基于用戶畫像的智慧圖書館精準(zhǔn)化服務(wù)研究

張華帥 王廷梅 劉述娟 閆天雨

摘要：隨著用戶對(duì)圖書資源需求的多樣化，傳統(tǒng)圖書館的運(yùn)營(yíng)已無(wú)法滿足用戶的個(gè)性化需要，圖書館運(yùn)營(yíng)與管理能力提升十分必要。本課題通過研究“用戶畫像”在圖書館中的應(yīng)用，對(duì)圖書館現(xiàn)有的模式提出合理化建議。利用線上的方式向在校大學(xué)生發(fā)放問卷收集數(shù)據(jù)，運(yùn)用Excel對(duì)數(shù)據(jù)進(jìn)行處理，利用SPSS軟件對(duì)數(shù)據(jù)進(jìn)行聚類分析和判別分析，從而構(gòu)建出用戶畫像，這有利于為用戶提供精準(zhǔn)推薦服務(wù)。根據(jù)用戶個(gè)性化數(shù)據(jù)，也可對(duì)圖書館的管理提供更為精準(zhǔn)的改進(jìn)建議，從而提高圖書館精準(zhǔn)化服務(wù)水平。

關(guān)鍵詞：用戶畫像;聚類分析;判別分析;圖書館精準(zhǔn)化服務(wù)

中圖分類號(hào)：G642? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）18-0022-04

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Research on Smart Library Accurate Service Based on User Portrait

ZHANG Hua-shuai，WANG Ting-mei，ZHANG Shu-juan，YAN Tian-yu

（College of Applied Science and Technology，Beijing Union University，Beijing 100101， China）

Abstract： With the diversification of users' requirements for book resources， the operation of traditional library has been unable to meet the actual needs of users. It is necessary to improve the operation and management ability of library. This topic puts forward reasonable suggestions on the existing model of library by studying the application of user portrait in the library. To college students use online questionnaire to collect data by using EXCEL to deal with data， using SPSS software for data clustering analysis and discriminant analysis， so as to construct user portrait， which is beneficial to provide users with accurate recommendation service According to the result of data analysis， but also some rationalization Suggestions on the improvement of the library， so as to improve the level of library accurate service.

Key words： user portrait; cluster analysis; discriminant analysis; accurate service of library

1 引言

由于數(shù)據(jù)分析技術(shù)的廣泛應(yīng)用以及用戶需求多元化，圖書館的轉(zhuǎn)型同樣是勢(shì)在必行，逐漸開始重視通過用戶的相關(guān)信息及資源數(shù)據(jù)進(jìn)行分析，了解用戶需求并利用智能技術(shù)來(lái)優(yōu)化服務(wù)模式，以滿足不同用戶的個(gè)性需求，從而提升圖書館的價(jià)值。顯然，傳統(tǒng)的圖書館模式已經(jīng)不能滿足用戶的需求，只有更智能、更方便、快捷的服務(wù)才能滿足這個(gè)信息化高速發(fā)展時(shí)代人們的需求。隨著教育越來(lái)越得到重視，圖書館的館藏資源也與日俱增，用戶要在浩如煙海的圖書中尋找到自己需要的圖書的難度可想而知。為了更好地服務(wù)用戶，提高用戶查找圖書的效率，使得“用戶畫像”這一有效工具引用到圖書館提供了有利條件。“用戶畫像”這一工具在國(guó)內(nèi)圖書館應(yīng)用并不廣泛，這引起了我們的關(guān)注。本文通過將“用戶畫像”引入到圖書館，給用戶推薦相關(guān)圖書，提高借閱圖書的效率。

2 研究思路

由于收集的數(shù)據(jù)會(huì)涉及一些圖書館用戶的個(gè)人隱私，而網(wǎng)上爬蟲到的數(shù)據(jù)比較少和零散，不具有數(shù)據(jù)分析的價(jià)值。所以決定采取線上問卷星調(diào)查以及線下手工制作問卷的形式去收集數(shù)據(jù)。

其次，對(duì)收集到數(shù)據(jù)進(jìn)行匯總和數(shù)據(jù)預(yù)處理。清除異常數(shù)據(jù)，將不合要求的數(shù)據(jù)、有明顯錯(cuò)誤的數(shù)據(jù)予以剔除，最后對(duì)數(shù)據(jù)進(jìn)行排序。

然后用SPSS軟件對(duì)調(diào)查問卷中的數(shù)據(jù)進(jìn)行信度和效度分析去測(cè)量問卷數(shù)據(jù)的可靠性和設(shè)計(jì)問卷是否合理;運(yùn)用描述性分析研究樣本對(duì)變量的整體態(tài)度情況;運(yùn)用相關(guān)分析探究變量之間的相關(guān)性是否存在相關(guān)關(guān)系，以及相關(guān)關(guān)系的緊密程度等;運(yùn)用聚類分析去探索各個(gè)題項(xiàng)之間的親疏程度。運(yùn)用判別分析找出影響樣本歸類的關(guān)鍵因素，甚至獲得一個(gè)判別函數(shù)，然后依據(jù)判別函數(shù)，對(duì)未來(lái)樣本進(jìn)行判別。

最后，根據(jù)分析結(jié)果，構(gòu)建用戶畫像，對(duì)圖書館提出合理化建議。本文的研究思路流程圖，如圖1所示。

3 數(shù)據(jù)的采集

3.1 數(shù)據(jù)收集方法

獲取數(shù)據(jù)的渠道有若干種方法，比如有線上、線下、網(wǎng)上爬蟲等。線上收集數(shù)據(jù)的優(yōu)點(diǎn)就是覆蓋面廣、數(shù)據(jù)量大、實(shí)施起來(lái)比較方便;線下收集數(shù)據(jù)的優(yōu)點(diǎn)就是數(shù)據(jù)真實(shí)可靠;網(wǎng)上爬蟲的優(yōu)點(diǎn)就是數(shù)據(jù)量大，比較有權(quán)威性，但是由于涉及一些圖書館用戶的個(gè)人隱私，網(wǎng)上爬蟲到的數(shù)據(jù)比較少和零散，不具有數(shù)據(jù)分析的價(jià)值，所以決定采取線上問卷星調(diào)查以及線下手工制作問卷的形式去收集數(shù)據(jù)。

3.2 設(shè)計(jì)問卷

設(shè)計(jì)問卷的方法有很多種，比如有（電話）訪問式問卷、自填式問卷、網(wǎng)絡(luò)問卷、送發(fā)式問卷、封閉式問卷、開放式問卷。根據(jù)本課題研究需要，選擇自填式、網(wǎng)絡(luò)式相結(jié)合的問卷形式，這能收集到更有實(shí)際性、時(shí)效性、統(tǒng)計(jì)性的數(shù)據(jù)。

本課題問卷涉及量表題項(xiàng)和非量表題項(xiàng)，設(shè)計(jì)量表題項(xiàng)是為了對(duì)數(shù)據(jù)進(jìn)行信度分析和效度分析，檢測(cè)研究數(shù)據(jù)的真實(shí)可靠性以及研究題項(xiàng)設(shè)計(jì)是否合理;非量表題目包括單選題和多選題，主要目的是了解樣本基本情況。該問卷共30個(gè)題項(xiàng)，Q1-Q6分析用戶背景，Q7-Q9分析用戶的閱讀態(tài)度，Q10-Q13分析用戶的閱讀興趣，Q14-Q20分析用戶的借閱習(xí)慣，Q21-Q30分析用戶的借閱行為。具體問卷題項(xiàng)表，如表1所示。

4 數(shù)據(jù)分析

4.1 信度和效度分析

本課題共收集1201條數(shù)據(jù)，得到有效數(shù)據(jù)1051條，在數(shù)據(jù)分析之前，需要進(jìn)行信度分析，即測(cè)試研究樣本數(shù)據(jù)是否真實(shí)可靠，信度分析后得到可靠性統(tǒng)計(jì)表，如表2所示。

從表2中，可以看出α系數(shù)為0.903，高于0.6，符合信度分析要求，信度水平較高。α系數(shù)，即內(nèi)部一致性系數(shù)，公式為 α ﹦（n / n -1）（1-∑Si2/St2），用其進(jìn)行信度水平判斷。

采用探索性因子分析進(jìn)行效度驗(yàn)證時(shí)，首先要對(duì)KMO值和Bartlett球形檢驗(yàn)對(duì)應(yīng)的p值進(jìn)行判斷，KMO檢驗(yàn)和Bartlett球形檢驗(yàn)表，如表3所示。

由表3知，SPSS軟件所分析出來(lái)的KMO值為0.953，大于0.6 ，并且Bartlett球形檢驗(yàn)對(duì)應(yīng)的p值為0.000，小于0.05的判斷標(biāo)準(zhǔn)，說(shuō)明通過了檢驗(yàn)，則可以繼續(xù)進(jìn)行探索性因子分析。經(jīng)過數(shù)據(jù)分析，探索性因子分析的解釋總方差表根據(jù)特征共提取出4個(gè)因子，并且數(shù)據(jù)的累計(jì)方差解釋率為62.248%，可以說(shuō)明這四個(gè)因子可以解釋整個(gè)問卷62.248%的信息量，所以將所有題項(xiàng)分成四大類即可。

4.2 變量描述性分析

為了進(jìn)一步了解用戶的特征，我們對(duì)用戶的閱讀態(tài)度、閱讀興趣進(jìn)行了變量描述性分析。

用戶的閱讀的態(tài)度和對(duì)圖書的感興趣程度介于一般水平到比較滿意這一水平之間，這說(shuō)明用戶對(duì)讀書的態(tài)度和對(duì)讀書的興趣還是相對(duì)積極的;而用戶的閱讀習(xí)慣和閱讀行為這兩個(gè)方面將在研究課題后期，會(huì)通過分析結(jié)果，給圖書館提供合理化的建議。

4.3 相關(guān)分析

相關(guān)分析是用于分析變量之間的相關(guān)關(guān)系，相關(guān)系數(shù)用來(lái)表示相關(guān)關(guān)系，通常當(dāng)系數(shù)的絕對(duì)值大于0.7時(shí)，說(shuō)明變量之間的相關(guān)關(guān)系非常強(qiáng);當(dāng)絕對(duì)值大于0.4時(shí)，說(shuō)明相關(guān)關(guān)系較強(qiáng);當(dāng)絕對(duì)值小于0.2時(shí)，說(shuō)明相關(guān)關(guān)系較弱。在問卷研究過程中，通常使用Pearson相關(guān)系數(shù)。

利用SPSS軟件進(jìn)行相關(guān)分析后，用戶的基本信息都對(duì)借閱圖書種類有相對(duì)較強(qiáng)的相關(guān)關(guān)系;在用戶閱讀態(tài)度這一因子中，第9題與用戶借閱圖書種類的相關(guān)系數(shù)在0.4以上;在用戶閱讀興趣這一因子中，第12題與用戶借閱圖書的種類的相關(guān)系數(shù)同樣在0.4以上;在用戶閱讀行為這一因子中，22、23、24、27、28、29這六個(gè)題項(xiàng)與用戶借閱圖書種類的相關(guān)關(guān)系大都在0.4以上，顯然都有相對(duì)較強(qiáng)的相關(guān)關(guān)系;在用戶閱讀習(xí)慣這一個(gè)因子中，利用題項(xiàng)與用戶借閱圖書種類之間相關(guān)關(guān)系，為之后的分析做鋪墊，針對(duì)有較強(qiáng)相關(guān)關(guān)系的因素，會(huì)結(jié)合后面的研究構(gòu)建出用戶畫像，對(duì)于相關(guān)關(guān)系較弱的因子，會(huì)分析其原因提出合理化的建議，提高圖書館服務(wù)的質(zhì)量。

4.4 聚類分析

聚類分析，即為分類分析。SPSS軟件會(huì)按照相關(guān)指標(biāo)進(jìn)行計(jì)算，最終將樣本分成幾類，并且類與類之間的差異很大，但同類樣本之間的差異要盡可能地小，本課題將一定數(shù)量的指標(biāo)（題項(xiàng)）看成一類，將親疏程度最高的合并，然后考慮其他的類與合并后的類的親疏程度，再不斷重復(fù)這個(gè)過程，直到將所有指標(biāo)合并成一類。

在對(duì)數(shù)據(jù)進(jìn)行探索性因子分析之后，將24個(gè)題項(xiàng)共濃縮成4個(gè)因子，分別是用戶閱讀態(tài)度、用戶閱讀興趣、用戶閱讀習(xí)慣以及用戶閱讀行為，本課題通過SPSS軟件分別對(duì)4個(gè)因子下的題項(xiàng)進(jìn)行系統(tǒng)聚類，詳解過程如下：

Q21～Q30是用戶閱讀行為這一因子下的題項(xiàng)，經(jīng)系統(tǒng)聚類后，對(duì)其進(jìn)行合理命名為：

1、將題項(xiàng)21、23、24、27、28、29歸為一類，命名為“圖書館學(xué)術(shù)資源利用情況”

2、將題項(xiàng)22歸為一類，命名為“分享交流心得情況”

3、將題項(xiàng)25、26、30歸為一類，命名為“圖書館課外資源的使用情況”

Q14～Q20是用戶閱讀習(xí)慣這一因子下的題項(xiàng)，經(jīng)系統(tǒng)聚類后，對(duì)其進(jìn)行合理命名為：

1）將題項(xiàng)16、17、18歸為一類，命名為“用戶閱讀時(shí)間段”

2）將題項(xiàng)14、15歸為一類，命名為“頻率”

3）將題項(xiàng)19、20歸為一類，命名為“圖書的篇幅”

Q7～Q9是用戶閱讀態(tài)度這一因子下的題項(xiàng)，經(jīng)系統(tǒng)聚類后，對(duì)其進(jìn)行合理命名為：

1）將題項(xiàng)9歸為一類，命名為“閱讀意義”

2）將題項(xiàng)7、8歸為一類，命名為“閱讀自我認(rèn)知”

Q10～Q13是用戶閱讀態(tài)度這一因子下的題項(xiàng)，經(jīng)系統(tǒng)聚類后，對(duì)其進(jìn)行合理命名為：

1）將題項(xiàng)12歸為一類，命名為“老師推薦專業(yè)圖書的借閱情況”

2）將題項(xiàng)11歸為一類，命名為“歷史哲學(xué)類圖書閱讀情況”

4.5 判別分析

判別分析就是根據(jù)已被正確分類的樣本及其屬性進(jìn)行數(shù)據(jù)分析，找出影響樣本歸類的關(guān)鍵因素，甚至獲得一個(gè)判別函數(shù);然后依據(jù)判別函數(shù)，對(duì)未來(lái)樣本進(jìn)行判別，讓未來(lái)個(gè)案自動(dòng)歸類或預(yù)測(cè)其可能的類別。進(jìn)行在k-均值聚類后，需要用判別分析的方式探索出用戶所屬標(biāo)簽類別，并得到Bayes判別函數(shù)式。

利用SPSS軟件分析用戶閱讀態(tài)度的Bayes判別函數(shù)式為：

[Y1=4.36*X1+10.555*X2-18.841]

[Y2=6.869*X1+17.040*X2-47.344]

X1：喜歡讀書;

X2：讀書意義;

利用這2個(gè)判別函數(shù)式，可以把任意個(gè)案屬性值直接代入，從而可以計(jì)算出2個(gè)值，哪個(gè)數(shù)值最大，該個(gè)案就屬于哪個(gè)類別。在SPSS生成的“分類結(jié)果”表中，可以顯示出對(duì)97.4%的個(gè)案進(jìn)行了正確的判定，這說(shuō)明判別分析效果良好。

用戶閱讀興趣的Bayes判別函數(shù)式為：

[Y1=10.901*Z1+8.767*Z2+6.538*Z3-47.434]

[Y2=7.741*Z1+5.653*Z2+5.128*Z3-24.193]

Z1：專業(yè)書籍;

Z2：科研;

Z3： 歷史哲學(xué);

用戶閱讀興趣的“分類結(jié)果”表示出對(duì)99.3%的個(gè)案進(jìn)行了正確的判定，這說(shuō)明判別分析效果良好。

用戶閱讀行為的Bayes判別函數(shù)式為：

[Y1=1.727*K1+2.101*K2+2.664*K3+0.467*K3+2.022K5+2.692*K6+1.032*K7+1.398*K8+0.200*K9+4.876*K10-19.389][Y2=2.979*K1+3.255*K2+3.956*K3+0.866*K3+3.682K5+3.251*K6+2.460*K7+1.966*K8+0.821*K9+5.845*K10-40.684][Y3=3.423*K1+5.990*K2+5.473*K3+1.421*K3+4.778K5+3.904*K6+3.572*K7+3.494*K8+1.847*K9+6.860*K10-75.986]? ? K1： 閱讀書籍情況;

K2： 與他人交流情況;

K3：期刊論文的使用情況;

K4： 學(xué)位論文的使用情況;

K5： 圖書館課外圖書的使用情況;

K6： 圖書館報(bào)紙的使用情況;

K7： 圖書館會(huì)議論文的使用情況;

K8： 圖書館專利/成果的使用情況;

K9： 分享交流閱讀心得情況;

K10： 閱讀評(píng)價(jià)狀況;

用戶閱讀行為的“分類結(jié)果”表示出對(duì)96.6%的個(gè)案進(jìn)行了正確的判定，這說(shuō)明判別分析效果良好。

5 用戶畫像建模與資源推薦服務(wù)

5.1 畫像建模

圖書館用戶畫像模型的設(shè)計(jì)是根據(jù)用戶畫像的標(biāo)簽系統(tǒng)，包括對(duì)用戶借閱態(tài)度、用戶借閱興趣、用戶借閱習(xí)慣、用戶借閱行為的相關(guān)數(shù)據(jù)進(jìn)行分類以及處理。通過4大因子的聚類從而生成標(biāo)簽層次結(jié)構(gòu)，再與用戶基本背景信息相結(jié)合，并將其歸納為9個(gè)主題，用來(lái)描述用戶的態(tài)度、興趣、習(xí)慣、行為。另外，用戶的屬性會(huì)隨著時(shí)間的變化而不斷變化，包括在原有屬性的基礎(chǔ)上的增加或減少，以及新屬性的產(chǎn)生。因此，實(shí)時(shí)地更新用戶原來(lái)的態(tài)度、興趣、習(xí)慣、行為模型也是非常必要的。

5.2 對(duì)圖書館的服務(wù)提出建議

聚類分析用戶閱讀態(tài)度結(jié)果表明，有84%的用戶閱讀認(rèn)知水平都在平均水平以上，但仍然有16%的用戶水平相對(duì)較低，對(duì)于這部分用戶，要引起圖書館的重視，要注重這些潛在的讀書用戶。因此，圖書館需要采取一定的措施提高這些用戶的閱讀認(rèn)知水平，比如開展講座、發(fā)傳單宣傳等，讓這部分用戶深刻認(rèn)識(shí)到讀書的意義，改善這部分讀者的認(rèn)知水平。

聚類分析用戶閱讀興趣后，在用戶閱讀興趣這一因子中，本小組特意設(shè)置了一個(gè)題項(xiàng)是用戶是否會(huì)對(duì)歷史哲學(xué)有濃厚的興趣，之所以設(shè)置這個(gè)題項(xiàng)，主要是因借閱歷史哲學(xué)類書籍的用戶相比其他借閱其他種類書籍的用戶要少。本校圖書館館藏量是284萬(wàn)冊(cè)，其中歷史哲學(xué)類的館藏量是33萬(wàn)冊(cè)，大約占總館藏量的11.6%，據(jù)調(diào)查統(tǒng)計(jì)，大學(xué)讀者人均年讀書量為18本，總校區(qū)的人數(shù)是19700人左右，經(jīng)計(jì)算全校大概有6513人會(huì)借歷史哲學(xué)類書籍，人均可借閱歷史哲學(xué)類圖書大約51本，這遠(yuǎn)遠(yuǎn)高于歷史哲學(xué)類圖書的需求量，因此，建議圖書館適量調(diào)節(jié)歷史哲學(xué)類的館藏量。

聚類分析用戶閱讀習(xí)慣后，發(fā)現(xiàn)圖書館應(yīng)該盡快增添桌椅的擺放量，給用戶提供更多的便利;同時(shí)隨著互聯(lián)網(wǎng)的發(fā)展，電子圖書的形式更加受年輕一代的歡迎，我校可以進(jìn)一步完善電子類圖書的推薦系統(tǒng)，更好地為用戶服務(wù)。

聚類分析用戶閱讀行為后，發(fā)現(xiàn)未充分利用圖書館學(xué)術(shù)資源的占49%，接近總用戶的二分之一，其中47%的用戶并不知道圖書館有相關(guān)學(xué)術(shù)資源，這是導(dǎo)致用戶不能充分利用圖書館學(xué)術(shù)資源的主要原因，因此，圖書館應(yīng)該針對(duì)學(xué)術(shù)資源這一問題進(jìn)行有大范圍的宣傳，吸引更多的潛在用戶。同時(shí)絕大部分的用戶不會(huì)與他人分享閱讀心得，針對(duì)這一情況，圖書館應(yīng)該鼓勵(lì)更多的用戶互相交流，只有相互交流才能共同進(jìn)步，體會(huì)閱讀的真正內(nèi)涵。

6 關(guān)鍵問題與應(yīng)對(duì)策略

本課題研究中，雖然探索和研究了用戶畫像的許多方面，但用戶是圖書館的核心，其用戶心理和用戶行為自始至終都是圖書館改善服務(wù)最主要的方面。所以，對(duì)用戶的分析，本課題只是涉及了其中最基礎(chǔ)的用戶畫像部分，對(duì)于用戶的一些動(dòng)態(tài)信息，如：用戶心理、用戶檢索記錄以及用戶的興趣的變更等方面還需要進(jìn)一步的考量，用戶需求建模的分析還有待于進(jìn)一步研究，對(duì)于未來(lái)這方面的研究，本課題認(rèn)為主要有如下的幾個(gè)方面：

用戶畫像的標(biāo)簽系統(tǒng)，主要是依據(jù)用戶目前的狀況對(duì)用戶進(jìn)行分類歸納，在未來(lái)還可以利用各種科學(xué)技術(shù)對(duì)數(shù)據(jù)進(jìn)行提取和挖掘，還可以去考慮用戶的語(yǔ)言內(nèi)容、學(xué)習(xí)內(nèi)容、評(píng)論內(nèi)容等，從而進(jìn)行關(guān)鍵詞的提取和建模，并且開發(fā)出以文本挖掘?yàn)楹诵囊娴臉?biāo)簽體系。

由于數(shù)據(jù)的局限性，本課題論文實(shí)踐方面還有進(jìn)步的空間，利用用戶畫像，達(dá)到給用戶精準(zhǔn)推薦的目的。在未來(lái)的研究方面，還可以根據(jù)用戶在圖書館的檢索數(shù)據(jù)，去完善借閱圖書系統(tǒng)的反饋機(jī)制，對(duì)用戶畫像模型中的標(biāo)簽進(jìn)行及時(shí)的更新。

參考文獻(xiàn)：

[1] 胡媛，毛寧.基于用戶畫像的數(shù)字圖書館知識(shí)社區(qū)用戶模型構(gòu)建[J].圖書館理論與實(shí)踐，2017（4）：82-85，97.

[2] 劉速.淺議數(shù)字圖書館知識(shí)發(fā)現(xiàn)系統(tǒng)中的用戶畫像——以天津圖書館為例[J].圖書館理論與實(shí)踐，2017（6）：103-106.

[3] 潘宇光.高校智慧圖書館讀者信息需求的用戶畫像[J].合肥工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2018，32（2）：113-119.

[4] 韓梅花，趙景秀.基于“用戶畫像”的閱讀療法模式研究——以抑郁癥為例[J].大學(xué)圖書館學(xué)報(bào)，2017，35（6）：105-110.

[5] 楊燕.圖書館用戶畫像及其應(yīng)用研究[J].四川圖書館學(xué)報(bào)，2018（1）：63-65.

[6] 韋良珍.大數(shù)據(jù)環(huán)境下用戶畫像在圖書館的應(yīng)用[J].中華醫(yī)學(xué)圖書情報(bào)雜志，2018，27（3）：33-37.

[7] 王慶福.貝葉斯網(wǎng)絡(luò)在用戶興趣模型構(gòu)建中的研究[J].無(wú)線互聯(lián)科技，2016（12）：101-102.

[8] 張海旭，胡訪宇，趙家輝.基于話單數(shù)據(jù)的移動(dòng)通信用戶畫像研究[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2018，27（11）：271-277.

[9] 夏秀雙.大數(shù)據(jù)環(huán)境下高校圖書館個(gè)性化信息服務(wù)研究[D].曲阜：曲阜師范大學(xué)，2015.

[10] 李巨偉.數(shù)據(jù)挖掘在高校圖書館個(gè)性化推薦服務(wù)中的應(yīng)用[D].石家莊：河北科技大學(xué)，2018.

【通聯(lián)編輯：王力】