用戶畫像技術(shù)在圖書個(gè)性化推薦中的應(yīng)用

遵義醫(yī)科大學(xué) 陳錦秋 狄思思

在大數(shù)據(jù)環(huán)境下，如何利用用戶數(shù)據(jù)提高服務(wù)質(zhì)量是圖書館面臨的重要課題。用戶畫像技術(shù)是挖掘用戶需求、實(shí)現(xiàn)精準(zhǔn)服務(wù)的重要技術(shù)手段。本文在圖書推薦中引入用戶畫像技術(shù)，基于高校圖書館用戶數(shù)據(jù)構(gòu)建用戶畫像，將用戶畫像和協(xié)同過濾算法相結(jié)合，實(shí)現(xiàn)精準(zhǔn)的個(gè)性化圖書資源推薦。

隨著信息技術(shù)的高速發(fā)展，傳統(tǒng)的圖書館逐漸向智慧圖書館轉(zhuǎn)型。智慧圖書館將物聯(lián)網(wǎng)、云計(jì)算、人工智能等智能化技術(shù)運(yùn)用到圖書館的建設(shè)中，實(shí)現(xiàn)智慧化的服務(wù)和管理，為讀者提供更加高效、便捷、全面、精準(zhǔn)的資源獲取方式。

高校圖書館是學(xué)生和教師獲取信息資源的重要來源之一，是高校辦學(xué)的重要支柱。構(gòu)建順應(yīng)信息時(shí)代發(fā)展和讀者需求變化的高校圖書館智慧服務(wù)體系是高校圖書館建設(shè)面臨的新挑戰(zhàn)。在圖書推薦和資源建設(shè)中引入智能化技術(shù)，能為讀者提供更加精準(zhǔn)、快捷和個(gè)性化的服務(wù)，能全方位提升用戶體驗(yàn)，提高學(xué)習(xí)和工作效率，促進(jìn)教學(xué)和科研工作的開展。

1 用戶畫像相關(guān)研究

用戶畫像這一概念最早由交互設(shè)計(jì)之父A.Cooper提出，他指出用戶畫像是基于與用戶相關(guān)的真實(shí)數(shù)據(jù)建立起來的虛擬模型，是對(duì)真實(shí)用戶的虛擬化。大數(shù)據(jù)時(shí)代背景下，用戶的上網(wǎng)行為數(shù)據(jù)、交易數(shù)據(jù)、偏好數(shù)據(jù)等信息數(shù)據(jù)被各種信息系統(tǒng)記錄、收集，利用這些數(shù)據(jù)信息去刻畫用戶的特征，挖掘不同類型用戶的需求，從而實(shí)現(xiàn)精準(zhǔn)的服務(wù)。圖書館的各種信息設(shè)備和信息平臺(tái)收集、存儲(chǔ)著讀者的數(shù)據(jù)信息，這些數(shù)據(jù)信息反映讀者閱讀習(xí)慣和閱讀需求等，利用這些讀者數(shù)據(jù)構(gòu)建虛擬用戶模型，將用戶標(biāo)簽化，從而實(shí)現(xiàn)智能化、個(gè)性化館內(nèi)服務(wù)。

目前，用戶畫像技術(shù)已被廣泛應(yīng)用于高校圖書館的智慧化服務(wù)領(lǐng)域。許鵬程等從自然維度、興趣維度和社交維度等3個(gè)維度構(gòu)建用戶畫像模型，并提出了圖書館用戶畫像的框架模型。劉漫等將用戶畫像模型與聚類、關(guān)聯(lián)算法結(jié)合，探索閱讀精準(zhǔn)推廣服務(wù)新模式。潘宇光從讀者的屬性信息、行為信息、興趣偏好、社交關(guān)系等4個(gè)方面刻畫用戶畫像模型，并生成可視化用戶畫像。

基于用戶畫像提升圖書館個(gè)性化服務(wù)的基本流程為數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)特征分析、用戶畫像模型構(gòu)建、數(shù)據(jù)挖掘算法、服務(wù)應(yīng)用，即首先通過圖書館的信息設(shè)備、信息平臺(tái)和管理系統(tǒng)等采集讀者的基本屬性數(shù)據(jù)和行為數(shù)據(jù)。其中，基本屬性數(shù)據(jù)指讀者的年齡、性別、年級(jí)、專業(yè)、院系、借書證號(hào)、聯(lián)系方式、所屬校區(qū)等基本信息；行為數(shù)據(jù)指讀者的借閱信息，如借閱時(shí)長、圖書的書名、圖書作者、圖書分類等。收集數(shù)據(jù)后，需要對(duì)數(shù)據(jù)進(jìn)行一些預(yù)處理，對(duì)數(shù)據(jù)的準(zhǔn)確性、適用性進(jìn)行判斷和審核，篩選不符合要求的數(shù)據(jù)或有明顯錯(cuò)誤的數(shù)據(jù)，并予以清除。然后，基于用戶數(shù)據(jù)對(duì)用戶的自然屬性特征、興趣特征、社交關(guān)系等進(jìn)行分析，并構(gòu)建用戶畫像模型。最后，將用戶畫像模型應(yīng)用于具體的服務(wù)。

在構(gòu)建用戶畫像模型的過程中，需要利用數(shù)據(jù)挖掘算法對(duì)用戶間的潛在聯(lián)系進(jìn)行深入挖掘，常用的算法有協(xié)同過濾算法、聚類、關(guān)聯(lián)規(guī)則等。挖掘用戶間的聯(lián)系是分析用戶需求、實(shí)現(xiàn)精準(zhǔn)服務(wù)的關(guān)鍵。

圖書推薦是圖書館最重要的服務(wù)之一，本文基于協(xié)同過濾算法構(gòu)建用戶畫像模型，以期實(shí)現(xiàn)圖書個(gè)性化推薦。協(xié)同過濾算法分為基于用戶相似度協(xié)同過濾算法和基于物品相似度協(xié)同過濾算法，本文采用基于用戶相似度的協(xié)同過濾算法。其原理是通過對(duì)目標(biāo)用戶的興趣偏好進(jìn)行分析、挖掘，找到與目標(biāo)用戶具有相似愛好的相似用戶，根據(jù)相似用戶的喜好向目標(biāo)用戶進(jìn)行物品推薦。

2 構(gòu)建用戶畫像模型

本文選取西南地區(qū)某高校圖書館2019年圖書借閱量排名前300的讀者，通過圖書館的用戶管理系統(tǒng)和信息化設(shè)備獲取讀者的基本屬性數(shù)據(jù)和行為數(shù)據(jù)，以及相關(guān)圖書的基本屬性數(shù)據(jù)，從自然屬性、興趣屬性、社交屬性三個(gè)維度構(gòu)建用戶畫像模型。

2.1 自然屬性模型構(gòu)建

2.1.1 自然屬性

用戶的自然屬性由基本屬性數(shù)據(jù)刻畫，本文選取性別、年齡、專業(yè)、讀者類型作為自然屬性模型構(gòu)建的基礎(chǔ)數(shù)據(jù)。如表1所示。

表1 部分讀者及其基本屬性數(shù)據(jù)

2.1.2 自然屬性相似度計(jì)算

本文將每個(gè)用戶的自然屬性看作一個(gè)n維的向量，該向量被稱為自然屬性向量，向量不同的分量代表著不同的屬性，第1和第2個(gè)分量代表用戶的性別屬性；由于用戶的年齡在17-55之間，筆者按照3歲一個(gè)年齡段將用戶年齡劃分為13個(gè)區(qū)間，向量的第3至15個(gè)分量代表年齡屬性；向量的第16至18個(gè)分量代表讀者類型屬性，分別為本科生、研究生和教師；向量的第19至n個(gè)分量代表專業(yè)屬性。用戶自然屬性對(duì)應(yīng)的分量值為1，其余的分量值為0。例如，向量的前2個(gè)分量代表用戶的性別屬性，如果用戶性別為男，則向量第1個(gè)分量值為1，第2個(gè)分量值為0，如果用戶的性別為女，則向量第1個(gè)分量值為0，第2個(gè)分量值為1。

本文采用余弦相似度方法計(jì)算自然屬性的相似度，其計(jì)算公式如下：

其中，A和B分別表示兩個(gè)用戶的自然屬性向量，Ai和Bi分別代表向量A和B的各分量。sim1代表兩個(gè)用戶間自然屬性的相似度，其范圍在0至1之間，其值越接近1，向量A和向量B間的夾角越接近0°，表明兩個(gè)用戶的自然屬性相似度越大。

根據(jù)公式(1)計(jì)算不同用戶間自然屬性的相似度，得到的結(jié)果如表2所示。

表2 部分讀者自然屬性相似度

2.2 興趣屬性相似度計(jì)算

用戶對(duì)圖書的常規(guī)操作有借閱、續(xù)借、歸還、預(yù)約等，這些操作會(huì)被圖書館的信息系統(tǒng)記錄，形成用戶行為數(shù)據(jù)。用戶的行為數(shù)據(jù)蘊(yùn)含著用戶對(duì)不同圖書的興趣偏好，本文對(duì)用戶的圖書借閱記錄進(jìn)行分析，基于興趣屬性特征計(jì)算用戶間的相似度，從興趣屬性維度構(gòu)建用戶畫像。

用戶進(jìn)行一次圖書借閱操作將會(huì)在系統(tǒng)中產(chǎn)生一條借閱記錄，如表3所示，每條借閱記錄包含的字段有讀者編號(hào)、題名、責(zé)任者、索書號(hào)等。300名讀者2019年共形成了6511條借閱記錄。

表3 部分讀者借閱記錄

筆者根據(jù)中國圖書館分類法將圖書館的藏書分為22大類，每本圖書依據(jù)索書號(hào)被歸為不同的類別，然后統(tǒng)計(jì)每個(gè)用戶借閱不同圖書類別的數(shù)量。將每個(gè)用戶的借閱情況用一個(gè)向量表示，該向量被稱為興趣屬性向量，該向量的維數(shù)為22，向量不同的分量代表著不同的圖書類別，分量的值表示用戶借閱該類別圖書的數(shù)量。采用余弦相似度方法計(jì)算興趣屬性的相似度，其計(jì)算公式如下：

其中，M和N分別表示兩個(gè)用戶的興趣屬性向量，Mi，Ni分別代表向量M和N的各分量。sim2代表兩個(gè)用戶興趣屬性的相似度，其范圍在0至1之間，其值越接近1，向量M和向量N間的夾角越接近0°，表明兩個(gè)用戶的興趣屬性相似度越大。

根據(jù)公式(2)計(jì)算不同用戶興趣屬性的相似度，得到的結(jié)果如表4所示。

表4 部分讀者興趣屬性相似度

2.3 社交屬性相似度計(jì)算

社交屬性是指兩個(gè)用戶借閱行為的關(guān)聯(lián)性。通過觀察用戶行為數(shù)據(jù)可以發(fā)現(xiàn)，不同的用戶之間可能存在著相似的借閱行為：不同的用戶借閱同一類別的圖書。若兩個(gè)用戶的借閱記錄中有同一類別的圖書就說明他們的借閱行為有著關(guān)聯(lián)性。社交屬性相似度刻畫了用戶借閱行為關(guān)聯(lián)性的高低。本文通過計(jì)算用戶社交屬性相似度來發(fā)掘用戶間的關(guān)聯(lián)性，從社交屬性維度構(gòu)建用戶畫像。采用Jaccard系數(shù)來計(jì)算用戶社交屬性相似度，其計(jì)算公式如下：

其中集合A表示讀者A的圖書借閱記錄，集合B表示讀者B的圖書借閱記錄，A∩B表示讀者A和讀者B借閱同一類別圖書的數(shù)量，A∪B表示讀者A和讀者B借閱圖書類別數(shù)的總和。

根據(jù)公式(3)計(jì)算不同用戶之間社交屬性的相似度，得到的結(jié)果如表5所示。

表5 部分讀者社交屬性相似度

2.4 用戶相似度計(jì)算

在計(jì)算用戶的綜合相似度時(shí)，為了能同時(shí)考慮用戶的自然屬性特征、興趣屬性特征和社交屬性特征，本文采用一種改進(jìn)的相似度度量方法，其計(jì)算公式如下：

其中，sim1是根據(jù)公式(1)計(jì)算得出的用戶自然屬性相似度，sim2是根據(jù)公式(2)計(jì)算得出的用戶興趣屬性相似度，sim3是根據(jù)公式(3)計(jì)算得出的用戶社交屬性相似度。參數(shù)α、β表示權(quán)重，取值范圍在0至1之間，本文認(rèn)為在計(jì)算用戶相似度時(shí)，自然屬性的貢獻(xiàn)度小于興趣屬性和社交屬性，因此設(shè)定參數(shù)α的值為0.2，參數(shù)β的值為0.4。根據(jù)公式(4)計(jì)算得出用戶的相似度，如表6所示。

表6 部分讀者的綜合相似度

3 基于用戶畫像的圖書推薦

根據(jù)用戶相似度計(jì)算結(jié)果，得到目標(biāo)用戶與其他用戶的相似度集合U，然后將集合U中的相似度排序，找出與目標(biāo)用戶相似度最高的5個(gè)用戶。

在興趣屬性相似度計(jì)算過程中，對(duì)目標(biāo)用戶借閱不同圖書類別的數(shù)量進(jìn)行了統(tǒng)計(jì)，選取數(shù)量排名前3名TOP－3的圖書類別作為目標(biāo)用戶最喜歡的前3類圖書。最后，找出與目標(biāo)用戶相似度最高的5個(gè)用戶的借閱記錄中屬于TOP－3類的圖書，并將這些圖書推薦給目標(biāo)用戶。

本文隨機(jī)選取編號(hào)為43的用戶為目標(biāo)用戶，展示基于用戶畫像的圖書推薦過程。

根據(jù)表6得到與目標(biāo)用戶相似度最高的5個(gè)用戶編號(hào)分別為268、257、35、297和107.目標(biāo)用戶借閱不同圖書類別數(shù)量排名前3名TOP－3的圖書類別為I（文學(xué)）、B（哲學(xué)、宗教）、H（語言、文字）。相似度排名前5用戶的借閱記錄中屬于TOP－3類的圖書如表7所示。最后，將表中的圖書推薦給目標(biāo)用戶。

表7 推薦結(jié)果

在傳統(tǒng)基于協(xié)同過濾算法的圖書推薦研究中，大多數(shù)研究僅僅根據(jù)讀者的歷史行為數(shù)據(jù)計(jì)算用戶相似度，只利用了讀者的興趣屬性特征，而忽略了用戶的自然屬性特征和社交屬性特征。本文在構(gòu)建用戶畫像時(shí)，使用一種改進(jìn)的用戶相似度計(jì)算方法，從不同的維度刻畫用戶畫像，旨在準(zhǔn)確把握用戶閱讀習(xí)慣和偏好，實(shí)現(xiàn)個(gè)性化圖書推薦。