基于用戶畫像的科學數據管理模型研究

文/王顯斌

現階段國內外圖書館領域用戶畫像研究主要以技術為主，主要包括了兩個層次，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）基于排序的啟發式函數推斷模型；

（3）基于分類器結合特征工程的預測模型。

Gauch S等將用戶畫像描述為一組加權標簽、概念層次結構或語義網的集合，包括用戶基本素養、文化水平、社會背景、社交情況、工作情況、可支配時間等因素[1]。Zaugg H認為圖書館的空間與服務的設計應該關注用戶需求，可以借鑒營銷領域和產品設計中用戶畫像的應用，進行圖書館空間與服務的設計[2]。國內曾建勛認為圖書館精準服務需要用戶畫像，用戶畫像可以更好地認識網絡中的用戶、改善網絡信息組織、發現信息傳播規律[3]。胡媛認為數字圖書館知識社區用戶畫像可分為讀者基本信息、用戶興趣愛好、用戶活躍度三類標簽模型，提出了數字圖書館知識社區綜合服務能力評價指標體系[4]。

現階段國內圖書館領域用戶畫像研究主要以個案研究為主，針對具體不同應用場景和目標，構建不同用戶畫像模型，針對科學數據管理場景的用戶畫像研究目前還非常少。本文綜合心理學、信息學等多學科知識，從科學數據用戶畫像概念和內涵分析出發，構建用戶數據驅動相結合的科學數據用戶畫像模型和系統，深入探討用戶畫像在科學數據管理領域的應用。

1 科學數據用戶畫像內涵分析

1.1 科學數據用戶群體邊界具有動態性

用戶畫像的目的是通過對特定行為群體特征的總結和提煉，為精準化服務提供量化支撐。因此，用戶畫像對目標用戶群體邊界的界定越明確，畫像結果越有針對性。在科學數據管理中，學術行為和學科背景對科研用戶群體邊界的界定產生重要影響，導致科研用戶群體邊界處于動態變化中，原因有兩個：

（1）科研人員跨學科研究行為越來越頻繁，所跨學科對象也處于動態變化中；

（2）科研人員研究方向也處于變化當中。

1.2 用戶畫像關注的是“典型用戶”

用戶畫像關注的是“典型用戶”而不是“平均用戶”，其結果具有明顯的區分度和針對性，可以更精準地識別特定用戶的動機及行為偏好。在科學數據管理中，科研用戶畫像有效性體現在對目標用戶群體的用戶屬性特征的提煉與總結。

1.3 科學數據用戶屬性包含知識屬性

典型用戶畫像屬性包括靜態屬性和動態屬性。靜態屬性是相對穩定的用戶信息,如人口屬性、職業等；動態屬性是用戶不斷變化的信息，如場景、媒介、路徑等。在科學數據管理中，科研用戶畫像解決的是知識服務的精準化問題，關注的焦點和最后的評價不是“我是否提供了您需要的信息”，而是“是否通過我的服務解決了您的問題”。因此，科學數據用戶屬性應突出知識的特性，可劃分為靜態屬性、動態屬性和知識屬性。

圖1

圖2

2 科學數據用戶影響因素分析

2.1 科學數據用戶知識屬性具有半動態性特征

科研人員的學科背景一般相對固定，但是隨著跨學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科知識，需要不斷了解新領域，補充新知識以支撐其研究活動。因此，科研用戶知識屬性的核心（學科背景）相對穩定，但其外延一直處于動態變化中，即一種半動態化狀態。

2.2 科學數據用戶知識屬性的分類

科學數據用戶知識屬性可分為外知識屬性和內知識屬性兩類。外知識屬性是指外部環境作用于個體身上的各種與知識有關的元素集合，包括：學歷學位、畢業院校、學術職務、學術兼職、參加學術團體、專業職稱、學術榮譽等。內知識屬性是指個體自身具有的各種與知識有關的元素集合，參照顯性知識與隱性知識的概念，可分為內在顯性知識屬性和內在隱性知識屬性。內在顯性知識屬性包括：研究領域、學術專長、著作論文、非正式成果等。內在隱性知識屬性包括：心智水平、文化素養、學術思想、學術影響力等。科研用戶的知識屬性蘊含著較多的語義信息，需要在標簽基礎上引入語義表達。

2.3 科學數據用戶受場景驅動和心理影響

不同的時間、地點、研究階段等知識場景下，用戶需求會有差異。例如：撰寫論文時，會關注當前研究熱點；而教學時，更想要梳理出該學科的知識體系。同時，用戶心理狀態不同，其知識需求也存在差異。例如：剛進入新研究領域時，一般對研究工作持樂觀心理；隨著研究的深入，會出現困惑或迷茫，心理上會變得焦慮，體現在行為上就是大量盲目地學習和收集資料；度過失望期之后，心理上才會逐步的平穩。這種心理和情感上的變化可以通過社會心理學進行分析。

3 科學數據用戶畫像建模

用戶畫像建模就是構建用戶標簽體系，可分為結構化標簽體系和非結構化標簽體系兩類。非結構化標簽體系彼此之間無層級關系，各個標簽反應各自的用戶興趣，不僅能夠涵蓋結構化標簽體系，更能細致地表達語義上的分類，如資源發現系統中的關鍵詞、學術社區中的文檔主題模型（Topic Model）等。科學數據用戶非結構化標簽體系可分為四個層級：即事實標簽、模型標簽、預測標簽和業務標簽。每上層標簽都由下層標簽抽象計算組合生成，其中業務層標簽需要人工進行定義。如圖1所示。

4 科學數據用戶畫像算法及系統設計

用戶的靜態屬性反映著用戶的基本情況,是連接線上和線下的紐帶，定義函數表示其在一定場景下對標簽的影響權重，則公式如下：

同理，可以推導出用戶動態屬性在一定場景下對標簽的影響權重

5 結語

本文從科學數據用戶畫像內涵出發，對科學數據用戶影響因素進行分析，最后構建了科學數據用戶畫像模型和系統。其中的重難點有兩個：

（1）多源異構數據導致數據融合困難，必須設計合適的降維方法、特征選擇方法、模型融合方法；

（2）數據稀疏性較高導致屬性特征組合困難。這將是下一步研究的重點。