融合用户画像和知识图谱的智慧图书馆信息推荐体系研究

毛晨晰

摘 要：文章从用户画像和知识图谱角度出发，构建了智慧图书馆的信息推荐体系结构，智慧图书馆的信息推荐体系包括系统板块和系统架构两大部分，系统板块包括系统管理、用户画像、知识图谱、信息推荐、结果展现、结果反馈等七大模块，系统架构包括数据层、分析计算层、结果层、反馈层等四个层级。

关键词：用户画像；知识图谱；信息推荐体系；图书馆

中图分类号：G250 文献标识码：A 文章编号：1003-1588（2023）08-0115-05

1 背景

随着智慧时代来临、数智化技术发展及启发式认知智能应用的出现，作为文献信息资源中心的图书馆在快速积累类型多样、结构复杂的海量资源的同时，加剧了与读者有限认知能力之间的矛盾，使其在信息泛滥背景下面临日益严重的知识弥漫、信息超载等问题。如何基于智慧化理念推动图书馆服务系统转型升级，以动态感知读者兴趣、创新协同服务形式、序化整合知识资源，进而提供满足读者知识需求的智慧服务成为亟须解决的问题。在此形势下，智慧图书馆推荐系统遵循以数字化为核心，以泛在化为支撑，以智能化为手段，以智慧化为目标的思路，依托感知设备、大数据基础设施及人工智能技术重构传统推荐平台功能模块，通过动态响应读者需求并分析兴趣演化，整序重构知识资源并挖掘内在关联，主动提供泛在互联、虚实混合应用场景下读者需求驱动的智慧推荐服务并备受关注。

随着智慧图书馆推荐系统研究的不断深入，信息资源推荐匹配性成为重要议题，如何实现快速有效地精准推送成为智慧图书馆信息推荐服务高质量发展的关键。精准推送不仅与用户的需求相关，也与图书馆的信息资源有关，用户画像可以精准定位用户需求，知识图谱可以有效整合目标信息资源，用户画像和知识图谱应被作为智慧图书馆信息推荐服务的构建支撑。因此，本研究尝试融合用户画像和知识图谱构建智慧图书馆信息推荐体系。

2 文献回顾

用户画像通过对用户特征、历史行为特征的分析，形成标签化用户模型，用户画像在图书馆领域有广泛应用。例如，兰冰探索了基于群组用户画像的图书馆信息智能推送服务，指出用户画像技术应用于图书馆具有重要意义，包括合理利用大数据资源、实现精准智能化服务、抓住核心用户群体需要，提出了基于群组用户画像的图书馆智能信息推送流程，包括用户画像可视化分析、群组用户信息推荐、用户画像评价调整^[1]。李晓敏等研究了基于用户画像的智慧图书馆图书推荐服务，指出智慧图书馆用户画像有三大维度，分别是自然属性维度、兴趣属性维度、社交属性维度，提出用户画像智慧图书馆图书推荐模式有基于相似读者的图书推荐、基于相似图书的推荐、基于位置的推荐^[2]。王大阜等研究了基于用户画像的高校图书馆个性化图书推荐，指出用户画像模型构建应考虑读者个体特征属性、读者历史行为、读者兴趣偏好、读者认知能力差异等因素，设计了用户画像下高校图书馆个性化图书推荐系统，具体表现为数据层、处理层、逻辑层和表现层^[3]。

知识图谱是通过构造网状的知识结构，形成的一种结构化的语义知识库，知识图谱在图书馆领域有广泛的应用。例如，柳益君等重点探究了知识图谱的智慧服务应用，指出知识图谱具有聚合和挖掘海量馆藏资源，提供知识服务、融合和利用多源用户数据以全面认知用户、感知和识别多种动态场景以提供场景服务的优势，提出知识图谱应用下高校图书馆的智慧服务创新模式应包括智慧检索、智慧推荐、智慧问答^[4]。赵夕姝重点探究了知识图谱的数字资源管理系统设计，指出知识图谱具有提升馆藏数字资源管理能力、提升图书馆个性化知识服务水平、提升馆藏数字资源检索服务能力的作用，知识图谱可以被应用于图书馆馆藏数字资源的知识提取、知识表示、知识聚合、知识推理，提出知识图谱应用下馆藏数字资源管理系统应包括图书馆馆藏数字资源存储层、图书馆知识图谱层、图书馆用户交互层^[5]。孙雨生等基于知识图谱构建了智慧图书馆信息推荐技术体系，指出智慧图书馆信息推荐技术体系的构建目标是整合信息和聚合精准推荐，构建原则是技术时效性、场景多样性、服务全局性，提出智慧图书馆信息推荐技术体系的构建思路包括数据采集及预处理、数据分析、知识图谱构建、特征建模、推荐生成、推荐结果^[6]。

综上，当前知识图谱及用户画像均已被应用于图书馆信息推荐，但已有的研究没有将二者结合起来进行分析，为弥补研究空白，本研究将融合用户画像和知识图谱构建智慧图书馆信息推荐体系。

3 融合用户画像和知识图谱构建智慧图书馆信息推荐体系的内在逻辑

本研究采用多元回归模型分析智慧图书馆信息推荐服务效果的影响因素，参考已有学者的相关研究成果设定影响因素指标，包括用户层面的需求精准定位，信息资源层面的资源数量、资源质量、资源整合，馆员层面的馆员专业知识水平、馆员服务态度、馆员服务能力，信息推广层面的推广方式、推广渠道。变量设定见表1。

本研究采用问卷调查法收集图书馆用户和馆员对影响因素指标的主观评分，基于问卷星共发放调查问卷200份，回收得到有效问卷143份。根据有效调查数据，本研究运用SPSS软件进行回归分析，分析结果见下页表2。

如表2所示，模型调整后的R²值为0.716，即需求精准定位、信息资源数量、信息资源质量、信息资源整合、馆员专业知识水平、馆员服务态度、馆员服务能力、信息推广方式、信息推广渠道对智慧图书馆信息推荐服务效果的解释程度为71.6%，大于50%，说明模型自变量能够较好解释因变量。模型F检验的F值为632.451，显著性水平為0.018，小于0.05，说明模型分析有效。进一步讨论智慧图书馆信息推荐服务效果，各因素的影响关系如下。

关于用户层面因素，“需求精准定位”变量的回归系数Beta值为0.648，大于0，显著性水平为0.000，小于0.01，说明需求精准定位对智慧图书馆信息推荐服务效果具有非常显著的正向影响，也就是说，基于用户画像的用户需求定位可以显著提高智慧图书馆的信息推荐服务质量。

关于信息资源层面因素，“资源数量”“资源质量”等变量的回归系数Beta值分别为0.107、0.443，均大于0，显著性水平分别为0.033、0.011，均小于0.05，而“资源整合”变量的回归系数Beta值为0.632，大于0，显著性水平为0.000，小于0.01，说明资源数量、资源质量对智慧图书馆信息推荐服务效果具有显著的正向影响，而资源整合具有非常显著的正向影响，也就是说，信息资源数量与质量一定程度上可以提高智慧图书馆的信息推荐服务质量，而基于知识图谱的信息整合可以显著提高智慧图书馆的信息推荐服务质量。

关于馆员层面因素，“专业知识水平”“服务能力”等变量的回归系数Beta值分别为0.420、0.415，均大于0，显著性水平分别为0.013、0.017，均小于0.05，说明专业知识水平、服务能力对智慧图书馆信息推荐服务效果具有显著的正向影响，也就是说，馆员知识水平与服务能力在一定程度上可以提高智慧图书馆的信息推荐服务质量。

关于信息推广层面因素，“推广方式”“推广渠道”等变量的回归系数Beta值分别为0.214、0.206，均大于0，显著性水平分别为0.026、0.025，均小于0.05，说明推广方式、推广渠道对智慧图书馆信息推荐服务效果具有显著的正向影响，也就是说，信息资源推广方式与渠道在一定程度上可以提高智慧图书馆的信息推荐服务质量。

综上，基于用户画像的用户需求精准定位和基于知识图谱的信息资源整合对智慧图书馆信息推荐服务效果的影响程度明显高于其他变量，可见，融合用户画像和知识图谱构建智慧图书馆信息推荐服务体系是非常必要的。

4 融合用户画像和知识图谱的智慧图书馆信息推荐体系结构

融合用户画像和知识图谱的智慧图书馆信息推荐体系结构包括系统板块和系统架构两大部分，见图1。

4.1 系统板块

用户在系统注册时就会产生初步的个人数据信息和知识体系信息，用户注册后的阅读行为数据累计为用户画像的具象化提供了基础信息数据，同时根据用户的阅读偏好整合信息资源库，形成针对性的知识图谱。基于用户画像和知识图谱，智慧图书馆能够有效匹配用户需求与知识库资源，实现信息资源的精准推荐，并通过推荐结果不断进行跟踪反馈与改进，持续性满足用户需要。

根据上述流程，融合用户画像和知识图谱的智慧图书馆信息推荐体系可以分为六大模块，分别是系统管理模块、用户画像模块、知识图谱模块、信息推荐模块、结果展现模块、结果反馈模块。系统管理模块的主要功能是实现数据的系统化管理，包括用户画像数据、知识图谱数据、元数据的系统化管理。系统管理模块是智慧图书馆信息推荐体系结构的底层支撑，负责系统运行的稳定和系统数据分析的支持，可以说该模块是智慧图书馆信息推荐服务开展的基础保障。用户画像模块的主要功能是实现用户数据的挖掘、采集、分析与整合，提取能够反映用户特征的标签，构建用户画像。用户画像模块是智慧图书馆信息推荐服务的用户端支撑，负责提供真实有效的用户需求，可以说该模块是智慧图书馆信息推荐服务质量的需求数据保证。知识图谱模块的主要功能是知识资源的挖掘与处理、知识资源的重组与重构、知识特征的形成与网络结构化、构建知识图谱。知识图谱模块是智慧图书馆信息推荐服务的知识端支撑，负责匹配适宜性强的知识资源，可以说该模块是智慧图书馆信息推荐服务质量的知识数据保证。

信息推荐模块的主要功能是提取用户标签，提炼结构知识，根据用户标签推荐合适的知识资源，满足用户的有效需求。信息推荐模块是智慧图书馆信息推荐服务的过程环节支撑，负责推荐针对性强的知识资源，可以说该模块是智慧图书馆信息推荐服务质量的实际运作保障。

结果呈现模块的主要功能将推荐信息及时呈现给用户，可以通过Android终端将不同形式的知识资源展现给用户，也可以通过其他终端向用户展现知识资源。结果呈现模块需要做到多样化展示和排序化呈现，一方面，智慧图书馆可以在各应用终端向用户展示文字、图片、音频、视频等多种形式的知识资源；另一方面，智慧图书馆可以在各应用终端向用户优先推荐相关的重要知识资源，保障用户第一时间接触到最感兴趣的信息。可以说，结果呈现模块是智慧图书馆信息推荐结果的接受窗口。

結果反馈模块的主要功能是收集用户的反馈信息，针对反馈信息改进和完善信息推荐系统，持续性提高智慧图书馆的信息推荐质量。反馈信息可以分为主观反馈和客观反馈两种类型，主观反馈主要是用户针对推荐信息给出的主观评价，包括推荐信息的质量、推荐信息的符合度、推荐信息的满意度等；客观反馈主要是系统化收集用户的隐性反馈信息，包括用户的浏览次数、点赞、收藏、评论等。可以说，结果反馈模块是智慧图书馆信息推荐持续性改进的有效机制。

4.2 系统架构

融合用户画像和知识图谱下智慧图书馆信息推荐体系在系统架构上可以分为四个层级，分别是数据层、分析计算层、结果层、反馈层。

数据层是基础层级，负责系统数据的收集与管理，包括用户画像数据、知识图谱数据、元数据等数据的收集、存储与管理。这一层级要求做到上述数据的全面梳理与整理，实现标准化和有序化管理，因此系统管理模块属于这一层级。

分析计算层是完成对数据的分析和计算，为信息推荐提供支持、涉及用户画像、知识图谱、画像与知识匹配。这一层级需要完成用户的标签提取与信息资源特征的分析匹配，因此用户画像模块、知识图谱模块和信息推荐模块属于这一层级。

结果层是信息推荐系统的展示与呈现环节，根据需求与知识资源匹配情况，将推荐结果展示在用户设备应用端，包括常规化的Android终端和个性化的其他阅读设备终端。这一层级基本上实现了信息资源的推荐呈现，因此结果呈现模块属于这一层级。

反馈层是信息推荐系统目标完成度的评价环节，根据反馈信息属性分为主观反馈与客观反馈，反馈信息也是后续对信息推荐系统升级调整的依据。这一层级是对信息资源推荐服务的持续跟踪与改进，因此结果反馈模块属于这一层级。

5 结语

用户画像可以精准定位图书馆用户的有效需求，知识图谱可以针对性整合图书馆信息资源，而用户需求和匹配信息资源是智慧图书馆高质量信息推荐的基础与前提，因此融合用户画像和知识图谱构建智慧图书馆信息推荐体系是必要的。本研究构建了用户画像和知识图谱下智慧图书馆的信息推荐体系，具体结构包括系统板块和系统架构两大部分，系统板块是内容要素，系统架构是层级要素。

参考文献：

[1] 兰冰.基于群组用户画像的图书馆信息智能推送服务[J].图书馆学刊，2019（7）：109-112.

[2] 李晓敏，熊回香，杜瑾，等.智慧图书馆中基于用户画像的图书推荐研究[J].情报科学，2021（7）：15-22.

[3] 王大阜，邓志文，贾志勇，等.基于用户画像的高校图书馆个性化图书推荐研究[J].河南师范大学学报（自然科学版），2022（3）：95-103.

[4] 柳益君，何胜，熊太纯，等.知识图谱在高校图书馆智慧服务中应用研究[J].图书馆工作与研究，2019（11）：5-10.

[5] 赵夕姝.基于知识图谱的馆藏数字资源管理系统设计研究[J].图书馆研究与工作，2022（10）：75-78.

[6] 孙雨生，祝博，范颖.知识图谱加持的智慧图书馆信息推荐技术体系构建[J].图书馆论坛，2023（1）：1-10.

（编校：崔萌）