基于用戶行為偏好的高校圖書館“微薦讀”服務(wù)

文 / 趙青娥

在移動社交場景下，每個用戶的行為和偏好在細(xì)節(jié)上是存在差異的，如何根據(jù)用戶行為數(shù)據(jù)建立用戶畫像，為微平臺用戶推薦更具個性化的需求信息，是移動互聯(lián)時代高校圖書館信息服務(wù)的一項重點工作[1]。自2007年開始，高校數(shù)字圖書館個性化服務(wù)問題就一直受業(yè)界重視。尤其是2014年以來，基于微信訂閱號的個性化信息服務(wù)更是受到了學(xué)者們的廣泛關(guān)注。但從研究現(xiàn)狀來看，對利用微信訂閱號開展個性化信息推薦服務(wù)的探索較少。通過用戶行為數(shù)據(jù)建庫，全面把握用戶行為偏好，進(jìn)而探究基于用戶行為偏好的“微平臺薦讀”（下文簡稱“微薦讀”）服務(wù)思路與措施，可以為微時代高校圖書館個性化服務(wù)提供一種具體方案。

一、通過用戶行為建檔，全面把握用戶行為偏好

為了向微平臺用戶提供個性化、精準(zhǔn)化的資源推薦，高校圖書館需要建立用戶行為檔案，通過信息獲取、行為歸檔、數(shù)據(jù)更新，全面把握用戶偏好，明確用戶行為特征。

（一）獲取信息

這主要應(yīng)獲取兩個方面的信息。一是基本信息。用戶基本信息大都存儲在圖書館服務(wù)平臺后臺，由師生注冊賬號時填寫，如姓名、學(xué)號（工號）、專業(yè)、研究領(lǐng)域、學(xué)歷、論文、著作等內(nèi)容。這些信息是用戶行為數(shù)據(jù)庫中用戶屬性的基本內(nèi)容，也是“微薦讀”服務(wù)的基礎(chǔ)。二是用戶的行為信息。它包括用戶在圖書館及網(wǎng)絡(luò)平臺的借閱信息、訪問信息、評論信息、留言信息等。通常，從用戶處直接獲得用戶偏好數(shù)據(jù)有一定的難度，但通過用戶瀏覽、評論、留言和文獻(xiàn)查閱方面的數(shù)據(jù)獲取用戶行為信息，則較為簡便。若用戶在某一領(lǐng)域進(jìn)行較為頻繁的操作，如書籍借閱、評論和信息檢索上偏向某一類資源，則能夠基本認(rèn)定該用戶對相關(guān)資源有較強(qiáng)的興趣偏好[2]。

（二）信息歸檔

行為信息歸檔，即按照一定規(guī)則建立微用戶個人行為數(shù)據(jù)庫，并將獲取的信息在后臺予以提取、分析，進(jìn)而歸檔。高校圖書館用戶的個人行為信息類型主要有認(rèn)證信息、瀏覽與檢索記錄、推薦記錄、評價記錄等。認(rèn)證信息是用戶在圖書館系統(tǒng)上的注冊信息，目前絕大多數(shù)高校圖書館建立了用戶姓名、班級、專業(yè)、學(xué)歷等個人基本認(rèn)證信息庫，但仍應(yīng)積極引導(dǎo)用戶完善他們在研究領(lǐng)域、興趣愛好、研究成果、課題項目等方面的信息，并進(jìn)行科學(xué)歸類。瀏覽、檢索記錄是重要的用戶行為信息。我們應(yīng)當(dāng)利用現(xiàn)代信息技術(shù)、大數(shù)據(jù)存儲技術(shù)對每一個微用戶進(jìn)行獨(dú)立建檔，對他們的活動信息進(jìn)行相應(yīng)的歸類和標(biāo)簽化建構(gòu)，從而充盈用戶行為數(shù)據(jù)庫，促進(jìn)閱讀推薦模式價值的發(fā)揮。推薦記錄與評價記錄是高校圖書館微服務(wù)過程的軌跡與反饋信息，應(yīng)當(dāng)一并歸入到用戶的個人檔案之中，并將用戶檢索記錄和資源推薦、評價記錄對接，推斷用戶檢索、閱讀的動機(jī)，為資源推薦做好基礎(chǔ)性工作。

（三）數(shù)據(jù)更新

用戶行為偏好可能不是一成不變的，尤其是在海量信息充斥的微傳播時代，用戶的關(guān)注點也可能是多方面的，每個時間點的側(cè)重也可能不同。因而，我們在完成建檔、歸檔后，還需要對用戶行為信息進(jìn)行持續(xù)跟蹤記錄，并在用戶偏好變化和興趣變更的過程中完成數(shù)據(jù)更新；及時更新用戶行為偏好、關(guān)系到用戶的即時體驗。高校圖書館不能忽視此項工作[3]。

高校圖書館通過全面獲取用戶信息，建立用戶行為檔案數(shù)據(jù)庫，將用戶的一切行為記錄歸檔，并持續(xù)更新，可以建立完整的“用戶畫像”，為精準(zhǔn)“微薦讀”服務(wù)的開展提供系統(tǒng)性的數(shù)據(jù)支持。

二、基于用戶的行為偏好信息，開展微薦讀服務(wù)

運(yùn)用機(jī)器語言完成分析和輸出，是高校圖書館開展微薦讀服務(wù)的核心技術(shù)要求。高校圖書館通過機(jī)器系統(tǒng)，運(yùn)用行為識別算法、資源讀取算法、資源推薦算法作用于用戶和資源庫兩端，可搭建資源對接和雙向互動的語言“橋梁”。行為識別算法是對微平臺用戶行為建檔的關(guān)鍵技術(shù)。該技術(shù)旨在根據(jù)用戶基本信息的獲取，為用戶進(jìn)行基本的屬性認(rèn)定[4]，即依托用戶行為數(shù)據(jù)庫及相關(guān)運(yùn)算規(guī)則，對用戶在數(shù)據(jù)瀏覽和資源獲取等方面的行為進(jìn)行分析，以判定用戶偏好。資源讀取算法是將用戶行為在資源庫中映射，從而讀取有用信息的技術(shù)。該技術(shù)是為了識別用戶可能需要的資源，并通過資源提取工具暫存資源，以方便資源推薦。資源推薦算法是通過相關(guān)機(jī)制將資源推薦給用戶的技術(shù)。該技術(shù)能夠通過機(jī)器語言向用戶輸出可能需要的資源，是“微薦讀”服務(wù)輸出的保障[5]。在移動社交時代，高校圖書館運(yùn)用用戶行為識別算法、資源讀取算法、資源推薦算法，可開展基于用戶行為偏好的微平臺個性化薦讀服務(wù)。

（一）基于用戶行為匹配的相似性內(nèi)容薦讀服務(wù)

基于用戶行為匹配的相似性內(nèi)容薦讀，即運(yùn)用用戶相關(guān)行為數(shù)據(jù)匹配相似性內(nèi)容，并展開相似性資源挖掘和推薦。微時代，高校圖書館開展相似性內(nèi)容薦讀服務(wù)的主要途徑有三個。一是基于相似元數(shù)據(jù)的閱讀推薦。“元”是數(shù)據(jù)小單位，通過對微平臺用戶行為信息進(jìn)行元數(shù)據(jù)分析，在資源庫中進(jìn)行相似的元數(shù)據(jù)查找，挖掘出元數(shù)據(jù)對應(yīng)的資源內(nèi)容，對用戶進(jìn)行基于相似元數(shù)據(jù)的閱讀推薦。基于相似元數(shù)據(jù)的閱讀推薦的優(yōu)勢在于，能夠通過元數(shù)據(jù)精準(zhǔn)查找，具有較高的識別度。二是基于相似詞的閱讀推薦。“詞”是數(shù)據(jù)的表意維度，通過對微平臺用戶行為的定義，按照已有標(biāo)簽，進(jìn)行相似詞意的關(guān)聯(lián)推薦，供用戶篩選、瀏覽。三是基于相似結(jié)果的閱讀推薦。運(yùn)用用戶檢索記錄和用戶檢索結(jié)果，可以為微平臺用戶自動推薦相關(guān)的資源內(nèi)容，以豐富薦讀內(nèi)容。

（二）基于行為假設(shè)數(shù)據(jù)的協(xié)同過濾薦讀服務(wù)

協(xié)同過濾是新興的微信息推薦模式。它基于一種對用戶偏好的假設(shè)，認(rèn)為同一項目或同一群體用戶對于某一資源的偏好應(yīng)當(dāng)相同，據(jù)此推薦與該群體相關(guān)的閱讀資源。由于高校圖書館用戶具有明顯的群體特征，該薦讀模式適用高校圖書館的微服務(wù)。協(xié)同過濾的形式可以分為基于信息傳播的協(xié)同、基于項目的協(xié)同、基于模型的協(xié)同三種。基于信息傳播的協(xié)同，是將微平臺用戶進(jìn)行一定的關(guān)系劃分，通常具有聯(lián)系的用戶之間會存在較為相似的興趣偏好，在資源的查找和獲取過程中也應(yīng)當(dāng)具有相應(yīng)的需求。如用戶A經(jīng)過用戶B的推薦選擇了某一資源，那么，便可假設(shè)為用戶和B是對該資源有相同偏好的用戶，因而，兩者往后均會收到相關(guān)資源的閱讀推薦。基于項目的協(xié)同是根據(jù)微平臺用戶的歷史閱讀記錄、資源查找與下載記錄，將用戶的行為進(jìn)行系統(tǒng)性的邏輯劃分，以明確用戶之間的偏好差異和聯(lián)系，進(jìn)而向具有內(nèi)部邏輯關(guān)系的用戶推薦相同的資源。這種協(xié)同雖然能較為清晰地辨認(rèn)用戶聯(lián)系，但難以明確用戶的真正偏好，閱讀推薦的精準(zhǔn)度有限[6]。基于模型的協(xié)同是通過微平臺用戶群體的行為偏好模型推薦用戶需要的資源，閱讀推薦的精準(zhǔn)度極高，也成為當(dāng)下最為流行的一種協(xié)同過濾推薦形式。

（三）基于用戶檢索數(shù)據(jù)關(guān)聯(lián)規(guī)則的薦讀服務(wù)

通過用戶檢索數(shù)據(jù)關(guān)聯(lián)規(guī)則能夠充分挖掘高校圖書館用戶檢索數(shù)據(jù)之間的關(guān)聯(lián)，開展微薦讀服務(wù)。基于用戶檢索數(shù)據(jù)關(guān)聯(lián)規(guī)則的薦讀服務(wù)主要包括基于語義關(guān)聯(lián)、主題關(guān)聯(lián)、跨數(shù)據(jù)庫關(guān)聯(lián)的微薦讀服務(wù)三個方面。首先，通過構(gòu)建用戶檢索數(shù)據(jù)及資源知識元數(shù)據(jù)庫，將語義內(nèi)容進(jìn)行有效的分類，實現(xiàn)同一語義下供需資源的貫通。“語義關(guān)聯(lián)”與“詞關(guān)聯(lián)”有相似之處，但語義關(guān)聯(lián)的維度更豐富，作為數(shù)據(jù)庫檢索、跨媒體檢索、資源推薦的重要關(guān)聯(lián)規(guī)則，其需要依托機(jī)器的自學(xué)習(xí)技能得以實現(xiàn)，技術(shù)要求更高。其次，在微薦讀中，對于單一主題關(guān)聯(lián)而言，用戶檢索數(shù)據(jù)中的某一關(guān)鍵主題，僅會關(guān)聯(lián)與該主題相關(guān)的資源內(nèi)容；而用戶數(shù)據(jù)中若有多個關(guān)鍵主題，則會出現(xiàn)包含所有關(guān)鍵主題的資源內(nèi)容，對于多維主題關(guān)聯(lián)而言，能夠擴(kuò)大相關(guān)信息的輸出量，增大輸出結(jié)果篩選規(guī)模。再次，通過數(shù)據(jù)庫之間的網(wǎng)絡(luò)，建立起跨數(shù)據(jù)庫之間的分類關(guān)系和算法關(guān)系，使用戶檢索數(shù)據(jù)快速響應(yīng)至多個數(shù)據(jù)庫，進(jìn)而展開薦讀服務(wù)，可提升薦讀服務(wù)的有效性與全面性。

上述三大薦讀模式都具有很好的資源服務(wù)效果，但也各有不足，如協(xié)同過濾薦讀存在過度假設(shè)的傾向。在實踐中，可以將三大模式組合，形成混合薦讀模式。通過混合薦讀模式，可以為微平臺用戶推薦更為滿意的信息，提升用戶體驗。

三、優(yōu)化技術(shù)，建立管理體系，提升服務(wù)質(zhì)量

科學(xué)技術(shù)是關(guān)系到服務(wù)質(zhì)量的關(guān)鍵因素。高校圖書館應(yīng)持續(xù)完善基于用戶行為的微平臺資源推薦算法機(jī)制，通過更加高效、簡便的算法技術(shù)增強(qiáng)微平臺在資源推薦與用戶知識獲取過程中的可操作性，打破數(shù)據(jù)壁壘，提升數(shù)據(jù)可得性和推薦的精準(zhǔn)性。高校圖書館要建立完善的知識元數(shù)據(jù)庫，將數(shù)據(jù)進(jìn)行最小單位的知識元數(shù)據(jù)拆分，以適配多種場景下的詞意分析、語義分析和關(guān)聯(lián)規(guī)則；做好知識元數(shù)據(jù)庫動態(tài)更新，提升知識元在相關(guān)檢索和推薦中的作用，增強(qiáng)整個過程的智能性。在數(shù)據(jù)庫內(nèi)容與類型不斷豐富、多媒體信息不斷增長的背景下，高校圖書館微平臺資源推薦須建立跨媒體推薦板塊，積極通過語義分析、跨媒體算法機(jī)制、跨媒體數(shù)據(jù)識別等相關(guān)技術(shù)，加大多媒體數(shù)據(jù)的挖掘，提升薦讀深度與廣度。緩存技術(shù)是系統(tǒng)內(nèi)部和網(wǎng)絡(luò)終端對文件和相關(guān)數(shù)據(jù)進(jìn)行暫時性存儲的技術(shù)。在海量數(shù)據(jù)環(huán)境下，高校圖書館可通過增加外置硬盤的方法來釋放網(wǎng)絡(luò)空間，保證微平臺資源推薦的效率；同時，積極進(jìn)行系統(tǒng)緩存性能測試，確保緩存效率[7]。

除優(yōu)化技術(shù)要素外，高校圖書館還要建立科學(xué)的管理體系，針對基于用戶行為的微薦讀精準(zhǔn)度、用戶滿意度和管理效度等指標(biāo)，建立客觀的評價系統(tǒng)，以激發(fā)高校圖書館微平臺資源服務(wù)活力，即從管理層面和戰(zhàn)略層面不斷優(yōu)化服務(wù)供給內(nèi)容，增強(qiáng)服務(wù)的滿意度，做好服務(wù)調(diào)研、服務(wù)評價、服務(wù)優(yōu)化等工作。在服務(wù)調(diào)研上，高校圖書館要通過校園調(diào)查問卷、線上問卷、圖書館終端程序等方式了解微平臺用戶對個性化“微薦讀”服務(wù)的基本認(rèn)知和服務(wù)體驗，將量化的問卷數(shù)據(jù)與服務(wù)評價掛鉤，不斷探索“微薦讀”內(nèi)容的優(yōu)化策略。在服務(wù)評價上，微媒體檢索頁面應(yīng)設(shè)置相應(yīng)的評價打分機(jī)制，通過用戶打分了解基本的服務(wù)質(zhì)量；積極拓展與用戶溝通的渠道，通過開設(shè)網(wǎng)絡(luò)反饋平臺、微平臺反饋窗口和圖書館“吐槽墻”等方式，接收用戶關(guān)于“微薦讀”服務(wù)的意見和建議，為優(yōu)化服務(wù)提供數(shù)據(jù)支持。在服務(wù)優(yōu)化層面，高校圖書館應(yīng)當(dāng)積極通過算法更新、程序優(yōu)化來提升針對微平臺用戶相關(guān)行為的跟蹤精準(zhǔn)度，增強(qiáng)在用戶興趣識別和資源推薦上的有效性，不斷利用更為簡便易行的算法機(jī)制來簡化用戶操作，提升服務(wù)精準(zhǔn)度[8]；建立對接用戶的專設(shè)機(jī)構(gòu)，配備相關(guān)的專業(yè)人員對微平臺用戶的疑問予以解答，為用戶提供相應(yīng)的咨詢服務(wù)。