文 / 趙青娥

在移動(dòng)社交場(chǎng)景下，每個(gè)用戶的行為和偏好在細(xì)節(jié)上是存在差異的，如何根據(jù)用戶行為數(shù)據(jù)建立用戶畫(huà)像，為微平臺(tái)用戶推薦更具個(gè)性化的需求信息，是移動(dòng)互聯(lián)時(shí)代高校圖書(shū)館信息服務(wù)的一項(xiàng)重點(diǎn)工作[1]。自2007年開(kāi)始，高校數(shù)字圖書(shū)館個(gè)性化服務(wù)問(wèn)題就一直受業(yè)界重視。尤其是2014年以來(lái)，基于微信訂閱號(hào)的個(gè)性化信息服務(wù)更是受到了學(xué)者們的廣泛關(guān)注。但從研究現(xiàn)狀來(lái)看，對(duì)利用微信訂閱號(hào)開(kāi)展個(gè)性化信息推薦服務(wù)的探索較少。通過(guò)用戶行為數(shù)據(jù)建庫(kù)，全面把握用戶行為偏好，進(jìn)而探究基于用戶行為偏好的“微平臺(tái)薦讀”（下文簡(jiǎn)稱“微薦讀”）服務(wù)思路與措施，可以為微時(shí)代高校圖書(shū)館個(gè)性化服務(wù)提供一種具體方案。

一、通過(guò)用戶行為建檔，全面把握用戶行為偏好

為了向微平臺(tái)用戶提供個(gè)性化、精準(zhǔn)化的資源推薦，高校圖書(shū)館需要建立用戶行為檔案，通過(guò)信息獲取、行為歸檔、數(shù)據(jù)更新，全面把握用戶偏好，明確用戶行為特征。

（一）獲取信息

這主要應(yīng)獲取兩個(gè)方面的信息。一是基本信息。用戶基本信息大都存儲(chǔ)在圖書(shū)館服務(wù)平臺(tái)后臺(tái)，由師生注冊(cè)賬號(hào)時(shí)填寫(xiě)，如姓名、學(xué)號(hào)（工號(hào)）、專業(yè)、研究領(lǐng)域、學(xué)歷、論文、著作等內(nèi)容。這些信息是用戶行為數(shù)據(jù)庫(kù)中用戶屬性的基本內(nèi)容，也是“微薦讀”服務(wù)的基礎(chǔ)。二是用戶的行為信息。它包括用戶在圖書(shū)館及網(wǎng)絡(luò)平臺(tái)的借閱信息、訪問(wèn)信息、評(píng)論信息、留言信息等。通常，從用戶處直接獲得用戶偏好數(shù)據(jù)有一定的難度，但通過(guò)用戶瀏覽、評(píng)論、留言和文獻(xiàn)查閱方面的數(shù)據(jù)獲取用戶行為信息，則較為簡(jiǎn)便。若用戶在某一領(lǐng)域進(jìn)行較為頻繁的操作，如書(shū)籍借閱、評(píng)論和信息檢索上偏向某一類資源，則能夠基本認(rèn)定該用戶對(duì)相關(guān)資源有較強(qiáng)的興趣偏好[2]。

（二）信息歸檔

行為信息歸檔，即按照一定規(guī)則建立微用戶個(gè)人行為數(shù)據(jù)庫(kù)，并將獲取的信息在后臺(tái)予以提取、分析，進(jìn)而歸檔。高校圖書(shū)館用戶的個(gè)人行為信息類型主要有認(rèn)證信息、瀏覽與檢索記錄、推薦記錄、評(píng)價(jià)記錄等。認(rèn)證信息是用戶在圖書(shū)館系統(tǒng)上的注冊(cè)信息，目前絕大多數(shù)高校圖書(shū)館建立了用戶姓名、班級(jí)、專業(yè)、學(xué)歷等個(gè)人基本認(rèn)證信息庫(kù)，但仍應(yīng)積極引導(dǎo)用戶完善他們?cè)谘芯款I(lǐng)域、興趣愛(ài)好、研究成果、課題項(xiàng)目等方面的信息，并進(jìn)行科學(xué)歸類。瀏覽、檢索記錄是重要的用戶行為信息。我們應(yīng)當(dāng)利用現(xiàn)代信息技術(shù)、大數(shù)據(jù)存儲(chǔ)技術(shù)對(duì)每一個(gè)微用戶進(jìn)行獨(dú)立建檔，對(duì)他們的活動(dòng)信息進(jìn)行相應(yīng)的歸類和標(biāo)簽化建構(gòu)，從而充盈用戶行為數(shù)據(jù)庫(kù)，促進(jìn)閱讀推薦模式價(jià)值的發(fā)揮。推薦記錄與評(píng)價(jià)記錄是高校圖書(shū)館微服務(wù)過(guò)程的軌跡與反饋信息，應(yīng)當(dāng)一并歸入到用戶的個(gè)人檔案之中，并將用戶檢索記錄和資源推薦、評(píng)價(jià)記錄對(duì)接，推斷用戶檢索、閱讀的動(dòng)機(jī)，為資源推薦做好基礎(chǔ)性工作。

（三）數(shù)據(jù)更新

用戶行為偏好可能不是一成不變的，尤其是在海量信息充斥的微傳播時(shí)代，用戶的關(guān)注點(diǎn)也可能是多方面的，每個(gè)時(shí)間點(diǎn)的側(cè)重也可能不同。因而，我們?cè)谕瓿山n、歸檔后，還需要對(duì)用戶行為信息進(jìn)行持續(xù)跟蹤記錄，并在用戶偏好變化和興趣變更的過(guò)程中完成數(shù)據(jù)更新；及時(shí)更新用戶行為偏好、關(guān)系到用戶的即時(shí)體驗(yàn)。高校圖書(shū)館不能忽視此項(xiàng)工作[3]。

高校圖書(shū)館通過(guò)全面獲取用戶信息，建立用戶行為檔案數(shù)據(jù)庫(kù)，將用戶的一切行為記錄歸檔，并持續(xù)更新，可以建立完整的“用戶畫(huà)像”，為精準(zhǔn)“微薦讀”服務(wù)的開(kāi)展提供系統(tǒng)性的數(shù)據(jù)支持。

二、基于用戶的行為偏好信息，開(kāi)展微薦讀服務(wù)

運(yùn)用機(jī)器語(yǔ)言完成分析和輸出，是高校圖書(shū)館開(kāi)展微薦讀服務(wù)的核心技術(shù)要求。高校圖書(shū)館通過(guò)機(jī)器系統(tǒng)，運(yùn)用行為識(shí)別算法、資源讀取算法、資源推薦算法作用于用戶和資源庫(kù)兩端，可搭建資源對(duì)接和雙向互動(dòng)的語(yǔ)言“橋梁”。行為識(shí)別算法是對(duì)微平臺(tái)用戶行為建檔的關(guān)鍵技術(shù)。該技術(shù)旨在根據(jù)用戶基本信息的獲取，為用戶進(jìn)行基本的屬性認(rèn)定[4]，即依托用戶行為數(shù)據(jù)庫(kù)及相關(guān)運(yùn)算規(guī)則，對(duì)用戶在數(shù)據(jù)瀏覽和資源獲取等方面的行為進(jìn)行分析，以判定用戶偏好。資源讀取算法是將用戶行為在資源庫(kù)中映射，從而讀取有用信息的技術(shù)。該技術(shù)是為了識(shí)別用戶可能需要的資源，并通過(guò)資源提取工具暫存資源，以方便資源推薦。資源推薦算法是通過(guò)相關(guān)機(jī)制將資源推薦給用戶的技術(shù)。該技術(shù)能夠通過(guò)機(jī)器語(yǔ)言向用戶輸出可能需要的資源，是“微薦讀”服務(wù)輸出的保障[5]。在移動(dòng)社交時(shí)代，高校圖書(shū)館運(yùn)用用戶行為識(shí)別算法、資源讀取算法、資源推薦算法，可開(kāi)展基于用戶行為偏好的微平臺(tái)個(gè)性化薦讀服務(wù)。

（一）基于用戶行為匹配的相似性內(nèi)容薦讀服務(wù)

基于用戶行為匹配的相似性內(nèi)容薦讀，即運(yùn)用用戶相關(guān)行為數(shù)據(jù)匹配相似性內(nèi)容，并展開(kāi)相似性資源挖掘和推薦。微時(shí)代，高校圖書(shū)館開(kāi)展相似性內(nèi)容薦讀服務(wù)的主要途徑有三個(gè)。一是基于相似元數(shù)據(jù)的閱讀推薦?！霸笔菙?shù)據(jù)小單位，通過(guò)對(duì)微平臺(tái)用戶行為信息進(jìn)行元數(shù)據(jù)分析，在資源庫(kù)中進(jìn)行相似的元數(shù)據(jù)查找，挖掘出元數(shù)據(jù)對(duì)應(yīng)的資源內(nèi)容，對(duì)用戶進(jìn)行基于相似元數(shù)據(jù)的閱讀推薦。基于相似元數(shù)據(jù)的閱讀推薦的優(yōu)勢(shì)在于，能夠通過(guò)元數(shù)據(jù)精準(zhǔn)查找，具有較高的識(shí)別度。二是基于相似詞的閱讀推薦?！霸~”是數(shù)據(jù)的表意維度，通過(guò)對(duì)微平臺(tái)用戶行為的定義，按照已有標(biāo)簽，進(jìn)行相似詞意的關(guān)聯(lián)推薦，供用戶篩選、瀏覽。三是基于相似結(jié)果的閱讀推薦。運(yùn)用用戶檢索記錄和用戶檢索結(jié)果，可以為微平臺(tái)用戶自動(dòng)推薦相關(guān)的資源內(nèi)容，以豐富薦讀內(nèi)容。

（二）基于行為假設(shè)數(shù)據(jù)的協(xié)同過(guò)濾薦讀服務(wù)

協(xié)同過(guò)濾是新興的微信息推薦模式。它基于一種對(duì)用戶偏好的假設(shè)，認(rèn)為同一項(xiàng)目或同一群體用戶對(duì)于某一資源的偏好應(yīng)當(dāng)相同，據(jù)此推薦與該群體相關(guān)的閱讀資源。由于高校圖書(shū)館用戶具有明顯的群體特征，該薦讀模式適用高校圖書(shū)館的微服務(wù)。協(xié)同過(guò)濾的形式可以分為基于信息傳播的協(xié)同、基于項(xiàng)目的協(xié)同、基于模型的協(xié)同三種?；谛畔鞑サ膮f(xié)同，是將微平臺(tái)用戶進(jìn)行一定的關(guān)系劃分，通常具有聯(lián)系的用戶之間會(huì)存在較為相似的興趣偏好，在資源的查找和獲取過(guò)程中也應(yīng)當(dāng)具有相應(yīng)的需求。如用戶A經(jīng)過(guò)用戶B的推薦選擇了某一資源，那么，便可假設(shè)為用戶和B是對(duì)該資源有相同偏好的用戶，因而，兩者往后均會(huì)收到相關(guān)資源的閱讀推薦?；陧?xiàng)目的協(xié)同是根據(jù)微平臺(tái)用戶的歷史閱讀記錄、資源查找與下載記錄，將用戶的行為進(jìn)行系統(tǒng)性的邏輯劃分，以明確用戶之間的偏好差異和聯(lián)系，進(jìn)而向具有內(nèi)部邏輯關(guān)系的用戶推薦相同的資源。這種協(xié)同雖然能較為清晰地辨認(rèn)用戶聯(lián)系，但難以明確用戶的真正偏好，閱讀推薦的精準(zhǔn)度有限[6]?；谀Ｐ偷膮f(xié)同是通過(guò)微平臺(tái)用戶群體的行為偏好模型推薦用戶需要的資源，閱讀推薦的精準(zhǔn)度極高，也成為當(dāng)下最為流行的一種協(xié)同過(guò)濾推薦形式。

（三）基于用戶檢索數(shù)據(jù)關(guān)聯(lián)規(guī)則的薦讀服務(wù)

通過(guò)用戶檢索數(shù)據(jù)關(guān)聯(lián)規(guī)則能夠充分挖掘高校圖書(shū)館用戶檢索數(shù)據(jù)之間的關(guān)聯(lián)，開(kāi)展微薦讀服務(wù)?；谟脩魴z索數(shù)據(jù)關(guān)聯(lián)規(guī)則的薦讀服務(wù)主要包括基于語(yǔ)義關(guān)聯(lián)、主題關(guān)聯(lián)、跨數(shù)據(jù)庫(kù)關(guān)聯(lián)的微薦讀服務(wù)三個(gè)方面。首先，通過(guò)構(gòu)建用戶檢索數(shù)據(jù)及資源知識(shí)元數(shù)據(jù)庫(kù)，將語(yǔ)義內(nèi)容進(jìn)行有效的分類，實(shí)現(xiàn)同一語(yǔ)義下供需資源的貫通?！罢Z(yǔ)義關(guān)聯(lián)”與“詞關(guān)聯(lián)”有相似之處，但語(yǔ)義關(guān)聯(lián)的維度更豐富，作為數(shù)據(jù)庫(kù)檢索、跨媒體檢索、資源推薦的重要關(guān)聯(lián)規(guī)則，其需要依托機(jī)器的自學(xué)習(xí)技能得以實(shí)現(xiàn)，技術(shù)要求更高。其次，在微薦讀中，對(duì)于單一主題關(guān)聯(lián)而言，用戶檢索數(shù)據(jù)中的某一關(guān)鍵主題，僅會(huì)關(guān)聯(lián)與該主題相關(guān)的資源內(nèi)容；而用戶數(shù)據(jù)中若有多個(gè)關(guān)鍵主題，則會(huì)出現(xiàn)包含所有關(guān)鍵主題的資源內(nèi)容，對(duì)于多維主題關(guān)聯(lián)而言，能夠擴(kuò)大相關(guān)信息的輸出量，增大輸出結(jié)果篩選規(guī)模。再次，通過(guò)數(shù)據(jù)庫(kù)之間的網(wǎng)絡(luò)，建立起跨數(shù)據(jù)庫(kù)之間的分類關(guān)系和算法關(guān)系，使用戶檢索數(shù)據(jù)快速響應(yīng)至多個(gè)數(shù)據(jù)庫(kù)，進(jìn)而展開(kāi)薦讀服務(wù)，可提升薦讀服務(wù)的有效性與全面性。

上述三大薦讀模式都具有很好的資源服務(wù)效果，但也各有不足，如協(xié)同過(guò)濾薦讀存在過(guò)度假設(shè)的傾向。在實(shí)踐中，可以將三大模式組合，形成混合薦讀模式。通過(guò)混合薦讀模式，可以為微平臺(tái)用戶推薦更為滿意的信息，提升用戶體驗(yàn)。

三、優(yōu)化技術(shù)，建立管理體系，提升服務(wù)質(zhì)量

科學(xué)技術(shù)是關(guān)系到服務(wù)質(zhì)量的關(guān)鍵因素。高校圖書(shū)館應(yīng)持續(xù)完善基于用戶行為的微平臺(tái)資源推薦算法機(jī)制，通過(guò)更加高效、簡(jiǎn)便的算法技術(shù)增強(qiáng)微平臺(tái)在資源推薦與用戶知識(shí)獲取過(guò)程中的可操作性，打破數(shù)據(jù)壁壘，提升數(shù)據(jù)可得性和推薦的精準(zhǔn)性。高校圖書(shū)館要建立完善的知識(shí)元數(shù)據(jù)庫(kù)，將數(shù)據(jù)進(jìn)行最小單位的知識(shí)元數(shù)據(jù)拆分，以適配多種場(chǎng)景下的詞意分析、語(yǔ)義分析和關(guān)聯(lián)規(guī)則；做好知識(shí)元數(shù)據(jù)庫(kù)動(dòng)態(tài)更新，提升知識(shí)元在相關(guān)檢索和推薦中的作用，增強(qiáng)整個(gè)過(guò)程的智能性。在數(shù)據(jù)庫(kù)內(nèi)容與類型不斷豐富、多媒體信息不斷增長(zhǎng)的背景下，高校圖書(shū)館微平臺(tái)資源推薦須建立跨媒體推薦板塊，積極通過(guò)語(yǔ)義分析、跨媒體算法機(jī)制、跨媒體數(shù)據(jù)識(shí)別等相關(guān)技術(shù)，加大多媒體數(shù)據(jù)的挖掘，提升薦讀深度與廣度。緩存技術(shù)是系統(tǒng)內(nèi)部和網(wǎng)絡(luò)終端對(duì)文件和相關(guān)數(shù)據(jù)進(jìn)行暫時(shí)性存儲(chǔ)的技術(shù)。在海量數(shù)據(jù)環(huán)境下，高校圖書(shū)館可通過(guò)增加外置硬盤(pán)的方法來(lái)釋放網(wǎng)絡(luò)空間，保證微平臺(tái)資源推薦的效率；同時(shí)，積極進(jìn)行系統(tǒng)緩存性能測(cè)試，確保緩存效率[7]。

除優(yōu)化技術(shù)要素外，高校圖書(shū)館還要建立科學(xué)的管理體系，針對(duì)基于用戶行為的微薦讀精準(zhǔn)度、用戶滿意度和管理效度等指標(biāo)，建立客觀的評(píng)價(jià)系統(tǒng)，以激發(fā)高校圖書(shū)館微平臺(tái)資源服務(wù)活力，即從管理層面和戰(zhàn)略層面不斷優(yōu)化服務(wù)供給內(nèi)容，增強(qiáng)服務(wù)的滿意度，做好服務(wù)調(diào)研、服務(wù)評(píng)價(jià)、服務(wù)優(yōu)化等工作。在服務(wù)調(diào)研上，高校圖書(shū)館要通過(guò)校園調(diào)查問(wèn)卷、線上問(wèn)卷、圖書(shū)館終端程序等方式了解微平臺(tái)用戶對(duì)個(gè)性化“微薦讀”服務(wù)的基本認(rèn)知和服務(wù)體驗(yàn)，將量化的問(wèn)卷數(shù)據(jù)與服務(wù)評(píng)價(jià)掛鉤，不斷探索“微薦讀”內(nèi)容的優(yōu)化策略。在服務(wù)評(píng)價(jià)上，微媒體檢索頁(yè)面應(yīng)設(shè)置相應(yīng)的評(píng)價(jià)打分機(jī)制，通過(guò)用戶打分了解基本的服務(wù)質(zhì)量；積極拓展與用戶溝通的渠道，通過(guò)開(kāi)設(shè)網(wǎng)絡(luò)反饋平臺(tái)、微平臺(tái)反饋窗口和圖書(shū)館“吐槽墻”等方式，接收用戶關(guān)于“微薦讀”服務(wù)的意見(jiàn)和建議，為優(yōu)化服務(wù)提供數(shù)據(jù)支持。在服務(wù)優(yōu)化層面，高校圖書(shū)館應(yīng)當(dāng)積極通過(guò)算法更新、程序優(yōu)化來(lái)提升針對(duì)微平臺(tái)用戶相關(guān)行為的跟蹤精準(zhǔn)度，增強(qiáng)在用戶興趣識(shí)別和資源推薦上的有效性，不斷利用更為簡(jiǎn)便易行的算法機(jī)制來(lái)簡(jiǎn)化用戶操作，提升服務(wù)精準(zhǔn)度[8]；建立對(duì)接用戶的專設(shè)機(jī)構(gòu)，配備相關(guān)的專業(yè)人員對(duì)微平臺(tái)用戶的疑問(wèn)予以解答，為用戶提供相應(yīng)的咨詢服務(wù)。