基于大數(shù)據(jù)的高校圖書館情境化推薦模式研究

朱靜　徐一然　吳穎　孫敘倫　任娟

摘要：本文以圖書館用戶畫像為切入點，在充分融合用戶屬性數(shù)據(jù)、用戶人格數(shù)據(jù)、內(nèi)容偏好數(shù)據(jù)、互動數(shù)據(jù)和會話數(shù)據(jù)的基礎(chǔ)上，構(gòu)建標(biāo)簽化的圖書館用戶畫像模型，并在此基礎(chǔ)上提出基于大數(shù)據(jù)的高校圖書館用戶畫像情境化推薦模式，從而為讀者提供更為精準(zhǔn)的個性化知識推薦服務(wù)。

關(guān)鍵詞：高校圖書館;情境化推薦;用戶畫像;用戶標(biāo)簽

中圖分類號：G350.7

文獻(xiàn)標(biāo)識碼：A

1緒論

基于大數(shù)據(jù)的高校圖書館情境化推薦模式利用圖像處理技術(shù)，將數(shù)據(jù)進(jìn)行可視化呈現(xiàn)，促進(jìn)高校圖書館開展針對某類用戶的閱讀推廣和智慧化推送。高校圖書館可以有效利用大數(shù)據(jù)和用戶畫像技術(shù)實現(xiàn)服務(wù)模式的創(chuàng)新，如知識服務(wù)、學(xué)科服務(wù)、web服務(wù)、手機(jī)終端服務(wù)等等，同時根據(jù)用戶特征變化調(diào)整用戶畫像，提高閱讀推廣效果。

2高校圖書館用戶畫像建模

2.1用戶畫像數(shù)據(jù)獲取

圖書館用戶畫像數(shù)據(jù)的來源主要包括高校圖書館門戶網(wǎng)站、圖書館集成管理系統(tǒng)、移動圖書館、門禁管理系統(tǒng)及微信等平臺。圖書館用戶畫像數(shù)據(jù)資源包括用戶屬性數(shù)據(jù)、用戶人格數(shù)據(jù)、內(nèi)容偏好數(shù)據(jù)、互動數(shù)據(jù)、會話數(shù)據(jù)和情境數(shù)據(jù)。用戶屬性數(shù)據(jù)可以通過系統(tǒng)的注冊信息獲取，用戶人格數(shù)據(jù)可以在系統(tǒng)注冊時的個人信息中進(jìn)行完善。內(nèi)容偏好數(shù)據(jù)、互動數(shù)據(jù)和會話數(shù)據(jù)都可以從圖書館門戶網(wǎng)站獲得。情境數(shù)據(jù)包括時間情境數(shù)據(jù)、位置情境數(shù)據(jù)和自然情境數(shù)據(jù)，其中時間情境數(shù)據(jù)和位置情境數(shù)據(jù)都可以通過定位技術(shù)獲得，如WIFI、藍(lán)牙、RFID、GPS、北斗、無線網(wǎng)絡(luò)基站等，而自然情境數(shù)據(jù)可以通過用戶手持的智能終端設(shè)備和傳感器來獲取。

2.2構(gòu)建用戶標(biāo)簽

根據(jù)圖書館用戶畫像獲取的途徑，為了滿足大數(shù)據(jù)背景下用戶的情境化推薦需求，本文構(gòu)建了圖書館用戶畫像模型的靜態(tài)與動態(tài)標(biāo)簽體系。其中，用戶屬性與用戶人格為靜態(tài)標(biāo)簽，用戶偏好、互動、會話和情境為動態(tài)標(biāo)簽。

2.3用戶畫像模型的建立

（1）用戶屬性標(biāo)簽。用戶屬性標(biāo)簽包括用戶姓名標(biāo)簽、性別標(biāo)簽、年齡標(biāo)簽、出生日期標(biāo)簽、教育程度標(biāo)簽、用戶專業(yè)標(biāo)簽和婚姻狀況標(biāo)簽。用戶屬性標(biāo)簽的形式化表示為User_Information={Name，Gender，Age，Birth，Education，Major，Marital}。Name為用戶姓名，為用戶記錄的唯一標(biāo)識;Gender為用戶性別編碼，為男性或者是女性;Age為用戶年齡代碼，一般分為18歲以下、18至35歲、36歲及以上;Birth為用戶出生日期識別碼;Education為用戶教育程度編碼，一般分為?？?、本科、碩士、博士等;Major為用戶專業(yè)編碼，如機(jī)械設(shè)計制造及其自動化、軟件工程、市場營銷等;Marital為用戶婚姻狀況編碼，為已婚或未婚。

（2）用戶人格標(biāo)簽。用戶人格標(biāo)簽包括用戶興趣愛好標(biāo)簽、用戶理想標(biāo)簽、用戶能力標(biāo)簽、用戶氣質(zhì)標(biāo)簽和用戶性格標(biāo)簽。用戶人格標(biāo)簽的形式化表示為User_Personality={Interest，Ideal，Capacity，Temperament，Character}。Interest為用戶興趣愛好編碼，可能包括運(yùn)動、音樂、棋類、寫作、表演等;Ideal為用戶理想編碼，一般包括職業(yè)理想、素質(zhì)理想、生活理想、社會理想;Capacity為用戶能力編碼，一般包括智力、專門能力和創(chuàng)造力;Temperament為用戶氣質(zhì)編碼，一般分為膽汁質(zhì)、多血質(zhì)、黏液質(zhì)和抑郁質(zhì);Character為用戶性格編碼，一般分為理論型、經(jīng)濟(jì)型、權(quán)力型、社會型、審美型、宗教型。

（3）內(nèi)容偏好標(biāo)簽。內(nèi)容偏好標(biāo)簽包括瀏覽標(biāo)簽、閱讀標(biāo)簽、檢索標(biāo)簽、預(yù)約標(biāo)簽和續(xù)借標(biāo)簽。內(nèi)容偏好標(biāo)簽的形式化表示為User_Preference={Browser，Reading，Search，Res-ervation，Renewal}。Browser為瀏覽情況編碼，即用戶瀏覽圖書館門戶網(wǎng)站的時間和頁面停留時間，頁面停留的時間越長表示用戶越感興趣;Reading為閱讀情況編碼，表示的是用戶閱讀的具體內(nèi)容;Search為檢索情況編碼，一般表示用戶通過關(guān)鍵字對感興趣的主題進(jìn)行檢索;Reservation為預(yù)約書籍編碼，反映了用戶的潛在需求;Renewal為續(xù)借書籍編碼，表示用戶閱讀完一本書籍后對其產(chǎn)生了濃厚的興趣，從而引發(fā)客戶的續(xù)借行為。

（4）互動標(biāo)簽?；訕?biāo)簽包括收藏標(biāo)簽、評論標(biāo)簽、分享標(biāo)簽和情感態(tài)度標(biāo)簽?；訕?biāo)簽的形式化表示為User_Interact={Collection，Comment，Share，Attitude}。Collection為收藏文獻(xiàn)編碼，表示用戶對搜集來的文獻(xiàn)資料進(jìn)行篩選、加工和貯存的過程;Comment為評論情況編碼;Share為分享內(nèi)容編碼，部分用戶會對其感興趣的書籍在社交平臺進(jìn)行分享;Attitude為情感態(tài)度編碼，表示的是用戶對書籍以及其他用戶分享內(nèi)容的喜好程度。

（5）會話標(biāo)簽。會話標(biāo)簽包括訪問時間標(biāo)簽、訪問次數(shù)標(biāo)簽、資源下載量標(biāo)簽、咨詢量標(biāo)簽和瀏覽路徑標(biāo)簽。會話標(biāo)簽的形式化表示為User_Dialogue={TID，Visits，Downloads，Consulation，Path}。TID為用戶訪問時間唯一識別碼;Visits為訪問次數(shù)編碼;Downloads為下載情況編碼;Consulation為咨詢情況編碼;Path為瀏覽路徑編碼。會話標(biāo)簽反映了圖書館用戶的行為特征。

（6）情境標(biāo)簽。情境標(biāo)簽包括時間情境標(biāo)簽、位置情境標(biāo)簽、自然情境標(biāo)簽。情境標(biāo)簽的形式化表示為User_Situa-tion={Time，Position，Nature}。其中時間情境標(biāo)簽的形式化表示Time={Datetime，Month，Parttime}，Datetime表示用戶瀏覽的絕對時間，Month為1—12月，Parttime可以分為清晨、上午、中午、下午、夜晚;位置情境標(biāo)簽的形式化表示為Position={City，PosType}，City指的是用戶所在城市，PosType可能包括閱覽室、借閱室、機(jī)房、教室、宿舍、餐廳、體育館、操場等。自然情境標(biāo)簽的形式化表示為Nature={Weather，Temp，Humidity，Windscale，Noise}。Weather主要包括晴、多云、雨、雪、冰雹、霜凍、霧等;Temp主要包括30℃及以上、21℃～29℃、11℃～20℃、0℃～10℃、零度及以下;Humidity表示的是自然情境中的濕度;Windscale描述的是風(fēng)級，分為0～17級;Noise表示的是噪音，一般分為0～29分貝、30～49分貝、50～69分貝、70～89分貝、90分貝及以上。

3基于大數(shù)據(jù)的高校圖書館情境化推薦

讀者對高校圖書館資源的興趣度與其所在的情境高度相關(guān)。在圖書館用戶畫像情境化推薦模式下，我們首先要計算圖書館用戶的當(dāng)前情境與歷史情境的相似度，然后再獲得與當(dāng)前情境類似的歷史情境中的讀者對資源項目的興趣度排名，最后利用top-n規(guī)則選擇排名靠前的n個資源推薦給目標(biāo)用戶，如圖3所示：基于大數(shù)據(jù)的高校圖書館情境化推薦的實現(xiàn)過程見圖4。

首先是數(shù)據(jù)資源層，包括數(shù)據(jù)獲取和數(shù)據(jù)處理。圖書館用戶畫像數(shù)據(jù)可以通過高校圖書館門戶網(wǎng)站、圖書館集成管理系統(tǒng)、移動圖書館、門禁管理系統(tǒng)及微信等平臺獲取。數(shù)據(jù)獲取結(jié)束后需要進(jìn)行數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)規(guī)約、數(shù)據(jù)清洗和數(shù)據(jù)聚類，這幾項可以統(tǒng)稱為數(shù)據(jù)的處理。數(shù)據(jù)處理完畢之后，我們還將對數(shù)據(jù)進(jìn)行存儲。

下一步是數(shù)據(jù)挖掘?qū)?，?shù)據(jù)挖掘?qū)又饕ㄟ^從圖書館數(shù)據(jù)庫中提取關(guān)鍵特征信息并建立基于大數(shù)據(jù)的高校圖書館用戶畫像標(biāo)簽體系，并對標(biāo)簽進(jìn)行分類建模和用戶標(biāo)識，勾勒數(shù)字化圖書館用戶畫像。

最后是應(yīng)用服務(wù)層，應(yīng)用服務(wù)層通過用戶畫像特征計算目標(biāo)用戶與服務(wù)資源的相似度，并結(jié)合用戶當(dāng)前的情境（時間情境、位置情境、自然情境），為圖書館讀者推薦與其所在情境最匹配的個性化資源。應(yīng)用服務(wù)層中最重要的是要實現(xiàn)推薦應(yīng)用的可視化，即利用可視化技術(shù)將數(shù)據(jù)轉(zhuǎn)換為用戶能夠識別的圖形或圖像在屏幕上進(jìn)行顯示，可視化推薦能夠把大量、繁雜、看似毫無關(guān)聯(lián)的數(shù)據(jù)、信息、知識以一種用戶能夠理解的視覺方式呈現(xiàn)出來。常見的數(shù)據(jù)可視化形式有圖表、數(shù)據(jù)流、層次結(jié)構(gòu)、時間序列、矩陣、信息圖形、地圖、網(wǎng)絡(luò)等。

基于大數(shù)據(jù)的高校圖書館情境化推薦模式能夠完善圖書館資源，更科學(xué)地對目標(biāo)讀者進(jìn)行分析，及時調(diào)整推薦書目，提升用戶體驗。同時可以對讀者群進(jìn)行精準(zhǔn)刻畫，可以對具有相似閱讀興趣或內(nèi)容偏好一致的讀者建立多重關(guān)聯(lián)，繪制出基于用戶畫像的讀者關(guān)系圖譜，深度挖掘讀者的潛在閱讀傾向，指導(dǎo)圖書館完善業(yè)務(wù)運(yùn)營流程、精準(zhǔn)開展各類閱讀推廣服務(wù)。

4結(jié)語

本文基于圖書館用戶屬性數(shù)據(jù)、用戶人格數(shù)據(jù)、內(nèi)容偏好數(shù)據(jù)、互動數(shù)據(jù)、會話數(shù)據(jù)和情境數(shù)據(jù)進(jìn)行標(biāo)簽化識別，圍繞這六個維度構(gòu)建基于大數(shù)據(jù)的高校圖書館用戶畫像模型，以此為基礎(chǔ)建立基于大數(shù)據(jù)的高校圖書館情境化推薦模型。需要特別注意的是，由于圖書館用戶的服務(wù)需求是實時變化的，因此需要對用戶的興趣變化以及所處情境進(jìn)行動態(tài)化跟蹤。

作者簡介：朱靜（1985— ），女，漢族，山西臨汾人，碩士，講師，研究方向：電子商務(wù)與供應(yīng)鏈管理;徐一然（1989— ），男，漢族，江蘇句客人，碩士，講師，研究方向：思想政治教育與高等教育管理;吳穎（1990— ），女，漢族，江蘇泰州人，碩士，講師，研究方向：思想政治教育與高等教育管理;孫敘倫（1992— ），男，漢族，江蘇鹽城人，碩士，研究方向：公共管理;任娟（1989— ），女，漢族，江蘇溧陽人，碩士，講師，研究方向：人力資源管理。