基于用戶畫像的高校圖書館閱讀報告系統(tǒng)的設(shè)計與實現(xiàn)*
——以南京航空航天大學(xué)圖書館為例

0 引言

“用戶畫像”最早是由交互設(shè)計之父A.Cooper提出，是建立在一系列真實數(shù)據(jù)上的用戶目標模型，對真實用戶的虛擬化

。從主觀的畫像，到以用戶數(shù)據(jù)構(gòu)建畫像，“用戶畫像”在個性化服務(wù)中發(fā)揮著越來越精準的作用

。圖書館的大量用戶閱讀數(shù)據(jù)是構(gòu)建“用戶畫像”的基礎(chǔ)，通過對用戶數(shù)據(jù)進行提取、清洗、統(tǒng)計和分析形成“用戶畫像”，并有效利用“用戶畫像”成為圖書館實現(xiàn)“精準服務(wù)”的發(fā)展趨勢

。國外圖書館領(lǐng)域最早在20 世紀80 年代中期提出“用戶畫像”，應(yīng)用于英國國家書目和Blaise-line（歐洲首批在線服務(wù)之一）的服務(wù)優(yōu)化

。

第三，受到人力、經(jīng)費以及調(diào)研時間的限制，本文訪談與問卷調(diào)查樣本數(shù)量不足，而本文的假設(shè)基于訪談結(jié)果，因此可能降低研究的客觀性，并且影響后期數(shù)據(jù)進行定量分析的真實效果。

當(dāng)前，圖書館領(lǐng)域的用戶畫像研究主要圍繞建立“用戶畫像”模型，如何利用“用戶畫像”為讀者服務(wù)是當(dāng)前圖書館重點關(guān)注的內(nèi)容

，其中構(gòu)建讀者的個人畫像或群體畫像，綜合讀者借閱行為數(shù)據(jù)，實施圖書的個性化推薦

，構(gòu)建多維度、多層次、立體化的“用戶畫像”模型，描述“用戶畫像”在數(shù)字圖書館的具體應(yīng)用場景

成為提高圖書館服務(wù)效率的重要手段。隨著可視化技術(shù)的發(fā)展，以數(shù)據(jù)為基礎(chǔ)的“用戶畫像”技術(shù)從內(nèi)容和形式上也在不斷推陳出新，形成圖書館閱讀報告以展示用戶與圖書館業(yè)務(wù)相關(guān)的信息，以方便用戶了解閱讀方向，發(fā)揮良好的指向引導(dǎo)作用，為圖書館閱讀服務(wù)提供決策，最大限度滿足用戶閱讀需求。基于此，本文嘗試將數(shù)據(jù)與可視化分離，設(shè)計分層的技術(shù)框架，圍繞讀者數(shù)據(jù)構(gòu)建適應(yīng)高校圖書館場景的用戶畫像模型，滿足形式多樣化的閱讀報告需求。

1 閱讀報告系統(tǒng)實踐及設(shè)想

在圖書館年度閱讀報告中引入“用戶畫像”，并以生動、形象的方式呈現(xiàn)出用戶閱讀偏好，需要先對數(shù)據(jù)倉庫、數(shù)據(jù)池等技術(shù)對讀者閱讀數(shù)據(jù)進行抓取、存儲，然后進行數(shù)據(jù)預(yù)處理、挖掘分類、構(gòu)建用戶標簽，再通過大數(shù)據(jù)分析對標簽和模型進行迭代分析，從而形成“用戶畫像”，為閱讀業(yè)務(wù)等提供決策。目前我國已有高校圖書館通過大數(shù)據(jù)技術(shù)，建立“用戶畫像”來揭示用戶閱讀特征和反映圖書館年度報告，如北京大學(xué)圖書館按星座、生肖及姓氏展示了讀者的借閱特征

，華東師范大學(xué)圖書館用“圖書館的一天”展現(xiàn)日常信息

，這種形式報告的出爐最受讀者歡迎

，其中廈門大學(xué)圖書館“Library Go”

成為圖書館品牌營銷的成功案例。此外，對于此類形式的閱讀報告，還有基于用戶個性化小數(shù)據(jù)決策支持的圖書館服務(wù)定制和推送系統(tǒng)

，微信HTML5也已成為統(tǒng)計報告的主流趨勢

。可見，數(shù)據(jù)及其可視化已成為圖書館領(lǐng)域的熱點研究方向之一。

穩(wěn)中求新。在常規(guī)考查基礎(chǔ)上，31題中引入新的思考、情境，不但提高試題的趣味性，更加引導(dǎo)了考生對于生命過程的深度思考。

然而，我國高校圖書館在線上所生成的閱讀報告由于缺乏技術(shù)開發(fā)經(jīng)驗，普遍采用線上固定HTML5模板或依賴于技術(shù)公司定制開發(fā)，導(dǎo)致數(shù)據(jù)展示不全面，各系統(tǒng)之間互動不足，靈活性較差。基于此，為了從用戶大數(shù)據(jù)中挖掘出有效的特征，本文將用戶大數(shù)據(jù)分類為屬性數(shù)據(jù)、行為數(shù)據(jù)和偏好數(shù)據(jù)，通過數(shù)據(jù)挖掘技術(shù)進行建模，提取出用戶標簽，標簽維度基于自然屬性、行為特征、學(xué)科領(lǐng)域、興趣愛好、心理特征、群體特征等維度構(gòu)建畫像，其中行為特征細分為圖書館的借閱行為、進出館行為和圖書館設(shè)備使用行為等。通過上述步驟，在全方位勾勒出用戶畫像的基礎(chǔ)上，形成圖書館的閱讀年度報告。

從圖1可知，數(shù)據(jù)可通過圖書館門禁系統(tǒng)、研討間管理系統(tǒng)及圖書借閱數(shù)據(jù)平臺等多渠道抓取，并經(jīng)過校驗、審核、脫敏等技術(shù)措施對原始數(shù)據(jù)進行清洗，通過分庫、分表的方式存儲到圖書館年度閱讀報告的數(shù)據(jù)庫中。

2 用戶畫像建模及流程

“用戶畫像”是基于用戶特征提取及需求進行深度挖掘數(shù)據(jù)而產(chǎn)生的標簽化集合模型，主要從用戶基本屬性、人群分類、產(chǎn)品使用習(xí)慣、產(chǎn)品社交屬性、產(chǎn)品偏好等信息中抽象出來。包含用戶屬性、用戶特征、用戶標簽三個要素，一般遵循“數(shù)據(jù)-＞指標-＞標簽-＞畫像”的過程

構(gòu)建，其用戶畫像的詳細構(gòu)建流程如下所示。

2.1 采集相關(guān)數(shù)據(jù)形成基礎(chǔ)數(shù)據(jù)

為了了解和把握用戶畫像的數(shù)據(jù)范圍，本研究通過對各個商業(yè)組織的年度個人報告進行了網(wǎng)絡(luò)調(diào)查（包括微信讀書、網(wǎng)易云音樂等），總體上發(fā)現(xiàn)所涉及到的個人年度報告包含個人年度總使用量、個人最喜愛的、個人總使用時長、個人使用時間最長的、個人最喜愛的分類、使用率、個人在所有用戶中的使用率排名等。由此，在本研究的用戶畫像中，根據(jù)讀者對閱讀報告最感興趣的內(nèi)容，初步梳理出圖書館閱讀報告的細分數(shù)據(jù)，如圖1所示。

1) 在滿足ma>0、mc>0、(ma+ mb)2- (mc+ s[α])2≤c[α]2≤(ma- mb)2-(mc- s[α])2等約束下，聯(lián)立式(3)的4個等式即

由表5可知，本文選取的這些解釋變量結(jié)合在一起能夠預(yù)測被解釋變量J，盡管有些解釋變量與被解釋變量之間的線性關(guān)系并不是非常顯著，但模型總體擬合程度較好，各解釋變量對被解釋變量還是具有一定的解釋能力，該模型可以用來解釋本科生是否考研的行為。

2.2 對基礎(chǔ)數(shù)據(jù)進行清洗形成指標數(shù)據(jù)，從而實現(xiàn)量化特征

無論是面向群體還是個人，“用戶畫像”都是要盡力描繪出該用戶群體的特征，構(gòu)建時要通過多維分析，盡可能獲得更多的用戶數(shù)據(jù)，并通過大數(shù)據(jù)分析挖掘的技術(shù)手段，全面、充分地描繪出“用戶畫像”顯著特征。圖書館需要在深度挖掘讀者的個人數(shù)據(jù)及借閱、進館、基礎(chǔ)設(shè)施使用等數(shù)據(jù)的基礎(chǔ)上，抽象出具體的統(tǒng)計分析后的指標數(shù)據(jù)，以創(chuàng)建“用戶畫像”標簽，具體的讀者數(shù)據(jù)如表1所示。

2.3 對指標數(shù)據(jù)進行標簽化，確定關(guān)鍵特征標簽形成“畫像”

前臺UI以動畫、圖標等方式生動、形象地展示相關(guān)數(shù)據(jù)，其組件為HTML5+Vue。在核心技術(shù)上無論是微信小程序、快應(yīng)用還是原生HTML5，主要應(yīng)用了web技術(shù)棧，包括html/js/css和VueJS、React等常用前端框架，分為渲染層和模板層，通過MVVM架構(gòu)將View 的狀態(tài)和行為抽象化，分離視圖UI和業(yè)務(wù)邏輯，以做到更通用。

（1） 靜態(tài)絕對劃分法：例如借閱量100本以上的叫書神，50～100本叫書圣，10～50本叫書霸，1～10本叫書蟲，0本叫書僮。

將企業(yè)及行業(yè)專家“引進來”為教師、學(xué)生提供指導(dǎo)，學(xué)校為企業(yè)提供場所和培養(yǎng)人才，學(xué)校和企業(yè)雙方互相幫助、相互扶持，取得“共贏”的效果。學(xué)校應(yīng)鼓勵商務(wù)英語教師積極參與校內(nèi)的實訓(xùn)，基于實踐業(yè)務(wù)的校內(nèi)培訓(xùn)，使商務(wù)英語教師有更多的實踐機會。要鼓勵他們考取“雙師型”資格證書，并在職稱評聘時，對取得該資格證書的教師予以更高的獎勵。總而言之，積極鼓勵每位教師主動參與到自身專業(yè)化發(fā)展的實踐當(dāng)中來。

（3） 無監(jiān)督聚類法：對借閱量數(shù)據(jù)進行無監(jiān)督聚類分析。優(yōu)勢是更加科學(xué)、靈活，無需人為制定標準。

（2） 動態(tài)相對劃分法：例如借閱量排名10%的叫書神，50%的叫書圣，50%～70%的叫書霸，70%～90%的叫書蟲，90%的叫書僮。

本文選擇基于權(quán)重的K-means聚類算法來進行借閱量的標簽化過程。傳統(tǒng)K-means算法首先選擇k個對象作為初始聚類中心，通過歐氏距離（即公式（1）計算每個對象與中心對象的距離，并根據(jù)最小距離重新對相應(yīng)對象進行劃分，重新計算每個聚類均值直至沒有對象再被重新分配給其他類，聚類中心不再變化，誤差平方和（SSE）最小為止。

后臺數(shù)據(jù)上適配DAOAdapter，以便根據(jù)DB配置和SQL模板從后臺各個DB數(shù)據(jù)庫中查詢所需數(shù)據(jù)，并緩存、匯總，并再通過RestServer提供給前端。在核心技術(shù)上也應(yīng)用Python技術(shù)棧，用以廣泛支持常用的關(guān)系型和非關(guān)系型數(shù)據(jù)庫，并應(yīng)用于數(shù)據(jù)挖掘和大數(shù)據(jù)分析。

系統(tǒng)框架之所以主要采用Python技術(shù)棧，是因為其可支持各種主流數(shù)據(jù)庫，可用異步網(wǎng)絡(luò)解決訪問大并發(fā)問題，以便通過MVVM架構(gòu)分離視圖UI和業(yè)務(wù)邏輯，做到更通用，對接多種前端，使數(shù)據(jù)展示形式更加豐富。

實踐結(jié)果顯示，加權(quán)的K-means算法可實現(xiàn)基于《中圖法》分類體系的借書量聚類，與讀者專業(yè)信息分類比對正確率達94.8%。通過對不一致讀者的閱讀偏好，即借閱圖書和檢索詞結(jié)果顯示，不一致讀者所存在的專業(yè)與借閱行為之間的偏差符合實際情況。

3 基于用戶畫像的閱讀報告系統(tǒng)實現(xiàn)

南京航空航天大學(xué)圖書館（以下簡稱南航圖書館）在“用戶畫像”研究的基礎(chǔ)上，研發(fā)了通用框架，開發(fā)了基于“用戶畫像”的個性化閱讀報告系統(tǒng)，其設(shè)計如圖2所示，包含數(shù)據(jù)采集和存儲、數(shù)據(jù)清洗和預(yù)處理、數(shù)據(jù)分析和讀者建模，以及個性化閱讀服務(wù)四部分。

本文在建模獲取到“用戶畫像”標簽后，通過設(shè)計通用技術(shù)框架，實現(xiàn)了數(shù)據(jù)與展示的分離，即相同的數(shù)據(jù)可以靈活展示到各種形式的報告中。系統(tǒng)框架分為前臺UI、接口服務(wù)RestServer和數(shù)據(jù)適配DAOAdapter三部分。

制定標簽標準是構(gòu)建用戶畫像的核心，直接影響了用戶畫像的豐富程度和應(yīng)用效果，因此，需要根據(jù)目的需求選擇合適的算法，來制定或訓(xùn)練標簽標準，最終通過專家經(jīng)驗或機器學(xué)習(xí)來形成關(guān)鍵特征標簽的“畫像”。如在圖書館閱讀報告中需要根據(jù)借閱量的多少來對讀者喜愛讀書程度的維度打上標簽，標簽可分別為“書神”“書圣”“書霸”“書蟲”“書僮”等級別。構(gòu)建標簽的算法多種多樣，其算法大致有以下幾種：

中臺主要是接口服務(wù)RestServer，為前端提供restful接口。前端通過這些接口可獲取需要的數(shù)據(jù)。在核心技術(shù)上運用Python tornado web，以適應(yīng)異步網(wǎng)絡(luò)庫，非阻塞的網(wǎng)絡(luò)I/O，用以滿足大并發(fā)量的訪問場景。同時，應(yīng)用Python技術(shù)棧以做到通用、易用，便于維護。

就這樣，五十多里山路，我他媽的竟然整整走了一天。有拉煤的車輛黑塵滾滾地過來過去，它們過來，熏了我一臉黑，過去，又熏了我一臉黑。我被熏得和天一樣黑了，西山才真的和其他地方一樣了。我實在支撐不住自己的身子，向一個前面不遠的村莊摸索過去。

通過K-means可以實現(xiàn)根據(jù)借書量來聚類，如果需要更加細致，貼合實際使用，可使用基于加權(quán)的K-means。通過對數(shù)據(jù)采集和清理，在已經(jīng)獲得基本的用戶數(shù)據(jù)，明確預(yù)期目標，即可對目標有用的信息進行權(quán)重劃分，比如從讀者借閱的索書號進行中圖分類，提取出類別信息，賦予權(quán)重，從讀者檢索的OPAC檢索詞進行分詞，去除常用詞，再賦予權(quán)重。通過加權(quán)的K-means計算（如公式（2），可以實現(xiàn)不同學(xué)科領(lǐng)域的借閱量聚類分析，其中權(quán)重可以根據(jù)具體需求通過距離權(quán)重或者信息熵指標權(quán)重的兩種方式來選擇設(shè)置。

為保護用戶信息安全，系統(tǒng)采用圖書館賬號密碼登錄。系統(tǒng)會根據(jù)用戶閱讀行為特征提供專屬畫像形成報告。本文列舉南航圖書館應(yīng)用的個人閱讀報告和學(xué)院報告生成的成功案例。

（1）個人閱讀報告的展示以HTML5動畫展示，活潑生動的動畫界面加開館音樂一下拉近了讀者和圖書館的距離。文案以體現(xiàn)個人在圖書館一年活動為基礎(chǔ)，以親近柔和的語言展示了讀者的借閱和進館等數(shù)據(jù)。個人閱讀報告主要有借閱量、進館次數(shù)、進館時間、借閱排名、最喜歡書籍和分類、最愛來館時間等有趣的統(tǒng)計，并貼心地為讀者分享提供了諸如“書霸”“書神”“書僮”等讀者標簽，以引起讀者共鳴與分享。其畫面展示之一如圖3所示。

成人、青少年及18個月齡以上兒童，符合下列一項者即可診斷HIV感染：（1）HIV抗體篩查試驗陽性和HIV補充試驗陽性（抗體補充試驗陽性或核酸定性檢測陽性或核酸定量大于5 000拷貝/mL）；（2）HIV分離試驗陽性。

（2）學(xué)院閱讀報告為粒度的數(shù)據(jù)統(tǒng)計和分析，本研究所開發(fā)的通用數(shù)據(jù)分析框架同樣適用于以學(xué)院為粒度的報告生成。其數(shù)據(jù)獲取并生成完整的院系報告過程：DAOAdapter根據(jù)DB配置和SQL模板，從各個DB查詢所需的學(xué)院統(tǒng)計數(shù)據(jù)，并匯總填報到模板表格中，其流程如圖4所示。

通過代碼可實現(xiàn)數(shù)據(jù)分析，生成各維度學(xué)院報告，包括各個學(xué)院本科生、碩士研究生和博士研究生的各個年級和各個專業(yè)同學(xué)的借閱數(shù)據(jù)、進館數(shù)據(jù)、電子資源訪問數(shù)據(jù)等統(tǒng)計分析，以及學(xué)院間數(shù)據(jù)對比分析。完成以學(xué)院為粒度的數(shù)據(jù)統(tǒng)計和分析后，通過Word文檔可編輯報表，以PDF形式展示，方便學(xué)科館員使用，提高“學(xué)院-圖書館”互動頻率，提升學(xué)校對圖書館的滿意度。在此基礎(chǔ)上通過與學(xué)院交流工作，可發(fā)掘出更多有價值的數(shù)據(jù)和分析點，比如學(xué)生成績與閱讀的關(guān)聯(lián)，借閱量與館藏建設(shè)的關(guān)系等，為圖書館讀者服務(wù)水平提升提供數(shù)據(jù)支撐。

4 提升基于用戶畫像的高校圖書館閱讀報告實施策略

對于圖書館來說，構(gòu)建精準、全面、多維的用戶畫像體系通常面臨數(shù)據(jù)過于垂直，覆蓋不全面等問題。即使有一定的體量，數(shù)據(jù)分析和建模能力也可能存在著不足，由此在當(dāng)前的圖書館閱讀報告中，其展示的內(nèi)容是以數(shù)據(jù)統(tǒng)計為主。從數(shù)據(jù)分析的寬度來講閱讀報告缺乏個性化的統(tǒng)計數(shù)據(jù)，從數(shù)據(jù)分析的深度來講閱讀報告缺乏深層次上的數(shù)據(jù)，因此，要進一步實現(xiàn)個人畫像的精準、群體畫像的細化、全館畫像的智慧，還需從以下幾個方面入手考慮。

試驗過程中，浸出劑亞氨基二乙酸的濃度是已知的，而相應(yīng)的pH值可以根據(jù)試驗要求進行調(diào)控。因此，在實際計算過程中，[Ida2-]T和[H+]可以認為是已知數(shù)，根據(jù)MATLAB軟件可以得到[Ida2-]T和[H+]在一定范圍內(nèi)的其他未知數(shù)。計算過程中，假定[Ida2-]T在0～2.5 mol·L-1、pH在5～14區(qū)間。

4.1 加強數(shù)據(jù)管理，提供可信數(shù)據(jù)支持

數(shù)據(jù)作為一種新型生產(chǎn)要素，具有獨特的自然與社會屬性，對其進行有效管理是實現(xiàn)數(shù)據(jù)價值的主要節(jié)點。高校圖書館要保障基于數(shù)據(jù)價值發(fā)掘的“用戶畫像”系統(tǒng)安全運行，應(yīng)不斷加強用戶數(shù)據(jù)、資源數(shù)據(jù)及系統(tǒng)數(shù)據(jù)的管理，提供可信數(shù)據(jù)支持，才能為機器學(xué)習(xí)、人工智能等提供“原料”，實現(xiàn)個性化支持、可視化呈現(xiàn)的線上服務(wù)。如在個人畫像上精準數(shù)據(jù)，通過對服務(wù)、資源等數(shù)據(jù)的標簽化建模，可精準地描繪出用戶畫像，并呈現(xiàn)于個人閱讀報告中，才能既讓讀者了解到自己的閱讀和行為偏好，又能拉近與讀者距離，發(fā)掘潛在需求。

4.2 實現(xiàn)技術(shù)共享，提高數(shù)據(jù)利用效率

本研究開發(fā)的通用數(shù)據(jù)分析框架，可以實時對不同粒度數(shù)據(jù)進行分析生成相應(yīng)的閱讀報告。整個技術(shù)框架新穎、簡單、高效、穩(wěn)定，且可以充分利用校內(nèi)的編程和開發(fā)資源，降低開發(fā)和維護成本，利于長期演進。在用戶畫像方面全面覆蓋讀者的屬性、行為、興趣、心理等各維度細分標簽，能夠幫助圖書館勾勒立體用戶畫像，深入洞察用戶閱讀行為，精準把握受眾需求。在技術(shù)上，本系統(tǒng)的設(shè)計框架能夠與其他圖書館實現(xiàn)技術(shù)共享，能較好地提高數(shù)據(jù)利用效率。此外，方便不同場景使用，支持手機移動端查看和word紙板報告下載。如在群體畫像上可根據(jù)各學(xué)院的學(xué)科、研究內(nèi)容，甚至按照閱讀偏好等做好細化，通過對群體的數(shù)據(jù)分析，了解群體閱讀行為特征和學(xué)習(xí)偏好，以此不斷調(diào)整館藏布局，優(yōu)化閱讀推廣服務(wù)措施，提升圖書館服務(wù)水平。

4.3 拓展數(shù)據(jù)價值，實現(xiàn)智慧服務(wù)創(chuàng)新

當(dāng)前電子商務(wù)領(lǐng)域的用戶畫像主要應(yīng)用于個性化推薦、精準營銷、精細化運營、輔助產(chǎn)品設(shè)計、用戶分析等方面。圖書館可以借此“用戶畫像”技術(shù)拓展數(shù)據(jù)價值，改善閱讀服務(wù)，逐步實現(xiàn)數(shù)字圖書館服務(wù)向智慧服務(wù)及智慧圖書館轉(zhuǎn)型。如可借助基于用戶畫像的閱讀報告來解決用戶文獻資源、空間服務(wù)等需求與圖書館服務(wù)內(nèi)容匹配和不匹配、選擇與不選擇、喜歡與不喜歡之間的矛盾，根據(jù)用戶行為特征和心理訴求，發(fā)掘高校教育深層需求

，實施智慧性的全館畫像，推動智慧化服務(wù)轉(zhuǎn)型

。圖書館的數(shù)據(jù)可視化展示，不僅能夠從微觀角度優(yōu)化具體業(yè)務(wù)，揚長避短，提高服務(wù)效率，同時能夠從宏觀角度提供圖書館的發(fā)展規(guī)劃的決策參考。例如可基于各維度的用戶數(shù)據(jù)進行畫像生成報告，以發(fā)現(xiàn)館藏分布不合理問題。可根據(jù)不同數(shù)據(jù)庫覆蓋院系人群進行聚類分析，做好精準消息推送和低效數(shù)據(jù)庫決策支持。可根據(jù)課題檢索方向、內(nèi)容進行主題畫像分析，對委托數(shù)據(jù)量多的人群采取資源傾斜提供策略，以此助力高校學(xué)科和相關(guān)知識庫建設(shè)

。

5 結(jié)語

《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》中多次提出“大數(shù)據(jù)”，相較于“十三五”規(guī)劃的集中描述“實施國家大數(shù)據(jù)戰(zhàn)略”，大數(shù)據(jù)從“新興技術(shù)”逐步融入各行各業(yè)，成為各領(lǐng)域的“重要應(yīng)用”

。高校圖書館擁有大量用戶數(shù)據(jù)，如何挖掘和提煉數(shù)據(jù)價值，提高圖書館的服務(wù)效率，一直是圖書館關(guān)注熱點之一。本文結(jié)合高校圖書館數(shù)據(jù)報告的實際情況，利用數(shù)據(jù)挖掘技術(shù)實現(xiàn)用戶畫像建模，設(shè)計了數(shù)據(jù)分析與展示分層的架構(gòu)，構(gòu)建閱讀報告系統(tǒng)。通過南航圖書館的應(yīng)用案例，本系統(tǒng)能充分滿足圖書館統(tǒng)計報告的日常工作需求，實現(xiàn)用戶數(shù)據(jù)與展示形式的多樣化，縮短了報告生成的周期。通過本系統(tǒng)生成的個性化的閱讀報告拉進了圖書館與讀者的距離，特定群體聚類分析的閱讀報告體現(xiàn)了高校圖書館在學(xué)科領(lǐng)域的重要性，為圖書館服務(wù)的智慧化轉(zhuǎn)型提供決策參考。

[1]庫珀.交互設(shè)計之路[M].北京:電子工業(yè)出版社,2006 .

[2]王靈萱.基于用戶畫像的圖書館聯(lián)盟用戶數(shù)據(jù)個性化服務(wù)分析[J].信息與電腦(理論版),2020,32(14):165-168.

[3]劉海鷗,李凱,何旭濤,等.面向信息繭房的用戶畫像多樣化標簽推薦[J].圖書館,2022(3):83-89.

[4]BISHOP J.BLAISE-LINE and the British National Bibliography: profiles of users and uses[J].Journal of Librarianship and Information Science,1985,17(2).

[5]都藍.基于用戶畫像的高校圖書館年度閱讀報告研究[J].圖書館雜志,2019,38(4):27-33,40.

[6]朱東妹.多源數(shù)據(jù)融合視角下的閱讀推廣用戶畫像構(gòu)建研究[J].圖書館理論與實踐,2021(6):99-105..

[7]王毅,吳睿青.公共圖書館數(shù)字文化資源服務(wù)用戶畫像研究[J].圖書情報工作,2021,65(16):42-55.

[8]劉霞.從年度數(shù)據(jù)報告看我國“一流大學(xué)”圖書館的服務(wù)現(xiàn)狀與趨勢[J].大學(xué)圖書館學(xué)報,2020,38(3):89-96.

[9]谷詩卉,羅麗,楊新涯,等.大學(xué)圖書館年度大數(shù)據(jù)報告的調(diào)研與發(fā)展研究[J].大學(xué)圖書館學(xué)報,2017,35(6):24-30.

[10]龔曉婷,肖錚,周紹彬,等.圖書館營銷品牌升級實施策略:以廈門大學(xué)圖書館“Library Go”為例[J].大學(xué)圖書館學(xué)報,2019,37(2):29-33.

[11]陳臣.基于小數(shù)據(jù)決策支持的圖書館讀者個性化服務(wù)定制與動態(tài)推送系統(tǒng)研究[J].圖書館理論與實踐,2022(2):79-84.

[12]徐春,張靜,卞祖薇.我國高校圖書館年度大數(shù)據(jù)報告調(diào)查與分析：基于36所“雙一流”建設(shè)高校圖書館的調(diào)研[J].圖書館研究,2021,51(3):40-49.

[13]宋美琦,陳燁,張瑞.用戶畫像研究述評[J].情報科學(xué),2019,37(4):171-177.

[14]ELIZABETH K.Graduate student intellectual journeys:a functional method to identify library service gaps[J].Reference Services Review,2022,50(2):249-266.

[15]楊凡.澳洲八校集團成員圖書館基于慕課的嵌入式知識服務(wù)實踐與啟示[J].圖書館工作與研究,2022(4):51-56.

[16]黃金霞,趙展一,王昉,等.國際反思背景下我國科研群體OA認知畫像研究[J].現(xiàn)代情報,2020,40(11):44-53.

[17]馬赫,關(guān)心惠,沈思.圖書情報學(xué)項目研究現(xiàn)狀與熱點：基于“十三五”時期國家社科基金年度與青年項目的分析[J].情報科學(xué),2022,40(4):186-192.