讀者需求匹配推送的實現(xiàn)路徑探賾

劉學平（濰坊學院圖書館）

信息推送服務(wù)是圖書館的一項重要服務(wù)，但受資源復雜性、推送及時性差、針對性弱、推送方式被動的局限，推送服務(wù)出現(xiàn)了讀者需求興趣點難以捕捉、多元化需求難以滿足、推送知識不能準確描述讀者真實需求、過多無用推送等弊端。因此，如何匹配讀者需求以及選取怎樣的路徑推送讀者需求成為圖書館亟需解決的問題。本文參考相關(guān)研究成果，以“知識找人”為出發(fā)點，將讀者需求的獲取渠道、組織方式、推送內(nèi)容三者連為一體，［1］提出了一條以了解、分析、預測、匹配為特征的讀者需求匹配推送路徑，該路徑包括讀者需求的獲取、表示、關(guān)聯(lián)、匹配、推送等環(huán)節(jié)，其關(guān)鍵是需求匹配問題，將匹配得到的特征知識推送給相關(guān)讀者。［2］它在強化讀者與讀者、需求與匹配、匹配與推送、推送與反饋之間互動的同時，實現(xiàn)讀者需求推送的精準化與知識重用的目標。

1 動力

（1）讀者快速獲取準確性知識的需要。知識爆炸時代，讀者對資訊、思想和審美等需求的數(shù)量迅猛上升，而需求等待的耐心呈明顯減弱趨向。與此同時，快節(jié)奏的學習、工作和思維方式驅(qū)使讀者產(chǎn)生求便、求全、求新的知識獲取需求心理，而目前圖書館的知識服務(wù)需要讀者從海量資源中過濾和篩選出其所需的知識，這與讀者的需求心理相違背。

（2） 讀者對需求匹配推送的期望。網(wǎng)絡(luò)技術(shù)的快速發(fā)展使得技術(shù)與資源充分融合，學科知識出現(xiàn)協(xié)同化趨向。隨著協(xié)同化學科知識之間關(guān)聯(lián)性與交叉性的不斷增強，促使讀者的學習研究需要具有前瞻性、挑戰(zhàn)性和實用性資源，這使得讀者迫切期望圖書館將關(guān)聯(lián)與匹配且具有廣度和深度的知識推送給自己。［3］讀者的需要和期望，構(gòu)成了讀者需求匹配推送的動力源泉。

2 技術(shù)

（1）匹配技術(shù)。該技術(shù)將具有關(guān)聯(lián)關(guān)系的讀者需求資源進行標準化處理后，對需求狀態(tài)資源與標準狀態(tài)資源進行匹配，從而確定需求資源狀態(tài)等級。目前，有基于本體和基于語義相似度兩種匹配算法，兩種技術(shù)分別從不同的角度將需求資源匹配特征逐個與讀者需求分解得到的任務(wù)指令進行匹配，［4］使其形成滿足讀者需求的資源組合。

（2） 路徑規(guī)劃技術(shù)。該技術(shù)主要是確定需求資源傳遞過程中起點與終點之間的中轉(zhuǎn)節(jié)點，即通過中轉(zhuǎn)節(jié)點的數(shù)量、傳送半徑、當前剩余能力確定需求資源傳送過程中的中轉(zhuǎn)點。中轉(zhuǎn)節(jié)點的確定，是確保資源傳遞的及時性與準確性、防止資源傳遞沖突的關(guān)鍵。

（3）作者耦合分析。作者耦合關(guān)系通常包括作者引文耦合和作者關(guān)鍵詞耦合等。單一選擇作者引文或作者關(guān)鍵詞無法顯示某一領(lǐng)域知識關(guān)聯(lián)網(wǎng)絡(luò)的全貌，如果將多個耦合結(jié)合使用，則可以更好地研究一個領(lǐng)域的全貌，并在此基礎(chǔ)上更精確地度量作者耦合度，為讀者帶來相似作者群體的資源推薦，提高推薦結(jié)果的新穎度。［5］

（4）語義網(wǎng)技術(shù)。由于存在半結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，館藏數(shù)字資源間缺乏相互的關(guān)聯(lián)關(guān)系，使得數(shù)字資源形成一個個“孤島”。而語義網(wǎng)技術(shù)可以利用語義標簽將離散的數(shù)字資源連接成緊密的、結(jié)構(gòu)化的知識關(guān)聯(lián)網(wǎng)絡(luò)，優(yōu)化數(shù)字資源組織結(jié)構(gòu)并提高個性化推薦的水平和效率。其中，語義相似度是構(gòu)建語義網(wǎng)的關(guān)鍵。語義相似度計算方法一般基于完備的英文或中文語義詞典，如WordNet、FrameNet、MindNet 等英文詞典和《知網(wǎng)》《同義詞詞林》等中文詞典。［5］

（5）個性化推薦算法。數(shù)字資源聚合是對異構(gòu)數(shù)字資源的重構(gòu)和再組織，其中一個重要的目的是進行精準化的資源推薦。個性化推薦算法主要有基于內(nèi)容的推薦、協(xié)同過濾推薦及組合推薦算法。目前，推薦技術(shù)的應(yīng)用主要集中于以圖書為對象的推薦，缺少對圖書資源語義上的深層融合。因此，應(yīng)結(jié)合基于多標簽的協(xié)同過濾推薦算法，同時考慮相似作者、相似內(nèi)容及相似用戶的數(shù)字資源，并借助資源聚合模型改進傳統(tǒng)的相似度計算方式，為讀者進行精準化的資源推薦。［5］

3 路徑

推送路徑受推送目標的指引。推送目標是實現(xiàn)圖書館資源與讀者需求資源的精準匹配，即只給讀者推送他所需要的資源。這種精準匹配關(guān)系的依據(jù)是領(lǐng)域知識庫，推送原理是根據(jù)讀者需求的關(guān)鍵詞庫以及讀者檢索行為，自動擴充建立圖書館領(lǐng)域的“標準關(guān)鍵詞庫”?；趫D書館管理系統(tǒng)，利用系統(tǒng)中大量的讀者信息建立一個比較完整的讀者數(shù)據(jù)庫，并對每位讀者加注標準關(guān)鍵詞，形成推送系統(tǒng)所參照的目標數(shù)據(jù)庫。動態(tài)選定目標數(shù)據(jù)庫中與讀者需求相關(guān)的資源，并隨著其研究領(lǐng)域的變化隨時對其進行“關(guān)鍵詞化”，形成動態(tài)的“推送對象關(guān)鍵詞”。利用基于語義的分析技術(shù)，實現(xiàn)內(nèi)容的自動分組和標準關(guān)鍵詞的自動標注。利用智能分詞技術(shù)，將欲推送的“資源關(guān)鍵詞”和“推送對象關(guān)鍵詞”與已建立的“標準關(guān)鍵詞庫”進行比對，根據(jù)資源—讀者—數(shù)據(jù)庫的對應(yīng)關(guān)系，實現(xiàn)個性化的讀者需求推送。［6］依據(jù)推送的目的和原理，參照學者的相關(guān)研究成果，筆者構(gòu)建的路徑為：利用相關(guān)技術(shù)和方法，采集讀者個體特征、需求傾向、需求偏好、需求目標、需求狀況、需求風格、需求情境等特征數(shù)據(jù)，判斷不同讀者的不同需求。在對采集數(shù)據(jù)進行預處理、組織、整合、關(guān)聯(lián)的基礎(chǔ)上，將需求相似、偏好一致的讀者進行聚合與歸類，形成讀者需求相似群體；利用匹配算法，對讀者及讀者相似群體的需求進行匹配，并將匹配結(jié)果進行推送。由于讀者需求匹配本身是一個循環(huán)求精的過程，根據(jù)讀者對推送結(jié)果的反饋，可循環(huán)回到需求匹配的前續(xù)階段，對其進行更新與完善，盡而完成讀者需求匹配推送路徑的整個過程（見圖1）。

圖1 讀者需求匹配推送路徑框架

3.1 讀者需求的獲取

讀者需求的獲取主要通過讀者與圖書館管理系統(tǒng)的交互行為而獲得，具體包括三類需求。① 顯性需求主要通過讀者的注冊信息獲取，如姓名、性別、年齡、教育程度、職業(yè)、興趣愛好等信息。② 隱性需求的獲取是通過跟蹤和記錄讀者與管理系統(tǒng)的交互行為實現(xiàn)的。讀者在使用圖書館系統(tǒng)時的行為會在后臺留下記錄，如選取的數(shù)據(jù)庫、輸入的檢索詞、點擊的鏈接、瀏覽的文章、撰寫的評論、下載的資料、閱讀瀏覽的時長等，這些內(nèi)容構(gòu)成了讀者日志。［7］獲取讀者日志后，從“整體”到“個體”對需求進行細分，利用聚類組織法將相似的需求內(nèi)容歸類，利用關(guān)聯(lián)組織法將具有關(guān)系性質(zhì)的需求聯(lián)系在一起，獲取讀者的隱性需求。③ 動態(tài)需求主要通過與讀者的溝通與互動進行獲取，在了解其研究領(lǐng)域的基礎(chǔ)上，利用圖書館技術(shù)優(yōu)勢，隨時了解讀者的動態(tài)需求，利用信息追蹤法對讀者感興趣的信息進行追蹤，并將其進行整合與歸納。用語義組織法將具有聯(lián)想、判斷、比較、推理特征的需求形成語義關(guān)系，充分揭示讀者需求關(guān)聯(lián)分析的廣度、深度和有效性。用趨勢預測技術(shù)，根據(jù)上述的需求關(guān)聯(lián)和讀者對需求資源利用的反饋，來預測需求的變化趨向，獲取讀者的動態(tài)演變需求。［8］

3.2 讀者需求的關(guān)聯(lián)

由于獲取的讀者需求信息本身是一個非結(jié)構(gòu)化的文本文件，因而要進行進一步處理。① 標準化預處理是根據(jù)數(shù)據(jù)分析的要求，利用數(shù)據(jù)清洗、關(guān)鍵字段識別與提取、部分內(nèi)容還原、語義分解、數(shù)據(jù)合并等方法，將非結(jié)構(gòu)化的需求信息數(shù)據(jù)轉(zhuǎn)化為適合進行數(shù)據(jù)分析的結(jié)構(gòu)化數(shù)據(jù)，并保存到數(shù)據(jù)庫中等待進一步處理。［7］②以學科和專業(yè)等需求知識為分界，利用樹形結(jié)構(gòu)分類組織法，對預處理的需求進行組織，將與需求知識點相關(guān)的信息組織到同一個知識單元中，該單元中的信息可以是該知識點的文本、視頻、圖片等不同類型的信息，也可是與該知識點相關(guān)的其他知識點信息。［9］③ 通過資源計量統(tǒng)計分析、引證文獻關(guān)系、高相關(guān)度資源、交叉資源等技術(shù)，對需求資源知識進行分析、挖掘與整合，使不同需求節(jié)點之間的關(guān)系充分顯示出來。［10］④將讀者的行為需求（需求類型、需求內(nèi)容、瀏覽主題、互動程度等）與心理需求（需求興趣、需求策略、需求狀態(tài)、自我效能感、需求歸因等）做同類合并處理，挖掘出需求知識點之間的聯(lián)系，實現(xiàn)需求知識的內(nèi)容聚合，明確需求知識的主題分布、知識點之間的關(guān)聯(lián)與演化趨勢，［11］從而滿足讀者“長尾”需求。

3.3 讀者需求相似群的確定

① 將讀者需求特征分為屬性特征和行為特征。屬性特征包括性別、年齡、職業(yè)、教育和收入等。行為特征包括學習、研究、工作、生活、娛樂等。②在對讀者需求特征進行標注定義的基礎(chǔ)上，利用爬蟲網(wǎng)絡(luò)方法在與需求相關(guān)聯(lián)的網(wǎng)站中提取讀者的需求特征，并與已標注定義的需求特征相匹配。③ 根據(jù)讀者的屬性特征，聚類出不同的相似讀者群i，即任何一個具有以上屬性特征或部分特征的讀者都可以找到所屬的一個或多個相似讀者群i。同理，根據(jù)讀者的行為特征聚類出不同的相似讀者群j。在讀者還沒有產(chǎn)生較多需求的情況下，可以用相似讀者群的需求偏好代替讀者需求偏好，進而在需求無法匹配到讀者的情況下，通過相似讀者群匹配推送給該讀者，從而為讀者提供更多、更貼合的個性化需求信息。［12］

3.4 讀者與相似讀者群之間需求相似度的計算

讀者與相似讀者群之間需求相似度的計算分為屬性特征相似度計算和行為特征相似度計算，二者的計算方法相同，在此以屬性特征相似度的計算為例。

利用空間向量，把讀者和相似讀者群i 的屬性特征進行標注定義，獲得與讀者X 的屬性特征及相似讀者群i 的屬性特征對應(yīng)的向量，讀者的屬性特征向量與相似讀者群的屬性特征向量的維數(shù)相同，具體采用以下表示。

其中，X1，X2，…，Xm分別表示讀者的性別、年齡…收入，y1，y2，…ym分別表示相似讀者群i 的性別、年齡…收入。把讀者和相似讀者群i 的屬性特征向量進行量化處理，由于得到的讀者特征可能是部分的、不完整的，而相似讀者群的讀者特征是完整的，因此在標注定義時用0 代替相似讀者群具有而讀者沒有的讀者特征。再采用以下公式計算讀者X 的屬性特征和相似讀者群i 的屬性特征之間的相似度A。

當相似度A=1 時，讀者和該相似讀者群i 的屬性特征完全相同；當相似度A 接近于1 時，讀者和該相似讀者群i 的屬性特征相似。［12］

3.5 讀者需求的匹配

在確定需求匹配度閾值的基礎(chǔ)上，依據(jù)讀者需求信息確定其需求專業(yè)領(lǐng)域，并針對不同的需求提取特征屬性，利用匹配求解算法計算特征屬性的匹配值，按匹配值的高低順序形成需求知識集合，完成讀者、讀者相似群的需求與資源庫中需求知識的匹配。

由于資源庫中的知識不斷擴充，為避免因擴充而導致檢索知識數(shù)量過多的弊端，要先把匹配度過低的知識資源刪除。匹配度過低的界限就是匹配度閾值，匹配度閾值是限制需求屬性關(guān)鍵詞集合與匹配知識關(guān)鍵詞集合之間的最低匹配度。當兩者匹配度小于匹配度閾值時，要將該匹配知識從待選的資源知識列表中剔除。系統(tǒng)對所有匹配度大于閾值的匹配知識按照匹配度大小的順序進行排列，為匹配推送做好準備?？梢?，匹配度閾值的確定是推送成功的關(guān)鍵。閾值過大可能導致推送給讀者的匹配知識太少，不利于讀者的研究創(chuàng)新；閾值過小可能導致推送的匹配知識與讀者的需求知識相差偏大，增加了讀者選取匹配知識的工作量。因此，在設(shè)置匹配度閾值時，需要結(jié)合讀者的需求特點，以獲得適合讀者需求的匹配度閾值。［13］

單個讀者的需求匹配見圖2。其中，E1…En 表示n 個特征屬性的閾值，E* 表示綜合特征值，是E1…En 的n 個特征屬性的加權(quán)平均。①提取讀者需求的關(guān)鍵特征或?qū)傩裕闷ヅ淝蠼馑惴ㄓ嬎闾卣鲗傩缘钠ヅ渲?。②進行多規(guī)則分層匹配。圖2 給出了特征屬性上限匹配方式，即當某一特征或?qū)傩曰蚓C合特征值滿足上限閾值要求時，表示該需求知識滿足匹配條件，可以輸出。需要說明的是，匹配也可以采用特征屬性下限篩選的方式，特征值達到下限時直接結(jié)束，各個特征值沒有超出下限閾值并綜合特征值滿足要求時才可以匹配輸出，形成篩選后的需求知識集合。③ 匹配計算。對讀者的實際需求和篩選后的需求知識進行匹配性計算，得到讀者實際需求知識匹配值，［14］進而輸出需求待推送的知識列表。

相似讀者群的需求匹配見圖3。首先在由多條需求構(gòu)成的需求庫中尋找包含與需求特征關(guān)鍵詞組匹配的需求，將找到的需求中的詞組進行標注定義，然后逐一將找到的需求與相似讀者群的讀者特征進行匹配得到相似度，相似度大于設(shè)定閾值則代表該需求就是相應(yīng)的相似讀者群需求。［12］

3.6 讀者需求的展示

圖2 讀者需求知識匹配過程

圖3 需求的關(guān)鍵詞與讀者特征關(guān)鍵詞相似匹配

需求展示是指通過對讀者需求內(nèi)容的分析，得出讀者的研究方向，將符合讀者需求的資源以適合的方式展示出來并供讀者檢索和下載，滿足讀者的學習與科研需求。展示的主要方法有主題表示法、分類表示法、向量空間模型表示法、層次表示法。其中，比較成熟的方式是層次表示法中的多層樹狀結(jié)構(gòu)展示法，此方法用概念集來表示概念樹的不同級別分枝，形成多層次概念樹?？筛鶕?jù)讀者需求的所屬級別，通過概念樹表示讀者不同的興趣點，讀者需求的所有興趣點組成了整棵概念樹，即讀者需求的興趣集合。

3.7 讀者需求的匹配推送

考慮讀者自身知識背景及需求應(yīng)用的基礎(chǔ)上，結(jié)合讀者的檢索歷史及需求訂閱要求，根據(jù)知識匹配算法，獲取知識資源庫中與讀者需求相匹配的知識資源，并將此知識資源按照相似度降序排列，依次推送給讀者。同時，如果讀者有需要，還可進行多次推送，在充分滿足讀者對資源個性化需求的同時，實現(xiàn)讀者需求知識資源的有效利用。［16］

（1）推送方案。推送方案包括讀者特征建模、基于大數(shù)據(jù)分析的讀者特征提取、相似讀者群建模、讀者與相似讀者群之間的相似度計算、利用相似度進行需求推送等步驟，［12］具體表現(xiàn)為：確定相似讀者群后，根據(jù)相似讀者群的需求偏好推測推送目標讀者的潛在偏好。通過對讀者需求行為數(shù)據(jù)的挖掘，參照讀者的檢索行為，計算出讀者需求主題的興趣度并用樹形結(jié)構(gòu)模型表示。用空間向量表示讀者興趣，讀者需求信息用向量的各個分量表示，利用文本相似度方法計算讀者各個需求之間的相似度，［13］通過讀者需求的匹配算法構(gòu)建讀者需求推薦模型，按照需求相似度降序排列，依次推送給讀者（見圖4）。

圖4 推送方案

（2）推送方式。讀者需求的匹配推送方式通常采用網(wǎng)頁、郵件、移動終端等形式。網(wǎng)頁形式的推送包括頻道式推送和個性化推送。其中，頻道式推送是將讀者需求資源按關(guān)鍵詞、分類號或主題詞進行知識資源和服務(wù)的組織陳列，生成符合RSS FEED 格式要求的XML 文件，讓讀者自主選擇自己感興趣的需求知識；個性化推送則由系統(tǒng)根據(jù)讀者需求傾向，主動向讀者進行需求知識的推送。郵件推送則由推送系統(tǒng)通過分析讀者需求，通過電子郵件方式向讀者主動推送需求知識；移動終端推送將需求知識推送到讀者的移動終端上，讀者可隨時隨地進行閱覽和下載，實現(xiàn)知識學習與利用的實時化和個性化。就推送的效果而言，頻道式推送適合群體讀者，網(wǎng)頁推送和郵件推送適合個體讀者。［11］

（3）推送過程。推送過程是將適切的讀者需求按指定路徑傳送至讀者的過程，在追蹤推送過程的同時，完成推送質(zhì)量評價。在實際推送過程中，為保證推送的需求是最切合讀者的需求，就要找到讀者需求與已有需求的對接點，尋找需求對接點需要借助于已經(jīng)建立的需求知識庫。按照目標分類理論，將需求庫中的讀者需求分為認知、情感和動作技能三個類型，并將其細化為認識、理解、應(yīng)用、分析、評價、創(chuàng)造六個層次。這樣，就形成了一個樹狀的需求知識結(jié)構(gòu)序列模式，樹的最頂端是最基本需求信息點，每一類需求知識點都被做出相應(yīng)的標記，按照節(jié)點值的狀態(tài)明確讀者處在哪個知識點。再根據(jù)相似度匹配計算，判斷出讀者需求狀態(tài)、風格及其相關(guān)的讀者群體，最后將最切合的需求推送給讀者，從而完成讀者需求匹配推送的整個過程（見圖5）。［17］

圖5 匹配推送過程

（4） 推送反饋與更新。反饋是圖書館對讀者使用獲取知識的行為進行收集、對讀者隱性需求進行挖掘及對讀者需求更新做出的具體反映。主要包括：需求推送是否及時、服務(wù)承諾是否落實到位、讀者需求滿足后的情感體驗是否得到分享、讀者更高層次的服務(wù)需求或愿望是否得到實現(xiàn)等。面對反饋信息，一方面，要進行儲存，為以后處理同類問題時作參考和借鑒，另一方面，要根據(jù)反饋信息對讀者需求進行更新，更新的方式有增加和刪除兩種。增加方式：假如某一條需求知識信息經(jīng)常出現(xiàn)，我們就認為該知識類型是讀者感興趣的需求知識。提取該知識類型的關(guān)鍵詞，計算出關(guān)鍵詞的相對詞頻，將詞頻大于設(shè)定值的關(guān)鍵詞增加到讀者需求集合中。刪除方式：若讀者某一需求興趣的特征長期不在推送的知識中，我們就認為該需求興趣不能準確地表達讀者需求，或者讀者已經(jīng)失去對該知識的興趣，當該特征出現(xiàn)的頻率低于設(shè)定值時，我們就將需求知識從讀者需求集合中剔除。［13］

4 結(jié)語

本文構(gòu)建了一條包括讀者需求知識的獲取、表示、關(guān)聯(lián)、相似群確定、匹配、展示、推送、反饋、更新等環(huán)節(jié)的完整的讀者需求匹配推送路徑，實現(xiàn)了讀者需求知識獲取的動態(tài)聯(lián)動，最終實現(xiàn)知識重用的目標。① 按照路徑中對讀者需求知識的處理辦法，隨著推送服務(wù)的深入，使讀者的隱性需求顯性化，形成可以量化的需求模型，在對需求作相應(yīng)的匹配后，實現(xiàn)點對點、塊對塊的需求智能化推送；② 對讀者需求匹配采用相似度匹配算法，根據(jù)對需求的整合與關(guān)聯(lián)推測讀者靜態(tài)需求與動態(tài)需求，用以預測讀者當前需求的狀態(tài)和特征，繼而為讀者推送適切的需求知識；③ 讀者需求匹配推送過程是一個復雜的過程，推送過程打破了需求知識在物理空間和邏輯上的分割和獨立，在虛擬的網(wǎng)絡(luò)空間完成知識的重用和創(chuàng)新；④完整的讀者需求匹配推送路徑是一條多發(fā)的路徑，路徑中涉及需求的采集、整合、關(guān)聯(lián)、匹配、推送、反饋、更新等環(huán)節(jié)，因而需求知識之間關(guān)聯(lián)點的匹配能力顯得尤為關(guān)鍵，而推送路徑的完整性恰恰為這一能力的實現(xiàn)提供了機遇。