基于用户画像的图书馆个性化推荐体系构建策略研究

韩秋萍

(青岛市即墨区第一职业中等专业学校，山东 青岛 266200)

图书馆是人类知识文化的资源服务中心，在提升人们文化素养和阅读能力方面发挥了不可替代的重要作用。现代社会环境下，图书馆用户体量庞大、类型多样、需求各异，阅读行为十分复杂，迫切需要利用智慧化手段对他们进行精准分类，挖掘数据价值，预测其需求，进而实现便捷精准的阅读推荐服务。当下，图书馆馆藏资源数量快速增加，但供给方式依旧停留在单向传统检索和传输水平，加之用户信息素养普遍不高，难以在海量信息中获取目标文献，导致资源服务效率过低、个性化水平不高。大数据、人工智能等技术能够细致描绘用户画像，精准感知和预测其需求，构建个性化的资源推荐系统，有效优化用户的阅读体验，推动“人找书”的模糊被动服务模式向“书找人”的精准主动服务模式转变。

1 用户画像概述

1.1 用户画像

“用户画像”(Persona)是由社交之父Alan Cooper在1998年最早提出的，他认为用户画像是“基于用户真实数据的虚拟代表”。其后，多位学者对“用户画像”概念进行完善补充，如：Giuseppe Amat从对象构成的角度对用户画像进行定义，即用户画像是一个由用户信息构成的可以描述任何个体用户需求、个性化偏好以及用户兴趣的结构化表示的形象集合。现代技术环境下，用户画像指的是资源供给方通过收集、分析和处理用户的个人基本信息、阅读行为、偏好数据及环境信息等，制定具有用户明显特征的高度凝练的特征化标识，并将具有相似属性的用户进行归类，使用户特征形象具体化，便于推荐团队建立系统化精准认知，进而掌握和预测用户需求变化，提供高品质的个性化服务。用户画像利用当前先进的信息分析与处理技术对数据进行价值挖掘、统计分析和聚类等，并基于用户阅读形象原貌进行精准划分，便于对用户进行分类管理。用户画像以其立体化、多维度的用户识别和需求预测功能在电子商务、电信业务和金融服务等领域均有广泛而重要的应用，对于图书馆而言，其也将成为实现个性化推荐的重要技术性工具。

1.2 图书馆用户画像步骤

图书馆对用户进行画像是提供个性化服务的基础，用户画像包含了其基本信息，如行为属性、社会属性、环境属性等，通过不同类型用户的需求为其提供个性化的阅读服务。一般而言，图书馆用户画像包含数据处理、标签构建和形成画像三个步骤，见下页图1。数据处理阶段主要是馆方对用户信息浏览、下载等结构化数据和互动留言、评论等非结构化数据进行收集和管理，初步构建用户个人特征数据库，并将上述数据归纳为基本信息、环境数据、行为数据、兴趣数据和评价数据五个维度，并将其输入图书馆用户数据库。标签构建主要基于上述五个维度对用户数据进行技术性价值挖掘，并用标志性语言和简练语言对用户特征进行精准描述，为用户贴上语义化标签，之后根据标签类型对用户进行分类、关联性分析等操作，构建可视化结构体系，并根据用户行为变化更新标签体系，同步调整推荐方案。形成画像是从多维度、多层面以准确、客观、真实的方式刻画用户在不同群体内的表现，当前一般采用计算机构建，利用云图等可视化形式展现，并在完成后根据设备数据和用户反馈进行调整，从而对用户进行精准判断，后期提供精准化、个性化的资源推荐和其他服务。

图1 用户画像形成简图

2 基于用户画像的图书馆个性化推荐体系构建

2.1 个性化推荐体系构成要素

组成图书馆个性化推荐体系的要素包含7大类，分别是推荐对象、推荐方式、文献资源、反馈评价、基础设施、组织架构和人才建设。推荐对象涵盖图书馆所有实体和互联网用户，多维了解用户群体的真实需求是实现个性化服务的基础，因此，图书馆应对用户的结构化与非结构化数据进行收集和分析。推荐方式也是凸显图书馆个性化推荐服务的重要表征，除了常规的资源推荐方式，还经常采用短视频直播、读者沙龙等方式为用户提供全天候服务，提升用户的满意度。文献资源方面主要是优化资源类型，建立文献之间的内在关联，提升资源与用户需求之间的匹配度，缩短服务时间，优化服务路径。反馈评价是图书馆在应用该推荐体系过程中通过不断收集用户反馈修正自身服务行为，优化用户体验。基础设施涵盖智慧化服务所需的自助借还机、电子阅览设备、智能导航台等。组织架构和人才建设为该体系的高效运行提供管理和技术保障，不同职能馆员统筹协作，共同为该体系提供高质量运维服务。

2.2 个性化推荐体系服务框架

图书馆馆员团队利用智能感知设备收集和分析用户的行为偏好数据，借助智能化软件为用户贴上特征“标签”，逐步形成用户画像，后续根据不同类型用户需求为其精准匹配优质资源并提供个性化的资源供给和服务方式，见图2。此外，图书馆还要建立便于用户反馈的多种渠道，并配套对应的反馈评价机制，精准判断实际服务效果，对不合理之处进行微调和改进。在该框架中，整合用户数据发现并预测用户需求是发挥用户画像功能的核心所在。智慧环境下，图书馆可通过与不同社会机构的合作打破不同部门和系统之间的壁垒，发挥资源协同共享效能，掌握用户的知识背景、专业需求等详细数据，深层次挖掘用户需求，敏锐感知服务需求变化，预测未来推荐服务走向。数据之间的依赖、交叉和协作关系使各类信息交织成为复杂的多维网络，每个维度数据都是用户画像的“像素”，“像素”越高，用户画像越清晰，对后续个性化推荐服务越有利，因而用户数据处理阶段应尽量细致，通过多维可视化分析辅助推荐服务。

图2 图书馆个性化推荐体系服务框架

2.3 个性化推荐体系服务要求

图书馆个性化推荐体系构建的实质是在新理念下对馆内的人力、资源、空间进行优化整合，满足用户需求，提升服务效率。因此，该个性化推荐体系应契合“以用户为中心”的服务理念，以便捷、高效为目标，在智慧手段协助下重构用户的行为偏好数据，精准定位服务目标，对应开展个性化推荐服务。首先，现代信息环境为用户资源获取提供了多种方式，同样，用户在利用图书馆获取对应资源时同样希望获得更加直观、形象的资源类型和采用快速、便捷的传输方式，这就要求图书馆丰富自身资源类型，并建立多样化的资源传输途径，如文献传递、自助下载、云阅览等。其次，图书馆要将用户需求与资源服务精准匹配，根据用户的标签化数据为不同类型用户提供分众化、差异化服务。再次，图书馆要通过创设对应的服务情境满足用户的深层次需求，并通过设备迭代和软件优化提升系统运行效率，开发更多的推荐功能，优化用户阅读体验。

3 基于用户画像的图书馆个性化推荐体系构建策略

3.1 强化技术应用，健全推荐体系设备支撑

基础设施是图书馆得以顺利开展个性化推荐的基本保障，今后一段时期，图书馆在推进基于用户画像的个性化推荐体系建设过程中应引进和应用如3D打印机、VR、AR、智能机器人、高精度导航定位系统等，全面提升线上线下综合服务水平。当前技术条件下，基于用户画像的推荐体系可应用二维码管理系统，将功能更齐全的智能信息收集设备布置在实体空间和植入推荐服务软件，全面收集用户各个维度的信息。资金较充足的图书馆应进行基础设施迭代，引进能够支持大数据和云端海量信息处理的云计算处理设施，构建智慧化推荐服务平台，同步进行软件数据更新，创新针对用户服务需求的新模型、新算法，智慧处理用户数据，并实现智能化指令输出。VR、AR、移动互联等技术能够实现资源体系化展示和无障碍交互，促进用户、资源与服务之间的智慧对接，是图书馆优化推荐成效的有效途径。

3.2 创意活动内容，构建立体多元推荐方式

图书馆应善于运用全媒体社交平台，使用多种方法和途径进行资源推荐，拓宽推荐渠道，为不同类型用户提供舒适的资源获取渠道。在“互联网+”环境下，用户使用频次较高的社交平台有微信、微博、抖音等，因此推荐团队可根据不同用户需求为其设计不同的推荐方式，如：针对微信用户，推荐团队可根据用户兴趣、年龄段等为其建立微信交流群组，并在群组内发送宣传海报、组织群内阅读与讨论等；针对抖音用户，推荐团队可利用馆内设备并结合用户实际需求录制短视频或开启直播，引导用户参与讨论，激发用户阅读热情，达到推荐目的。此外，推荐团队还可以探索其他有效推荐方式，如与出版物、课程、广告等融合，利用展览、旅游、研读、竞赛等多元展现形式，逐步形成品牌效应，扩大图书馆影响力，实现更大范围的覆盖，引导更多用户参与阅读。

3.3 搭建交互情境，提升资源推荐智慧水平

在个性化推荐体系中，交互情境是提升推荐成效的又一关键要素，只有具备沉浸感的交互情境才能让用户自然而言融入其中，引发用户与资源之间的情感共鸣。当前技术条件下，图书馆可利用VR、AR技术及环境渲染等方式搭建与用户需求相匹配的资源情境、服务情境、社交情境、用户情境、移动情境等，并在不同的推荐环境下使不同的情境协同发挥效能，为用户提供有沉浸感的阅读环境。从认知角度出发，只有搭建用户与推荐系统之间的顺畅交互关系才能保证推荐服务的科学性和持续性。因此，图书馆应重视对用户社交行为、心理特征、沟通意愿的研究，在推荐过程中充分考虑用户的客观信息和主观信息，确保在资源、方式、情境等维度均契合用户的个性化服务需求。