DOI：10.19850/j.cnki.2096-4706.2021.08.001

摘? 要：文章以高校信息化建設(shè)過程中不斷增多的信息系統(tǒng)及服務(wù)資源為創(chuàng)作背景，旨在為用戶提供更好的體驗(yàn)，提升師生的信息化應(yīng)用體驗(yàn)。以標(biāo)簽規(guī)則為模板，采集整理校園信息化多種數(shù)據(jù)來源，其中涵蓋學(xué)校師生的基礎(chǔ)信息數(shù)據(jù)、公共服務(wù)信息、業(yè)務(wù)數(shù)據(jù)及部分流式數(shù)據(jù);使用NDCG算法，建立信息推送模型，通過多輪的實(shí)驗(yàn)測(cè)試，不斷細(xì)化推送系統(tǒng)的相關(guān)參數(shù)，致力于開發(fā)一個(gè)精確度較高和運(yùn)行穩(wěn)定的推送模型。

關(guān)鍵詞：用戶特征;數(shù)據(jù)采集;數(shù)據(jù)畫像;推送系統(tǒng)

中圖分類號(hào)：TP391.3? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2021）08-0001-04

Design and Practice of Campus Information Precise Push System

HUANG Hongtao

（Information Office of Central China Normal University，Wuhan? 430079，China）

Abstract：This paper takes the increasing information systems and service resources in the process of informatization construction in colleges as the creative background，in order to provide a better user experience，enhance the informatization application experience of teachers and students. The author uses the label rules as the template to collect and sort out a variety of data sources of campus informatization，including basic information data of teachers and students，public service information，business data and some streaming data;uses the NDCG algorithm to establilsh the information push model. Through several rounds of experimental tests，the relevant parameters of the push system are continuously refined. We are committed to developing a push model with high accuracy and stable operation.

Keywords：user characteristic;data acquisition;data portrait;push system

0? 引? 言

近年來，高校信息化的迅速發(fā)展，信息系統(tǒng)、校園服務(wù)、數(shù)字教育資源已在高校信息化工程中起到了重要作用，同時(shí)也產(chǎn)生了大量系統(tǒng)、泛濫的服務(wù)種類以及海量的數(shù)字教育資源，當(dāng)師生需要檢索相關(guān)的服務(wù)和資源時(shí)，大部分高校的信息檢索系統(tǒng)無法打通，暫時(shí)無法做到全站檢索，往往難以快速有效的提供信息。由于服務(wù)數(shù)量的日益增長(zhǎng)，用戶慢慢習(xí)慣使用搜索引擎來查找系統(tǒng)服務(wù)，所以信息檢索的質(zhì)量需要學(xué)校信息化建設(shè)部門去探索和完善。而同是信息服務(wù)的推送算法也日漸成熟，本文試著借用現(xiàn)有的推送算法思路，搭建符合用戶使用習(xí)慣的精準(zhǔn)推送系統(tǒng)構(gòu)建做簡(jiǎn)單闡述。

1? 需求分析

伴隨著互聯(lián)網(wǎng)的快速發(fā)展，高校信息化資源大量填充，利用檢索引擎搜索服務(wù)已成為高校信息化發(fā)展的必然趨勢(shì)。對(duì)于在校師生來說，如果能高效檢索到滿意信息，會(huì)提高對(duì)學(xué)校信息服務(wù)的滿意度和好感度。方便師生的同時(shí)提升師生在校工作和學(xué)習(xí)的幸福感。隨著互聯(lián)網(wǎng)的日益興起和信息技術(shù)的迅速發(fā)展，基于智慧校園各類信息化應(yīng)用也在各高校如火如荼地建設(shè)。本項(xiàng)目開發(fā)研究的高校公共服務(wù)綜合推送平臺(tái)可為高校師生開辟一種新的綜合服務(wù)渠道，不僅為全校師生帶來了便利，同時(shí)為提升學(xué)校職能部門服務(wù)意識(shí)及管理水平起到積極的推動(dòng)作用。由于高校信息化在各個(gè)職能部門的推薦，學(xué)校的規(guī)模擴(kuò)大及業(yè)務(wù)數(shù)量的增多，今后還可增添相應(yīng)的服務(wù)模塊，以此滿足學(xué)校的發(fā)展需求，提升推送精確度勢(shì)在必行。

1.1? 功能性分析

高校在基于Web2.0時(shí)期開始建立各種業(yè)務(wù)系統(tǒng)，建設(shè)的初期以信息的匯聚、數(shù)據(jù)的融合為建設(shè)目標(biāo)，打造了校園一站式門戶，做到了統(tǒng)一身份認(rèn)證，同時(shí)也導(dǎo)致了公共服務(wù)系統(tǒng)的大雜燴，缺乏個(gè)性化的設(shè)置，導(dǎo)致了千人一面，存在大量的冗余信息，系統(tǒng)統(tǒng)一呈現(xiàn)的信息可能不是當(dāng)前師生關(guān)注的問題;分類繁多的服務(wù)分類表，對(duì)于業(yè)務(wù)不熟悉的師生來說也是一件極為不友好事情，因?yàn)閹熒膊恢老胍k理的業(yè)務(wù)是哪個(gè)部門負(fù)責(zé)，應(yīng)該在哪個(gè)類別里查找。所以針對(duì)面臨的集成問題，也參考了諸多商業(yè)推送案例，擬建立基于用戶畫像特征的推送系統(tǒng)，考慮到實(shí)際工作的需求，系統(tǒng)應(yīng)滿足以下功能性需求：

（1）精準(zhǔn)的推送服務(wù)，根據(jù)信息中心的數(shù)據(jù)中臺(tái)匯總的數(shù)據(jù)，從用戶的基礎(chǔ)信息，人事關(guān)系數(shù)據(jù)，使用習(xí)慣數(shù)據(jù)及日常常用辦公數(shù)據(jù)等信息，匯總成一定格式的推送模型數(shù)據(jù)。

（2）由于校園信息化的快速發(fā)展，面向師生的信息服務(wù)種類繁多，涉及業(yè)務(wù)經(jīng)?？鐜讉€(gè)部門，對(duì)一般師生而言，難以了解每個(gè)服務(wù)流程的具體操作步驟，在辦事的過程要人肉試錯(cuò)，這樣對(duì)廣大師生不太友好。為了提升師生的獲得感，我校開展了一站服務(wù)整合，提出“讓數(shù)據(jù)多跑路，讓師生少跑路”的行動(dòng)，意在解決服務(wù)流程整合，信息精準(zhǔn)推送等問題。同時(shí)也有業(yè)務(wù)比較類同，于是需要非技術(shù)人員重新定義相近、相關(guān)服務(wù)描述用詞，同時(shí)我校正在打造數(shù)字校園綜合展示平臺(tái)數(shù)據(jù)可視化。數(shù)據(jù)的可視化有利于監(jiān)察業(yè)務(wù)部門的運(yùn)行狀態(tài)，分析業(yè)務(wù)的優(yōu)劣，淘汰整合無關(guān)業(yè)務(wù)，也更加方便掌握校園公共服務(wù)平臺(tái)的建設(shè)生命周期。

1.2? 非功能需求分析

在高校信息化高速推進(jìn)的時(shí)期，校園應(yīng)用的使用人數(shù)眾多，師生對(duì)服務(wù)產(chǎn)品的要求也越來越高，既要滿足師生的日常辦公學(xué)習(xí)需求，也要滿足日益增長(zhǎng)的移動(dòng)辦公學(xué)習(xí)需求。同樣系統(tǒng)的性能方面也要有良好體驗(yàn)，即推送系統(tǒng)應(yīng)滿足以下非功能性的需求：

（1）首先推送系統(tǒng)需要長(zhǎng)期穩(wěn)定運(yùn)行，即需要推進(jìn)系統(tǒng)占用服務(wù)器資源盡量較低，信息推送系統(tǒng)需處理數(shù)據(jù)中臺(tái)中大量的行為數(shù)據(jù)，系統(tǒng)資源使用及能耗使用指標(biāo)也是我們需要考慮的點(diǎn)?；诖髷?shù)據(jù)的推進(jìn)系統(tǒng)，既要考慮到數(shù)據(jù)采集、模型的建立，推送的精準(zhǔn)度，同樣要考慮數(shù)據(jù)質(zhì)量的提升，安全運(yùn)維，節(jié)能減排等因素，因此如果設(shè)計(jì)完善的算法，盡可能少地占用系統(tǒng)資源，降低能耗都是我們前期需要考慮的問題。

（2）校園信息化系統(tǒng)中熱點(diǎn)應(yīng)用使用頻率較高，大部分師生在辦公室里的時(shí)間點(diǎn)相對(duì)比較集中，所以推薦系統(tǒng)在用戶并發(fā)需求上也應(yīng)該有所考量。設(shè)計(jì)系統(tǒng)的吞吐率，數(shù)據(jù)采集的運(yùn)算能力，減少數(shù)據(jù)挖掘的系統(tǒng)消耗，提升我校數(shù)據(jù)治理能力?？紤]到信息推送系統(tǒng)主要以數(shù)據(jù)鏡像、數(shù)據(jù)接口等方式進(jìn)行處理，推送系統(tǒng)會(huì)頻繁地進(jìn)行數(shù)據(jù)采集、清洗、建模等過程，因此如何有效地增加數(shù)據(jù)吞吐能力、降低數(shù)據(jù)的錯(cuò)誤率，則是推送系統(tǒng)設(shè)計(jì)需要重點(diǎn)考慮的建設(shè)問題，也是本次研究的重點(diǎn)考察點(diǎn)。

2? 精準(zhǔn)服務(wù)推送系統(tǒng)

2.1? 用戶畫像模型

根據(jù)校園信息化的使用場(chǎng)景，可以歸納如圖1所示的應(yīng)用系統(tǒng)架構(gòu)，數(shù)據(jù)倉(cāng)庫(kù)中集成了不同形態(tài)的數(shù)據(jù)，提取用戶的標(biāo)簽屬性，劃分出用戶群體;再通過個(gè)性化推送平臺(tái)的接口提供交互服務(wù)。

用戶畫像模型建構(gòu)可以分為三個(gè)過程，分別是數(shù)據(jù)采集、用戶特征模型以及信息推送模型：

（1）數(shù)據(jù)采集。數(shù)據(jù)采集是指根據(jù)系統(tǒng)自身的需求和用戶的需要收集整理相關(guān)的數(shù)據(jù)。數(shù)據(jù)中臺(tái)中數(shù)據(jù)采集行為主要包括數(shù)據(jù)鏡像、基礎(chǔ)信息數(shù)據(jù)、業(yè)務(wù)行為數(shù)據(jù)、網(wǎng)站行為數(shù)據(jù)等的收集整理工作。為了更加精準(zhǔn)的描繪用戶畫像，系統(tǒng)需盡可能全面地收集用戶數(shù)據(jù)，不限于用戶的基本信息、人事數(shù)據(jù)、院系科研、財(cái)務(wù)數(shù)據(jù)及個(gè)人行為數(shù)據(jù)等。數(shù)據(jù)采集整理完畢后，需要做數(shù)據(jù)清洗及補(bǔ)全工作，用于糾正錯(cuò)誤或者清洗干擾數(shù)據(jù)，以便增加后續(xù)業(yè)務(wù)數(shù)據(jù)分析的準(zhǔn)確性。其中用戶數(shù)據(jù)分為靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)（業(yè)務(wù)數(shù)據(jù)）兩類，其中所謂靜態(tài)數(shù)據(jù)是指師生的基本屬性數(shù)據(jù)，數(shù)據(jù)基本穩(wěn)定;而所謂動(dòng)態(tài)數(shù)據(jù)是指來源于各種業(yè)務(wù)系統(tǒng)的數(shù)據(jù)，俗稱業(yè)務(wù)數(shù)據(jù)，這類數(shù)據(jù)具有更新快、數(shù)量大、多樣性等特征，是會(huì)根據(jù)校園服務(wù)場(chǎng)景、業(yè)務(wù)發(fā)生的時(shí)間等發(fā)生變化。

（2）用戶特征模型。用戶特征模型是指用戶畫像，又稱用戶角色畫像。一般采用基于標(biāo)簽?zāi)Ｐ陀脩舻呐d趣模型，通常會(huì)根據(jù)基本信息、操作行為、使用習(xí)慣、信息素養(yǎng)、風(fēng)險(xiǎn)信息及社會(huì)關(guān)系等維度來制定相關(guān)標(biāo)簽。圖2是基于用戶屬性的用戶標(biāo)簽?zāi)Ｐ蜆永?，用最為淺顯和貼近口語的話術(shù)描述用戶的屬性、行為，以達(dá)到與期待的數(shù)據(jù)轉(zhuǎn)化聯(lián)動(dòng)的目的，形成用戶角色的代表性。

（3）信息推送模型?；谟脩籼卣鳟嬒衲Ｐ椭?，采集用戶數(shù)據(jù)是模型建立最基本、最重要的步驟，常使用的模式有數(shù)據(jù)庫(kù)抽取、日志提取、公共信息補(bǔ)齊等模式，并存儲(chǔ)于HDFS文件系統(tǒng)中，數(shù)據(jù)抽取、存儲(chǔ)完成后，再進(jìn)行校驗(yàn)、清洗，通過信度計(jì)算后，再加載到數(shù)據(jù)引擎中去。其具體采集架構(gòu)如圖3所示。

建構(gòu)用戶特征模型流程關(guān)鍵步驟分為數(shù)據(jù)提取、數(shù)據(jù)預(yù)處理、獲取指標(biāo)項(xiàng)、訓(xùn)練等幾個(gè)步驟。數(shù)據(jù)模型是根據(jù)用戶的數(shù)據(jù)特征信息的一種抽象表象數(shù)學(xué)表達(dá)方式，描述了靜態(tài)特征、動(dòng)態(tài)行為及約束條件，為數(shù)據(jù)庫(kù)系統(tǒng)信息表示與操作提供了一個(gè)抽象框架。而文中基于興趣模型的構(gòu)建流程可參考圖4所示流程。

2.2? 個(gè)性推送平臺(tái)

本文所采用的推薦算法是NDCG算法，隨著系統(tǒng)規(guī)模的擴(kuò)大，算法的效能會(huì)逐漸提升。針對(duì)本算法特性，本文提出了一種高效的標(biāo)簽標(biāo)識(shí)體系及維數(shù)簡(jiǎn)化計(jì)算的優(yōu)化方法，這種算法在提高推送的精確性的基礎(chǔ)上減少了計(jì)算消耗，能較好的解決了數(shù)據(jù)稀松時(shí)的推送準(zhǔn)確度不高問題，有效彌補(bǔ)了NDCG算法的拓展性不足短板。

2.2.1? 個(gè)性推送模型解釋

信息推薦模型通常為某用戶返回一個(gè)選項(xiàng)列表，假設(shè)列表長(zhǎng)度為K，這時(shí)可以用G@K評(píng)價(jià)該排序列表與用戶真實(shí)交互列表的差距。使用關(guān)鍵詞檢索后結(jié)果相關(guān)性分?jǐn)?shù)表示為Gain=r（i），其中對(duì)沒一個(gè)項(xiàng)采用累計(jì)增益算法，具體求和公式為：

由于考慮到排序順序的因素，使得排名靠前的選項(xiàng)增益更高，對(duì)排名靠后的項(xiàng)進(jìn)行折損計(jì)算，最后的表示如式（2）所示：

如果相關(guān)性分?jǐn)?shù)r（i）只有（0，1）兩種取值時(shí)，P@K有另一種表達(dá)方法。如果推薦算法返回的排序列表中的選型出現(xiàn)在真實(shí)交互列表中時(shí)，分子加1，否則跳過不予顯示。

P@K能夠?qū)σ粋€(gè)師生的推薦列表進(jìn)行評(píng)價(jià)，如果用該指標(biāo)體系評(píng)價(jià)某個(gè)推薦算法，需要對(duì)所有師生的推薦列表進(jìn)行評(píng)價(jià)，由于師生展示列表長(zhǎng)度不同，不同師生之間的P@K相比沒有意義。所以要對(duì)不同師生的指標(biāo)進(jìn)行歸一化，自然的想法就是計(jì)算每個(gè)師生真實(shí)列表的P@K分?jǐn)?shù)，用P@K表示，然后用每個(gè)師生的G@K與P@K之比作為每個(gè)師生歸一化后的分值，最后對(duì)每個(gè)師生取平均得到最終的分值，即每一個(gè)選項(xiàng)的排位值。

2.2.2? 推送模型實(shí)現(xiàn)

在Service層的實(shí)現(xiàn)中，信息推送平臺(tái)需要以接口的方式為其他服務(wù)平臺(tái)提供推送規(guī)則模型，具體要點(diǎn)歸納總結(jié)為以下幾點(diǎn)：

（1）推薦系統(tǒng)需要增置服務(wù)信息的權(quán)重及服務(wù)接口URL，同時(shí)添加其他較為類同服務(wù)信息或者同類服務(wù)或者同部門服務(wù)信息，并達(dá)成服務(wù)信息的參數(shù)可配置化。

（2）推送系統(tǒng)的設(shè)計(jì)必須具備一定冗余度、容錯(cuò)性等特征;當(dāng)服務(wù)數(shù)量、關(guān)鍵詞的描述、服務(wù)內(nèi)容都難描述準(zhǔn)確時(shí)，需要系統(tǒng)能模糊匹配、記憶推送、隨機(jī)推送等功能。

（3）信息推送平臺(tái)以接口模式向全校師生推送信息服務(wù)，在身份認(rèn)證、數(shù)據(jù)安全、數(shù)據(jù)加密、數(shù)據(jù)脫敏等需要有相關(guān)功能支持，做到可配置化。

其中涉及NDCG算法的核心代碼為：

importpandasaspd

defrating_ndcg（self， comp_matrix， pred_matrix）： #排位預(yù)測(cè)算法

for user inrange（self.usernum）：

pred_matrix.ix[user] = pred_matrix.ix[user].order（ascending= False）.index

ndcg_k = self.ranking_ndcg（comp_matrix， pred_matrix）

returnndcg_k

defranking_ndcg（self， comp_matrix， pred_matrix）：#NDCG排位算法

ndcg_vector = []

for user inrange（self.usernum）：

pred_item_index = pred_matrix.ix[user]

comp_item_index = comp_matrix.ix[user].order（ascending= False）.index

ndcg_ki = 0.

idcg_ki = 0.

forkiinrange（1， self.topk）：

log_2_i = math.log（ki， 2） if math.log（ki， 2） ！= 0. else 1.

ndcg_ki += comp_matrix[pred_item_index[ki]][user] / log_2_i

idcg_ki += comp_matrix[comp_item_index[ki]][user] / log_2_i

ndcg_ki = ndcg_ki / idcg_ki

ndcg_vector.append（ndcg_ki）

if user == 0：

self.logger.debug（"ndcg_ki_vector %s"， ndcg_vector）

ndcg_k = pd.Series（ndcg_vector）.sum（） / self.usernum

returnndcg_k

3? 系統(tǒng)測(cè)試與運(yùn)行

為測(cè)試本信息推送系統(tǒng)的功能及性能指標(biāo)，本文使用了GBase數(shù)據(jù)中臺(tái)，基于Kafka的流式數(shù)據(jù)采集，基于Orcale、Hadoop分布式數(shù)據(jù)服務(wù)器架構(gòu)。為本系統(tǒng)算法的性能指標(biāo)，本次測(cè)試選用了我校虛擬機(jī)，其配置是CPU 8核，內(nèi)存8 GB，系統(tǒng)硬盤100 GB，數(shù)據(jù)硬盤為500 GB。其中推送系統(tǒng)部署服務(wù)器系統(tǒng)為L(zhǎng)inuxCentOS 6.9版本。在具體的測(cè)試中，每組測(cè)試實(shí)驗(yàn)隨機(jī)選取我校1萬名校內(nèi)師生，在應(yīng)用推送、服務(wù)推送、信息推送、消息推送四個(gè)維度共開展了5輪推送測(cè)試。表1為5輪測(cè)試平均值（省略了小數(shù)點(diǎn)后幾位）。

4? 結(jié)? 論

基于用戶畫像特征，本文提出一種基于標(biāo)簽的用戶行為特征數(shù)據(jù)推送系統(tǒng)。針對(duì)我校大量用戶的使用數(shù)據(jù)分析歸納，該系統(tǒng)可以推送用戶真正需要的、帶用戶偏好的應(yīng)用服務(wù)、消息信息等，在提升推薦系統(tǒng)效率的同時(shí)，提升了全校師生的信息獲得感、幸福感。然而，本文提出的系統(tǒng)還存在諸多的不足之處，例如，師生點(diǎn)擊應(yīng)用、服務(wù)等信息時(shí)候的真實(shí)目標(biāo)不清，無法計(jì)算師生使用、查看的權(quán)重，需要進(jìn)一步優(yōu)化數(shù)據(jù)和校準(zhǔn)，在后續(xù)的探索中將重點(diǎn)解決這一問題。

參考文獻(xiàn)：

[1] 侯敏，劉倩，楊華勇，等.基于MQTT協(xié)議的海洋觀測(cè)數(shù)據(jù)推送系統(tǒng) [J].計(jì)算機(jī)工程與應(yīng)用，2019，55（20）：227-231.

[2] 鄒倩穎，王小芳.改進(jìn)遺傳算法在實(shí)體商業(yè)中精準(zhǔn)營(yíng)銷研究與實(shí)現(xiàn) [J].現(xiàn)代電子技術(shù)，2018，41（13）：177-181.

[3] 黃位華，范欣.基于用戶特征信息智能分析的精準(zhǔn)營(yíng)銷推送系統(tǒng) [J].現(xiàn)代電子技術(shù)，2021，44（6）：43-46.

[4] 張東艷.高校實(shí)驗(yàn)室設(shè)備管理系統(tǒng)的設(shè)計(jì)與開發(fā) [J].信息技術(shù)與信息化，2021（1）：86-90.

[5] 曹鳳芹，張華欣.基于用戶畫像的精準(zhǔn)營(yíng)銷研究 [J].營(yíng)銷界，2020（44）：33-34.

[6] 羅雨馨，姜攀.基于大數(shù)據(jù)技術(shù)的商品精準(zhǔn)推送系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) [J].電腦編程技巧與維護(hù)，2019（12）：83-87.

[7] 沈軍彩.用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)的設(shè)計(jì) [J].現(xiàn)代電子技術(shù)，2017，40（17）：158-161+166.

[8] 劉峰，王寶亮，潘文采.基于網(wǎng)絡(luò)表示學(xué)習(xí)與深度學(xué)習(xí)的推薦算法研究 [J/OL].計(jì)算機(jī)工程：1-11[2021-02-27].https：//doi.org/10.19678/j.issn.1000-3428.0058631.

[9] 鐘機(jī)靈.基于Python網(wǎng)絡(luò)爬蟲技術(shù)的數(shù)據(jù)采集系統(tǒng)研究 [J].信息通信，2020（4）：96-98.

[10] 蘇東水.產(chǎn)業(yè)經(jīng)濟(jì)學(xué)：第3版 [M].北京：高等教育出版社，2010.

[11] CHEN L，LYU D D，XU Z X，et al. A content-location-aware public welfare activity information push system based on microblog [J/OL].Information Processing & Management，2020，57（1）：[2021-01-24].https：//doi.org/10.1016/j.ipm.2019.102137.

[12] LIU N N，XU Z S，ZENG X J，et al. An Agglomerative Hierarchical Clustering Algorithm for Linear Ordinal Rankings [J].Information Sciences，2021，557：170-193.

作者簡(jiǎn)介：黃紅濤（1979—），男，漢族，湖北武漢人，工程師，博士，研究方向：數(shù)字化學(xué)習(xí)平臺(tái)的設(shè)計(jì)、開發(fā)及實(shí)踐。

收稿日期：2021-03-19