趙國亮++陳曉軍++李思奇++吳傲

摘要：隨著互聯(lián)網(wǎng)和人工智能的發(fā)展，數(shù)據(jù)的價(jià)值越來越得到廣泛的重視，尤其是高校的數(shù)據(jù)價(jià)值，研究還處于初探期。本文首先對大數(shù)據(jù)和用戶畫像國內(nèi)外研究現(xiàn)狀進(jìn)行分析，其次基于高校數(shù)據(jù)進(jìn)行標(biāo)簽化、模型化，設(shè)計(jì)出基于高校的學(xué)生用戶畫像的模型，然后以高校學(xué)生成績數(shù)據(jù)和消費(fèi)數(shù)據(jù)為例，實(shí)現(xiàn)用戶畫像模型的初步驗(yàn)證，最后總結(jié)圍繞高校學(xué)生自畫像的研究前景，更好挖掘高校數(shù)據(jù)價(jià)值，為后期勤工助學(xué)、愛好培養(yǎng)、社團(tuán)選拔、學(xué)生掛科預(yù)警、學(xué)生未在校預(yù)警等提供參考。

關(guān)鍵詞：大數(shù)據(jù)；用戶畫像；高校學(xué)生；用戶畫像標(biāo)簽化

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2017）08-0233-02

隨著互聯(lián)網(wǎng)的出現(xiàn)，信息便逐漸趨向于爆炸的狀態(tài)，以不同的形式展示，而這些數(shù)據(jù)蘊(yùn)含巨大的價(jià)值。對于如此龐大的數(shù)據(jù)，可以通過大數(shù)據(jù)技術(shù)精準(zhǔn)地獲取自己想要的數(shù)據(jù)，從海量的數(shù)據(jù)中得到一些有用的價(jià)值，用戶畫像就是其中的一種應(yīng)用。

1 大數(shù)據(jù)和用戶畫像

大數(shù)據(jù)（big data），指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)[1]。

目前國內(nèi)外的專家學(xué)者對大數(shù)據(jù)只是在數(shù)據(jù)規(guī)模上達(dá)成共識，重點(diǎn)對大數(shù)據(jù)與云計(jì)算、數(shù)據(jù)挖掘，并行計(jì)算和分布式處理等幾個領(lǐng)域進(jìn)行研究。國內(nèi)大數(shù)據(jù)技術(shù)的應(yīng)用最先開始的是淘寶、京東等幾大電商的精準(zhǔn)營銷，消費(fèi)者的一切行為在企業(yè)面前似乎都將是“可視化”。國外除在大數(shù)據(jù)的概念上的研究外，重點(diǎn)放在大數(shù)據(jù)分析算法和系統(tǒng)的效率。

用戶畫像是真實(shí)用戶的虛擬代表，是建立在一系列真實(shí)數(shù)據(jù)之上的目標(biāo)用戶模型[3]。精準(zhǔn)營銷其實(shí)就是利用大數(shù)據(jù)技術(shù)，對用戶購物數(shù)據(jù)行為進(jìn)行分析，對購物人群貼上標(biāo)簽，進(jìn)行用戶畫像虛擬化，有針對性地進(jìn)行主動推銷。高校用戶畫像由于受制于高校N個系統(tǒng)數(shù)據(jù)的獨(dú)立性，同時學(xué)校往往只關(guān)心結(jié)果數(shù)據(jù)，對過程數(shù)據(jù)不重視導(dǎo)致眾多行為數(shù)據(jù)的缺失，導(dǎo)致高校用戶畫像的研究還處于初探期。電子科大將用戶畫像用于掛科預(yù)警、南京理工將大數(shù)據(jù)應(yīng)用于貧困生幫扶，本文將基于西南石油大學(xué)學(xué)生食堂消費(fèi)、開水等數(shù)據(jù)進(jìn)行用戶畫像初探。

2 高校的用戶畫像設(shè)計(jì)

高校用戶畫像設(shè)計(jì)主要是數(shù)據(jù)采集以及數(shù)據(jù)標(biāo)簽化兩個方面。

2.1 數(shù)據(jù)及數(shù)據(jù)采集

基于高校的用戶畫像數(shù)據(jù)主要分為靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)。靜態(tài)數(shù)據(jù)包括學(xué)生的基本信息，如性別、年齡、專業(yè)年級、成績等信息；動態(tài)數(shù)據(jù)則包括訪問課程數(shù)據(jù)、寢室門禁及校門門禁刷卡數(shù)據(jù)、澡堂刷卡數(shù)據(jù)、食堂吃飯刷卡數(shù)據(jù)、圖書館進(jìn)出數(shù)據(jù)、圖書館借閱等數(shù)據(jù)。如圖1所示。

2.2 數(shù)據(jù)標(biāo)簽化

數(shù)據(jù)標(biāo)簽化就是對原始數(shù)據(jù)進(jìn)行分析，抽取出相關(guān)的事實(shí)數(shù)據(jù)，基于事實(shí)數(shù)據(jù)歸納出標(biāo)簽?zāi)Ｐ?，最后抽象出預(yù)測標(biāo)簽。如圖2所示。

通過對采集數(shù)據(jù)的分析，可以給學(xué)生貼上“標(biāo)簽”，將其行為標(biāo)簽化。例如，可以通過圖書館門禁、宿舍門禁、校門門禁以及訪問課程中心次數(shù)給學(xué)生貼上“學(xué)渣”及“學(xué)霸”的標(biāo)簽；通過吃飯時間及金額、洗澡刷開次數(shù)以及宿舍門禁次數(shù)給學(xué)生貼上“勤勞”及“懶惰”的標(biāo)簽；通過圖書館書籍的瀏覽類別（愛好）、借書次數(shù)可以給學(xué)生貼上一個“圖書館讀書情況”的標(biāo)簽。

3 學(xué)生自畫像的初探

以高校食堂消費(fèi)情況數(shù)據(jù)，采用脫敏方式，抽取了西南石油大學(xué)某專業(yè)196名學(xué)生的4169條數(shù)據(jù)。如圖3所示。

通過分析其食堂吃飯刷卡時間以及GPA的實(shí)際數(shù)據(jù)，繪制了如下散點(diǎn)圖，如圖4所示。

根據(jù)如圖所示的結(jié)果，可以將學(xué)生用餐時間劃分為早上，中午和下午三個小組。對于早上這一組的數(shù)據(jù)可以劃分為三個區(qū)間，這一組的數(shù)據(jù)的平均值即為，最大值為，最小值為。然后在至之間再找一個平均值，在至之間再找一個平均值，因此三個區(qū)間分別為早餐用餐時間早：-，早餐用餐時間中等：-，早餐用餐時間晚：-。同理，對于中午以及下午的兩組用餐時間數(shù)據(jù)可以劃分出相同的區(qū)間。

通過早餐、中餐及晚餐三組數(shù)據(jù)的分析，得出三餐吃飯?jiān)绲臅r間段為：06：18：20-07：31：10，10：02：45-11：33：52，15：16：39-17：44：30；三餐吃飯中等的時間段為：07：31：10-08：45：56，11：33：52-12：17：35，17：44：30-18：21：35；三餐吃飯晚的時間段為：08：45：56-09：59：41，12：17：35-13：21：47，18：21：35-22：19：37。

得出結(jié)果，反饋到對應(yīng)學(xué)生刷卡數(shù)據(jù)上，并定義吃飯次數(shù)超過1/2為早的則標(biāo)簽該學(xué)生為用餐勤快。同時可以把該標(biāo)簽與學(xué)生績點(diǎn)發(fā)生關(guān)聯(lián)，探索其中與成績是否有相關(guān)性。

4 結(jié)語

構(gòu)建學(xué)校用戶自畫像的研究，能夠清楚地理解大數(shù)據(jù)在校園中的應(yīng)用以及明白用戶畫像的影響，并且能夠在大數(shù)據(jù)時代充分利用各種數(shù)據(jù)，對其進(jìn)行大量深層次的挖掘 ，最終讓這些數(shù)據(jù)轉(zhuǎn)化為資產(chǎn)，更大地挖掘?qū)W校數(shù)據(jù)價(jià)值，為勤工助學(xué)、愛好培養(yǎng)、社團(tuán)選拔、學(xué)生掛科預(yù)警、學(xué)生未在校預(yù)警等提供參考。

參考文獻(xiàn)

[1]王軍，劉金輝.大數(shù)據(jù)的國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)分析[J].電子技術(shù)與軟件工程， 2015，（23）：200-200.

[2]卞友江.“大數(shù)據(jù)”概念考辨[J].新聞研究導(dǎo)刊，2013，（5）：25-28.

[3]維克托·邁爾·舍恩伯格.盛揚(yáng)燕，周濤，譯.大數(shù)據(jù)時代[M].浙江人民出版社，2013.

[4]王振宇，郭力.基于Hadoop的搜索引擎用戶行為分析[J].計(jì)算機(jī)工程與科學(xué)，2011，（04）：115-120.endprint