基于画像分析的公共图书馆少儿精准阅读推广研究

[目的/意义]构建以用户借阅行为画像为导向、与馆藏图书资源画像内容挖掘相结合的精准阅读推广模式,进而有效地推广阅读。[方法/过程]基于江苏省公共图书馆大数据服务平台,以2021年某市公共图书馆7 728名读者、84 754条借阅数据为研究对象,借助Excel、FineBI和微词云等工具,分析读者的历史行为数据建立用户借阅行为画像,同时采取结合图书特征和资源标签的方法建立资源画像,在此基础上进行图书推荐。[结果/结论]根据用户画像和资源画像的特征相似度进行推荐图书,可以提高阅读推广服务精准化和增加用户黏性。     

学术用户画像的行为与兴趣标签构建与应用

[目的/意义]学术用户画像是对用户访问使用学术资源行为的较全面的刻画。本文尝试构建图书馆学术用户画像的信息行为标签和研究兴趣标签,来准确定位学术用户的信息需求,以便推荐合适的学术资源。[方法/过程]具体方法是全面获取用户的访问日志并进行清洗处理,然后构建从学术用户信息行为出发的用户画像标签体系,进一步研究构建了基于研究兴趣关联的信息资源推荐服务。[结果/结论]本研究有助于提高用户信息获取效率,提高图书馆学术资源推荐服务的质量,并为结合其它资源全面构建图书馆学术用户画像提供一定的借鉴。     

基于数据驱动的移动图书馆UGC用户画像研究

[目的/意义]构建与分析移动图书馆UGC用户画像模型,挖掘用户潜在信息需求,促进移动图书馆UGC实现精准化推荐服务。[方法/过程]通过Python爬取喜马拉雅APP《三体》的部分评论数据并进行聚类分析;利用RFM模型选取典型用户;采用TF-IDF算法生成标签,利用词云可视化工具生成典型用户的完整画像。[结果/结论]详细阐述移动图书馆UGC用户画像的构建流程,并通过实例分析构建喜马拉雅平台《三体》部分典型用户的完整画像,提出移动图书馆应结合数据驱动的用户画像提供精准化的推荐服务、个性化的知识搜索、智慧化的预测服务、智能化的隐私保护,以促进移动图书馆UGC精准服务的实现。     

基于“一带一路”倡议的东盟信息资源用户需求分析模型构建

[目的/意义]用户需求研究对我国信息机构开展东盟信息资源建设与服务具有重要意义。[方法/过程]立足国家“一带一路”倡议,构建东盟信息资源用户需求模型,通过数据采集、信息处理、建立多维度用户需求标签,全面分析用户需求与偏好。[结果/结论]借助东盟信息资源用户需求模型,实现明确机构定位、指导资源建设、服务精准营销、资源协同推荐,对用户需求进行有效管理。     

基于向量空间模型的科技情报用户画像及场景化服务推送研究

[目的] 为了满足情报3.0时代用户对科技情报服务个性化与智能化的要求,采用用户画像方法挖掘科技情报用户情报需求与偏好。[方法] 以TAM理论的两个关键因素（感知有用性与易用性）为理论基础,通过挖掘科技情报用户行为日志数据以及问卷调查等方法深入挖掘科技情报用户在不同情境下的科技情报需求偏好以及搜索行为习惯,以专家访谈法为基础,基于VSM理论构建科技情报用户画像模型。[结果] 通过协同过滤算法对不同场景的科技情报用户进行服务推送。[结论] 运用标签云技术（Tagxedo技术）为处于不同场景的科技情报用户定制有针对性的个性化服务方案是情报3.0时代一种有效的智能化服务途径。     

基于LDA模型的国内用户画像研究主题及演化分析

[目的/意义]旨在发现国内用户画像研究领域的研究主题以及这些主题的发展脉络,为图书馆用户画像的构建提供参考。[方法/过程]运用LDA主题模型对国内用户画像研究论文的题目、摘要和关键词等内容进行文本挖掘,按年度对热点主题进行分析并发现各主题的演化趋势。[结果/结论]国内用户画像研究领域大体可划分为8个研究主题：新媒体营销、电商系统与精准营销、推荐算法与推荐系统、健康信息服务、教育教学、金融服务、社交网络与内容分析、高校图书馆与信息服务。研究主题按年度演化趋势可分为上升主题、平稳主题和衰减主题3类。高校图书馆与信息服务是上升幅度最大的主题,这表明研究人员越来越关注用户画像在图书馆及相关领域的应用研究。     

基于大数据的高校图书馆情境化推荐模式研究

本文以图书馆用户画像为切入点,在充分融合用户属性数据、用户人格数据、内容偏好数据、互动数据和会话数据的基础上,构建标签化的图书馆用户画像模型,并在此基础上提出基于大数据的高校图书馆用户画像情境化推荐模式,从而为读者提供更为精准的个性化知识推荐服务。     

基于动态用户画像的学术虚拟社区粘性驱动机制研究

[目的/意义]基于动态用户画像探索学术虚拟社区的粘性驱动机制在于用户角色精准定位，有助于提升用户忠诚度、信任度、留存率、回访率。[方法/过程]依据社区属性和用户感知分析学术虚拟社区的粘性驱动因子；以用户自然属性、行为属性、心理特征为用户画像的数据来源，建构包括基础数据、行为建模、服务应用、评价反馈4个模块的动态用户画像结构模型；结合驱动因子与结构模型构建了粘性驱动机制模型。[结果/结论]模型深度刻画了学术虚拟社区用户全貌，为优化系统效能和精准化服务指供指导，以期增强学术信息资源流转与学术影响力。     

基于社会化标签的用户标注行为和时间因素的个性化推荐方法研究

【目的/意义】为了提高信息服务的质量,文章融合“用户-标签-资源项”关系模型以及时间因素对于用户 标注资源的影响,提出了一种个性化推荐方法。【方法/过程】首先建立起“用户-标签-资源项”三者之间的关系模 型,分别计算用户对标签的偏好程度以及资源与标签的相关程度,以此为基础进行用户相似性和资源项相似性的 度量;然后,考虑标签使用的时间因素对用户兴趣偏好的影响结合基于用户标注行为的用户相似性以及资源项相 似性度量方法提出了改进的个性化推荐方法。【结果/结论】提出了一种综合标签和时间因素的推荐算法,该方法利 用标签使用频率描述用户偏好,并结合标签使用的时间因素动态更新用户偏好,提高推荐精度。该方法应用于医 学信息服务应用场景之中,并收集实验数据,最后将提出的方法与其他基于标签信息的协同过滤推荐方法在实验 数据集进行比较,实验结果发现该方法在推荐效果上优于对比方法。     

基于多源用户标签的跨域兴趣融合模型研究

【目的/意义】通过对大数据环境下的多源用户兴趣特征有效融合,缓解个性化推荐中用户兴趣偏好数据的稀疏性和准确性问题。【方法/过程】考虑到多域的数据权威度、内容质量及体系结构的差异化较为明显,提出了基于多源用户标签的跨域兴趣融合模型,首先把多个域中的用户兴趣进行标签化处理,然后利用跨域用户识别和标签权重归一方法得到多个域的用户实体-标签矩阵,最后使用域权重影响系数对标签进行融合,构造具有复合权重的用户兴趣标签集。【结果/结论】使用5个来源数据域进行实验与分析,融合模型能够有效提高标签用户覆盖效果,在查全率不断提高的情况,融合域能够保持较高的标签用户查准率,有效提高用户兴趣特征的描绘效果。     

科技资源智能推送服务模型构建研究

在大数据背景下,为了更好地促进京津冀协同发展,满足京津冀政府、科研人员以及企业对科技资源专业性、及时性以及准确性的要求,文章在大量文献调研的基础上,通过分析用户需求、研究多源异构科技资源关联关系,引入时间、用户行为等因子构建用户动态画像,提出了由资源特征模型、用户特征模型以及推荐策略数据库组成的科技资源精准推送服务系统模型。通过该模型,可以有效提升科研人员工作效率,拓展科技服务广度和深度。     

基于梯度提升决策树的情境感知推荐模型

[目的/意义]旨在深入研究情境信息对用户偏好的影响,提高情境感知推荐的准确性。[方法/过程]提出了基于梯度提升决策树的情境感知推荐模型,根据梯度提升决策树计算情境属性权重,将其与传统协同过滤算法相融合,生成情境感知推荐结果。[结果/结论]该模型可以识别影响用户偏好的重要情景属性,为用户提供个性化推荐服务。     

融合用户画像与协同过滤的知识付费平台个性化推荐模型

[目的/意义]为提高知识付费平台用户感知服务质量,文章构建了融合用户画像与协同过滤的个性化推荐模型。[方法/过程]首先根据用户特性构建画像标签体系,利用TF-IDF、熵值法、k-means等方法确定用户特征标签;其次分别基于用户画像与改进后的协同过滤算法计算用户相似度,通过调和权重得到用户综合相似度;最后利用Top-N进行个性化推荐。[结果/讨论]通过知乎live付费用户信息进行验证,发现本文算法在推荐结果的准确率以及召回率上,相比其单一方法均有较大提升,且满意度高于知乎live平台。     

基于协同过滤的高校图书馆纸本资源智能推荐方法实证研究

[目的/意义]旨在为高校图书馆提高纸质资源采购质量与利用率提供参考。[方法/过程]基于用户画像的理论对不同用户进行多维度的刻画,利用机器学习中监督学习的方法,通过采用协同过滤的推荐算法对用户偏好特征做精细统计分析的定量化计算,并从用户需求的角度建立用户偏好同步变化的自适应优化在线学习的纸本资源推荐系统。[结果/结论]该研究从实证分析角度为用户实现精准的个性化纸本资源推荐服务,为高校图书馆纸质文献检索库实现智能偏好的检索功能,建立纸质文献检索库合理有效的动态更新机制,提升用户体验。     

用户画像方法在技术转移精准服务中的应用探究

基于用户画像方法深入分析了企业的显性和隐性技术需求,力求更精准识别企业的真实技术需求,实现针对企业用户需求与科技成果的精准推荐;通过采集企业用户的需求文本及其在平台上的行为数据构建其技术需求画像,构建科技成果技术特征库,最后针对企业需求为企业推荐匹配的科技成果;应用证明,采用用户画像方法能更准确识别企业的真实技术需求,...     

基于兴趣转移的微博用户动态画像生成

【目的/意义】微博用户画像的精准构建,可有效识别用户的需求,提高个性化推荐的准确率。针对现有微 博用户画像构建方法对用户特征提取不全面、不准确的问题,本文提出了基于兴趣转移的用户画像构建方法。【方 法/过程】首先,依据层次分析法确定不同兴趣行为的权重,并将其用于修订兴趣词权重,获得用户的初始兴趣词 集;然后,依据生命周期理论获得用户兴趣行为周期,构建兴趣转移的时间衰减函数,实现对用户兴趣词集的动态 更新和叠加;最后,将用户的静态属性标签与基于兴趣转移的动态兴趣标签融合构建微博用户画像。【结果/结论】 实验采用从新浪微博爬取的真实数据作为数据集,实验结果显示：与已有微博用户画像构建方法相比,本文提出的 方法在个性化推荐中具有较好的性能。【创新/局限】创新点为：借鉴生命周期理论刻画微博用户兴趣行为周期,构 造兴趣转移的时间衰减函数,实现兴趣标签的动态更新。局限是未对静态属性标签的重要性进行界定,且未对存 在异常波动的兴趣行为曲线进行深入探讨。     

基于“用户画像”的视频精准推荐系统研究

随着互联网的发展,个性化推荐系统在各个领域都得到越来越广泛的应用。本文将丰富的媒体内容元数据与标签,引入第三方电影/电视剧、直播频道/栏目等一些的视频数据作为元数据与标签,并与自有业务数据打通融合。同时,完善视频数据中的用户画像标签,为离线分析和线上服务提供支撑,结合用户标签和内容标签,实现客户精准导流。本文主要研究利用用户画像,在视频领域精准视频推荐系统的研究。     

社会化标注系统中个性化信息推荐多维度融合与优化模型研究

[目的/意义]在社会化标注系统自组织运行的基础上，构建个性化信息推荐的多维度融合与优化模型，进而在大数据环境下，为用户提供精准的个性化信息推荐服务，从而进一步丰富个性化信息推荐的理论体系以及拓展个性化信息推荐的研究方法。[方法/过程]首先，对每一种个性化信息推荐方法的优点和不足进行深入分析；然后，将基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）3种个性化信息推荐方法进行多维度深度融合，构建个性化信息推荐多维度融合模型；最后，对社会化标注系统中个性化信息推荐多维度融合模型进行优化，从而解决个性化推荐过程中用户"冷启动"、数据稀疏性和用户偏好漂移等问题。[结果/结论]通过综合考虑现有的基于图论（社会网络关系）、基于协同过滤以及基于内容（主题）的个性化信息推荐方法各自的贡献和不足，实现3种方法之间的多维度深度融合，并结合心理认知、用户情境以及时间、空间等优化因素，最终构建出社会化标注系统中个性化信息推荐多维度融合与优化模型。     

基于用户动态画像的学术新媒体信息精准推荐模型研究

【目的/意义】构建基于用户动态画像的学术新媒体信息精准推荐模型是满足学术新媒体用户对学术信息 资源精准化、个性化与专业化的要求,同时也是提高学术信息流转效率以及价值增值的有效途径。【方法/过程】在 探究学术新媒体信息流转模型的基础上,进一步分析学术新媒体用户需求与分层画像,重构学术新媒体用户画像 步骤,构建基于用户动态画像的学术新媒体信息精准推荐模型。【结果/结论】基于用户动态画像的学术新媒体信息 精准推荐模型能够实现学术信息资源与用户的精准对接,提升用户忠诚度,更好地服务科研工作者的学术活动。 【创新/局限】从理论框架角度分析与构建学术新媒体信息推荐模型,后续将重点研究模型的技术实现与实践应用。     

基于企业画像的行业信息精准服务研究

【目的/意义】研究基于企业画像的行业信息精准服务框架与功能体系,为行业信息服务创新研究与实践提 供参考。【方法/过程】在分析企业的行业信息需求及影响因素基础上,构建了面向行业信息精准服务的企业画像构 成要素体系,并进一步提出了基于企业画像的行业信息精准服务模型。【结果/结论】立足企业的信息需求及影响因 素,面向行业信息精准服务的企业画像应包含企业自身属性、竞合属性、客户属性3类16种要素。基于企业画像的 行业信息精准服务实现,首先需要开展行业信息资源和企业大数据采集,继而进行基于多源数据的企业画像和面 向精准服务的行业信息资源组织,最终通过画像精准分析企业需求,提供包括精准搜索、精准问答、精准推荐等在 内的多项精准服务功能。【创新/局限】创新性地引入用户画像对企业进行建模,从需求分析角度全面刻画企业特 征,构建行业信息服务模型,推进行业知识服务创新发展。