基于用户小数据的高校图书馆用户画像研究

陆衡

摘  要：本文介绍了用户画像技术在图书馆服务领域的研究现状，探讨了使用用户小数据构建用户画像在高校图书馆领域的应用前景，研究了基于用户小数据的高校圖书馆用户画像标签系统的构建流程，提出该系统的应用价值和前景。跟踪用户需求变化，建立满足用户个性化需求的体系，对高校图书馆利用自身数据资源来提升用户服务质量提供了参考和借鉴。

关键词：用户小数据  用户画像  高校图书馆  服务模式

中图分类号：G250.7                          文献标识码：A                  文章编号：1674-098X（2021）05（c）-0240-04

Research on User profile of University Library Based on User Small Data

LU Heng

（Wuhan Textile University Library， Wuhan， Hubei Province，430200 China）

Abstract： This paper introduces the research status of user portrait technology in the field of library service， discusses the application prospect of using user small data to construct user portrait in the field of university library， studies the construction process of user portrait label system of University Library Based on user small data， and puts forward the application value and Prospect of the system. Tracking the changes of users' needs and establishing a system to meet users' personalized needs provide a reference for university libraries to use their own data resources to improve users' service quality.

Key Words： User small data; User portrait; University library; Service mode

在互联网技术、大数据技术和各种新信息技术高速发展的背景下，高校图书馆的用户需求日益多样化和个性化，对服务的及时性、专业性和准确性的要求也越来越高。另外，随着各种IT技术的成熟应用，当前高校图书馆的数字资源数据、用户特征数据、用户服务数据、系统管理数据等各类数据正在快速增长，而图书馆所依赖的知识创造和利用环境正从信息时代进入“数据时代”。因此，利用多形式的资源类型和多样化的数据构建新的服务模式已成为提高高校图书馆服务效率的重要途径。

高校图书馆读者用户数据是基于以个体为唯一研究对象的全面数据，数据的准确性高，同时数据量小，可靠性和安全性高，数据中心IT系统具有小数据资源耗竭、小数据实时动态决策、决策成本低的优势，利用小数据为用户提供个性化智能服务，在成本控制、操作难度及技术实现方面具有大数据所没有的优势。

在此概念下，本文通过对高校图书馆用户数据挖掘分析，构建高校图书馆用户肖像标签系统，从而进一步研究用户、用户细分、用户多维知识，挖掘用户潜在需求，满足不同用户个性化需求和专业准确的服务要求。

1  相关研究概述

1.1 用户画像在图书馆领域的研究现状

用户画像技术最开始被应用于交互设计和产品设计领域。用户画像是指对一些特定服务人群的真实特征进行勾勒，是刻画目标用户、连接用户需求[1]的有效工具。早期的用户画像模型通常是设计师通过主观想象将目标客户的轮廓具体化，从目标轮廓中归纳出用户特征，然后用虚拟特征设计产品原型的一种方式。但是这样的用户画像完全依赖于设计师的主观假设，会比较容易产生偏差。

在图书馆领域，用户画像的应用可追溯最早出现在大约1985年，当时英国国家书目和Blaise-line通过电话采访和个人访谈的方式调查用户对Blaise-line的使用情况，并形成相关有效分析，从而优化服务。伴随用户画像技术研究的不断发展，国外许多学者主要将用户画像应用于图书馆的信息推荐[2]、信息过滤[3]及相关服务设计等领域。与之对比，我国在图书馆领域的用户画像相关研究则起步较晚，近年来逐渐成为研究热点，但是研究成果相对较少，主要集中在图书馆用户画像的模型构建和实际应用上。

综上所述，在国外相关研究中，图书馆领域关于用户画像的研究从早期的理论基础、模型建立、方法和技术，最后到实际应用，其研究线路相对比较成熟，但是国内的研究对于图书馆领域的用户画像研究还有待丰富和完善，因此可以借鉴国外成熟的用户画像模式，结合我国图书馆发展的现状和用户群体的特点，构建完整的图书馆用户画像模式，以加强用户画像的实践和应用，从而更好地把握用户需求，提升服务质量。

1.2 用户小数据的概念和研究现状

小数据概念最早由康奈尔大学教授德波海尔·艾斯提提出，在2014年他通过其父亲发现老人日常行为变化与身体异常的关系，经过医院的医学检查却没有发现异常， 德波海尔·艾斯提认为这些日常行为数据是一种新的医学数据，并将这些数据应用于疾病的诊断和治疗，为医疗治疗提供更直接的科学依据和数据支持。小数据来源于个体的数字轨迹，是个体用户全方位、多层次的行为模式和情景感知[4]的整个数据集。小数据在图书馆服务中的核心价值在于预测和判断用户的需求信息，并为其提供个性化、精准的服务。

在高校图书馆的数据服务创新中，尤其是数据采集的过程中，用户小数据是个体用户的重要研究对象。随着传感器网络技术、移动通信技术和阅读终端技术的发展，高校图书馆能够高效、不间断、低成本地对用户的小数据进行采集、合成、分析和判断，并利用小数据绘制出一种精确包含用户需求的模式、方法、阅读习惯以及使用者的社会网络关系。

2  高校图书馆用户小数据的内容与用户画像维度

高校图书馆用户小数据是用户整体特征的完整体现，是个体用户全方位、多层次的行为模式和情景感知的完整数据集。高校图书馆用户的小数据来源于用户的各种注册信息、活动信息和社会信息，具有数据价值高、数据准确、易于识别等优点。构建高校图书馆用户肖像标签系统的用户小数据主要来源于用户自然数据、用户行为数据和用户社交数据。用户自然数据主要包括读者ID、姓名、性别、年龄、年級、学历、专业、联系方式等。用户行为数据主要包括登录次数、浏览时间、页面滚动、点击、跳跃、下载、收集、复制、移动手势滑动、拖动、借用、搜索、咨询等。用户社交数据包括点赞、分享、评论、讨论、互动、关注、引用、引用、合作等。

3  高校图书馆用户画像标签系统

3.1 用户小数据的采集

用户小数据是构建用户画像的基础，用户数据越全面准确，用户画像的刻画就越接近于真实用户，用户画像的分析结果就越趋近于用户的真实需求。在数据的采集过程中，不同类型的用户小数据可以通过不同的方法来实现。用户自然数据可在学校教务系统、信息门户系统或用户在注册时填写的相关信息中获取;用户行为数据可在图书馆门禁管理系统、图书借阅管理系统、数据库检索系统中获取;用户社交数据可以通过网络数据采集、社会调查法、用户访谈法等方法获取。在数据采集的过程中，要注意数据信息的完整性和用户隐私之间的界限，数据的采集要以保证用户隐私为前提，同时要保证采集到的数据不会出现泄漏而导致用户的损失。

3.2 用户小数据的挖掘及过滤

数据挖掘和过滤是用户肖像处理的核心和关键。用户画像技术可以通过挖掘用户与用户数据之间的关系，用户画像的分析结果可以应用到个性化服务、精准营销等领域实现其价值。主要的数据挖掘方法有聚类、分类、关联规则、决策树、协同过滤等。可以根据不同的目的来选择最有效的数据挖掘方法，通过聚类和分类算法可以更好地将用户划分为具有相似特征的组，从而将这些人划分为具有共同特征的个体。关联规则是基于对象的相似度来建立数据关系。

3.3 用户画像的标签系统

标签提取和重组是用户肖像处理的最后一步，直接影响用户肖像结果的准确性。标注是对收集到的用户数据进行挖掘和过滤，提取目标用户群体的特征，并通过用高度精炼的词语识别这些特征的过程，标签系统有语义明确、文本简洁、专一性高[5]等特点。在本文中，用户画像的标签具体可以分为用户行为标签、用户社交网络标签和用户兴趣标签等，详见图1。

4  用户画像的价值和应用

通过融合用户小数据的各种自然数据、行为数据和社交数据，运用聚类、关联规则、决策树、协同过滤等方法将其抽象化，最终绘制出读者的用户画像及用户标签体系[6]。这个体系用来作为服务的基础，有着广泛而重要的价值，在具体应用中，可以实现多种丰富的功能，从而提升用户服务质量。

4.1 个性化内容推荐

使用用户画像来对用户进行个性化推荐的内容更为精确，同时也更符合用户的需求。用户画像的标签系统可以从多个维度来引导图书馆对用户进行个性化的内容推荐和精准营销。通过行为标签系统了解用户过往的信息需求，从而推导用户的服务需求;通过社交网络标签，了解用户在其社交圈内其他用户相关需求，从而推导用户是否有类似需求。在线的时间和空间场景上也可以针对不同用户特征，如空余时间和课程时间的不同分时段进行推送，充分利用好用户的碎片化时间;在空间上也可以因用户在馆或不在馆进行纸质资源或电子资源的推送[7]。

4.2 用户需求迭代与满意度管理

高校图书馆用户有着明显的需求迭代性，随着年级的增长和学业阶段的变化，其用户需求会呈现出明显的周期性。使用用户画像来对用户需求进行跟踪分析，能够有效地测算出用户需求迭代的时间节点。因此通过高年级的用户画像来分析低年级的需求是有一定参考意义的。通过个性化的信息引导，可以挖掘出用户的潜在信息需求，从而帮助用户在学习成长阶段更好的利用图书馆资源完成自己的学业。通过满意度管理可以了解用户对个性化推荐内容的满意程度，从而判断标签系统的准确性，并及时对用户画像标签系统进行更新，可以使标签系统更为完善。

5  结语

近年来通过构建用户画像来提升图书馆的服务质量，已经成为行业研究热点之一。但是在实际应用过程中还面临着一些问题急需解决。首先是信息采集的问题，在信息采集的过程中，如何判断有效数据与用户隐私的权益问题、道德问题，都还需进一步的研究分析。其次，在构建用户画像的过程中，虽然有很多不同的分析挖掘方法，但如何有效地融合多种方法来使构建的用户画像更为准确，目前尚无统一的标准。此外，在构建完成用户画像之后，如何利用用户画像标签系统进行开创性的新服务模式，是目前需要在实践应用过程中进一步总结的问题。

参考文献

[1] 亓丛，吴俊.用户画像概念溯源与应用场景研究[J].重庆交通大学学报：社会科学版，2017，17（5）：82-87.

[2] MAOJ，LU K，LIG，et al.Profiling users with tag networks in diffusion-based personalized recommendation[J].Journal of information science，2016，42（5）：711-722.

[3] SHARMA D，KAUR S.Neural network classification for user profile learning over digital library recommendation engine[J].Indian journal of science&technology，2016，9（33）：1-7.

[4] 陈廉芳.大数据环境下图书馆用户小数据的采集、分析与应用[J].国家图书馆学刊，2016（3）：69-74.

[5] 徐芳，应洁茹.国内外用户画像研究综述[J].图书馆学研究，2020（12）：7-16.

[6] 刘海鸥，孙晶晶，陈晶，等.用户画像模型及其在图书馆领域中的应用[J].图书馆理论与实践，2018（10）： 92-97.

[7] 范宇，李宏宇.高校图书馆个性化服务建设研究[J].河南图书馆学刊，2019（1）：46-48.