基于用戶畫像的科學數(shù)據(jù)管理模型研究

文/王顯斌

現(xiàn)階段國內(nèi)外圖書館領域用戶畫像研究主要以技術為主，主要包括了兩個層次，即User Persona和User Profile，使用的算法模型大致可分為3大類：

（1）基于概率主題的用戶文本建模推斷模型；

（2）基于排序的啟發(fā)式函數(shù)推斷模型；

（3）基于分類器結合特征工程的預測模型。

Gauch S等將用戶畫像描述為一組加權標簽、概念層次結構或語義網(wǎng)的集合，包括用戶基本素養(yǎng)、文化水平、社會背景、社交情況、工作情況、可支配時間等因素[1]。Zaugg H認為圖書館的空間與服務的設計應該關注用戶需求，可以借鑒營銷領域和產(chǎn)品設計中用戶畫像的應用，進行圖書館空間與服務的設計[2]。國內(nèi)曾建勛認為圖書館精準服務需要用戶畫像，用戶畫像可以更好地認識網(wǎng)絡中的用戶、改善網(wǎng)絡信息組織、發(fā)現(xiàn)信息傳播規(guī)律[3]。胡媛認為數(shù)字圖書館知識社區(qū)用戶畫像可分為讀者基本信息、用戶興趣愛好、用戶活躍度三類標簽模型，提出了數(shù)字圖書館知識社區(qū)綜合服務能力評價指標體系[4]。

現(xiàn)階段國內(nèi)圖書館領域用戶畫像研究主要以個案研究為主，針對具體不同應用場景和目標，構建不同用戶畫像模型，針對科學數(shù)據(jù)管理場景的用戶畫像研究目前還非常少。本文綜合心理學、信息學等多學科知識，從科學數(shù)據(jù)用戶畫像概念和內(nèi)涵分析出發(fā)，構建用戶數(shù)據(jù)驅(qū)動相結合的科學數(shù)據(jù)用戶畫像模型和系統(tǒng)，深入探討用戶畫像在科學數(shù)據(jù)管理領域的應用。

1 科學數(shù)據(jù)用戶畫像內(nèi)涵分析

1.1 科學數(shù)據(jù)用戶群體邊界具有動態(tài)性

用戶畫像的目的是通過對特定行為群體特征的總結和提煉，為精準化服務提供量化支撐。因此，用戶畫像對目標用戶群體邊界的界定越明確，畫像結果越有針對性。在科學數(shù)據(jù)管理中，學術行為和學科背景對科研用戶群體邊界的界定產(chǎn)生重要影響，導致科研用戶群體邊界處于動態(tài)變化中，原因有兩個：

（1）科研人員跨學科研究行為越來越頻繁，所跨學科對象也處于動態(tài)變化中；

（2）科研人員研究方向也處于變化當中。

1.2 用戶畫像關注的是“典型用戶”

用戶畫像關注的是“典型用戶”而不是“平均用戶”，其結果具有明顯的區(qū)分度和針對性，可以更精準地識別特定用戶的動機及行為偏好。在科學數(shù)據(jù)管理中，科研用戶畫像有效性體現(xiàn)在對目標用戶群體的用戶屬性特征的提煉與總結。

1.3 科學數(shù)據(jù)用戶屬性包含知識屬性

典型用戶畫像屬性包括靜態(tài)屬性和動態(tài)屬性。靜態(tài)屬性是相對穩(wěn)定的用戶信息,如人口屬性、職業(yè)等；動態(tài)屬性是用戶不斷變化的信息，如場景、媒介、路徑等。在科學數(shù)據(jù)管理中，科研用戶畫像解決的是知識服務的精準化問題，關注的焦點和最后的評價不是“我是否提供了您需要的信息”，而是“是否通過我的服務解決了您的問題”。因此，科學數(shù)據(jù)用戶屬性應突出知識的特性，可劃分為靜態(tài)屬性、動態(tài)屬性和知識屬性。

圖1

圖2

2 科學數(shù)據(jù)用戶影響因素分析

2.1 科學數(shù)據(jù)用戶知識屬性具有半動態(tài)性特征

科研人員的學科背景一般相對固定，但是隨著跨學科研究的開展和研究方向的不斷變化，科研人員往往需要具備多學科知識，需要不斷了解新領域，補充新知識以支撐其研究活動。因此，科研用戶知識屬性的核心（學科背景）相對穩(wěn)定，但其外延一直處于動態(tài)變化中，即一種半動態(tài)化狀態(tài)。

2.2 科學數(shù)據(jù)用戶知識屬性的分類

科學數(shù)據(jù)用戶知識屬性可分為外知識屬性和內(nèi)知識屬性兩類。外知識屬性是指外部環(huán)境作用于個體身上的各種與知識有關的元素集合，包括：學歷學位、畢業(yè)院校、學術職務、學術兼職、參加學術團體、專業(yè)職稱、學術榮譽等。內(nèi)知識屬性是指個體自身具有的各種與知識有關的元素集合，參照顯性知識與隱性知識的概念，可分為內(nèi)在顯性知識屬性和內(nèi)在隱性知識屬性。內(nèi)在顯性知識屬性包括：研究領域、學術專長、著作論文、非正式成果等。內(nèi)在隱性知識屬性包括：心智水平、文化素養(yǎng)、學術思想、學術影響力等?？蒲杏脩舻闹R屬性蘊含著較多的語義信息，需要在標簽基礎上引入語義表達。

2.3 科學數(shù)據(jù)用戶受場景驅(qū)動和心理影響

不同的時間、地點、研究階段等知識場景下，用戶需求會有差異。例如：撰寫論文時，會關注當前研究熱點；而教學時，更想要梳理出該學科的知識體系。同時，用戶心理狀態(tài)不同，其知識需求也存在差異。例如：剛進入新研究領域時，一般對研究工作持樂觀心理；隨著研究的深入，會出現(xiàn)困惑或迷茫，心理上會變得焦慮，體現(xiàn)在行為上就是大量盲目地學習和收集資料；度過失望期之后，心理上才會逐步的平穩(wěn)。這種心理和情感上的變化可以通過社會心理學進行分析。

3 科學數(shù)據(jù)用戶畫像建模

用戶畫像建模就是構建用戶標簽體系，可分為結構化標簽體系和非結構化標簽體系兩類。非結構化標簽體系彼此之間無層級關系，各個標簽反應各自的用戶興趣，不僅能夠涵蓋結構化標簽體系，更能細致地表達語義上的分類，如資源發(fā)現(xiàn)系統(tǒng)中的關鍵詞、學術社區(qū)中的文檔主題模型（Topic Model）等?？茖W數(shù)據(jù)用戶非結構化標簽體系可分為四個層級：即事實標簽、模型標簽、預測標簽和業(yè)務標簽。每上層標簽都由下層標簽抽象計算組合生成，其中業(yè)務層標簽需要人工進行定義。如圖1所示。

4 科學數(shù)據(jù)用戶畫像算法及系統(tǒng)設計

用戶的靜態(tài)屬性反映著用戶的基本情況,是連接線上和線下的紐帶，定義函數(shù)表示其在一定場景下對標簽的影響權重，則公式如下：

同理，可以推導出用戶動態(tài)屬性在一定場景下對標簽的影響權重

5 結語

本文從科學數(shù)據(jù)用戶畫像內(nèi)涵出發(fā)，對科學數(shù)據(jù)用戶影響因素進行分析，最后構建了科學數(shù)據(jù)用戶畫像模型和系統(tǒng)。其中的重難點有兩個：

（1）多源異構數(shù)據(jù)導致數(shù)據(jù)融合困難，必須設計合適的降維方法、特征選擇方法、模型融合方法；

（2）數(shù)據(jù)稀疏性較高導致屬性特征組合困難。這將是下一步研究的重點。