基于用戶畫像的科學(xué)數(shù)據(jù)管理模型研究

文/王顯斌

現(xiàn)階段國(guó)內(nèi)外圖書館領(lǐng)域用戶畫像研究主要以技術(shù)為主，主要包括了兩個(gè)層次，即User Persona和User Profile，使用的算法模型大致可分為3大類：

（1）基于概率主題的用戶文本建模推斷模型；

（2）基于排序的啟發(fā)式函數(shù)推斷模型；

（3）基于分類器結(jié)合特征工程的預(yù)測(cè)模型。

Gauch S等將用戶畫像描述為一組加權(quán)標(biāo)簽、概念層次結(jié)構(gòu)或語(yǔ)義網(wǎng)的集合，包括用戶基本素養(yǎng)、文化水平、社會(huì)背景、社交情況、工作情況、可支配時(shí)間等因素[1]。Zaugg H認(rèn)為圖書館的空間與服務(wù)的設(shè)計(jì)應(yīng)該關(guān)注用戶需求，可以借鑒營(yíng)銷領(lǐng)域和產(chǎn)品設(shè)計(jì)中用戶畫像的應(yīng)用，進(jìn)行圖書館空間與服務(wù)的設(shè)計(jì)[2]。國(guó)內(nèi)曾建勛認(rèn)為圖書館精準(zhǔn)服務(wù)需要用戶畫像，用戶畫像可以更好地認(rèn)識(shí)網(wǎng)絡(luò)中的用戶、改善網(wǎng)絡(luò)信息組織、發(fā)現(xiàn)信息傳播規(guī)律[3]。胡媛認(rèn)為數(shù)字圖書館知識(shí)社區(qū)用戶畫像可分為讀者基本信息、用戶興趣愛好、用戶活躍度三類標(biāo)簽?zāi)Ｐ停岢隽藬?shù)字圖書館知識(shí)社區(qū)綜合服務(wù)能力評(píng)價(jià)指標(biāo)體系[4]。

現(xiàn)階段國(guó)內(nèi)圖書館領(lǐng)域用戶畫像研究主要以個(gè)案研究為主，針對(duì)具體不同應(yīng)用場(chǎng)景和目標(biāo)，構(gòu)建不同用戶畫像模型，針對(duì)科學(xué)數(shù)據(jù)管理場(chǎng)景的用戶畫像研究目前還非常少。本文綜合心理學(xué)、信息學(xué)等多學(xué)科知識(shí)，從科學(xué)數(shù)據(jù)用戶畫像概念和內(nèi)涵分析出發(fā)，構(gòu)建用戶數(shù)據(jù)驅(qū)動(dòng)相結(jié)合的科學(xué)數(shù)據(jù)用戶畫像模型和系統(tǒng)，深入探討用戶畫像在科學(xué)數(shù)據(jù)管理領(lǐng)域的應(yīng)用。

1 科學(xué)數(shù)據(jù)用戶畫像內(nèi)涵分析

1.1 科學(xué)數(shù)據(jù)用戶群體邊界具有動(dòng)態(tài)性

用戶畫像的目的是通過對(duì)特定行為群體特征的總結(jié)和提煉，為精準(zhǔn)化服務(wù)提供量化支撐。因此，用戶畫像對(duì)目標(biāo)用戶群體邊界的界定越明確，畫像結(jié)果越有針對(duì)性。在科學(xué)數(shù)據(jù)管理中，學(xué)術(shù)行為和學(xué)科背景對(duì)科研用戶群體邊界的界定產(chǎn)生重要影響，導(dǎo)致科研用戶群體邊界處于動(dòng)態(tài)變化中，原因有兩個(gè)：

（1）科研人員跨學(xué)科研究行為越來越頻繁，所跨學(xué)科對(duì)象也處于動(dòng)態(tài)變化中；

（2）科研人員研究方向也處于變化當(dāng)中。

1.2 用戶畫像關(guān)注的是“典型用戶”

用戶畫像關(guān)注的是“典型用戶”而不是“平均用戶”，其結(jié)果具有明顯的區(qū)分度和針對(duì)性，可以更精準(zhǔn)地識(shí)別特定用戶的動(dòng)機(jī)及行為偏好。在科學(xué)數(shù)據(jù)管理中，科研用戶畫像有效性體現(xiàn)在對(duì)目標(biāo)用戶群體的用戶屬性特征的提煉與總結(jié)。

1.3 科學(xué)數(shù)據(jù)用戶屬性包含知識(shí)屬性

典型用戶畫像屬性包括靜態(tài)屬性和動(dòng)態(tài)屬性。靜態(tài)屬性是相對(duì)穩(wěn)定的用戶信息,如人口屬性、職業(yè)等；動(dòng)態(tài)屬性是用戶不斷變化的信息，如場(chǎng)景、媒介、路徑等。在科學(xué)數(shù)據(jù)管理中，科研用戶畫像解決的是知識(shí)服務(wù)的精準(zhǔn)化問題，關(guān)注的焦點(diǎn)和最后的評(píng)價(jià)不是“我是否提供了您需要的信息”，而是“是否通過我的服務(wù)解決了您的問題”。因此，科學(xué)數(shù)據(jù)用戶屬性應(yīng)突出知識(shí)的特性，可劃分為靜態(tài)屬性、動(dòng)態(tài)屬性和知識(shí)屬性。

圖1

圖2

2 科學(xué)數(shù)據(jù)用戶影響因素分析

2.1 科學(xué)數(shù)據(jù)用戶知識(shí)屬性具有半動(dòng)態(tài)性特征

科研人員的學(xué)科背景一般相對(duì)固定，但是隨著跨學(xué)科研究的開展和研究方向的不斷變化，科研人員往往需要具備多學(xué)科知識(shí)，需要不斷了解新領(lǐng)域，補(bǔ)充新知識(shí)以支撐其研究活動(dòng)。因此，科研用戶知識(shí)屬性的核心（學(xué)科背景）相對(duì)穩(wěn)定，但其外延一直處于動(dòng)態(tài)變化中，即一種半動(dòng)態(tài)化狀態(tài)。

2.2 科學(xué)數(shù)據(jù)用戶知識(shí)屬性的分類

科學(xué)數(shù)據(jù)用戶知識(shí)屬性可分為外知識(shí)屬性和內(nèi)知識(shí)屬性兩類。外知識(shí)屬性是指外部環(huán)境作用于個(gè)體身上的各種與知識(shí)有關(guān)的元素集合，包括：學(xué)歷學(xué)位、畢業(yè)院校、學(xué)術(shù)職務(wù)、學(xué)術(shù)兼職、參加學(xué)術(shù)團(tuán)體、專業(yè)職稱、學(xué)術(shù)榮譽(yù)等。內(nèi)知識(shí)屬性是指?jìng)€(gè)體自身具有的各種與知識(shí)有關(guān)的元素集合，參照顯性知識(shí)與隱性知識(shí)的概念，可分為內(nèi)在顯性知識(shí)屬性和內(nèi)在隱性知識(shí)屬性。內(nèi)在顯性知識(shí)屬性包括：研究領(lǐng)域、學(xué)術(shù)專長(zhǎng)、著作論文、非正式成果等。內(nèi)在隱性知識(shí)屬性包括：心智水平、文化素養(yǎng)、學(xué)術(shù)思想、學(xué)術(shù)影響力等。科研用戶的知識(shí)屬性蘊(yùn)含著較多的語(yǔ)義信息，需要在標(biāo)簽基礎(chǔ)上引入語(yǔ)義表達(dá)。

2.3 科學(xué)數(shù)據(jù)用戶受場(chǎng)景驅(qū)動(dòng)和心理影響

不同的時(shí)間、地點(diǎn)、研究階段等知識(shí)場(chǎng)景下，用戶需求會(huì)有差異。例如：撰寫論文時(shí)，會(huì)關(guān)注當(dāng)前研究熱點(diǎn)；而教學(xué)時(shí)，更想要梳理出該學(xué)科的知識(shí)體系。同時(shí)，用戶心理狀態(tài)不同，其知識(shí)需求也存在差異。例如：剛進(jìn)入新研究領(lǐng)域時(shí)，一般對(duì)研究工作持樂觀心理；隨著研究的深入，會(huì)出現(xiàn)困惑或迷茫，心理上會(huì)變得焦慮，體現(xiàn)在行為上就是大量盲目地學(xué)習(xí)和收集資料；度過失望期之后，心理上才會(huì)逐步的平穩(wěn)。這種心理和情感上的變化可以通過社會(huì)心理學(xué)進(jìn)行分析。

3 科學(xué)數(shù)據(jù)用戶畫像建模

用戶畫像建模就是構(gòu)建用戶標(biāo)簽體系，可分為結(jié)構(gòu)化標(biāo)簽體系和非結(jié)構(gòu)化標(biāo)簽體系兩類。非結(jié)構(gòu)化標(biāo)簽體系彼此之間無層級(jí)關(guān)系，各個(gè)標(biāo)簽反應(yīng)各自的用戶興趣，不僅能夠涵蓋結(jié)構(gòu)化標(biāo)簽體系，更能細(xì)致地表達(dá)語(yǔ)義上的分類，如資源發(fā)現(xiàn)系統(tǒng)中的關(guān)鍵詞、學(xué)術(shù)社區(qū)中的文檔主題模型（Topic Model）等。科學(xué)數(shù)據(jù)用戶非結(jié)構(gòu)化標(biāo)簽體系可分為四個(gè)層級(jí)：即事實(shí)標(biāo)簽、模型標(biāo)簽、預(yù)測(cè)標(biāo)簽和業(yè)務(wù)標(biāo)簽。每上層標(biāo)簽都由下層標(biāo)簽抽象計(jì)算組合生成，其中業(yè)務(wù)層標(biāo)簽需要人工進(jìn)行定義。如圖1所示。

4 科學(xué)數(shù)據(jù)用戶畫像算法及系統(tǒng)設(shè)計(jì)

用戶的靜態(tài)屬性反映著用戶的基本情況,是連接線上和線下的紐帶，定義函數(shù)表示其在一定場(chǎng)景下對(duì)標(biāo)簽的影響權(quán)重，則公式如下：

同理，可以推導(dǎo)出用戶動(dòng)態(tài)屬性在一定場(chǎng)景下對(duì)標(biāo)簽的影響權(quán)重

5 結(jié)語(yǔ)

本文從科學(xué)數(shù)據(jù)用戶畫像內(nèi)涵出發(fā)，對(duì)科學(xué)數(shù)據(jù)用戶影響因素進(jìn)行分析，最后構(gòu)建了科學(xué)數(shù)據(jù)用戶畫像模型和系統(tǒng)。其中的重難點(diǎn)有兩個(gè)：

（1）多源異構(gòu)數(shù)據(jù)導(dǎo)致數(shù)據(jù)融合困難，必須設(shè)計(jì)合適的降維方法、特征選擇方法、模型融合方法；

（2）數(shù)據(jù)稀疏性較高導(dǎo)致屬性特征組合困難。這將是下一步研究的重點(diǎn)。