基于LDA模型的校友導(dǎo)師數(shù)字標簽研究

高儼 劉亞娟 周玉國 沈梅 常琳

摘? ?要：校友導(dǎo)師是指邀請優(yōu)秀校友擔(dān)任在校學(xué)生的培養(yǎng)導(dǎo)師。文章在對校友導(dǎo)師分類的基礎(chǔ)上，結(jié)合高校人才培養(yǎng)過程中存在的問題，從實踐操作的角度，提出校友導(dǎo)師數(shù)字標簽構(gòu)建的層次結(jié)構(gòu)，嘗試利用LDA模型對校友導(dǎo)師行業(yè)類數(shù)字標簽進行構(gòu)建，為研究校友導(dǎo)師用戶畫像提供了一種可實踐的方法，促進在校生對校友導(dǎo)師的選擇，提高雙方匹配程度，探索校友工作，促進高校人才培養(yǎng)。

關(guān)鍵詞：校友導(dǎo)師;用戶畫像;數(shù)字標簽;LDA模型

中圖分類號：TP391 文獻標志碼：A 文章編號：1673-8454（2021）11-0041-04

校友是高校寶貴的人力資源，校友導(dǎo)師計劃是由學(xué)校聘請優(yōu)秀校友擔(dān)任校外導(dǎo)師，通過項目、講座、論壇等形式，搭建校友與在校生溝通、交流、學(xué)習(xí)、指導(dǎo)的平臺，激發(fā)學(xué)生學(xué)習(xí)熱情、規(guī)劃學(xué)業(yè)目標、積累創(chuàng)業(yè)經(jīng)驗、擴展學(xué)業(yè)半徑的創(chuàng)新創(chuàng)業(yè)類活動。校友導(dǎo)師與在校生具有天然的聯(lián)系，他們具有相似的入學(xué)背景，接受過相同的教育資源培養(yǎng)，了解母校的學(xué)風(fēng)、教風(fēng)和校園文化，具備較高的認同感和相近的價值觀。校友離開母校經(jīng)歷社會實踐后，對學(xué)校在培養(yǎng)人才過程中存在的優(yōu)勢和不足具有更多的感悟，在參與母校人才培養(yǎng)過程中更具有針對性和目標性，擔(dān)當(dāng)導(dǎo)師能夠大大提升學(xué)生創(chuàng)新創(chuàng)業(yè)實踐的質(zhì)量。

一、校友導(dǎo)師類別及內(nèi)涵

在開展校友導(dǎo)師計劃的實踐中，根據(jù)校友導(dǎo)師自身參與學(xué)校人才培養(yǎng)方式的特點，可將校友導(dǎo)師分為學(xué)業(yè)指導(dǎo)類導(dǎo)師、職業(yè)咨詢類導(dǎo)師和創(chuàng)業(yè)指導(dǎo)類導(dǎo)師三類。

1.學(xué)業(yè)指導(dǎo)類導(dǎo)師

該類導(dǎo)師在校期間，學(xué)習(xí)成績優(yōu)異，社會實踐、創(chuàng)新能力、綜合素質(zhì)等方面表現(xiàn)突出，在學(xué)術(shù)研究上取得顯著成績。開展教學(xué)時主要以在校期間的學(xué)業(yè)、科研、生活和社會實踐等內(nèi)容為主題組織論壇分享，可以用榜樣的力量啟發(fā)在校學(xué)生在大學(xué)生活中確立發(fā)展目標，規(guī)劃發(fā)展道路，形成良好的學(xué)風(fēng)、校風(fēng)，增強校園的活力，有助于樹立良好的社會風(fēng)尚。

2.職業(yè)咨詢類導(dǎo)師

該類導(dǎo)師在行業(yè)和專業(yè)領(lǐng)域內(nèi)有豐富的工作經(jīng)驗，具有較強的演講能力、溝通能力與親合能力，具備彈性時間，能講授學(xué)生關(guān)心的行業(yè)熱點問題。組織教學(xué)時主要通過講座、論壇、會面、電話、郵件及新媒體技術(shù)與學(xué)生進行深入探討交流，對學(xué)生的咨詢能及時給予回復(fù)，能根據(jù)學(xué)生實際情況進行個人成長與發(fā)展方面的指導(dǎo)，幫助學(xué)生做好成長與發(fā)展規(guī)劃。

3.創(chuàng)業(yè)指導(dǎo)類導(dǎo)師

該類導(dǎo)師在專業(yè)領(lǐng)域內(nèi)富有創(chuàng)業(yè)經(jīng)驗，能結(jié)合自身閱歷、專業(yè)背景及實際情況，為在校生設(shè)立創(chuàng)業(yè)實操項目，同時也愿意接受學(xué)校對該項目的審核及管理，并與學(xué)校保持順暢溝通。組織教學(xué)時主要與在校學(xué)生形成傳、幫、帶、結(jié)對子的形式，在創(chuàng)業(yè)項目實施過程中，親自參與指導(dǎo)學(xué)生，切實幫助學(xué)生激發(fā)創(chuàng)業(yè)熱情、學(xué)習(xí)創(chuàng)業(yè)知識、提升創(chuàng)業(yè)能力。

在校生參與到校友導(dǎo)師計劃時需對校友導(dǎo)師進行選擇，要綜合考慮導(dǎo)師類型、行業(yè)屬性、教學(xué)風(fēng)格、教學(xué)計劃、自身的時間計劃、發(fā)展需求等各個維度的信息。因此，一個有效的校友導(dǎo)師身份畫像可以讓學(xué)生在選擇校友導(dǎo)師的過程中獲得一個較為清晰、完整的導(dǎo)師概念，使其在參與導(dǎo)師項目時更有針對性和有效性，是開展校友導(dǎo)師工作一個有效的技術(shù)手段。

二、用戶畫像構(gòu)建方法

用戶畫像也稱用戶角色，這個概念由交互設(shè)計之父Alan Cooper首先提出，作為一種以用戶為中心的交互設(shè)計工具，其目標是形成一組抽象的、高度精煉的特征標識，進而完成研究對象的深層次刻畫。

現(xiàn)有的研究中存在著兩類刻畫用戶畫像的方法：一類是對目標對象進行人為抽象，進而形成能代表其典型特征的數(shù)字標簽體系。其特點是依靠行業(yè)內(nèi)專家，憑借其專業(yè)素養(yǎng)，對目標給予直覺評價，形成標簽體系。其主觀因素影響較大，不同的行業(yè)內(nèi)專家可能會形成不同的標簽體系，同時在目標對象發(fā)展變化過程中，維護難度較大。另一類是通過收集目標對象相關(guān)的信息、行為、觀點等數(shù)據(jù)，經(jīng)過相關(guān)技術(shù)形成目標對象的數(shù)字特征標簽集合，這些基礎(chǔ)性工作能根據(jù)用戶畫像表示的用戶特征通過可視化數(shù)據(jù)圖表分析用戶需求。[1]其特點是直接從相關(guān)數(shù)據(jù)中提取、提煉信息，減少標簽體系建立過程中人為主觀因素的影響，進而形成統(tǒng)一的、可更新的、維護難度低的標簽體系，但存在數(shù)據(jù)稀疏性和情感分析偏差較大等問題，同時由于標簽體系主要依據(jù)歷史數(shù)據(jù)形成，因此對于前瞻性的用戶變化趨勢不能很好刻畫。綜上，一套較為客觀的標簽應(yīng)該是綜合以上兩類方法的優(yōu)點、從數(shù)據(jù)的角度得到明確的體系，同時能結(jié)合主觀分析，對目標對象的時空動態(tài)進行概括性總結(jié)。

在實踐過程中，用戶畫像構(gòu)建方法主要有六種：[2]①基于設(shè)計與思維;②基于本體或概念;③基于主題或話題模型（LDA）;④基于興趣或偏好;⑤基于行為或日志;⑥基于多維或融合。其中基于主題或話題模型主要是通過LDA主題模型發(fā)現(xiàn)文本信息中隱含的主題或話題， 進而據(jù)此刻畫出用戶，其具有較好的建模能力和較低的運算復(fù)雜度，屬于一種非監(jiān)督的機器學(xué)習(xí)技術(shù)。[2]范哲[3]通過訪談法收集用戶相關(guān)數(shù)據(jù)，抽取用戶行為過程中的階段性特征構(gòu)建多種典型的用戶畫像。徐彬等[4]深入分析了微博用戶數(shù)據(jù)，總結(jié)了微博用戶標簽的特點，對微博用戶標簽運用主題模型分析計算用戶的主題分布，對標簽詞進行聚類，并最終為用戶推薦標簽。阮光冊[5]針對網(wǎng)絡(luò)用戶評論信息，提出基于LDA主題發(fā)現(xiàn)模型對網(wǎng)絡(luò)評論進行主題發(fā)現(xiàn)的研究。通過LDA主題模型將用戶評論的內(nèi)容映射到主題上，實現(xiàn)對用戶評論信息主題的發(fā)現(xiàn)。傅魁等[6]結(jié)合語義分析和概率模型提出了一種基于主題模型的虛擬社區(qū)用戶建模方法，有效地解決了虛擬社區(qū)用戶生成內(nèi)容存在的問題。范宇等[7]將LDA 模型用于專利信息聚類，通過結(jié)合使用 OPTICS 算法和 k 近鄰準則，大幅度降低專利信息表示的維度，同時能夠高效地實現(xiàn)信息自動聚類，從而提高了專利分析的效率。姜曉偉等[8]將主題模型用于微博重要話題發(fā)現(xiàn)與排序方法，提出了一種特定產(chǎn)品相關(guān)的微博重要話題發(fā)現(xiàn)和排序方法，這種方法兼顧話題的影響力、突發(fā)性和相關(guān)性，關(guān)鍵詞之間聯(lián)系更緊密，語義相關(guān)性更強，其表現(xiàn)的話題更凝聚。

三、校友導(dǎo)師標簽的構(gòu)建

1.標簽的層次結(jié)構(gòu)

校友導(dǎo)師標簽的構(gòu)建，是信息不斷提煉和抽象的過程，應(yīng)具有以下層級結(jié)構(gòu)。

（1）原始數(shù)據(jù)層

原始數(shù)據(jù)是指校友導(dǎo)師在校期間和畢業(yè)之后形成的歷史數(shù)據(jù)信息。主要包括學(xué)籍信息、在校期間學(xué)習(xí)成績和獎勵信息、工作簡歷、工作業(yè)績、歷屆在校生對校友導(dǎo)師的評價、導(dǎo)師開展工作計劃等相關(guān)信息。

（2）特征提取層

該層需要應(yīng)用機器學(xué)習(xí)、數(shù)據(jù)挖掘、統(tǒng)計分析等相關(guān)技術(shù)手段，對原始數(shù)據(jù)層進行清洗、提煉、抽象，從深層次來體現(xiàn)目標特征信息。比如可以通過TF-IDF、TextRank、LDA等文本挖掘算法，結(jié)合K均值、DBSccan等分類聚類算法發(fā)現(xiàn)校友導(dǎo)師的聚集特征;通過Apriori、SVD矩陣分解等推薦算法形成與在校生需求匹配度高的校友導(dǎo)師推薦排序列表。

（3）標簽表示層

該層通過特征提取層獲得的凝練信息，對校友導(dǎo)師相關(guān)業(yè)務(wù)關(guān)注點進行標簽化展示。該層是整個標簽化過程中的重點，因此在標簽化的過程中，應(yīng)充分結(jié)合主、客觀標簽化方法的優(yōu)點，使標簽刻畫能準確地概括目標群體信息。標簽的最終結(jié)果可以讓學(xué)生根據(jù)自身需要迅速獲得校友導(dǎo)師關(guān)注點，同時也為校友導(dǎo)師提供一種反饋，不斷調(diào)整自身組織活動或項目的形式與內(nèi)容。

2.基于LDA模型的校友導(dǎo)師行業(yè)標簽提取

依據(jù)本文的標簽構(gòu)建層次結(jié)構(gòu)，將LDA主題模型應(yīng)用于校友導(dǎo)師行業(yè)類標簽提取流程。通過一個高度濃縮的詞語讓學(xué)生了解校友導(dǎo)師行業(yè)屬性，同時利用該標簽進行分類索引，也便于學(xué)校對校友導(dǎo)師分組管理。

LDA（Latent Dirichlet Allocation）是一種文本生成模型，其屬于一個三層貝葉斯概率模型，構(gòu)建了詞、主題、文檔三層結(jié)構(gòu)。[9]首先根據(jù)詞的層次，采用了詞袋模型，將所有文檔的詞語形成一個詞典;其次根據(jù)主題的層次，每個主題都有基于詞典的詞分布，詞分布為多項分布，其參數(shù)滿足Dirichlet分布;最后根據(jù)文檔的層次，將每篇文檔視為由詞頻組成的向量，并且有各自基于主題的概率分布，該分布是一個多項分布，同時其參數(shù)也滿足Dirichlet分布。對于一篇文檔的某個詞，首先從該文檔的主題分布中采樣一個主題，然后在這個主題對應(yīng)的詞分布中采樣一個詞，不斷重復(fù)上面的這個過程，直至遍歷文檔中的每一個單詞。

基于LDA模型對校友導(dǎo)師身份進行數(shù)字化標簽過程中，首先假設(shè)存在K個校友數(shù)字標簽、M個校友文檔，每個校友文檔看成由Nm個單詞組成的一個向量，所有的單詞組成一個大的詞庫VOC。其次，第m個校友可形成基于數(shù)字標簽下的概率向量θm;第k個數(shù)字標簽，基于詞庫VOC形成一個對應(yīng)的概率向量？覫k，并且第m個校友文檔描述中第n個詞對應(yīng)的數(shù)字化標簽定義為Zmn。基于以上假設(shè)，其LDA模型可用圖1表示。

給定校友文檔形成的集合，wmn是可以觀察到的已知變量，α、β為服從Dirichlet分布的先驗參數(shù)，Zmn、θm、？覫n是需要通過Gibbs Sampling過程來不斷逼近真實值的隱含變量。在采樣過程中每次選取一個向量維度，用其他維度的變量值來采樣當(dāng)前選取的向量維度，不斷迭代以上過程，直到收斂輸出隱含變量。[10]具體過程如下。

首先，對校友導(dǎo)師詞庫VOC中的每個詞分別賦值一個隨機的數(shù)字化標簽K0。

其次，對于可觀測變量wmn，統(tǒng)計每個數(shù)字化標簽k下，當(dāng)前觀測結(jié)果wmn=t 的數(shù)量以及每個校友文檔中出現(xiàn)當(dāng)前標簽k的數(shù)量，并且利用其他詞語的分布來估計當(dāng)前觀測結(jié)果的分布，即p（k|k-i，？覫，θ）。

再次，獲得當(dāng)前觀測結(jié)果在所有標簽下的概率后，為它采樣一個新的主題。

最后，循環(huán)以上過程，更新下一個詞的標簽，直到參數(shù)？覫、θ收斂到平穩(wěn)，算法停止。

3.校友導(dǎo)師行業(yè)標簽提取結(jié)果

實驗中收集了有效信息共計297條數(shù)據(jù)。先對文本進行規(guī)范性處理，包括分詞，記錄停用詞詞庫的構(gòu)建;同時根據(jù)分詞的結(jié)果將所有的校友企業(yè)行業(yè)信息形成一個詞向量空間。計算每個詞語的TF-IDF值，在此基礎(chǔ)上形成校友行業(yè)信息的語料庫。最后，對上面形成的語料庫進行LDA分析，同時發(fā)現(xiàn)，將α、β設(shè)置為0.01和0.5時效果最佳，設(shè)置形成9個類別校友數(shù)字標簽的分類結(jié)果，迭代次數(shù)為1000次，得到校友導(dǎo)師身份標簽，如表1所示。

其中，某個行業(yè)標簽下的關(guān)鍵詞分布排序如圖2所示。

對于每個校友導(dǎo)師，可獲得其在每個標簽身份上的分布概率，隨機選擇4位導(dǎo)師，可得表2所示相應(yīng)的標簽概率分布。

同時可獲得相應(yīng)校友導(dǎo)師在標簽上的分布圖，如圖3所示。

從表1中的詞分布中可結(jié)合人工經(jīng)驗歸納出各校友導(dǎo)師身份的數(shù)字標簽，標簽1是關(guān)于農(nóng)業(yè)種植、養(yǎng)殖類行業(yè)導(dǎo)師;標簽2是關(guān)于工業(yè)工程行業(yè)類導(dǎo)師;標簽3是關(guān)于商業(yè)服務(wù)類導(dǎo)師;標簽4是關(guān)于醫(yī)藥健康服務(wù)類行業(yè)導(dǎo)師;標簽5是關(guān)于生活服務(wù)類行業(yè)導(dǎo)師;標簽6是關(guān)于旅游服務(wù)類行業(yè)導(dǎo)師;標簽7是關(guān)于教育培訓(xùn)類行業(yè)導(dǎo)師;標簽8是關(guān)于物流物質(zhì)供銷類行業(yè)導(dǎo)師;標簽9是關(guān)于保險類行業(yè)導(dǎo)師。

四、結(jié)語

學(xué)校在人才培養(yǎng)和教學(xué)改革發(fā)展過程中，校友可以憑借對母校學(xué)科設(shè)置、師資力量和科研水平的熟悉程度，結(jié)合其就業(yè)經(jīng)歷、專業(yè)素養(yǎng)、創(chuàng)業(yè)經(jīng)驗和失敗教訓(xùn)，通過擔(dān)任校友導(dǎo)師參與到職業(yè)發(fā)展規(guī)劃、創(chuàng)新創(chuàng)業(yè)教育過程中，把學(xué)業(yè)信息、就業(yè)信息、行業(yè)信息、科技信息及相關(guān)經(jīng)驗傳授給在校學(xué)生，是新常態(tài)下推動高校育人模式轉(zhuǎn)變的有益探索與實踐。

校友導(dǎo)師身份標簽的構(gòu)建可以讓學(xué)生在參與校友導(dǎo)師計劃過程中，首先獲得對導(dǎo)師清晰完整形象的把握，提升導(dǎo)師計劃與學(xué)生之間的匹配程度。本文基于校友導(dǎo)師計劃提出了校友導(dǎo)師標簽構(gòu)建的層級結(jié)構(gòu)，同時通過利用LDA模型對構(gòu)建校友導(dǎo)師行業(yè)類數(shù)字標簽進行探索，為提高校友信息的區(qū)分度，使用詞語的TF-IDF值構(gòu)建模型。今后，將結(jié)合學(xué)生對校友導(dǎo)師的評價及情感分析進一步提升校友導(dǎo)師數(shù)字標簽的準確性和實用性。

參考文獻：

[1]黃文彬，徐山川，吳家輝等.移動用戶畫像構(gòu)建研究[J].現(xiàn)代情報，2016，36（10）：54-61.

[2]高廣尚.用戶畫像構(gòu)建方法研究綜述[J].數(shù)據(jù)分析與知識發(fā)現(xiàn)，2019，3（3）：25-35.

[3]范哲.基于用戶畫像的數(shù)字原住民社會化媒體采納意愿的階段性分析[J].現(xiàn)代情報， 2017，37（6）：99-106.

[4]徐彬，楊丹，張昱等.面向微博用戶標簽推薦的關(guān)系約束主題模型[J].計算機科學(xué)與探索， 2014，8（3）：288-295.

[5]阮光冊.基于LDA的網(wǎng)絡(luò)評論主題發(fā)現(xiàn)研究[J].情報雜志，2014，33（3）：161-164.

[6]傅魁，周良俊，王慧敏.基于主題模型的虛擬社區(qū)用戶建模[J].武漢理工大學(xué)學(xué)報（信息與管理工程版），2014，36（5）：663-667，672.

[7]范宇，符紅光，文奕.基于LDA模型的專利信息聚類技術(shù)[J].計算機應(yīng)用， 2013，33（z1）：87-89，93.

[8]姜曉偉，王建民，丁貴廣.基于主題模型的微博重要話題發(fā)現(xiàn)與排序方法[J].計算機研究與發(fā)展，2013，50（z1）：179-185.

[9]李文波，孫樂，張大鯤.基于Labeled-LDA模型的文本分類新算法[J].計算機學(xué)報， 2008（4）：620-627.

[10]張明慧，王紅玲，周國棟.基于LDA主題特征的自動文摘方法[J].計算機應(yīng)用與軟件， 2011，28（10）：20-22，46.

（編輯：王天鵬）