基于社交网络的个性化知识服务模型研究*

杨瑞仙李露琪

基于社交网络的个性化知识服务模型研究*

杨瑞仙李露琪

通过对社交网络所产生的海量用户以及数据的挖掘与分析，判断用户不同的特征与喜好，从而为用户定制个性化知识服务，达到用户的需求，增强其对产品与服务的使用黏性，这不仅满足了企业的商业目的，同时也提高了用户的满意度。论文在深入了解我国社交网络的运营模式、分析社交网络中用户行为特征的前提下，提出从用户兴趣模型出发的个性化知识服务，并建立了基于个人兴趣和兴趣传播推荐的个性化知识服务模型。

社交网络用户行为个性化知识服务兴趣模型

自互联网诞生以来，数据一直以惊人的速度增长。门户网站、搜索引擎、社交网络的先后问世引领着传统互联网数据不断膨胀，真正的“大数据”时代已经来临。而“大数据”中的“大”字从2011年起的兴旺发达，要归功于SNS（social network service）[1]。SNS不但是人们在互联网上的聚合，还提供了人与人之间的交互平台和关系集合。社交网络产生了海量用户以及实时和完整的用户数据，同时也记录了用户群体的情绪，通过深入挖掘这些数据来了解用户，根据这些分析将用户精准细分；根据用户的消费习惯、兴趣爱好、关系网络对互联网服务以及产品进行针对性的优化和改进，达到真正满足用户的需求和喜好，最终提升用户的使用体验并增强其对产品和服务的使用黏性。这不仅是互联网从业者为实现商业目的所关注的热点，也是情报工作人员为提升用户体验度以及进行知识服务研究的重点。

国内学者大都侧重于对高校或者公共图书馆的个性化知识服务的研究，而在基于互联网热门领域的知识服务研究较少。本文在深入了解我国社交网络的运营模式、分析社交网络中用户行为特征的前提下，提出了基于社交网络所应提供的个性化知识服务。

1 社交网络

1.1 社交网络概况

一般意义的社交网络即Social Network Service（SNS），是指以“实名交友”为基础，基于用户之间共同的兴趣、爱好、活动等，在网络平台上构建的一种社会关系网络服务，属于目前社会化媒体的一种主流形式。根据用户使用社交网络的目的，以及各社交网站的定位，可将国内社交网络分为以下几类：（1）休闲娱乐类社交网络：以满足用户的休闲娱乐需求为主，目前以人人网、腾讯社区（包括腾讯朋友和QQ空间）、开心网等为典型代表；（2）婚恋交友类社交网络：以婚恋交友的需求为主，如世纪佳缘、百合网、珍爱网等；（3）商务交友类社交网络：以商务交友的需求为主，如优士网、若邻网、经纬网等；（4）其他社交网络。通常，学者所研究的都是以Facebook为模板的休闲娱乐类的社会网络。

1967年，哈佛大学的心理学教授Stanley Milgram（1933—1984）创立了六度分离理论：“你和任何一个陌生人之间所间隔的人不会超过六个，也就是说，最多通过六个人你就能够认识任何一个陌生人。”按照六度分隔理论，每个个体的社交圈都不断放大，最后成为一个大型网络，这就是社会化网络（SNS）。然而，随着互联网的发展，社交网络的定义将不再局限于人与人的社交，而是人与人，人与物，物与物的范围更大的社交网络。我们可以称之为“大社交网络”——BIG Social Networking Services （Big SNS），这个大社交网络本质上也就是基于互联网大脑神经系统不断发育的结果，它的发育对于理解云计算、物联网、社交网络、大数据的关系将有着重大的启发作用。1.2 社交网络的特点与发展趋势

1.2.1 社交网络的特点

目前，社交网站的基本模式是网站给用户提供个人主页，方便用户上传照片、视频，发表日志，更新个人状态，同时还可以添加好友，根据好友的隐私设置，用户还可以访问其个人主页或进行留言[2]。因此，社交网络区别于其他互联网产品最明显的一个特点就是其真实性。从发展之初，社交网站都在强调要建立真实的社会网络，提倡用户使用真实信息进行注册。除此之外，社交网络有人际互动、人际弱连接性、隐私保护等特点。

（1）真实性。实名制是很多社交网站的重要特征，用户通过实名注册将线下真实的人际网络关系复制到网络上，不仅保证了关系的真实性，而且也加强了朋友之间的互动关系。在真实和信任的基础上，用户更加愿意参与互动，愿意在自己的网页中表达情绪，关注朋友的状态，分享自己的心情。同时，线上与线下的结合，虚拟空间与实体空间的交流构成了所谓的流动空间。

（2）人机互动特性。社交网站的实名制促进了朋友间的互动性。社交网站不同于社区型网站，社区型网站仅仅是给用户提供了一个表达自我的空间，而社交网站还在此基础上加入周围真实朋友的关注和互动。社交网站也充分利用这一特点推出了各种互动类的小游戏，比如风靡一时的抢车位、偷菜等，这种建立在真实人际关系基础上的互动性格外吸引用户。

（3）人际弱连接性。社交网站从发展最初就参照“六度分隔理论”，利用社会中人与人之间建立关系的可能性以及普遍存在的“朋友的朋友也是朋友”的弱连接性来拓展人际关系网络。现在的社交网络更是依托人际关系将人脉发展到最大化，通过“弱连接”创造一个“极虚拟、极真实”的大社交网络。

（4）权限可控性。真实性在提高社交网站中用户间交互体验的同时，也不可避免地使人们将关注度集中在隐私保护等问题上。虽然各大社交网站在用户注册的时候都承诺不会将用户的个人隐私及信息泄露给他人和机构，但还是无法从根本上消除用户的顾虑。在社交网络中，用户可以自由选择自己信息的开放程度与可见性，以及交友权限，使得用户的隐私得到了更好的保护。

1.2.2 社交网络的发展趋势

社交网站的特性是其建立与发展的基础，而在信息技术的浪潮中，SNS未来的发展趋势也是研究其针对用户提供个性化知识服务的基础。在艾瑞咨询发布的《2014年中国移动互联网用户研究报告》中指出，2013年中国移动互联网用户规模为5亿人，成为中国网民的主要阵地。同时结合《2012—2013年度中国社交网络用户行为研究报告》的数据分析，总结出以下社交网络发展的趋势。

（1）从PC端向移动终端迁移。伴随着移动3G时代的到来，它能够更好地实现无缝漫游，并处理图像、音乐、视频流等多种媒体形式，使得手机、iPad等移动终端能够与互联网充分融合，移动互联网已经势不可挡。所以在国内，无论是传统的互联网阵营（校内网、腾讯），WAP无线互联网阵营（3G门户），还是运营商（移动、联通、电信）和设备生产商（华为）都对移动SNS“虎视眈眈”[3]。

（2）从熟人社交转向陌生人社交和兴趣社交。在国内社交网络发展的初期，以校园网、开心网等以熟人关系为主打的SNS网站成为了主力，然而从2009年开始，以豆瓣网为代表的以兴趣为基础串联陌生人的社交网站开始兴起。“物以类聚，人以群分”的观念在现实中体现在人与人形成的各色“圈子”中，所以越来越多的SNS网站瞄准了特殊的小众群体，通过用户的选择而推荐趣味相投的朋友，彼此交流形成独特的群体。

（3）社交服务的垂直细分。在社交网站针对用户的范围逐渐细分的同时，各社交网站本身提供的服务也有垂直细分的趋势。以人人网为例，从原来单一的交友、动态展示等基础功能逐渐扩充为包含生活、娱乐、求职、便民等一系列可供选择的功能，针对用户的不同需求提供个性化的服务。

（4）社交网络电子商务结合。中国电子商务研究中心数据显示，2013年第二季度电子商务和社交网络的网民日重合率为18.35%，即同一天内访问电子商务或者社交网络任一类服务的网民中有18.35%的网民同时访问了这两类服务。据艾瑞咨询调研数据显示，84.7%的用户愿意使用社交化购物网站，其中有72.9%的用户会逐渐增加对此类网站功能的使用。由此可见，社交化购物网站逐渐得到了用户的认可，未来用户继续使用的意愿很强。

1.3 社交网络中用户行为研究

对社交网络中用户行为、群体特征、用户间信息传播等进行分析，可以充分掌握用户的行为模式和社交网站中信息传播模式，有助于网站运营商全面掌握用户需求从而提供个性化的服务和产品[4]。在分析了用户使用社交网络的行为（见图1）后，可以看出社交网络中用户的行为主要由用户之间的关系、用户生成内容、用户兴趣选择三方面组成。

（1）用户与用户之间的关系。社交网络所提供的基本功能就是供用户维护真实与虚拟的社交关系。然而用户并不只是通过传统的聊天方式维护彼此的关系，关注彼此的信息、分享彼此的生活、互动游戏等已经是当前热门的社交方式。

（2）用户生成内容。在社交网站中，用户发布日志、照片、视频、状态、评论等均是用户生成内容，这些内容极大地丰富了社交网络的内涵，提供了社交所需要的基本信息，是研究用户行为必不可少的内容。

（3）用户兴趣选择。社交网络中的用户需要拥有个人空间，这个空间不仅可以让别人来关注自己，同时也可以根据个人喜好选择一些内容，比如空间风格的装扮、喜爱应用的添加以及感兴趣的话题等等。研究人员可以通过获取用户关注的领域以及经常使用的应用为用户制作个性化标签，提供更加准确的服务。

信息研究人员可以根据以上三个方面的内容对用户具体的行为特征进行调查，例如：（1）用户在网站的停留时间、跳出率、回访者、新访问者、回访次数、回访相隔天数；（2）用户所使用的搜索引擎、关键词、关联关键词和站内关键字；（3）用户访问网站流程，用来分析页面结构设计是否合理；（4）用户在页面上的网页热点图分布数据和网页覆盖图数据；（5）用户在不同时段的访问量情况等。

2 个性化知识服务

2.1 个性化知识服务的内涵

个性化知识服务是近几年图书情报学研究的热点，主要是个性化服务与知识服务的结合。它产生于社会的个性化需求，是根据用户的知识结构、信息需求，或是基于用户的兴趣爱好、使用习惯等个人特征，通过用户定制、系统推荐和推送功能，有的放矢地为某一用户创造符合个性需要的信息服务[5]。

2.2 个性化知识服务的特征

个性化知识服务从根本上改变了“我提供什么，用户接受什么”的传统服务模式，发展到“用户需要什么，我提供什么”的个性化服务模式，化被动为主动，提高了帮助用户解决问题的基本能力[6]。

个性化知识服务具有以下一些基本特征。

（1）以用户为中心。以用户为中心是个性化知识服务区别于传统信息服务的本质特点。个性化知识服务以方便用户利用、满足用户需求为前提，尊重用户的意愿，研究用户行为，提供“量身定制”的服务。

（2）知识性。不仅为用户提供其所需要的信息，还要根据用户的研发环境提供针对实际问题的解决方案。

（3）主动性。根据用户对知识信息的需求，有针对性和目的性地将用户所需知识信息送达用户。

（4）互动性。能够提供个性化知识服务的系统不仅要提供友好的界面，而且要方便用户交互，方便用户描述自己的需求，方便用户反馈对服务结果的评价。要能够对用户的个人需要、习惯、爱好、兴趣等信息需求和利用行为进行了解、开发和挖掘，从而不断改进服务质量。

（5）选择性。服务方式要灵活多变，具有选择性。不仅要提供更加准确的知识信息，还要能够按照用户选择的方式进行服务，如信息的显示方式、提供结果的方式等。

2.3 个性化知识服务模式

（1）定制服务。个性化信息定制服务是指用户可以根据自己的兴趣和需求定制不同的信息资源、界面和服务种类等。最终实现不同用户登陆后具有不同的权限、不同的界面风格，能够访问不同的信息资源，实现完全的个性化信息服务[7]。

（2）信息推送服务。推送技术是一种按照用户指定时间间隔或根据发生的事件，把用户选定的数据自动推送给用户计算机的数据发布技术。信息推送服务减少了用户盲目的网上搜索，节约了大量的时间和宽带资源，提高了用户信息检索的效率。

（3）智能代理。用户在检索信息时，没有确切的兴趣爱好和需求，或者无法确切表达时，智能代理技术的运用很好地满足了用户的这一需要，通过跟踪用户在信息空间中的活动，自动捕捉用户的兴趣爱好，主动搜索可能引起用户兴趣的信息并提供给用户[8]。

（4）垂直门户信息服务。垂直门户立足于提供某一领域的精品服务或是某一特定平台，可以有效地把对某一特定领域信息感兴趣的用户与其他用户区分开来，更能满足用户的特定性信息需求，从而提供个性化高质量的信息服务。

3 基于社交网络的个性化知识服务

3.1 基于社交网络的个性化知识服务技术

对于基于社交网络的个性化知识服务，目前国内学者主要集中在对于个性化推荐系统的研究。朱琳珂在基于西安某软件公司与美国某互联网公司的合作项目，以社交网络为基础，研究了经典的社区发现算法、个性化推荐技术以及信任评估方法，提出了一种基于社交网络的个性化推荐算法[2]；赵欣结合社交网络、标签系统、协同推荐系统以及群体决策理论提出了基于社交网络的群体推荐系统算法[9]；邢星深入研究影响社交网络个性化推荐方法推荐质量的主要因素，建立能够准确预测用户兴趣的推荐模与学习算法，形成真实反映社交网络用户兴趣的个性化推荐方法[10]。

可见，协同过滤技术以及智能标签技术是支撑个性化知识服务的关键技术。

协同过滤技术：用于分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测。基于协同过滤的推荐可以分为三个子类：基于用户的推荐（User-based Recommendation），基于项目的推荐（Item-based Recommendation）和基于模型的推荐（Model-based Recommendation）[11]，见图2和图3。

智能标签技术：是建立在社会化标签的基础上，用户为自己喜欢的文章、图片、音频、视频等一系列文件所定义的一个或多个描述。通过标签可以发现用户隐藏在互联网中的兴趣，从而进行相似度比较，最终向用户推荐符合其标签页的相关网页和应用，达到个性化推荐的目的[12]。

3.2 基于社交网络的个性化知识服务模型

基于社交网络的个性化知识服务必须建立在分析用户兴趣模型的基础上，同时兴趣模型的建立既要通过历史数据（智能标签）确定目标用户的个人兴趣，也要关注社交网络中其他用户的兴趣对于目标用户的影响。所以应该结合基于个人兴趣的推荐和基于兴趣传播的推荐两个方面进行个性化推荐服务。

（1）基于个人兴趣的推荐。社交网络中用户的行为可以总结为交友、发布信息、浏览页面、使用应用四个方面，在结交新友时，用户会填写寻找好友的要求（性别、学历、年龄、职业、爱好）等；在发布信息时，用户会对自己感兴趣的内容进行收藏、转载和评论等；在浏览页面的时候，用户会留下标签与浏览痕迹；在使用应用时，可以根据用户的点击量以及分享给好友的情况判断用户的喜好。以上行为都会为确定用户的兴趣爱好提供充分的证据，并由此推荐给用户兴趣相投的好友以及需要的应用，最终实现基于用户个人兴趣爱好的个性化推荐服务，如图4所示。

（2）基于兴趣传播的推荐。在社交网络中用户个人的兴趣不仅影响着与其有直接社会关系的人的兴趣，同时根据“弱连接理论”也影响着大社交网络中的其他人。所以首先要通过用户之间的关注度、亲密度、互动程度对目标用户与朋友之间社会关系的紧密关系进行分析，通过目标用户与朋友之间共同好友的数量与目标用户朋友的数量计算影响因子，然后经过紧密度以及影响力的分析，搜索社交网络中对目标用户的个人兴趣产生影响的用户，并根据贝叶斯定理计算用户之间个人兴趣的间接影响，最终判断社交网络中兴趣传播对用户的影响，如图5所示。

4 结语

基于社交网络所能为用户提供的个性化知识服务远不止个性化推荐服务，然而，无论是何种服务都要实现以用户为中心的目的。从某种意义上来说，社交网络虽然以虚拟的形式建立起人与人之间的关系，但所关注的还是人的本身，因此社交网络的发展必将与互联网上现有的各种服务相融合。正如多年前腾讯设想的那样成为一站式互联网服务提供商，社交网络将网络聊天、交友、博客、网络社区、音乐共享、RSS等有机地融合成为“在线生活社区”；同时，独树一帜的垂直化SNS也将成为发展趋势。所以，研究社交网络的个性化知识服务有助于用户在庞然复杂的网络信息中选择自己感兴趣的和有价值的信息，同时也为互联网服务人员提供了努力的方向。

[1]谭磊.New Internet：大数据挖掘[M].北京：电子工业出版社，2013：295-296.

[2]朱琳可.基于社交网络的个性化推荐服务研究[D].陕西：西北大学，2012：7-8，4-5.

[3]西门柳上，马国良，刘清华.正在爆发的互联网革命[M].北京：机械工业出版社，2009：193.

[4]邓夏玮.基于社交网络的用户行为研究[D].北京：北京交通大学，2012：2-3.

[5]王世伟.图书馆个性化知识服务发展报告[M].北京：科学出版社，2010（4）：80-81.

[6]沈东婧，江晓波，王斌.基于用户需求的图书馆个性化知识服务系统构建[J].情报探索，2010（1）：14-16. [7]周萍.高校图书馆个性化信息服务研究[D].吉林：吉林大学，2007：10-12.

[8]林强.基于智能Agent的用户个性化检索系统的实现[J].图书馆学研究，2005（5）：7-10.

[9]赵欣.基于社交网络的群体推荐系统[D].成都：电子科技大学，2013：1-3.

[10]邢星.社交网络个性化推荐方法研究[D].大连：大连海事大学，2013：1-2.

[11]路晓亚，宋秋丽.基于用户兴趣变化的协同过滤技术的研究[J].电脑与电信，2012（3）：51-52，58.

[12]易明，王学东，邓卫华.基于社会网络分析的社会化标签网络分析与个性化信息服务研究[J].中国图书馆学报，2010（2）：107-114.

杨瑞仙郑州大学信息管理学院讲师。河南郑州，450000。

李露琪郑州大学信息管理学院本科生。河南郑州，450000。

Research on the Personalized Knowledge Service Model based on Social Network

Yang Ruixian，Li Luqi

Through the analysis of the massive users and data generated by social networks,determining the users’different characteristics and preferences can customize personalized knowledge services for users,achieving the needs of users and enhancing the viscosity of products and services,which not only satisfies the commercial purpose of the enterprise but also improves the satisfaction of the users.This article is based on deep understandings of our country's social network operating mode and the analyzing of characteristics of the user behavior in the social network,putting forward that we should provide personalized knowledge services by using the user interest model and set up personalized knowledge service model based on the recommendations from the personal interest and the recommendation of interest spread.

Social network.User behavior.Personalized knowledge services.Interest model.

G250

2014-07-05编校：方玮）

*本文系国家自然科学基金项目“基于海量数字资源的科研关系网络构建研究”（项目编号：71273251）研究成果之一。