學(xué)術(shù)資源推薦服務(wù)中多維度用戶畫像構(gòu)建

顧亦然，郭玉雯

（南京郵電大學(xué)自動化學(xué)院、人工智能學(xué)院，江蘇南京 210046）

0 引言

隨著大數(shù)據(jù)時代的來臨，信息超載是互聯(lián)網(wǎng)用戶面臨的一個嚴(yán)重問題，學(xué)術(shù)研究領(lǐng)域也深受影響。論文、會議報告、專利、學(xué)術(shù)博客和學(xué)術(shù)新聞等學(xué)術(shù)資源呈爆炸式增長，面對海量學(xué)術(shù)資源，科研人員往往需要花費大量時間和精力查找所需資源。常規(guī)的關(guān)鍵詞搜索模式未考慮用戶研究背景、用戶偏好、行為目的等信息，無法很好地滿足各類型學(xué)者的個性化需求，因此個性化推薦系統(tǒng)應(yīng)運而生。然而，現(xiàn)有個性化推薦系統(tǒng)仍存在很多問題，大量無關(guān)的冗余信息嚴(yán)重影響了對有效信息的檢索、選擇及利用。近年來，用戶畫像概念被引入學(xué)術(shù)資源推薦領(lǐng)域，彌補了個性化推薦服務(wù)的缺陷。本文從多個維度分析學(xué)術(shù)用戶畫像，構(gòu)建學(xué)術(shù)用戶畫像模型，為學(xué)術(shù)資源推薦服務(wù)優(yōu)化提供一種新思路。

1 國內(nèi)外相關(guān)研究進展

用戶畫像這一概念起源于交互設(shè)計之父Cooper［1］，其定義用戶畫像為真實用戶的虛擬代表，是“建立在真實數(shù)據(jù)之上的目標(biāo)用戶模型”。如今，用戶畫像廣泛應(yīng)用于電子商務(wù)等多個領(lǐng)域，為制定真實商品及虛擬產(chǎn)品推薦策略提供多元化的參考依據(jù)。在學(xué)術(shù)資源（尤其是圖書館資源）推薦領(lǐng)域，也有很多學(xué)者針對用戶畫像概念開展了大量研究。

現(xiàn)有研究中對學(xué)術(shù)用戶畫像的構(gòu)建，主要通過分析用戶學(xué)術(shù)行為，挖掘用戶的興趣、研究方向等學(xué)術(shù)偏好，并找出影響用戶偏好和興趣的因素，賦予用戶不同的標(biāo)簽信息，從個性化角度優(yōu)化學(xué)術(shù)資源推薦算法。如李丹等［2］通過將顯式和隱式相結(jié)合獲取用戶信息，深度探討用戶潛在興趣，從而提供個性化的推薦方案；劉海鷗等［3］基于圖書館用戶的基本信息、內(nèi)容偏好，以及互動數(shù)據(jù)、情境數(shù)據(jù)等進行標(biāo)簽化識別，構(gòu)建圖書館用戶畫像，引入情境化的推薦方法；Javier 等［4］根據(jù)用戶與Web 應(yīng)用程序的交互方式確定用戶在人口學(xué)上的差異性表現(xiàn)，將用戶偏好與用戶體驗作為控制變量，采用多元回歸方式進行分析，對用戶具體需求及偏好等進行分類，實現(xiàn)個性化推薦；Leung 等［5］從搜索日志中獲取用戶畫像信息，考慮用戶的積極和消極兩方面偏好，以提升聚類算法質(zhì)量，提高推薦結(jié)果的準(zhǔn)確性。

隨著學(xué)術(shù)社交媒體（如科學(xué)網(wǎng)、科研之友、Research-Gate 等）的發(fā)展，用戶的社交網(wǎng)絡(luò)關(guān)系也成為學(xué)術(shù)資源推薦的重要依據(jù)。李默等［6］利用信任度分析與社會網(wǎng)絡(luò)關(guān)系挖掘技術(shù)對協(xié)同過濾推薦方法進行改進，提高了學(xué)術(shù)資源推薦系統(tǒng)的推薦質(zhì)量；Mazhari 等［7］基于社交網(wǎng)絡(luò)中的友誼關(guān)系建立推薦平臺，構(gòu)建用戶畫像，挖掘并分析用戶模型，找出影響友誼形成的因素及不同因素之間的影響程度，在社交網(wǎng)絡(luò)中提取用戶真實數(shù)據(jù)，從而建立推薦系統(tǒng)；Amoreti 等［8］基于情境感知理論提出Universal Profiling and Recommendation（UPR）方法，揭示了用戶個體行為與群體行為之間的關(guān)聯(lián)性，并使用K-means 算法對用戶進行聚類，從而找到用戶偏好和興趣；Li 等［9］根據(jù)作者的合著關(guān)系，利用隨機游走算法提出ACRec 模型，將合著順序、合著時間點及持續(xù)時間作為連接要素，進行學(xué)術(shù)協(xié)作推薦。

綜上所述，當(dāng)前國內(nèi)外研究多以挖掘用戶偏好、用戶社交關(guān)系等作為優(yōu)化推薦策略的核心。大多數(shù)研究在建立學(xué)術(shù)用戶畫像模型時只考慮了與學(xué)術(shù)活動直接相關(guān)的因素，圍繞用戶的學(xué)術(shù)興趣、研究方向、學(xué)科需求等進行模型構(gòu)建，導(dǎo)致用戶畫像的呈現(xiàn)過于扁平化，賦予用戶的標(biāo)簽具有集中化、單一化的缺陷，稀疏的標(biāo)簽維度也可能使推薦結(jié)果陷入過擬合。考慮學(xué)術(shù)社交網(wǎng)絡(luò)的因素是對學(xué)術(shù)用戶畫像的豐富與完善，但同時也存在著一定局限性：需要用戶存在學(xué)術(shù)社交媒體使用記錄，無法對一個新用戶進行社交網(wǎng)絡(luò)關(guān)系定位，也增加了冷啟動問題的負(fù)擔(dān)；從用戶關(guān)系角度出發(fā)，缺乏語義理解等。因此，本文考慮從新的視角出發(fā)，試圖挖掘用戶個體本身的屬性，而不單單考慮與學(xué)術(shù)活動相關(guān)的信息標(biāo)簽，進一步拓寬學(xué)術(shù)用戶畫像維度，將所有標(biāo)簽重新組合，賦予合適的語義信息，從而增強學(xué)術(shù)資源推薦服務(wù)的客觀性。

2 多維度學(xué)術(shù)用戶畫像模型

建立多維度的學(xué)術(shù)用戶畫像模型，可以全方位、多層次地獲取用戶屬性，更精準(zhǔn)地反映用戶特征，滿足用戶多樣化的閱讀需求。多維度的學(xué)術(shù)用戶畫像主要由維度分析和模型構(gòu)建兩部分組成。

2.1 維度分析

確立用戶畫像維度是建立用戶畫像模型的基礎(chǔ)。本文選取以下3 個維度：基本信息、行為特征和學(xué)術(shù)人格，如圖1 所示。

Fig.1 Structure of multi-dimensional user profile圖1 多維度用戶畫像結(jié)構(gòu)

2.1.1 基本信息

用戶基本信息，除用戶性別、年齡等基礎(chǔ)屬性外，更重要的是與學(xué)術(shù)相關(guān)的信息，如學(xué)歷、專業(yè)、身份以及研究方向。學(xué)歷的高低影響了學(xué)術(shù)用戶對學(xué)術(shù)資源的需求水平，而專業(yè)與研究領(lǐng)域能幫助推薦系統(tǒng)快速定位用戶所需的資源內(nèi)容。

2.1.2 行為特征

用戶學(xué)術(shù)行為是指用戶在獲取學(xué)術(shù)資源信息時的行為，包括在各類學(xué)術(shù)資源平臺（例如文獻(xiàn)數(shù)據(jù)庫、學(xué)術(shù)搜索引擎等）的查詢、選擇與利用行為。學(xué)術(shù)用戶的行為特征具體體現(xiàn)為對文獻(xiàn)的檢索、收藏、下載、引用等行為。這些行為的實質(zhì)是與學(xué)術(shù)資源平臺交互的過程，通過分析用戶與平臺交互的頻率、時間、內(nèi)容等，便可從中獲取該用戶學(xué)術(shù)行為規(guī)律，為向其推薦學(xué)術(shù)資源提供指導(dǎo)。

2.1.3 學(xué)術(shù)人格

學(xué)術(shù)用戶在搜尋學(xué)術(shù)信息過程中會受到很多因素影響，具有不同于普通用戶搜尋信息的復(fù)雜性和層次性［11］。除基本信息和行為特征外，還存在一些難以直觀描述、與用戶所處科研情境相關(guān)的特征，對于學(xué)術(shù)資源獲取造成一定影響。這些特征反映了學(xué)術(shù)用戶在科研活動中影響其學(xué)術(shù)行為的一系列因素，即學(xué)術(shù)用戶的“學(xué)術(shù)人格”屬性，可劃分為3 個子維度：學(xué)術(shù)動機、認(rèn)知風(fēng)格及領(lǐng)域知識。

（1）學(xué)術(shù)動機。學(xué)術(shù)動機是指獲取學(xué)術(shù)資源時的動機傾向。從學(xué)術(shù)用戶完整的科研過程來看，一般分為科研籌備、科研進行、科研產(chǎn)出3 個主要階段。在不同階段，學(xué)術(shù)用戶對學(xué)術(shù)資源的獲取目的也有一定區(qū)別，表1 描述了3個階段的不同特征。

Table 1 Characteristics of research stage表1 科研階段特征

為了更簡潔地描述不同科研階段的特征，本文將學(xué)術(shù)動機提煉為模糊型和明確型兩類。在已知學(xué)術(shù)用戶的不同學(xué)術(shù)動機之后，學(xué)術(shù)資源推薦服務(wù)便可在策略上作出相應(yīng)調(diào)整，即面對具有模糊型學(xué)術(shù)動機的用戶，傾向于推薦范圍更廣、內(nèi)容更多的學(xué)術(shù)資源；面對具有明確型學(xué)術(shù)動機的用戶，則以文獻(xiàn)的高相關(guān)性、高凝練度作為推薦的優(yōu)先指標(biāo)。

（2）認(rèn)知風(fēng)格。人們采集并處理信息時，會表現(xiàn)出個體差異，這種差異性體現(xiàn)在感知、記憶和思維過程上［12］，由此形成不同的“認(rèn)知風(fēng)格”。學(xué)術(shù)用戶在獲取學(xué)術(shù)資源時也會受到認(rèn)知風(fēng)格的影響。目前分類方式之一是分析用戶處理信息時采取的不同策略傾向，根據(jù)其對信息的感知是否受到環(huán)境影響分為場獨立型和場依存型。①場獨立型用戶不易受外界環(huán)境影響，而是更多地從自身經(jīng)驗出發(fā)去吸收信息，較少受到干預(yù)和暗示，這類用戶在學(xué)術(shù)資源獲取上呈現(xiàn)出一種“專一性”，他們可能不會關(guān)注自身學(xué)科或研究領(lǐng)域以外的學(xué)術(shù)信息，因此在為其提供推薦服務(wù)時可剔除與用戶學(xué)科相關(guān)性低的文獻(xiàn)，保留用戶學(xué)科領(lǐng)域內(nèi)的相關(guān)資源；②場依存型用戶會參照外部信息進行判斷，容易受到外界的影響和驅(qū)動，此類用戶在學(xué)術(shù)領(lǐng)域表現(xiàn)為對學(xué)科融合、學(xué)科交叉內(nèi)容的較高包容性，其在瀏覽學(xué)術(shù)文獻(xiàn)時，可能不僅對自身學(xué)科范圍內(nèi)的資源感興趣，對于其它學(xué)科中的類似問題或關(guān)聯(lián)學(xué)術(shù)信息也會表現(xiàn)出一定關(guān)注度，因此在為其進行推薦服務(wù)時，也可以適當(dāng)?shù)靥岣呓徊鎸W(xué)科內(nèi)容的權(quán)值，以“投其所好”，同時也有利于啟發(fā)出新的學(xué)術(shù)研究方向。

（3）領(lǐng)域知識。領(lǐng)域知識代表學(xué)術(shù)用戶在獲取學(xué)術(shù)資源過程中因知識儲備不同而產(chǎn)生的經(jīng)驗差異。簡單來說，作為剛接觸科研活動的初級用戶，使用學(xué)術(shù)資源平臺的時間較短，閱讀科研類文獻(xiàn)的能力也偏低，缺乏領(lǐng)域知識的群體在瀏覽信息時會自然地采用“簡單優(yōu)先”的模式，容易陷入無特定“方向感”的迷失狀態(tài)［10］。具備領(lǐng)域知識的用戶因其專業(yè)知識及學(xué)術(shù)資源平臺使用經(jīng)驗較為豐富，善于利用高級檢索、重組關(guān)鍵詞等平臺功能，并以更專業(yè)的角度閱讀文獻(xiàn)內(nèi)容。因此，不同領(lǐng)域知識的學(xué)術(shù)用戶也需要不同的推薦服務(wù)。

2.2 模型構(gòu)建

2.2.1 數(shù)據(jù)采集

為了獲取學(xué)術(shù)用戶畫像建模過程中所需的真實數(shù)據(jù)，本文設(shè)計一套調(diào)查問卷進行數(shù)據(jù)收集。針對基本信息和學(xué)術(shù)人格兩個維度，調(diào)查問卷分為兩部分：第一部分多采用選擇題形式，包括年齡、性別、學(xué)歷、專業(yè)、身份、從事科研工作時間、研究方向等問題，用于收集基本信息；第二部分對用戶科研進展情況和使用學(xué)術(shù)資源平臺的熟練度作進一步調(diào)查，并結(jié)合第一部分獲取的身份、職稱及從業(yè)時間等信息，可得到用戶學(xué)術(shù)動機和領(lǐng)域知識情況。對于認(rèn)知風(fēng)格的調(diào)查，采用心理學(xué)領(lǐng)域常用的量表測驗，設(shè)立8種情景并讓用戶選擇與自身相符的情況。為了補充驗證量表結(jié)果的真實性，問卷還設(shè)置了一個鑲嵌圖形實驗，要求用戶在一幅復(fù)雜圖形中找到指定的簡單圖形，認(rèn)知風(fēng)格更偏向于場獨立型的用戶能夠更快地在復(fù)雜圖形中尋找出簡單圖形。這些問題的結(jié)果能最終反饋被調(diào)查用戶的“學(xué)術(shù)人格”。

針對行為特征維度，則通過查看學(xué)術(shù)用戶在學(xué)術(shù)資源平臺的行為日志進行獲取。本文根據(jù)收集的數(shù)據(jù)構(gòu)建出多維度學(xué)術(shù)用戶畫像模型。

2.2.2 基本信息模型

本文將基本信息模型分為年齡、性別、學(xué)歷、專業(yè)、身份和研究方向6 個子維度。為了簡化信息，年齡維度采用年齡段的形式，研究方向由調(diào)查問卷中用戶自行填寫的信息進行描述。基本信息模型如表2 所示。

Table 2 Model of basic information表2 基本信息模型

2.2.3 行為特征模型

行為特征由用戶的檢索、收藏、下載、引用4 個維度組成。各維度取值如下：①檢索維度：用戶的檢索詞K、訪問頁面的時間T（單位：min）、檢索頁的文獻(xiàn)名P；②收藏維度：用戶的收藏頁文獻(xiàn)名C；③下載頁面：用戶的下載頁文獻(xiàn)名D；④引用維度：用戶的引用文獻(xiàn)名R。

Table 3 Model of behavior characteristic表3 行為特征模型

2.2.4 學(xué)術(shù)人格模型

學(xué)術(shù)人格模型包含的學(xué)術(shù)動機、認(rèn)知風(fēng)格和領(lǐng)域知識3 個子維度均由調(diào)查問卷獲取的數(shù)據(jù)進行描述，其中學(xué)術(shù)動機和領(lǐng)域知識可由用戶勾選的結(jié)果直接獲得。學(xué)術(shù)人格模型如表4 所示。

Table 4 Model of academic personality表4 學(xué)術(shù)人格模型

為了準(zhǔn)確判斷學(xué)術(shù)用戶的認(rèn)知風(fēng)格，本文將問卷中的部分文字性結(jié)果進行量化，定義3 個變量：量表值N、速度值V 和認(rèn)知風(fēng)格指數(shù)S。N 值代表用戶在量表測驗題目的得分情況，每道題分值越高，即越符合所描述的情景，該用戶在此題的情境下更偏向于場獨立型認(rèn)知風(fēng)格；V 值代表用戶在鑲嵌圖形實驗中的作答情況，用戶完成鑲嵌圖形實驗的速度越快，越能反映該用戶的場獨立型認(rèn)知趨勢；S 值反映了用戶認(rèn)知風(fēng)格的最終情況，用戶的S 值越高，說明該用戶越偏向于場獨立型認(rèn)知風(fēng)格，S 值越低，則代表該用戶偏向于場依存型認(rèn)知風(fēng)格。S 值與N 值、V 值呈正相關(guān)關(guān)系，S 值計算公式為：

3 調(diào)查問卷結(jié)果分析

3.1 數(shù)據(jù)處理

3.1.1 量表測驗

量表共有8 道題，具體問題及問卷結(jié)果如表5 所示。

Table 5 Questionnaire results of user’s cognitive style trends表5 用戶認(rèn)知風(fēng)格趨勢量表結(jié)果

考慮到實際情境的復(fù)雜性，不能以單純的分值高低作為評判依據(jù)。N 值具體計算過程如下：量表題目Q1～Q8的平均分為，用戶第k 題勾選的分值為Mk，若Mk≥（1≤k≤8），則該題實際得分nk=1，反之nk=0。計算公式為：

3.1.2 鑲嵌圖形實驗

安排鑲嵌圖形實驗的目的是通過考察用戶能否在排除背景干擾的情況下快速察覺到指定的簡單圖形位置。在鑲嵌圖形實驗中，被調(diào)查用戶在復(fù)雜圖形中找到指定簡單圖形的情況如圖2 所示。

Fig.2 Results of embedded figure test圖2 鑲嵌圖形實驗結(jié)果

文字選項和速度值V 的關(guān)系如表6 所示，平均值V 為2.76。

Table 6 Relationships between text options and speed value表6 文字選項與速度值關(guān)系

3.2 結(jié)果分析

從收集到的問卷情況來看，接受調(diào)查的人群中男女比例為55.17%∶44.83%，約接近1∶1；用戶專業(yè)以工學(xué)為主，兼具哲學(xué)、法學(xué)、教育學(xué)、理學(xué)、醫(yī)學(xué)和管理學(xué)專業(yè)的用戶；在學(xué)歷方面，碩士占比89.66%，本科生占比10.34%，用戶群體均為學(xué)生。下面主要針對本文提出的用戶畫像中第三維度“學(xué)術(shù)人格”的調(diào)查結(jié)果進行分析。

在本問卷針對科研階段的調(diào)查結(jié)果中，有37.93% 的用戶選擇科研籌備階段，51.72% 的用戶選擇科研進行階段，10.34% 的用戶選擇科研發(fā)表階段。可以看出，學(xué)術(shù)用戶在科研工作道路上的確會經(jīng)歷不同的科研階段，在學(xué)術(shù)資源搜尋過程中也會有不同的學(xué)術(shù)動機。

統(tǒng)計受調(diào)查用戶的認(rèn)知風(fēng)格指數(shù)S，計算得出基準(zhǔn)值S˙=11.316，結(jié)果顯示，參與調(diào)查的學(xué)術(shù)用戶中有55.17% 的人群具有場獨立型認(rèn)知風(fēng)格，44.82% 的用戶具有場依存型認(rèn)知風(fēng)格。

對于領(lǐng)域知識水平的統(tǒng)計，信息來源包括用戶的年齡、學(xué)歷、職稱以及從事科研工作的時間、使用學(xué)術(shù)資源平臺的熟練度等。在此次問卷調(diào)查中，本科學(xué)歷用戶毫無例外選擇了“直接使用一個或若干個關(guān)鍵詞進行檢索，盡量擴大搜索范圍”，而碩士學(xué)歷用戶中有近一半用戶選擇的常用檢索手段與本科學(xué)歷用戶相同，另有38.46% 的用戶選擇“使用關(guān)鍵詞的同時選擇一定限制條件（短語、標(biāo)簽等）”，還有11.54% 的用戶作出了“以作者或發(fā)表單位、所屬期刊為檢索標(biāo)簽，遍歷相關(guān)學(xué)術(shù)資源”的選擇。從中可以看出，學(xué)術(shù)用戶隨著科研經(jīng)驗的逐漸累積，領(lǐng)域知識也不斷擴充，初級用戶和經(jīng)驗用戶對于學(xué)術(shù)資源的獲取也存在著一定差異。因此，將學(xué)術(shù)用戶的學(xué)術(shù)經(jīng)驗水平融入用戶畫像中是必不可少的環(huán)節(jié)。

通過對問卷結(jié)果的分析，學(xué)術(shù)用戶存在不同的學(xué)術(shù)人格，融入學(xué)術(shù)人格后的用戶畫像更加立體，能夠極大地改善學(xué)術(shù)資源推薦服務(wù)的個性化和準(zhǔn)確性。

4 學(xué)術(shù)資源推薦服務(wù)結(jié)果驗證

為了驗證本文設(shè)計的用戶畫像維度體系在學(xué)術(shù)資源推薦服務(wù)中的可信度，選取參與調(diào)查問卷的3 位用戶。邀請3 位用戶使用CNKI 知網(wǎng)數(shù)據(jù)庫搜索所需的學(xué)術(shù)資源，再將基于多維度學(xué)術(shù)用戶畫像的推薦列表發(fā)送給用戶。最后，以滿意度評分的方式測驗本文提出的用戶畫像對學(xué)術(shù)資源推薦服務(wù)是否具有優(yōu)化效果。

以邀請的測試用戶中序號為28 的人為例，分析調(diào)查問卷結(jié)果并抓取該用戶調(diào)查當(dāng)日的CNKI 知網(wǎng)數(shù)據(jù)庫記錄，最終得出其多維度學(xué)術(shù)用戶畫像模型如圖3 所示。

Fig.3 User profile No.28圖3 序號為28 的用戶畫像

邀請測試的3 位用戶對知網(wǎng)檢索結(jié)果和本文優(yōu)化推薦結(jié)果的評分如表7 所示。

Table 7 Rating of the user under test（out of ten）表7 測試用戶評分（滿分：10 分）

考慮到每位用戶的個人評分標(biāo)準(zhǔn)不同，對測試結(jié)果采用min-max 標(biāo)準(zhǔn)化方法進行歸一化處理，并將分?jǐn)?shù)范圍設(shè)置為0～1。具體評分如表8 所示。

以上結(jié)果說明，基于用戶畫像體系的學(xué)術(shù)資源推薦服務(wù)對于傳統(tǒng)推薦服務(wù)可起到一定的優(yōu)化作用。

Table 8 Rating of the user under test（after normalization）表8 測試用戶評分（歸一化處理后）

5 結(jié)語

引入用戶畫像概念能夠幫助學(xué)術(shù)資源推薦系統(tǒng)往更加個性化、精確化的方向發(fā)展。本文在常規(guī)的用戶基本信息和行為特征基礎(chǔ)上，挖掘出與用戶本身相關(guān)的學(xué)術(shù)人格屬性，按照學(xué)術(shù)動機、認(rèn)知風(fēng)格和領(lǐng)域知識3 方面進行劃分，力求構(gòu)建一個更立體、豐富的學(xué)術(shù)用戶畫像。學(xué)術(shù)動機決定了學(xué)術(shù)用戶使用學(xué)術(shù)資源系統(tǒng)的目的，認(rèn)知風(fēng)格反映了用戶在處理學(xué)術(shù)信息時的心理傾向，領(lǐng)域知識為學(xué)術(shù)資源篩選提供了依據(jù)，從而促進學(xué)術(shù)資源推薦服務(wù)的不斷優(yōu)化，為用戶畫像理論的發(fā)展提供新思路。

下一步本文將會拓寬調(diào)查問卷范圍，彌補用戶群體較為單一，且數(shù)量不足的缺點，統(tǒng)計與分析出“學(xué)術(shù)人格”這一概念更多相關(guān)信息，例如：不同專業(yè)領(lǐng)域和不同學(xué)歷水平下，場依存型與場獨立型用戶占比關(guān)系等。這些工作將會在接下來的研究中逐一實現(xiàn)，真正將本文提出的學(xué)術(shù)用戶畫像應(yīng)用于資源推薦服務(wù)中。