基于异构信息网络的社区精准志愿服务模型研究

时间：2024-05-04

徐小玉，玄祖广，陈仲委

(1.浙江万里学院文献与信息中心，浙江宁波 315100；2.浙江万里学院学生工作部（团委），浙江宁波 315100)

0 引言

党的十八大以来，以***同志为核心的党中央一再强调，让发展成果更多更公平惠及全体人民，不断促进人的全面发展，朝着实现全体人民共同富裕不断迈进。这就要求对社会资源进行合理配置，以达到用最少的资源获取最大的效益之目的。在这种背景下，建立在自愿基础上、以共享为基本原则的志愿服务对共同富裕目标的实现有着重要意义[1]。党和国家领导人连续在党的十七大、十八大、十九大报告中强调要深入开展志愿服务活动、完善志愿服务体系、推进志愿服务制度化、弘扬志愿精神。社区志愿服务是志愿服务的重要组成部分，通过知网以“社区志愿服务”为主题词搜索，其研究现状归纳整理可分为以下三类[2-6]：(1) 社区志愿服务精神、动机与现状研究，如李代凤等的社区志愿服务发展现状及对策探讨、赵梦荃等的湖北省志愿服务的现状及对策研究；(2) 大学生参与社区志愿服务分析及对策研究，如大学生参与社区志愿服务的现状调查以上海师范大学为例；(3)志愿服务活动与模式研究，如从“网格化”到“互联网+”：社区管理与服务模式的重构以海宁市西山社区为例。通过知网以“共同富裕”、志愿服务为主题词搜索，其研究主要集中在志愿服务对共同富裕的意义和重要性上。

目前大多数关于社区志愿服务研究集中在志愿服务理论体系建设上，只是在理论上给出志愿服务问题对策，或是关注点在共同富裕下志愿服务体系理论研究上[7-8]，较少基于大数据时代的思维方式来研究共同富裕下志愿服务体系理论研究；有学者提出了精准志愿服务的必要性[9]，但也只是抛出概念并给出实际可用的志愿服务模型，鲜有学者在共同富裕视域下利用数字化技术如异构信息网络推荐算法对志愿服务进行研究。本课题将数字化技术手段应用到志愿服务研究中，力图构建符合共同富裕与数智时代要求下的社区志愿服务体系，实现精心服务、智能匹配、精细管理的社区精准志愿服务，将共建共享的理念用技术在人民心中生根，加快促进人的全面发展，进而为实现共同富裕做出重要贡献。

1 异构信息网络

异构信息网络(Heterogeneous Information Network，HIN) 是在2009年由Sun Y[10]等人率先提出，异构信息网络推荐作为人工智能时代数据挖掘的主流方法。本节对异构信息网络的信息网络、网络模式、元路径等相关概念进行介绍，着重对同类型进行度量的PathSim算法及多重元路径下的相似性度量算法进行介绍。

定义1[11]：信息网络 (information network)是一个带有对象类型映射函数φ:V→A和链接类型映射函数ϕ:E→R的有向图G(V,E)，其中，任意v∈V是一个不同的类型，记为φ(v) ∈A，每个链接e∈E一个特定关系类型ϕ(e)∈R，当 |A|> 1 或 |R|> 1 时，称该网络为异构信息网络(HIN) ，否则称为同构信息网络。

定义2[11]：网络模式是带有对象类型映射φ:V→A、链接映射ϕ:E→R的异构信息网络G(V,E)(G是定义在对象类型A和关系类型集合R上的有向图）的元模板，记为TG(A,R) 为网络模式板，记为TG(A,R) 为网络模式(network schema)。文献信息网络是常见的异构信息网络，其结构如图1所示。

图1 文献信息网络

在HIN中的2个对象能通过不同的属性类型相互连接，这些不同的属性路径具有不同含义。因此，2个对象的相似度依赖于异构信息网络的搜索路径。

定义3[11]：元路径P是定义在网络模式TG(A,R)图上的一条路径符号，表示为：A1→R1A2 →R2…→RlAl（简记为P=A1A2…AL)。例如图1中作者→论文→场所→论文→作者表示“两位作者在同一场所都发表过文章”。

元路径的提出为HIN中对象间相似性度量及网络推荐提供了基础，本文所研究社区精准志愿服务模型是基于对称元路径的相似性度量PathSim 算法，下面简介PathSim算法的内容。

定义4[10]：基于单一元路径的相似性度量方法PathSim，给定一条对称的元路径P，两个同类型x和y的PathSim是：

其中，Px→y是x和y之间，Px→x是x和x之间，Py→y是y和y之间的路径实例。

定义5[10]：给定个从类型A出发又回到类型A的往返元路径P1P2…PR，及其相应的关系矩阵M1M2…MR，用户赋予的权重分别为ω1ω2…ωR，则定义对象x和y的多重元路径的相似性度量是：

2 社区精准志愿服务模型的搭建

新时代志愿服务更需要“送智服务”，将服务送给刚好需要的人，避免出现形式化、短期、错位的服务。异构网络中多种节点类型和节点之间的多种关联类型与当前社会和人类的交互活动更为相似，更能反映现实世界。利用异构信息网络刻画社区志愿活动相关的因素关系，在一定阈值下能精准将志愿者、受助者、社区、社区活动进行配对，精准生成社区、志愿活动、志愿者、受助者的志愿画像，以实现统筹安排、智能安排、精准配对志愿服务新模式。

2.1 社区志愿服务异构网络的定义

由社区志愿服务数据构成的社区志愿服务异构信息网络 DS =(V，E) ，V表示网络中的节点，节点类型包括人员、技能、需求、基本信息、爱好、志愿活动、社区，E表示网络中的边。社区志愿服务综合异构信息网络模式如图2所示。人员由志愿者、受助者组成，志愿者与受助者身份可切换，不必固定，这样才能从整体上谋划志愿服务，这里的人员包括志愿者和受助者，若将人员具体为受助者，也可通理构建受助者的志愿服务信息网络。

图2 社区志愿服务综合信息网络模式图

社区志愿服务综合信息网格的关系类型为爱好和人员之间属于和被属于的关系、技能和人员是掌握和被掌握的关系、基本信息和人员是属于和被属于的关系、人员与志愿活动是参加和被参加的关系、技能和志愿活动是服务和被服务的关系、志愿活动和社区是发生和被发生的关系。

通过不同的路径连接，可以得到不同的元路径，如路径M1、M2、M3、M4，这些路径具有不同的含义：

M1：人员—志愿活动—社区—志愿活动—人员

M2：人员—技能—志愿活动—社区——志愿活动—技能—人员

M3：人员—基本信息—人员

M4：人员—爱好—人员

M5：社区——志愿活动——社区

M6：技能—志愿活动—技能

M7：人员—志愿活动—人员

P:people S:Skill M:Message C:community

H:hooby V:Voluntary activities B:Base Information

路径M1表示小区中两位居民参与同一个社区的志愿活动，将人员类别为志愿者时可表示志愿者参加小区志愿活动情况，可进一步刻画志愿者志愿服务画像，若人员类别为受助者时表示受助者收到的小区志愿活动情况，可以刻画受助者受助情况，可以给出部分画像；综合起来，可以刻画小区志愿服务画像；M2：志愿者参加小区志愿活动的时候提供了某项技能，可以刻画出小区志愿活动需求画像，这个不可以是受助者；M3：基本信息相似的人员；M4：有共同爱好的人员；M5：在同一个社区开展的志愿活动；M6：同一个志愿活动中使用到的技能；M7:参与同一个志愿活动的人员，则可以知道基本情况更相似。

2.2 社区精准志愿服务算法的搭建

本文提出一种基于异构信息网络的社区精准志愿服务算法模型(HIN_CHY) ，该模型共包含4层：

1) 输入编码层

首先对各属性值及历史帮扶数据进行预处理，包括数值转换、归一化、分组等。在此基础上，将离散的属性值映射到高维的特征空间，生成各属性的特征表示。

2) PathSim单一相似层

利用PathSim算法计算得到单一路径下的相似度矩阵Mchy，在一定阈值下，选取相似度较高的构成推荐趋势矩阵Fchy，并确定相关属性阈值，也可以得到在单一元路径下的相似情况。

3) 综合相似推荐层

利用多重元路径推荐算法，根据推荐趋势矩阵及属性阈值综合计算，即可得到多重源路径下的相似度矩阵。

①社区精准推荐，统筹区域发展、创新社区治理格局、满足社区服务需求、增强社区自治能力，安排合适的志愿活动和志愿者。

②志愿活动精准推荐，结合社区实际情况，开展有实际作用的志愿活动。

③志愿者精准推荐，深入了解志愿者，为志愿者推荐合适的志愿活动和受助者，让志愿者在志愿服务中得到认同，使得其志愿服务价值感得到最大满足。

④受助者精准推荐，真正关注受助者本身，不为了服务而服务，将受助者身体需求、精神需要等均考虑到，将服务落实到长远上来。

4) 画像规划层

根据相关路径得到志愿服务相关主体如社区、社区活动、志愿者、受助者的志愿画像，分层级展示，赋能志愿管理者的智能化和全局观。

①受助者画像，归集与受助者相关数据，包括基本信息、受到志愿活动帮助情况、志愿者信息等，全维度给出受助者在志愿活动受到帮扶的情况，并通过相关统计分析，进一步挖掘得到更适合受助者的志愿活动。

②志愿者画像，综合志愿者的相关志愿活动、受助者、基本信息、需求等数据，汇总统计后，将志愿者的志愿服务情况给予全貌展示，让志愿者清楚自己的志愿服务情况，同步生成志愿服务报告，更加认同志愿服务的意义与价值。同时也给社区工作具象化了解志愿者整体情况提供了可能。

③志愿活动画像，汇集志愿活动开展情况，分析统计志愿活动在社区、地区的整体数据，挖掘适合社区开展的活动，将志愿活动落到实处，避免形式化的活动出现。

④社区志愿画像，统筹归集与分析受助者、志愿者、志愿活动等数据，将社区全要素的志愿服务数据挖掘与再利用，形成“一览无余”的洞察力，助力社区管理者更好地管理社区志愿服务工作，更好服务社区居民。

⑤区域志愿画像，建立社区志愿工作的多跨协调、联动处理，形成区域志愿画像可以解决目前存在亟须解决的问题——志愿服务在一些社区过热一些社区过冷的现象，如出现某养老院的老人一天被服务了5~6次，不堪其扰，成为负担，被服务者对志愿者态度冷淡，这就给志愿者的满腔热血的服务热情和自尊心带来一定打击，志愿服务的动力无法有效发挥。而另一边很多地方有服务需求，却没有人来，也不知道如何去找志愿者。想要成为志愿者的人也不知怎样成为志愿者，不知如何选择志愿者组织；成为志愿者后也可能因为不满足志愿服务的不健全中断志愿服务。

3 实例说明

为了更好地解释所定义的教育信息网络及其推荐算法，本文结合具体的例子进行说明。

例1：基于路径P1：人员--基本信息--人员，路径P2：人员--爱好--人员，这两条元路径见图3，智能对小区孤寡老人结对帮扶人员进行匹配，基本信息包括年龄、籍贯、方言、家庭住址，爱好包括看书、听戏、跳舞、下棋、历史。

图3 两条元路径

表1、表3表示人员的基本信息、爱好预处理后的数据，两者的转换矩阵则为表2、表4。

表1 基本信息

表2 基本信息的关联矩阵

表3 爱好基本信息

表4 爱好关联矩阵

计算路径1的单一元路径相似度：

计算路径2的单一元路径相似度：

从爱好这一个属性来看，P2与P1是最相似的，综合两条路径，ω1、ω1均为0.5，由多重元路径相似度计算公式可得：

故在考虑爱好、基本情况两个属性下的多重元路径下，P4是比较适合帮扶P1。从资料看也适合，基本保障的服务很重要，精神上的帮扶也很需要，有相似的爱好和经历能让沟通融洽，也能增强彼此的信任度，将老人的孤独的心温暖起来，同样志愿者有获得感与成就感，也获得继续进行志愿服务的动力。

综合考虑志愿服务相关情况，避免简单粗暴或者社区人员人工手动去筛选配对，使得人员安排有依有据，以数字化技术的算力换人力，促进社区志愿服务能力提质增效，保障志愿服务能长久地进行下去。

4 研究结论与启示

4.1 研究结论

本文首次将异构信息网络引入社区志愿服务中来，初步讨论了基于异构信息网络算法构建社区精准志愿服务，定义了综合志愿服务信息网络，提出了多维度志愿服务画像的刻画，构建了志愿服务精准匹配的模型，并用实例初步说明该模型的可行性，引导社区各类型志愿服务资源优化配置，推动社区志愿服务工作长效机制的建设。

4.2 研究启示

本研究为社区志愿服务的志愿者和受助者提供如下启示：在不涉及隐私的前提下，明确自愿、无偿和公益利他是志愿服务的本质特征下，双方均应该积极配合社区管理者提供个人相关数据，以便于更好地训练算法，为后续算法模型落地提供数据基础。

本研究对社区志愿服务管理者提供如下启示：在数字化改革背景下，应突出社区党委在志愿服务事业中的引领作用，重视将数字化思维融入体系构建中，确立精心服务、精确匹配、精细管理和精准评估为志愿服务的必要属性，高效应用数字化理念、工具、方法推动志愿服务对化解社会矛盾、积累社会资本、促进社会公平正义的积极作用，拓展志愿服务的广度和深度，培育志愿服务发展新领域、新模式。