據也成為用戶畫像的重要研究內容，用戶數據全面性和準確性是人們關注的焦點。從時間的角度，用戶數據可分為靜態(tài)信息和動態(tài)信息[35]，靜態(tài)信息主要包括用戶的基礎數據，如性別、年齡、職業(yè)等，這部分信息相對穩(wěn)定，但用戶行為數據隨著時間會不斷增加和變化，因此用戶畫像可分為用戶靜態(tài)畫像和動態(tài)畫像[25]，從空間的角度，用戶畫像包括3種數據，一是系統(tǒng)中可以取得的信息；二是通過計算或統(tǒng)計獲得的數據；三是通過網絡采集相關信息進行相關數據信息的補充[14]。此外，人們還從行業(yè)特點及具體的畫像需求出發(fā)，將用戶畫像數據劃分為用戶自身數據、用戶商品數據及渠道數據，顯性數據和隱性數據等。

圖書館界在對用戶畫像的研究過程中，一些學者從行業(yè)特點出發(fā)，對用戶畫像數據進行了研究，如曾建勛提出構建用戶畫像應加強服務環(huán)境數據、用戶行為數據、信息獲取數據等用戶日志數據收集，既包括性別、年齡、城市、學歷、職稱、職業(yè)等靜態(tài)信息數據，又包括注冊、搜索、瀏覽、點擊、跳轉、訂單、下載、評價等動態(tài)用戶行為信息數據[3]。胡媛等認為，數字圖書館社區(qū)中讀者動靜數據構成繪制用戶畫像的微觀層面，通過分析抽象出標簽，可以形成用戶宏觀畫像[24]。

4 結 語

大數據環(huán)境下，精準服務是各行業(yè)工作的重要特點，用戶畫像是一門新興的跨學科研究領域，對社會各領域帶來了深刻的影響。知識服務是圖書館重要工作內容，雖然近年來人們對圖書館發(fā)展與用戶畫像的融合進行了研究，但與其他行業(yè)部門相比，無論是圖書館學與用戶畫像的基礎理論及圖書館實踐應用都相對落后。用戶畫像是大數據時代精準服務的重要工具，圖書館擁有巨量的讀者用戶群和龐大的數據，引入用戶畫像可以促使圖書館真正了解用戶，為用戶提供全方位、人性化、個性化的定向優(yōu)質服務，我國圖書館界應重新審視服務系統(tǒng)，以更開放的視角，進一步深入開展用戶畫像的理論研究與實踐探索。

參考文獻

[1]Cooper A.The Inmates are Running the Asylum：[Why High-tech Products Drive us Crazy and How to Restore the Sanity][M].Indianapolis，IN，USA：Sams，2004.

[2]鄭寶鑫.基于用戶畫像、信令挖掘技術的手機游戲產品推廣[A].廣東省通信學會.廣東通信2010青年論壇優(yōu)秀論文集[C].廣東省通信學會，2010：4.

[3]曾建勛.精準服務需要用戶畫像[J].數字圖書館論壇，2017，（12）：1.

[4]柯平，宮平.數字人文研究演化路徑與熱點領域分析[J].中國圖書館學報，2016，42（6）：13-30.

[5]李業(yè)根.基于大數據的圖書館信息營銷策略[J].圖書館學刊，2014，36（10）：7-9.

[6]魏士靖，張基溫，耿汝年.基于犯罪畫像的計算機取證分析方法研究[J].微計算機信息，2006，（4）：237-239.

[7]王莉.基于數據挖掘技術的品牌客戶畫像管理初探[J].移動通信，2008，32（23）：77-82.

[8]Google Buzz[EB/OL].https：//baike.baidu.com/item/Google%20Buzz/8379694？fr=Aladdin，2018-03-31.

[9]大數據[EB/OL].https：//baike.baidu.com/item/%E5%A4%A7%E6%95%B0%E6%8D%AE/1356941？fr=Aladdin，2018-03-31.

[10]劉速.淺議數字圖書館知識發(fā)現(xiàn)系統(tǒng)中的用戶畫像——以天津圖書館為例[J].圖書館理論與實踐，2017，（6）：103-106.

[11]尹相權，李書寧，弓建華.基于系統(tǒng)日志的高校圖書館研究間用戶利用行為分析[J].現(xiàn)代情報，2018，38（1）：115-120.

[12]魏瑞斌.社會網絡分析在關鍵詞網絡分析中的實證研究[J].情報雜志，2009，28（9）：46-49.

[13]周晨.國際數字人文研究特征與知識結構[J].圖書館論壇，2017，37（4）：1-8.

[14]楊潔.面向企業(yè)營銷的全景用戶畫像與模型預測[D].杭州：浙江大學，2017.

[15]李映坤.大數據背景下用戶畫像的統(tǒng)計方法實踐研究[D].北京：首都經濟貿易大學，2016.

[16]董莉莉.剖析大數據時代下用戶畫像及媒介策略[J].傳媒，2016，（2）：82-83.

[17]張琦，施方玲.基于供應鏈網絡信息的大數據精準營銷在電商領域的應用[J].物流技術，2017，36（9）：32-36.

[18]王慶，趙發(fā)珍.基于“用戶畫像”的圖書館資源推薦模式設計與分析[J].現(xiàn)代情報，2018，38（3）：105-109，137.

[19]王順箐.以用戶畫像構建智慧閱讀推薦系統(tǒng)[J].圖書館學研究，2018，（4）：92-96.

[20]楊雙亮.用戶畫像在內容推送的研究與應用[D].北京：北方工業(yè)大學，2017.

[21]付關友，朱征宇.個性化服務中基于行為分析的用戶興趣建模[J].計算機工程與科學，2005，27（12）：76-78.

[22]王丹.基于主題模型的用戶畫像提取算法研究[D].北京：北京工業(yè)大學，2016.

[23]王慶福.貝葉斯網絡在用戶興趣模型構建中的研究[J].無線互聯(lián)科技，2016，（12）：101-102.

[24]胡媛，毛寧.基于用戶畫像的數字圖書館知識社區(qū)用戶模型構建[J].圖書館理論與實踐，2017，（4）：82-85，97.

[25]王冬羽.基于移動互聯(lián)網行為分析的用戶畫像系統(tǒng)設計[D].成都：成都理工大學，2017.

[26]韓梅花，趙景秀.基于“用戶畫像”的閱讀療法模式研究——以抑郁癥為例[J].大學圖書館學報，2017，35（6）：105-110.

[27]劉海，盧慧，阮金花，等.基于“用戶畫像”挖掘的精準營銷細分模型研究[J].絲綢，2015，52（12）：37-42.

[28]劉蓓琳，張琪.基于購買決策過程的電子商務用戶畫像應用研究[J].商業(yè)經濟研究，2017，（24）：49-51.

[29]裴國才.基于用戶畫像的電信精準營銷模型研究[J].信息通信，2017，（12）：240-241，243.

[30]王瑩.翼勛金融王暉：用大數據為用戶畫像[N].第一財經日報，2015-12-15，（A08）.

[31]代晨旭，周熙晨.一種基于內容的新聞推薦系統(tǒng)實例[J].電腦知識與技術，2015，（9）：36-38.

[32]王智囊.基于用戶畫像的醫(yī)療信息精準推薦的研究[D].成都：電子科技大學.2016，（3）：1-68.

[33]李連偉.河北智慧氣象為用戶“畫像”[N].中國氣象報，2017-05-09，（2）.

[34]張鈞.基于用戶畫像的圖書館知識發(fā)現(xiàn)服務研究[J].圖書與情報，2017，（6）：60-63.

[35]曾鴻，吳蘇倪.基于微博的大數據用戶畫像與精準營銷[J].現(xiàn)代經濟信息，2016，（16）：306-308.

（責任編輯：陳 媛）