融合用戶畫像和知識圖譜的智慧圖書館信息推薦體系研究

毛晨晰

摘 要：文章從用戶畫像和知識圖譜角度出發，構建了智慧圖書館的信息推薦體系結構，智慧圖書館的信息推薦體系包括系統板塊和系統架構兩大部分，系統板塊包括系統管理、用戶畫像、知識圖譜、信息推薦、結果展現、結果反饋等七大模塊，系統架構包括數據層、分析計算層、結果層、反饋層等四個層級。

關鍵詞：用戶畫像；知識圖譜；信息推薦體系；圖書館

中圖分類號：G250 文獻標識碼：A 文章編號：1003-1588（2023）08-0115-05

1 背景

隨著智慧時代來臨、數智化技術發展及啟發式認知智能應用的出現，作為文獻信息資源中心的圖書館在快速積累類型多樣、結構復雜的海量資源的同時，加劇了與讀者有限認知能力之間的矛盾，使其在信息泛濫背景下面臨日益嚴重的知識彌漫、信息超載等問題。如何基于智慧化理念推動圖書館服務系統轉型升級，以動態感知讀者興趣、創新協同服務形式、序化整合知識資源，進而提供滿足讀者知識需求的智慧服務成為亟須解決的問題。在此形勢下，智慧圖書館推薦系統遵循以數字化為核心，以泛在化為支撐，以智能化為手段，以智慧化為目標的思路，依托感知設備、大數據基礎設施及人工智能技術重構傳統推薦平臺功能模塊，通過動態響應讀者需求并分析興趣演化，整序重構知識資源并挖掘內在關聯，主動提供泛在互聯、虛實混合應用場景下讀者需求驅動的智慧推薦服務并備受關注。

隨著智慧圖書館推薦系統研究的不斷深入，信息資源推薦匹配性成為重要議題，如何實現快速有效地精準推送成為智慧圖書館信息推薦服務高質量發展的關鍵。精準推送不僅與用戶的需求相關，也與圖書館的信息資源有關，用戶畫像可以精準定位用戶需求，知識圖譜可以有效整合目標信息資源，用戶畫像和知識圖譜應被作為智慧圖書館信息推薦服務的構建支撐。因此，本研究嘗試融合用戶畫像和知識圖譜構建智慧圖書館信息推薦體系。

2 文獻回顧

用戶畫像通過對用戶特征、歷史行為特征的分析，形成標簽化用戶模型，用戶畫像在圖書館領域有廣泛應用。例如，蘭冰探索了基于群組用戶畫像的圖書館信息智能推送服務，指出用戶畫像技術應用于圖書館具有重要意義，包括合理利用大數據資源、實現精準智能化服務、抓住核心用戶群體需要，提出了基于群組用戶畫像的圖書館智能信息推送流程，包括用戶畫像可視化分析、群組用戶信息推薦、用戶畫像評價調整^[1]。李曉敏等研究了基于用戶畫像的智慧圖書館圖書推薦服務，指出智慧圖書館用戶畫像有三大維度，分別是自然屬性維度、興趣屬性維度、社交屬性維度，提出用戶畫像智慧圖書館圖書推薦模式有基于相似讀者的圖書推薦、基于相似圖書的推薦、基于位置的推薦^[2]。王大阜等研究了基于用戶畫像的高校圖書館個性化圖書推薦，指出用戶畫像模型構建應考慮讀者個體特征屬性、讀者歷史行為、讀者興趣偏好、讀者認知能力差異等因素，設計了用戶畫像下高校圖書館個性化圖書推薦系統，具體表現為數據層、處理層、邏輯層和表現層^[3]。

知識圖譜是通過構造網狀的知識結構，形成的一種結構化的語義知識庫，知識圖譜在圖書館領域有廣泛的應用。例如，柳益君等重點探究了知識圖譜的智慧服務應用，指出知識圖譜具有聚合和挖掘海量館藏資源，提供知識服務、融合和利用多源用戶數據以全面認知用戶、感知和識別多種動態場景以提供場景服務的優勢，提出知識圖譜應用下高校圖書館的智慧服務創新模式應包括智慧檢索、智慧推薦、智慧問答^[4]。趙夕姝重點探究了知識圖譜的數字資源管理系統設計，指出知識圖譜具有提升館藏數字資源管理能力、提升圖書館個性化知識服務水平、提升館藏數字資源檢索服務能力的作用，知識圖譜可以被應用于圖書館館藏數字資源的知識提取、知識表示、知識聚合、知識推理，提出知識圖譜應用下館藏數字資源管理系統應包括圖書館館藏數字資源存儲層、圖書館知識圖譜層、圖書館用戶交互層^[5]。孫雨生等基于知識圖譜構建了智慧圖書館信息推薦技術體系，指出智慧圖書館信息推薦技術體系的構建目標是整合信息和聚合精準推薦，構建原則是技術時效性、場景多樣性、服務全局性，提出智慧圖書館信息推薦技術體系的構建思路包括數據采集及預處理、數據分析、知識圖譜構建、特征建模、推薦生成、推薦結果^[6]。

綜上，當前知識圖譜及用戶畫像均已被應用于圖書館信息推薦，但已有的研究沒有將二者結合起來進行分析，為彌補研究空白，本研究將融合用戶畫像和知識圖譜構建智慧圖書館信息推薦體系。

3 融合用戶畫像和知識圖譜構建智慧圖書館信息推薦體系的內在邏輯

本研究采用多元回歸模型分析智慧圖書館信息推薦服務效果的影響因素，參考已有學者的相關研究成果設定影響因素指標，包括用戶層面的需求精準定位，信息資源層面的資源數量、資源質量、資源整合，館員層面的館員專業知識水平、館員服務態度、館員服務能力，信息推廣層面的推廣方式、推廣渠道。變量設定見表1。

本研究采用問卷調查法收集圖書館用戶和館員對影響因素指標的主觀評分，基于問卷星共發放調查問卷200份，回收得到有效問卷143份。根據有效調查數據，本研究運用SPSS軟件進行回歸分析，分析結果見下頁表2。

如表2所示，模型調整后的R²值為0.716，即需求精準定位、信息資源數量、信息資源質量、信息資源整合、館員專業知識水平、館員服務態度、館員服務能力、信息推廣方式、信息推廣渠道對智慧圖書館信息推薦服務效果的解釋程度為71.6%，大于50%，說明模型自變量能夠較好解釋因變量。模型F檢驗的F值為632.451，顯著性水平為0.018，小于0.05，說明模型分析有效。進一步討論智慧圖書館信息推薦服務效果，各因素的影響關系如下。

關于用戶層面因素，“需求精準定位”變量的回歸系數Beta值為0.648，大于0，顯著性水平為0.000，小于0.01，說明需求精準定位對智慧圖書館信息推薦服務效果具有非常顯著的正向影響，也就是說，基于用戶畫像的用戶需求定位可以顯著提高智慧圖書館的信息推薦服務質量。

關于信息資源層面因素，“資源數量”“資源質量”等變量的回歸系數Beta值分別為0.107、0.443，均大于0，顯著性水平分別為0.033、0.011，均小于0.05，而“資源整合”變量的回歸系數Beta值為0.632，大于0，顯著性水平為0.000，小于0.01，說明資源數量、資源質量對智慧圖書館信息推薦服務效果具有顯著的正向影響，而資源整合具有非常顯著的正向影響，也就是說，信息資源數量與質量一定程度上可以提高智慧圖書館的信息推薦服務質量，而基于知識圖譜的信息整合可以顯著提高智慧圖書館的信息推薦服務質量。

關于館員層面因素，“專業知識水平”“服務能力”等變量的回歸系數Beta值分別為0.420、0.415，均大于0，顯著性水平分別為0.013、0.017，均小于0.05，說明專業知識水平、服務能力對智慧圖書館信息推薦服務效果具有顯著的正向影響，也就是說，館員知識水平與服務能力在一定程度上可以提高智慧圖書館的信息推薦服務質量。

關于信息推廣層面因素，“推廣方式”“推廣渠道”等變量的回歸系數Beta值分別為0.214、0.206，均大于0，顯著性水平分別為0.026、0.025，均小于0.05，說明推廣方式、推廣渠道對智慧圖書館信息推薦服務效果具有顯著的正向影響，也就是說，信息資源推廣方式與渠道在一定程度上可以提高智慧圖書館的信息推薦服務質量。

綜上，基于用戶畫像的用戶需求精準定位和基于知識圖譜的信息資源整合對智慧圖書館信息推薦服務效果的影響程度明顯高于其他變量，可見，融合用戶畫像和知識圖譜構建智慧圖書館信息推薦服務體系是非常必要的。

4 融合用戶畫像和知識圖譜的智慧圖書館信息推薦體系結構

融合用戶畫像和知識圖譜的智慧圖書館信息推薦體系結構包括系統板塊和系統架構兩大部分，見圖1。

4.1 系統板塊

用戶在系統注冊時就會產生初步的個人數據信息和知識體系信息，用戶注冊后的閱讀行為數據累計為用戶畫像的具象化提供了基礎信息數據，同時根據用戶的閱讀偏好整合信息資源庫，形成針對性的知識圖譜?；谟脩舢嬒窈椭R圖譜，智慧圖書館能夠有效匹配用戶需求與知識庫資源，實現信息資源的精準推薦，并通過推薦結果不斷進行跟蹤反饋與改進，持續性滿足用戶需要。

根據上述流程，融合用戶畫像和知識圖譜的智慧圖書館信息推薦體系可以分為六大模塊，分別是系統管理模塊、用戶畫像模塊、知識圖譜模塊、信息推薦模塊、結果展現模塊、結果反饋模塊。系統管理模塊的主要功能是實現數據的系統化管理，包括用戶畫像數據、知識圖譜數據、元數據的系統化管理。系統管理模塊是智慧圖書館信息推薦體系結構的底層支撐，負責系統運行的穩定和系統數據分析的支持，可以說該模塊是智慧圖書館信息推薦服務開展的基礎保障。用戶畫像模塊的主要功能是實現用戶數據的挖掘、采集、分析與整合，提取能夠反映用戶特征的標簽，構建用戶畫像。用戶畫像模塊是智慧圖書館信息推薦服務的用戶端支撐，負責提供真實有效的用戶需求，可以說該模塊是智慧圖書館信息推薦服務質量的需求數據保證。知識圖譜模塊的主要功能是知識資源的挖掘與處理、知識資源的重組與重構、知識特征的形成與網絡結構化、構建知識圖譜。知識圖譜模塊是智慧圖書館信息推薦服務的知識端支撐，負責匹配適宜性強的知識資源，可以說該模塊是智慧圖書館信息推薦服務質量的知識數據保證。

信息推薦模塊的主要功能是提取用戶標簽，提煉結構知識，根據用戶標簽推薦合適的知識資源，滿足用戶的有效需求。信息推薦模塊是智慧圖書館信息推薦服務的過程環節支撐，負責推薦針對性強的知識資源，可以說該模塊是智慧圖書館信息推薦服務質量的實際運作保障。

結果呈現模塊的主要功能將推薦信息及時呈現給用戶，可以通過Android終端將不同形式的知識資源展現給用戶，也可以通過其他終端向用戶展現知識資源。結果呈現模塊需要做到多樣化展示和排序化呈現，一方面，智慧圖書館可以在各應用終端向用戶展示文字、圖片、音頻、視頻等多種形式的知識資源；另一方面，智慧圖書館可以在各應用終端向用戶優先推薦相關的重要知識資源，保障用戶第一時間接觸到最感興趣的信息?？梢哉f，結果呈現模塊是智慧圖書館信息推薦結果的接受窗口。

結果反饋模塊的主要功能是收集用戶的反饋信息，針對反饋信息改進和完善信息推薦系統，持續性提高智慧圖書館的信息推薦質量。反饋信息可以分為主觀反饋和客觀反饋兩種類型，主觀反饋主要是用戶針對推薦信息給出的主觀評價，包括推薦信息的質量、推薦信息的符合度、推薦信息的滿意度等；客觀反饋主要是系統化收集用戶的隱性反饋信息，包括用戶的瀏覽次數、點贊、收藏、評論等?？梢哉f，結果反饋模塊是智慧圖書館信息推薦持續性改進的有效機制。

4.2 系統架構

融合用戶畫像和知識圖譜下智慧圖書館信息推薦體系在系統架構上可以分為四個層級，分別是數據層、分析計算層、結果層、反饋層。

數據層是基礎層級，負責系統數據的收集與管理，包括用戶畫像數據、知識圖譜數據、元數據等數據的收集、存儲與管理。這一層級要求做到上述數據的全面梳理與整理，實現標準化和有序化管理，因此系統管理模塊屬于這一層級。

分析計算層是完成對數據的分析和計算，為信息推薦提供支持、涉及用戶畫像、知識圖譜、畫像與知識匹配。這一層級需要完成用戶的標簽提取與信息資源特征的分析匹配，因此用戶畫像模塊、知識圖譜模塊和信息推薦模塊屬于這一層級。

結果層是信息推薦系統的展示與呈現環節，根據需求與知識資源匹配情況，將推薦結果展示在用戶設備應用端，包括常規化的Android終端和個性化的其他閱讀設備終端。這一層級基本上實現了信息資源的推薦呈現，因此結果呈現模塊屬于這一層級。

反饋層是信息推薦系統目標完成度的評價環節，根據反饋信息屬性分為主觀反饋與客觀反饋，反饋信息也是后續對信息推薦系統升級調整的依據。這一層級是對信息資源推薦服務的持續跟蹤與改進，因此結果反饋模塊屬于這一層級。

5 結語

用戶畫像可以精準定位圖書館用戶的有效需求，知識圖譜可以針對性整合圖書館信息資源，而用戶需求和匹配信息資源是智慧圖書館高質量信息推薦的基礎與前提，因此融合用戶畫像和知識圖譜構建智慧圖書館信息推薦體系是必要的。本研究構建了用戶畫像和知識圖譜下智慧圖書館的信息推薦體系，具體結構包括系統板塊和系統架構兩大部分，系統板塊是內容要素，系統架構是層級要素。

參考文獻：

[1] 蘭冰.基于群組用戶畫像的圖書館信息智能推送服務[J].圖書館學刊，2019（7）：109-112.

[2] 李曉敏，熊回香，杜瑾，等.智慧圖書館中基于用戶畫像的圖書推薦研究[J].情報科學，2021（7）：15-22.

[3] 王大阜，鄧志文，賈志勇，等.基于用戶畫像的高校圖書館個性化圖書推薦研究[J].河南師范大學學報（自然科學版），2022（3）：95-103.

[4] 柳益君，何勝，熊太純，等.知識圖譜在高校圖書館智慧服務中應用研究[J].圖書館工作與研究，2019（11）：5-10.

[5] 趙夕姝.基于知識圖譜的館藏數字資源管理系統設計研究[J].圖書館研究與工作，2022（10）：75-78.

[6] 孫雨生，祝博，范穎.知識圖譜加持的智慧圖書館信息推薦技術體系構建[J].圖書館論壇，2023（1）：1-10.

（編校：崔萌）