多源数据融合的用户画像识别与推荐实证研究

目的/意义]构建多源数据融合获得细粒度的用户画像标签，加强和提升服务场景的用户画像识别与精准推荐，对于洞察用户需求、开展群体精准营销、提高用户忠诚度等有着重要的参考意义。方法/过程]融入服务场景构建多源数据融合的用户画像识别与推荐分析框架，以用户价值模型RFM重构表征用户行为的RFCLS标签，采用LDA模型提取用户资源使用偏好的文本语义标签，继而将用户属性、用户行为和资源使用偏好等多源异构数据汇聚成用户画像标签体系后，选取随机森林模型对不同标签组合展开用户画像识别的模型训练和分类性能评估。结果/结论]实证研究表明，与单一的数值型或者文本型画像标签体系相比，多源数据融合的用户画像模型提升了用户画像识别和分类的精准度，有效支撑高校图书馆开展更为针对性的营销服务策略和个体精准化服务推荐。