科技資源共享服務中用戶“畫像”研究

周俊杰 趙曉萌 方少亮,3 林 珠,

（1. 廣東省科技基礎條件平臺中心， 廣東廣州 510040；2. 廣東省高性能計算重點實驗室，廣東廣州 510040；3. 廣東省科技基礎條件平臺建設促進會，廣東廣州 510040）

用戶“畫像”是借用美術界的用詞。早年用戶“畫像”可用于社交網(wǎng)絡中的用戶分析[1]。在文化和社會學研究中，用戶“畫像”可以了解用戶需求與社會結(jié)構(gòu)、文化結(jié)構(gòu)的關系。在產(chǎn)品的研發(fā)、生產(chǎn)銷售的用戶傾向匹配、團隊組織中，用戶“畫像”可用于人員管理[2]。用戶畫像可以從價值、連接、生態(tài)、體驗創(chuàng)新5 個維度揭示提升用戶體驗的優(yōu)化策略[3]。資源推薦方面，可通過用戶畫像構(gòu)造智慧個性化推薦系統(tǒng)；在閱讀推薦中，可以將不同群體的不同觀點通過畫像進行融合，促進閱讀推廣效率[4]；在科技資源共享服務中，用戶“畫像”則有助于進行科技資源供需匹配，促進科技融合和新技術、新工藝、新產(chǎn)品的創(chuàng)造。對此，本文擬通過用戶“畫像”描述市場需求、用戶興趣、人員心理，集中不同背景和領域的用戶，加強群體效應，繼而融合技術知識，聯(lián)合多方力量[5]，形成跨領域的創(chuàng)新科技成果。

1 技術供需的對接模式

現(xiàn)階段的科技研究、成果創(chuàng)新、市場模式及政策導向均對科技資源共享平臺的建設提出新要求。科技資源共享平臺的角色功能需要從整合科技資源，提供科技資源共享服務上升到能夠提供科技資源融合、科技資源用戶角色定位、整合多方科技成果衍生新產(chǎn)品、科技資源供需匹配、“一站式”科技成果轉(zhuǎn)化等服務。技術供需對接的一般模式如圖1所示。

隨著科技資源共享平臺的不斷建設，科技資源整合度在不斷提高，通過共享平臺，技術與技術、技術與產(chǎn)品、產(chǎn)品與產(chǎn)品間的融合需求愈發(fā)強烈。在現(xiàn)階段的科技資源共享服務場景中，用戶通常是以訪問科技資源共享Web平臺進行科技資源檢索匹配。當前，對于供方而言，其科技資源數(shù)據(jù)是詳細的、龐大的，作為科技成果展示是明確清晰的，但是作為科技成果輸出是乏力的，這是科技資源供需對接方式?jīng)Q定的。供需雙方的條件具有直接對應關系，具體情況如圖1所示。一方面，供方擁有科技成果A，其包含具體的專利、成熟技術或項目成果，同時擁有這些技術所對應的科技資源a#，包括儀器、專家、科技平臺等；另一方面，需方的當前工作A*需要技術a*作為支撐，a與a*的匹配度較高，這樣需方就可以獲得供方擁有的科技資源。這一方式的實現(xiàn)必須基于供需雙方信息對稱，但是由于供需雙方角色差異，供需雙方對科學技術或科學問題有不同角度的認知及描述。在信息不對稱下，對于某一技術，科研人員作為供方，對于科技資源基本信息較需方認知更強，掌握更多關聯(lián)數(shù)據(jù)。如圖2所示，某專利權屬為某研究所，研究所為供方單位，其不僅擁有該專利外，還擁有與之相關的項目成果、實驗方法、研究人員、儀器等。在供需匹配中，若需方只獲得了專利本身，其關聯(lián)的主要成分數(shù)據(jù)并未掌握，對需方來說，技術探索的成本增加，不利于成果轉(zhuǎn)化及資源共享。同時，需方掌握更多潛在經(jīng)驗數(shù)據(jù)，在未與供方建立對稱信息體系前，還需挖掘技術應用價值或應用轉(zhuǎn)化方法。對于供方來說，基于需方用戶貢獻內(nèi)容得到的科技資源應用或價值屬性缺失，也不利于技術的價值發(fā)現(xiàn)或研究路線與研究意義的調(diào)和，增加了科技資源供需市場的不穩(wěn)定性以及科技資源共享積極性以及科技成果轉(zhuǎn)化效率也大幅降低。

圖1 一般供需對接模式

圖2 供方數(shù)據(jù)構(gòu)成示例

資源匹配取決于用戶需求和資源包含的技術特征。為減小科技資源匹配難度，需縮小匹配范圍以提升匹配效率，而匹配范圍是由用戶特征與資源特征的相似度決定的。本文根據(jù)用戶資源數(shù)據(jù)特征，分析構(gòu)建畫像所需的數(shù)據(jù)構(gòu)成，形成一種數(shù)據(jù)特征定向獲取方法，同時結(jié)合用戶行為數(shù)據(jù)，構(gòu)造用戶行為數(shù)據(jù)驅(qū)動的用戶資源特征模型，以獲得基于用戶資源屬性和用戶行為雙邊匹配的用戶畫像。本文的研究雖是基于用戶群體，但并非研究用戶群體的一般特征，而是通過對用戶相關數(shù)據(jù)信息的分析研究形成滿足科技資源供需雙邊需求、掃除雙邊信息障礙的畫像構(gòu)造方法。

2 用戶“畫像”的數(shù)據(jù)依賴與構(gòu)建

2.1 數(shù)據(jù)依賴

用戶“畫像”是用戶數(shù)據(jù)的形象展示，由用戶特征標簽構(gòu)成[6]。用戶畫像的構(gòu)成包括基于用戶固定屬性及公共行為或類用戶相似特征的靜態(tài)“畫像”和基于動態(tài)行為的動態(tài)“畫像”[7]。用戶“畫像”主要用于描述用戶角色特征，用戶的角色特征可以很好地描述用戶需求，是以用戶為中心進行設計生產(chǎn)的工具[8]。在科技資源創(chuàng)新共享平臺建設中，角色特征由靜態(tài)基本屬性及行為驅(qū)動的動態(tài)需求特征構(gòu)成。靜態(tài)基本屬性包括描述用戶身份信息、科研領域特征、科研方向特征、技術成果特征、研究動態(tài)特征等。行為驅(qū)動的動態(tài)需求特征可以從行為數(shù)據(jù)中挖掘，得到構(gòu)成用戶畫像的興趣維度標簽[9]。用戶資源匹配中的行為特征包括用戶在科技資源共享平臺中的Web操作行為和資源、用戶交互行為及其后續(xù)科技資源轉(zhuǎn)化成果行為等。后續(xù)科技資源轉(zhuǎn)化行為是指用戶在完成科技資源匹配后，利用科技資源進行的生產(chǎn)創(chuàng)造等轉(zhuǎn)化成果行為，此行為通過知識共享交互產(chǎn)生用戶貢獻內(nèi)容[10]，擴充科技資源屬性和價值，是用戶畫像的特征之一。

2.2 用戶畫像構(gòu)建

用戶畫像構(gòu)建的核心是求解用戶特征。該特征不僅包含用戶角色特征，還包含源于資源共享交互的用戶需求特征和需求資源特征。因此，為獲取用戶畫像，需要采集用戶基礎數(shù)據(jù)、用戶資源交互數(shù)據(jù)、資源基礎數(shù)據(jù)。而對大規(guī)模異構(gòu)數(shù)據(jù)需要構(gòu)造采集框架以獲取分析所需的特定數(shù)據(jù)。

2.2.1 建立科技資源創(chuàng)新共享云平臺

根據(jù)資源類別及用戶類別建立數(shù)據(jù)收集上傳框架，根據(jù)用戶領域類別及資源領域類別進行上傳整合，以用戶或資源ID為根結(jié)點，根據(jù)用戶或資源類型的一般數(shù)據(jù)特征建立統(tǒng)一的數(shù)據(jù)標準格式，數(shù)據(jù)標準除記錄一般數(shù)據(jù)特征參數(shù)外還設置了用于記錄相異特征的數(shù)據(jù)集。所述的資源或用戶ID編碼由資源或用戶名稱編碼、數(shù)據(jù)源編碼、場景編碼構(gòu)成，基于科技資源共享平臺收集和上傳數(shù)據(jù)。為實現(xiàn)分類上傳數(shù)據(jù)，平臺的數(shù)據(jù)入口可分為兩類：一類是以用戶單位性質(zhì)為基礎，如用戶分為“科研院所用戶”“公共行政用戶”“企業(yè)用戶”“私營服務”等，用戶單位性質(zhì)不同，資源需求類型也不同。另一類是以用戶事務性質(zhì)為基礎，針對用戶事務行為進行分類，如用戶分為“基礎研究用戶”“基礎建設用戶”“政企管理用戶”“市場應用用戶”等。兩種分類分別以用戶和行為為中心，這是用戶畫像構(gòu)建中的用戶特征及用戶行為特征相似度分析的基礎（圖3）。例如“在醫(yī)療器械共享平臺中的電子顯微鏡數(shù)據(jù)類目”的ID由“用戶名稱‘電子顯微鏡’名稱編碼”“‘數(shù)據(jù)源醫(yī)療器械共享平臺根目錄’數(shù)據(jù)源編碼”及“‘醫(yī)療領域’場景編碼”構(gòu)成。如此解決了數(shù)據(jù)收集中的異構(gòu)融合問題。

2.2.2 求解特征集

（1）提取用戶基礎數(shù)據(jù)信息關鍵詞，并根據(jù)用戶的基礎數(shù)據(jù)構(gòu)建用戶分類模型。通過構(gòu)造詞向量或歸一化對用戶基本信息數(shù)據(jù)進行量化，包括行業(yè)背景、從業(yè)年份、職稱、團隊信息等，以基礎信息為原數(shù)據(jù)構(gòu)造分析指標。對指標進行標準化后形成用戶數(shù)據(jù)集，繼而對用戶進行聚類分析，可得到N個用戶聚簇。對于指標，包含多個關鍵詞。如“行業(yè)背景”，可對多個關鍵詞進行主成分分析，得到主特征及權重，以此為行業(yè)背景量化值；由多要素構(gòu)成，如從業(yè)指數(shù)（L）由主行業(yè)特征（I）、從業(yè)年份（Y）、職稱（B）和成果指數(shù)（R）構(gòu)成；又如成果供需傾向指標由技術購買量、技術繼續(xù)研究量、技術缺乏量、技術增值、技術轉(zhuǎn)化量等構(gòu)成，其中技術購買量、技術缺乏量、技術繼續(xù)研究量等需求指標與傾向指標值負相關。根據(jù)用戶的從業(yè)指數(shù)及供需傾向數(shù)據(jù)進行用戶聚類，可得到如圖 4 所示的用戶聚類，對各聚簇用戶的指標概率密度進行分析可得到圖5。從圖5可以看到，用戶群1 的從業(yè)指數(shù)集中在25～75，需方傾向較高，用戶群2 從業(yè)指數(shù)較廣為0～100，供方傾向較高。例證中可以發(fā)現(xiàn)，在資源供需過程中，從業(yè)指數(shù)與供需傾向并不完全相關，而供需傾向指標可對用戶進行更好分類，如此可對用戶群核心指標進行分析，但是僅此并不能明確用戶特征，明晰用戶需求，同時由于多重屬性描述，更不易刻畫相似用戶群特征及用戶個性化畫像。

圖3 科技資源共享平臺中的數(shù)據(jù)整合分類

為了更好地描述用戶群，對各聚簇用戶的指標所包含的原數(shù)據(jù)進行聚類分析，以得到近似用戶的近似特征語義，即形成同類標注詞。由于近似用戶的主特征權重及供需傾向差異，一次求解并不能得到真實的近似標注詞，因此需連續(xù)隨機抽樣后再進行聚類分析，通過聚類評價不斷細分聚簇。如此，可得到Mi個聚類標注詞。進一步對同類型數(shù)據(jù)進行分類后再分層抽樣，同樣可得到Mk個聚類標注詞。再對Mi和Mk進行相似度計算，建立關聯(lián)特征詞庫。特征詞提取流程如圖6所示，繼而進行相似度計算后可得到相似特征集，示例如圖7所示。將不同樣本下得到的聚類中心作為特征中心，以同簇詞為語料可構(gòu)建相似特征詞庫，形式如表1所示。關聯(lián)詞為聚類中心同簇詞向量，記錄數(shù)據(jù)包括詞向量和該詞的離心距離。根據(jù)表1即可對該類用戶的特征進行預描述。

圖4 以從業(yè)指數(shù)和供需傾向為指標的用戶聚類

（2）提取用戶資源供求行為數(shù)據(jù)中每個數(shù)據(jù)的特征信息，利用相應的特征信息對交互行為中關聯(lián)的資源數(shù)據(jù)進行聚類分析。根據(jù)用戶基礎數(shù)據(jù)信息關鍵詞的提取方法，對用戶資源供 求行為數(shù)據(jù)進行提取得到第二特征詞庫，再根據(jù)所有第二特征詞庫建立用戶初始行為模型，這個初始行為模型即根據(jù)用戶特征、用戶群特征生成的資源需求預測數(shù)據(jù)。根據(jù)求解得到的兩個特征詞庫建立行為數(shù)據(jù)特征集，該行為數(shù)據(jù)特征集即為資源特征與用戶特征的關聯(lián)預設集。

通過上述步驟得到了特征標注詞庫，首先，可對用戶群進行角色分析。在實際中，可將身份信息作為數(shù)據(jù)特征集的主關鍵詞，并統(tǒng)計該關鍵詞行業(yè)背景下的平均從業(yè)年份及標準差；然后，根據(jù)行業(yè)背景特征對用戶的科研成果、研究動態(tài)等進行特征分析；最后，得到行業(yè)成熟度以及行業(yè)基本特征，再將得到的結(jié)果與預設的指標分類結(jié)果進行比對。

圖5 各分群概率密度

圖6 特征詞提取流程

圖7 解得特征集示例

表1 樣本聚類后產(chǎn)生層次化特征目錄

得到行業(yè)特征后，還需根據(jù)用戶行為生成個性化用戶特征，以構(gòu)造用戶精準畫像。在科技資源共享中，用戶行為數(shù)據(jù)包括供需兩方面數(shù)據(jù)。用戶已占有的科技資源信息稱之為用戶資源供求數(shù)據(jù)，包括用戶可以公開的儀器設備、技術手段、專利方法等。用戶需要提供的技術方案、儀器設備、實際場景解決方案等屬于用戶資源需求數(shù)據(jù)。用戶資源供求數(shù)據(jù)通常包括儀器數(shù)據(jù)、專利數(shù)據(jù)、應用方案數(shù)據(jù)等，這些數(shù)據(jù)需要通過一般自然語義分析法進行處理得到其中的關鍵詞，通過特征分析進一步得到供方用戶的角色特征。用戶資源需求數(shù)據(jù)通常包括具體的需求信息，如所需的儀器、技術手段等，也包括一些模糊需求信息。對于具體的需求信息進行特征分析得到需方用戶的第一角色特征；對于模糊需求信息，如描述應用場景或需求目的等，從應用對象的角度人工提取關鍵詞，同樣通過特征分析得到需方用戶的第二角色特征。

（3）將行為數(shù)據(jù)特征集作為用戶行為模型的訓練樣本，建立用戶行為模型。在行為分析中，由于用戶資源供求行為數(shù)據(jù)是一種隨時間增加的動態(tài)數(shù)據(jù)，尚未建立完善的科技資源用戶行為分析模型，缺乏明確的分類標準，因此，需要通過對用戶資源供求行為數(shù)據(jù)進行分類，對不同類型的行為的具體內(nèi)容進行分析，以得到用戶行為特征值。通常先根據(jù)特征詞庫和用戶基本角色分析建立用戶行為數(shù)據(jù)預測集，進一步實時采集用戶資源供求行為數(shù)據(jù)，根據(jù)用戶預測行為模型將用戶資源供求行為數(shù)據(jù)進行歸類，對各類型用戶的動態(tài)行為數(shù)據(jù)進行分析，得到行為特征演變。在預測與預測模型激勵下的真實行為記錄特征如圖 8 所示。行為特征演變包括特征值和相應權重的變化，根據(jù)行為數(shù)據(jù)特征集以及行為特征演變模型對用戶分類模型及用戶數(shù)據(jù)特征集進行第一次修正。步驟如下：

步驟一：假設獲取用戶特征后，根據(jù)用戶群關聯(lián)資源預設集預測用戶需求數(shù)據(jù)如圖 8 所示。

步驟二：獲取用戶行為，記錄用戶行為關聯(lián)資源數(shù)據(jù)，對關聯(lián)數(shù)據(jù)附加行為權重后提取主成分需求數(shù)據(jù)，此過程每隔一段時間計算一次，得到主成分需求動態(tài)演變。

步驟三：求解交互行為中的特征聚類中心與預測特征中心的歐式距離，并記錄距離變化，直至用戶行為結(jié)束。如此，預計可以根據(jù)演變趨勢對初始預測模型和特征詞庫進行優(yōu)化。

通常用戶動態(tài)行為數(shù)據(jù)可以通過科技資源對接門戶網(wǎng)站中獲取，包含瀏覽記錄、搜索記錄、交易記錄、咨詢記錄等，每種行為數(shù)據(jù)都包括了時間、地點、動機、結(jié)果等信息。時間通常指該行為執(zhí)行的時長；地點通常指該行為執(zhí)行地點；動機通常指該行為發(fā)生之前用戶的行為特征值，稱之為動機特征，該動機特征通過該行為發(fā)生之前的行為特征和用戶當前角色特征得到；結(jié)果是對用戶該行為的評價，主要通過對用戶整個行為過程內(nèi)在聯(lián)系的分析得到。例如某用戶輸入與儀器信息相關的關鍵詞“熒光顯微鏡”用于搜索“熒光顯微鏡”供求信息，門戶網(wǎng)站羅列所有可共享的“熒光顯微鏡”，用戶瀏覽這些信息，通過咨詢選中某一“熒光顯微鏡”并完成交易，至此用戶行為結(jié)束。根據(jù)用戶該行為，具體的分析步驟如下。

步驟一：獲取用戶ID，根據(jù)用戶ID查找用戶數(shù)據(jù)信息，根據(jù)用戶數(shù)據(jù)特征集確定該用戶的特征信息，根據(jù)特征信息確定用戶類別，然后獲取該類別用戶的行為數(shù)據(jù)特征。

步驟二：記錄用戶行為信息，包括搜索行為及搜索內(nèi)容“熒光”“顯微鏡”，瀏覽行為及瀏覽時長、瀏覽數(shù)據(jù)量，咨詢行為及咨詢內(nèi)容記錄，交易行為及交易詳細信息。

步驟三：對用戶行為信息進行語義及特征分析得到該用戶當前行為特征值，比較該特征值與該類用戶的行為特征，從而對該類用戶特征模型進行優(yōu)化，進而隨著用戶行為數(shù)據(jù)體量的增大，還可以從中得到該類用戶的行為特征變化趨勢，進一步優(yōu)化用戶數(shù)據(jù)模型。

步驟四：關于用戶的動機特征獲取及行為評價，該部分工作對用戶特征修正方式起監(jiān)督作用，其動機特征值及行為評價由用戶角色特征及用戶行為復雜度決定。

圖8 關于資源特征的預測值與行為記錄

圖9 用戶畫像數(shù)據(jù)對象

（4）根據(jù)用戶分類模型和用戶行為模型獲取用戶畫像。通過對用戶的基礎數(shù)據(jù)及與基礎數(shù)據(jù)對應的用戶行為日志分別進行分類和分析，建立用戶分類模型和用戶行為模型，并通過這兩個模型獲取不同用戶的用戶畫像。

3 用戶“畫像”應用

構(gòu)建的用戶“畫像”包含了用戶及相似用戶角色特征、用戶及相似用戶資源需求特征、資源與用戶需求映射。如圖9所示，用戶畫像中的特征包含兩項分析對象，一是用戶錄入到系統(tǒng)的基本屬性，如研究方向、用戶身份、研究內(nèi)容、資歷等；二是基于交互行為的用戶需求畫像，按照行為目的或行為邏輯包括共享傾向、咨詢傾向、需求傾向、二次研究傾向等。為得到用戶畫像需要進行特征提取和聚類分析，首先根據(jù)用戶集群畫像分析所屬領域或行業(yè)特征指標，然后基于行業(yè)用戶及相似用戶角色特征包括行業(yè)特征和用戶集群特征，此為用戶畫像作為用戶基本屬性和用戶集群趨勢的描述，以此為索引關聯(lián)相似用戶個性特征作為資源推薦訓練集和索引。提取基本特征的對象有很多種，如簡歷、錄入信息表、研究介紹等。本文則以研究內(nèi)容介紹為對象。該對象為文字描述，可以是.doc、.pdf、.txt等格式?；咎卣鳟嬒駱?gòu)造算法如下。

（1）通過PDFMiner、pywin32 等將用戶行業(yè)背景文件轉(zhuǎn)換為txt文本；

（2）TextRank提取摘要/關鍵詞；

（3）根據(jù)關鍵詞對用戶進行第一次聚類，并生成共性特征詞云；

（4）將關鍵詞中的定性描述詞作為標識詞并提取上下文特征；

（5）TF-IDF對研究內(nèi)容文檔集進行處理求解定性描述特征詞；

（6）根據(jù)定性特征詞生成用戶個性化詞云。

詞頻/權重表示如下：

{'需求':1.0,'資源':0.765,'科技':0.731,'研究':0.685,'價值':0.663,'用戶':0.645,'要素':0.441,'信息':0.408,'方法':0.382,'數(shù)據(jù)':0.295,'匹配':0.271,'進行':0.261,'表征':0.255,'分析':0.238,'資源共享':0.220， '模型':0.199,'對稱':0.197,'基礎':0.195,'儀器':0.195,'知識':0.172,'條件':0.164,'領域':0.164,'共享':0.161,'特征':0.159,'工作':0.157,'技術':0.153,'建立':0.139,'環(huán)境':0.138,'廣東省':0.137,'課題':0.136,'構(gòu)造':0.134,'提供':0.133,'平臺':0.131,'問題':0.128,'模 式':0.127,'項 目':0.121,'主體':0.119,'圖譜':0.11743145120706278,'關聯(lián)':0.117,'差異':0.111,'相關':0.107,'形成':0.105,'包括':0.102,'結(jié)構(gòu)':0.102,'供需':0.101,'建設':0.099,'解析':0.097,'得到':0.097,'創(chuàng)新':0.097,'管理':0.097}

圖10 基于行業(yè)共性特征及用戶特征的詞云

根據(jù)權重可以得到用戶核心，即“需求資源科技研究價值用戶”，而共性特征詞云和個性化詞云共同構(gòu)成用戶基本畫像，如圖 10 所示。在進行資源匹配和推薦時，根據(jù)畫像的匹配路徑“科技服務、產(chǎn)業(yè)創(chuàng)新-科技-需求資源、資源價值-研究”，當獲取用戶輸入時，根據(jù)資源畫像定向匹配，縮小匹配范圍。同理，資源畫像與用戶基本角色畫像類似。用戶畫像構(gòu)建作為一種集異構(gòu)數(shù)據(jù)融合、資源整合決策、供需網(wǎng)絡建設、隱含層挖掘等技術于一體的方法，可以為資源共享及創(chuàng)新服務等方面提供決策分析、隱含功能挖掘、資源管理標準化等技術。

對用戶及相似用戶的關聯(lián)資源需求特征畫像，原數(shù)據(jù)來源為用戶行為記錄，基本記錄數(shù)據(jù)包括總時間、達成意向情況、搜索詞、搜索詞對應結(jié)果瀏覽時間、詳情ID及對應交互時間等，根據(jù)行為分析方法得到加權用戶需求資源特征，進一步通過特征聚類和畫像構(gòu)造方法生成需求畫像。

如圖11 所示，基于用戶畫像可建立基于用戶簇的用戶特征庫、需求資源特征庫。通常在科技資源供需對接中，需要了解供需雙方的基本信息及資源供求匹配度。首先根據(jù)用戶角色類型分別為供需雙方進行定位，然后再進行資源對接。比如，根據(jù)供需雙方用戶發(fā)起資源對接請求，從用戶特征庫及日志特征庫中查詢相關用戶信息，查詢成功則完成用戶特征匹配進而完成供需資源對接；若查詢失敗，則請供需雙方提供用戶信息以查詢相似用戶特征，進而完成用戶匹配及供需資源對接工作。相較于傳統(tǒng)匹配方法，相似用戶和特征庫數(shù)據(jù)的加持，增加了匹配池深度；同時，通過畫像將用戶、資源角色框架進一步擴大，屬性維度進一步細分，使得用戶資源在科技資源共享中的定位更加明確，為聯(lián)想檢索、精準推薦的匹配范圍確定提供科學依據(jù)。

圖11 供需對接實例

4 結(jié)語

本文基于科技資源復雜性、用戶需求模糊性、用戶屬性復雜性等科技資源共享中的用戶資源特性，為用戶角色分析、資源對接、供需匹配效率提升提出了一種用戶畫像獲取方法。

（1）建立用戶角色屬性結(jié)構(gòu)，針對復雜屬性數(shù)據(jù)構(gòu)造指標模型，自上而下有行業(yè)背景、行業(yè)供需情況等一級特征，基于用戶簇的共性二級特征，以及基于用戶關聯(lián)資源、研究內(nèi)容等具體展開信息的個性化特征。通過層次化、指標化模型為科技資源用戶分析提供模塊化方法。

（2）通過特征提取和聚類得到用戶各維度關鍵詞，根據(jù)層次結(jié)構(gòu)和權重構(gòu)造用戶基本角色畫像，為用戶資源匹配推薦提供精準檢索依據(jù)。

（3）根據(jù)用戶及相似用戶行為記錄，構(gòu)造用戶需求畫像，從資源需求角度，提高用戶畫像深度，同時基于需求畫像對用戶基本角色畫像進行優(yōu)化，建立角色特征和需求的關聯(lián)，進一步分析相似用戶共性特征，為基于動態(tài)行為的用戶研究提供科學依據(jù)。

在科技資源共享中，用戶畫像包含了用戶需求傾向、用戶角色定位、用戶資源定向關系圖譜，能夠在科技資源共享服務中扮演資源協(xié)調(diào)、用戶協(xié)調(diào)、用戶資源串聯(lián)的角色。本文主要探究了科技資源共享中內(nèi)在問題的數(shù)據(jù)解釋，研究了用戶畫像獲取方法及基于用戶畫像的資源匹配思路，而在應用實證方面由于用戶數(shù)據(jù)及交互數(shù)據(jù)量較小的關系，只能以少量數(shù)據(jù)為基礎進行方法和技術梳理，而應用成效和對資源共享匹配效率的提升能力還有待今后進一步研究。