基于動態(tài)精準(zhǔn)畫像的圖書館個性化推薦服務(wù)研究

徐立寧

（南京圖書館，江蘇 南京 210018）

1 圖書館用戶畫像與資源推薦服務(wù)

1.1 圖書館用戶畫像

在圖書館的各項(xiàng)業(yè)務(wù)中，通常所說的用戶畫像是基于大數(shù)據(jù)環(huán)境所產(chǎn)生的，通過數(shù)據(jù)挖掘和人工智能方法構(gòu)建，描繪用戶個體的標(biāo)簽和屬性，包括分析圖書館用戶的基本屬性、消費(fèi)屬性、閱讀屬性和生活屬性等，通過對用戶產(chǎn)生的海量行為數(shù)據(jù)的挖掘與分析，抽象出與該用戶的需求和偏好相關(guān)的標(biāo)簽化過程[1]。圖書館為用戶構(gòu)建畫像的過程就是給用戶貼標(biāo)簽的過程，由于用戶產(chǎn)生的是一系列數(shù)字化操作和行為，所以需要通過數(shù)據(jù)挖掘和分析的方法對用戶產(chǎn)生的行為信息進(jìn)行高度提煉，從而獲取與用戶相關(guān)的特征標(biāo)識，最終輸出為用戶標(biāo)簽。通過用戶多個方面的數(shù)據(jù)挖掘和分析產(chǎn)生的多維標(biāo)簽即可組成用戶的精準(zhǔn)畫像。一般來說，由于用戶畫像是對用戶的基本屬性和行為的分析，所以通過用戶的畫像即可精準(zhǔn)了解到用戶的興趣和需求，用于個性化推薦服務(wù)、營銷服務(wù)和各種用戶擴(kuò)展服務(wù)。圖書館當(dāng)前基于用戶畫像的研究主要包括通過數(shù)字圖書館的用戶畫像建模分析，構(gòu)建出圖書館服務(wù)能力的綜合評價(jià)指標(biāo)，再通過該指標(biāo)構(gòu)建有效的圖書館社區(qū)用戶參考。另外還可通過構(gòu)建用戶畫像形成可視化的統(tǒng)計(jì)描述、多維交叉分析以及用戶知識圖譜等圖書館智能化服務(wù)。總體來講，基于圖書館的用戶畫像還處于起步階段，還需要更多的研究和探索。

1.2 圖書館資源推薦服務(wù)

圖書館資源推薦服務(wù)由來已久，圖書館屬于知識提供者，資源推薦和閱讀推廣是圖書館最重要的工作之一[2]。早期的圖書館資源推薦服務(wù)一般通過人工確定知識熱點(diǎn)和新聞，再有針對性地向不同群體進(jìn)行推薦，過程較為復(fù)雜，需要消耗大量的人力，且用戶的體驗(yàn)較差，推薦的內(nèi)容難以確切符合用戶的要求。隨著計(jì)算機(jī)技術(shù)和智能技術(shù)的發(fā)展，圖書館資源推薦系統(tǒng)更具有針對性和主動性，能夠在提升資源服務(wù)質(zhì)量的同時，提升圖書館對用戶的黏性，通過信息化手段抓住用戶的需求，智能化地進(jìn)行資源推薦，提升了用戶對圖書館的依賴，構(gòu)建和諧的資源社區(qū)。當(dāng)前圖書館資源推薦的研究重點(diǎn)大多從技術(shù)角度出發(fā)，通過引入推薦算法和分布式平臺，提升資源推薦的準(zhǔn)確性和多樣性。對用戶的興趣、偏好、情感和行為等因素的考慮不足，資源推薦過程中存在一定的細(xì)分不足、需求分析不徹底等問題。一般來說，用戶的興趣和需求是隨著時間而變化的，因此通過單一的推薦算法只能為用戶做靜態(tài)的內(nèi)容推薦，所以達(dá)不到精準(zhǔn)推薦的程度，導(dǎo)致對興趣和需求的分析不徹底。因此在推薦算法和分布式平臺的基礎(chǔ)上，圖書館還應(yīng)該構(gòu)建用戶的動態(tài)精準(zhǔn)畫像，該畫像能夠隨著時間動態(tài)變化，符合用戶當(dāng)前的興趣和需求，讓推薦更為完善。

1.3 圖書館資源推薦研究現(xiàn)狀

圖書館的資源推薦系統(tǒng)一般都建立在互聯(lián)網(wǎng)和智能計(jì)算機(jī)的網(wǎng)絡(luò)傳輸基礎(chǔ)上，通過圍繞讀者個性化推薦模式，并結(jié)合計(jì)算機(jī)的推薦方法進(jìn)行完善和改進(jìn)。最早進(jìn)行圖書館推薦系統(tǒng)研究的是構(gòu)建資源協(xié)同推薦系統(tǒng)，還有一些研究員通過構(gòu)建圖書館學(xué)術(shù)資源推薦系統(tǒng)框架，利用圖書館中存儲的借閱日志數(shù)據(jù)，通過多維屬性關(guān)聯(lián)規(guī)則挖掘，提取出日志數(shù)據(jù)中的關(guān)鍵特征，再通過這些關(guān)鍵特征構(gòu)建出推薦規(guī)則，從而形成圖書館的資源推薦[3]。在學(xué)術(shù)資源推薦系統(tǒng)框架基礎(chǔ)上，一些研究者通過文獻(xiàn)混合關(guān)聯(lián)的方式，構(gòu)建出了文獻(xiàn)推薦方案算法，該算法通過云計(jì)算平臺結(jié)合Spark內(nèi)存計(jì)算技術(shù)，完成了針對用戶日志數(shù)據(jù)和借閱文獻(xiàn)內(nèi)容的聚類分析和相似度計(jì)算，最終通過基于本體的數(shù)字文獻(xiàn)資源聚合和服務(wù)推薦算法，構(gòu)建出更細(xì)致化的圖書館資源推薦系統(tǒng)[4]。在針對用戶使用行為上的圖書館資源推薦中，一些學(xué)者通過引入角色概念來模擬用戶的興趣選擇，通過這些模擬選擇構(gòu)建出用戶信任網(wǎng)絡(luò)，該網(wǎng)絡(luò)能夠用于改進(jìn)情景感知推薦內(nèi)容，可以獲得更精細(xì)、動態(tài)的資源推薦[5]。此外，還有一些智慧圖書館的資源推薦系統(tǒng)，通過對用戶的的信息數(shù)據(jù)進(jìn)行挖掘，構(gòu)建出用戶在圖書館借閱圖書過程中的興趣和需求，可以有效提升圖書館推薦服務(wù)的準(zhǔn)確性[6]。綜合上述的圖書館資源推薦研究現(xiàn)狀，我們可以看出當(dāng)前的絕大多數(shù)研究還是建立在構(gòu)建傳統(tǒng)計(jì)算機(jī)資源推薦系統(tǒng)中，將用戶作為資源推薦的主要因素還在萌芽階段，因此構(gòu)建基于用戶動態(tài)精準(zhǔn)畫像的圖書館個性化推薦服務(wù)勢在必行，具有較高的研究價(jià)值。

2 圖書館用戶動態(tài)精準(zhǔn)畫像與個性化推薦模型構(gòu)建

2.1 用戶動態(tài)精準(zhǔn)畫像數(shù)據(jù)源構(gòu)建

在圖書館信息智能化管理中，構(gòu)建用戶動態(tài)精準(zhǔn)畫像的目的是為了真實(shí)還原用戶的各項(xiàng)信息，并通過動態(tài)精準(zhǔn)畫像來指導(dǎo)圖書館的資源推薦服務(wù)，因此構(gòu)建用戶動態(tài)精準(zhǔn)畫像的數(shù)據(jù)來源于與用戶相關(guān)的所有數(shù)據(jù)[7]。一般來說，用于構(gòu)建圖書館用戶畫像的數(shù)據(jù)通常來源于各種服務(wù)系統(tǒng)中，由于這些數(shù)據(jù)在獲取過程中存在無關(guān)聯(lián)、無結(jié)構(gòu)且相互獨(dú)立的特性，因此要實(shí)現(xiàn)各種結(jié)構(gòu)的數(shù)據(jù)間整合。在構(gòu)建數(shù)據(jù)整合過程中，圖書館首先根據(jù)用戶的基本信息和行為數(shù)據(jù)完成對用戶的初步刻畫，然后通過動態(tài)的行為數(shù)據(jù)對畫像進(jìn)行完善和修正。用戶的數(shù)據(jù)分為動態(tài)數(shù)據(jù)和靜態(tài)數(shù)據(jù)，其中用戶的基本屬性是靜態(tài)數(shù)據(jù)，而用戶在使用數(shù)據(jù)過程中產(chǎn)生的各種網(wǎng)絡(luò)行為數(shù)據(jù)、互動數(shù)據(jù)和與其他用戶之間相關(guān)的數(shù)據(jù)，都屬于動態(tài)數(shù)據(jù)。在構(gòu)建用戶數(shù)據(jù)源時，一般通過用戶的身份統(tǒng)一識別號登錄圖書館以及用戶設(shè)備的機(jī)器碼，通過二者的結(jié)合識別出用戶的網(wǎng)絡(luò)行為數(shù)據(jù)，更全面地收集用戶的相關(guān)數(shù)據(jù)。一般來說，圖書館為不同身份的用戶群體提供不同的資源服務(wù)，因此在構(gòu)建用戶動態(tài)精準(zhǔn)畫像過程中，既要考慮單一用戶的資源服務(wù)，還要考慮群體用戶的資源服務(wù)，通過詳細(xì)的分類提升用戶需求偏好的精確度。

2.2 用戶動態(tài)精準(zhǔn)畫像模型構(gòu)建

在新型智能數(shù)字化的圖書館，用戶動態(tài)精準(zhǔn)畫像是一個長期逐步完成的過程。構(gòu)建用戶動態(tài)精準(zhǔn)畫像模型的目標(biāo)是通過分析用戶的行為，為用戶打上具體的標(biāo)簽，通過用戶的標(biāo)簽再精確、快速地分析用戶的偏好和習(xí)慣，為不同用戶提供個性化服務(wù)打好基礎(chǔ)[8]。構(gòu)建圖書館用戶動態(tài)精準(zhǔn)畫像模型，主要包括整合圖書館系統(tǒng)平臺的用戶數(shù)據(jù)，構(gòu)建圖書館用戶基礎(chǔ)信息、交互信息和行為數(shù)據(jù)的統(tǒng)計(jì)和分類方法，通過分析和分類方法構(gòu)建標(biāo)簽體系，為不同用戶打上標(biāo)簽，最后細(xì)分出個體用戶和群體用戶的動態(tài)精準(zhǔn)畫像。圖1給出了圖書館用戶動態(tài)精準(zhǔn)畫像構(gòu)建模型。

圖1

在整合數(shù)據(jù)中，主要包括圖書館管理系統(tǒng)、門戶網(wǎng)站、移動平臺和相關(guān)信息系統(tǒng)中抽取所有用戶存儲在日志、數(shù)據(jù)庫中的數(shù)據(jù)文件。在收集數(shù)據(jù)過程中，需要詳細(xì)收集的數(shù)據(jù)包括用戶基本信息數(shù)據(jù)和用戶動態(tài)行為數(shù)據(jù)，數(shù)據(jù)收集好，就進(jìn)入數(shù)據(jù)處理階段。數(shù)據(jù)處理包括兩個部分，在數(shù)據(jù)預(yù)處理過程中，主要是對用戶的靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)完成集成、轉(zhuǎn)換、歸約和清洗等步驟，將非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)都轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)經(jīng)過預(yù)處理以后，對用戶數(shù)據(jù)構(gòu)建常規(guī)的數(shù)據(jù)挖掘方法，包括分類、聚類、關(guān)聯(lián)分析、序列化分析和預(yù)測分析等算法，通過這些算法從用戶數(shù)據(jù)中分析出用戶標(biāo)簽。在用戶畫像模型中，具體的用戶標(biāo)簽包括資源搜索與利用的偏好，社會屬性的興趣，用戶之間的關(guān)聯(lián)關(guān)系，以及用戶對資源的評價(jià)。針對群體用戶還應(yīng)該提供用戶活躍程度和人群屬性等畫像標(biāo)簽。最后，通過標(biāo)簽生成單個用戶畫像和用戶群體畫像，分別對圖書館資源服務(wù)進(jìn)行需求預(yù)測，最終形成圖書館對用戶提供的個性化資源推薦服務(wù)。

2.3 依托于知識挖掘的個性化推薦服務(wù)模式構(gòu)建

在構(gòu)建單個用戶動態(tài)精準(zhǔn)畫像和用戶群體動態(tài)精準(zhǔn)畫像的基礎(chǔ)上，圖書館依托于知識挖掘技術(shù)構(gòu)建圖書館個性化推薦服務(wù)模式，包括基礎(chǔ)信息庫、知識挖掘和智慧推薦三個主要方面。在基礎(chǔ)信息庫中，除了通過動態(tài)精準(zhǔn)畫像形成的用戶畫像以外，還需要以圖書館的數(shù)字化和多媒體資源為核心構(gòu)建的資源信息庫。采用云計(jì)算和云存儲構(gòu)建分布式平臺，融合多種形式的資源共同形成資源信息庫[9]。知識挖掘是個性化推薦服務(wù)模式的重點(diǎn)構(gòu)建模塊，該模塊分別針對資源信息庫和用戶畫像進(jìn)行知識挖掘構(gòu)建。針對資源信息庫為核心的挖掘目的主要是構(gòu)建每個領(lǐng)域中的知識庫，知識庫是從眾多冗余資源中提煉出具有統(tǒng)計(jì)意義的知識，形成以知識為核心的智慧推薦。對用戶畫像的挖掘，主要是挖掘出用戶需求和規(guī)律，對用戶多種需求的共同挖掘最終形成用戶的深度需求，用戶的深度需求可以根據(jù)行為的不斷調(diào)整最終形成動態(tài)的需求，通過動態(tài)需求構(gòu)建智慧推薦。在用戶心理的挖掘中，主要挖掘不同用戶的基礎(chǔ)心理屬性，根據(jù)基礎(chǔ)心理屬性可以構(gòu)建出更具個性化的推薦體驗(yàn)。

3 動態(tài)精準(zhǔn)畫像下的圖書館個性化推薦服務(wù)模式

圖書館需根據(jù)用戶興趣模型、行為模型、宣傳服務(wù)和可持續(xù)發(fā)展與規(guī)劃，來開展動態(tài)精準(zhǔn)畫像下的資源推薦服務(wù)。除此之外，動態(tài)精準(zhǔn)畫像還能夠應(yīng)用于圖書館的決策參考中。

3.1 構(gòu)建用戶動態(tài)精準(zhǔn)畫像下的興趣模型和行為模型

在用戶動態(tài)精準(zhǔn)畫像視角下，用戶的興趣模型和行為模型是進(jìn)行資源推薦服務(wù)的基礎(chǔ)，一般采用用戶畫像中的標(biāo)簽體系進(jìn)行，包括對用戶的興趣和行為數(shù)據(jù)進(jìn)行分類、整理、建模和表示，通過模型計(jì)算出單一用戶和群體用戶的相似度。在模型基礎(chǔ)上，對用戶的標(biāo)簽體系進(jìn)行聚類生成若干的主題層次結(jié)構(gòu)，然后將層次結(jié)構(gòu)歸納為若干個主題，利用主題描述出單個用戶和群體用戶的興趣和行為。該方法是通過粗粒度和細(xì)粒度相結(jié)合的方式進(jìn)行興趣和行為的構(gòu)建，能夠多層次、全面地展示用戶的興趣和主題。另外，由于用戶的興趣是動態(tài)變化的，隨著時間的推移，原始興趣會增加或減少，還會產(chǎn)生新的興趣，因此需要對興趣進(jìn)行動態(tài)更新，保證最新的用戶興趣和需求。不同于單一用戶，群體用戶會關(guān)注相似的資源并進(jìn)行互動和分享，該群體具有共同的興趣愛好并且具有較強(qiáng)的群體特征。群體用戶的興趣和行為模型構(gòu)建則需要對多個用戶的數(shù)據(jù)完成聚類，分析用戶之間的評價(jià)和互動信息，并計(jì)算這些信息之間的相似度。依托于相似度的計(jì)算，可以尋找到相似用戶并提取群體特征，最終形成用戶相似群。一般來說，可以設(shè)置一個閾值來區(qū)分不同用戶相似群，來將所有的用戶劃分為不同的群體，構(gòu)建群體的興趣模型和行為模型。這些群體用戶的興趣模型和行為模型能夠進(jìn)一步指導(dǎo)資源推薦、活動宣傳和圖書館的發(fā)展與建設(shè)。

3.2 構(gòu)建核心用戶動態(tài)精準(zhǔn)畫像下的資源推薦服務(wù)

圖書館構(gòu)建核心用戶群體的精準(zhǔn)推薦是圖書館個性化資源推薦服務(wù)的重要方式之一。通過動態(tài)精準(zhǔn)畫像，圖書館可以通過數(shù)據(jù)分析獲取用戶的基本特征，針對用戶的目標(biāo)行為賦予比例權(quán)重，構(gòu)建出個體用戶的需求—資源模型，該模型可以將與用戶需求相匹配的資源推送給相應(yīng)的用戶。另外，還可以根據(jù)用戶的某個特征分析出用戶的潛在需求，為用戶的后續(xù)資源構(gòu)建推送服務(wù)。一般來說，圖書館的新用戶的行為數(shù)據(jù)較少，構(gòu)建的用戶畫像顆粒度較粗，而使用時間較長的核心用戶的畫像顆粒度細(xì)膩，畫像更為精準(zhǔn)，通過畫像反應(yīng)出來的用戶信息也更為具體。根據(jù)二八準(zhǔn)則，圖書館為了留住更多的用戶和數(shù)據(jù)，應(yīng)該從核心用戶出發(fā)，構(gòu)建核心用戶的資源推薦。當(dāng)前的圖書館推薦服務(wù)都是知識內(nèi)容的推薦，根據(jù)用戶的歷史記錄分析出用戶的興趣，在用戶再次使用時，可以動態(tài)更新用戶的興趣，構(gòu)建更高質(zhì)量的個性化精準(zhǔn)推薦。另外，針對核心用戶，圖書館還可以通過協(xié)同過濾技術(shù)，挖掘出用戶群體之間的興趣相似性。針對多個興趣相似的用戶，可以將某個被用戶大量使用的資源，推薦給還未使用該資源但是興趣相似的其他用戶，接受推薦的用戶將會對該資源產(chǎn)生濃厚的興趣。另外，當(dāng)某些用戶都頻繁使用相同的資源時，說明這些用戶之間存在密切的聯(lián)系。對于關(guān)系密切的用戶可以構(gòu)建地推規(guī)則，挖掘出資源使用的前后規(guī)律，為用戶提供后續(xù)需求的相應(yīng)資源，形成資源推薦的閉環(huán)。

3.3 構(gòu)建用戶群體動態(tài)精準(zhǔn)畫像的宣傳服務(wù)

圖書館的用戶動態(tài)精準(zhǔn)畫像除了對資源的精準(zhǔn)推薦以外，還可以構(gòu)建出對用戶的精準(zhǔn)宣傳。與精準(zhǔn)資源推薦面向的是單一用戶對象不同的是，構(gòu)建精準(zhǔn)宣傳服務(wù)是面對批量的用戶構(gòu)建群體性服務(wù)。一般來說，任何圖書館都會在不同時間段內(nèi)開展線上或線下的宣傳活動，通過這些活動來提升圖書館的知名度，然而這些活動的宣傳都需要較多的人力和物力，例如在活動中發(fā)放資料、主題海報(bào)、專題展覽和講座培訓(xùn)等，需要較高的成本才能進(jìn)行廣撒網(wǎng)方式的宣傳。這種宣傳方式可能導(dǎo)致用戶頻繁地獲取與自己無關(guān)的宣傳內(nèi)容，或者對頻度較高的宣傳內(nèi)容感到反感，最終效果可能適得其反。因此，構(gòu)建基于用戶群體動態(tài)精準(zhǔn)畫像的宣傳服務(wù)，能夠才從最大程度上解決圖書館活動宣傳問題。圖書館在動態(tài)精準(zhǔn)畫像的基礎(chǔ)上，可以按照群體的方式給用戶分組，為不同組的用戶貼上相應(yīng)的標(biāo)簽，然后將待宣傳的內(nèi)容與標(biāo)簽匹配，經(jīng)過匹配后的宣傳內(nèi)容將會精準(zhǔn)地推送到相應(yīng)用戶組中，該組用戶的興趣、愛好和行為與該宣傳內(nèi)容匹配度很高，從根本上避免了盲目宣傳造成的成本浪費(fèi)和對用戶無謂的干擾。例如通過用戶群體動態(tài)精準(zhǔn)畫像構(gòu)建圖書館的閱讀推廣，針對圖書館最新購置的暢銷書，由于該暢銷書不可能符合所有用戶群體的喜好，所以需要有針對性地進(jìn)行閱讀推廣。這時候，采用動態(tài)精準(zhǔn)畫像，針對用戶的知識背景、閱讀方式、習(xí)慣和歷史數(shù)據(jù)產(chǎn)生多個標(biāo)簽，再將標(biāo)簽與暢銷書的內(nèi)容、時間和類型進(jìn)行匹配，最后將該暢銷書推廣給匹配度高的用戶群體，最終使宣傳具有目標(biāo)導(dǎo)向，精準(zhǔn)且效率高。

3.4 構(gòu)建圖書館可持續(xù)發(fā)展與規(guī)劃的決策參考服務(wù)

圖書館作為公共事業(yè)單位，其最主要的使命就是為社會公眾提供良好的閱讀場所和資源。傳統(tǒng)圖書館吸引讀者關(guān)注的方式較為被動，相應(yīng)的活動推廣宣傳的效果又較差，遠(yuǎn)遠(yuǎn)達(dá)不到圖書館可持續(xù)發(fā)展與規(guī)劃的需求。然而，21世紀(jì)是互聯(lián)網(wǎng)時代，圖書館需要吸引更多的用戶，留住更多的高質(zhì)量用戶，才能構(gòu)建可持續(xù)發(fā)展與規(guī)劃的道路。因此，用戶的動態(tài)精準(zhǔn)畫像對圖書館的可持續(xù)發(fā)展與規(guī)劃具有重要的意義。精準(zhǔn)動態(tài)畫像對用戶來說可以為用戶的自我認(rèn)知提供良好的依據(jù)，可以協(xié)助用戶進(jìn)行研究、學(xué)習(xí)方案的制定，提升學(xué)習(xí)的效率。與之相似，所有用戶群體的精準(zhǔn)動態(tài)畫像對于圖書館也具有建設(shè)意義，圖書館根據(jù)某個用戶群體的多項(xiàng)特征能夠提取出該群體用戶的整體興趣和需求的走向，通過滿足整體興趣和動態(tài)的滿足改變的需求，即可規(guī)劃圖書館的未來發(fā)展和建設(shè)思路。例如，針對用戶對資源的整體興趣分析，可以規(guī)劃圖書館的資源采購、空間設(shè)計(jì)，而對需求走向的分析，則可以根據(jù)用戶的需求制定更人性化的規(guī)章制度，提升用戶在使用圖書館過程中的幸福感，增強(qiáng)圖書館對用戶的黏性，留住更多的核心用戶，構(gòu)建可持續(xù)發(fā)展之路。例如，當(dāng)圖書館的知識挖掘系統(tǒng)從用戶群體動態(tài)精準(zhǔn)畫像中發(fā)掘用戶對電子資源的使用頻率呈現(xiàn)顯著的增長，且遠(yuǎn)高于傳統(tǒng)紙質(zhì)資源，那么未來的圖書館資源配置應(yīng)該進(jìn)行相應(yīng)的調(diào)整，提升電子資源的購置和分布，減少紙質(zhì)資源的購置并重新規(guī)劃資源在圖書館中的分布。另外，當(dāng)用戶對圖書館中的私有空間需求較高時，還應(yīng)該及時調(diào)整圖書館的空間分布，滿足用戶的需求。

4 結(jié)語

新時代的圖書館依托于互聯(lián)網(wǎng)技術(shù)、多媒體技術(shù)和智能技術(shù)，必將會發(fā)展成為多元化的整體，而其中最重要的是圖書館的個性化推薦服務(wù)。圖書館的個性化推薦服務(wù)經(jīng)過了用戶動態(tài)精準(zhǔn)畫像的提升，將會為不同的用戶提供適合其興趣、需求的資源、宣傳和服務(wù)，讓圖書館的服務(wù)更為精準(zhǔn)。今后圖書館可將用戶的動態(tài)精準(zhǔn)畫像應(yīng)用至更多、更有意義的推薦中，為用戶提供更為精準(zhǔn)、便捷、廣泛的服務(wù)。