基于用户行为建模和大数据挖掘的图书馆个性化服务研究
发布时间：2021-08-10 06:37
[目的 /意义]大数据背景下,如何构建合适的用户行为模型并基于海量的行为日志数据提供个性化服务,是当前图书馆大数据应用落地迫切需要解决的问题。[方法 /过程]首先分析用户行为模型构建的研究现状及存在的困境,接着密切结合大数据背景下个性化服务的特征,针对性提出基于本体的高校图书馆用户行为模型的构建策略和构建方法,并设计一种利用用户日志库提取用户显性兴趣和隐性需求本体的个性化服务方案,最后给出基于流行的Hadoop大数据分析平台和MapReduce计算框架的图书馆个性化服务的应用案例。[结果/结论]基于本体构建的用户行为模型,技术上可与大数据分析平台实现无缝对接,从而提供实时而精准的服务,能有效应对当前大数据环境下图书馆个性化服务面临的"知识迷航""信息过载"和"情感缺失"的挑战。
【文章来源】：图书情报工作. 2017,61(01)北大核心CSSCI
【文章页数】：7 页
【部分图文】：
用户行为模型构建与个性化服务策略图1中，实时性和交互性是海量数据情景下用户
?枨?则是用户深层次的隐性情感需要，一般需应用相关数据挖掘算法才能发现。利用建立在用户行为日志数据分析之上的用户显性兴趣统计和隐性需求挖掘方法，能为不同兴趣和不同需求的用户主动提供个性化服务，同时体现“人性化”关怀，竭力满足用户的情感需求，有利于提升大数据环境下图书馆服务质量和水平。根据以上分析，本研究拟基于本体和关联数据技术，构建用户行为模型，通过分析显性用户兴趣和隐性用户需求，提供大数据情景下的图书馆个性化服务。3．2用户行为模型构建方法3．2．1用户行为本体模型的设计模型如图2所示:图2基于本体和关联数据的用户行为模型描述用户行为的“用户图书服务信息”类包括“图书浏览、检索、收藏、评论和借阅”5个子类(subclass);“用户知识服务信息”类包括“知识浏览、检索、收藏、评论和下载”5个子类。由于“用户行为信息”日志数据库的记录由用户的基本属性和图书信息(或知识信息)的属性组成，因此“用户图书(知识)服务信息”类需要和“用户基本信息”类以及“图书(知识)信息”类通过关联数据技术产生关联。为方便理解，一个依据本模型的实例见表1。3．2．2用户行为模型中相关类的属性设计“用户基本信息”类包含的属性分别为“用户ID”“用户姓名”“单位”和“教育水平”，属性数据用来描述用户基本特征，在用户使用图书馆服务系统平台时，通过注册个人资料时获取;“图书信息”类对应的属性为“书目名称”“作者”“出版社”和“ISBN书号”，“知识信息”类对应的属性为“知识ID”“知识标题”和“知识创建者”，其属性数据来自于各自领域的本体数据库。经过细致调研，参照大英图书馆为BNB所设计的关联数据本体模型［21］，并选择万维网联盟W3C组织推荐的知名本体库(如＜http://p
略?次检索2次;评论6次;下载1次检索5次;收藏1次;评论3次知识标题“大数据定义、特征、应用与发展趋势”文档“数据挖掘十大经典算法理论及应用”文档“云计算背景、概念、特点、应用及服务形式”文档“关联数据概念、技术规范和实现工具”文档本体术语“大数据”“数据挖掘”“云计算”“关联数据”部分)确定关联关系和对应的属性类别，以方便数据交互和知识共享。3．3基于用户行为模型的个性化服务方案个性化服务方案由用户行为本体数据库构建、用户兴趣和需求本体挖掘和基于本体的个性化服务3部分组成。如图3所示:图3基于用户行为模型的个性化服务方案3．3．1用户行为本体数据库构建过程按照图2所示的用户行为本体模型架构，生成对应的数据库字段，密切结合图书馆书目(或知识领域)本体概念库，从原始的用户服务日志和用户基本信息的数据库中解析出对应字段的数据，组合构建成为用户行为本体数据库，该数据库需要依据日志变化以更新本体模型中的术语:即通过对用户原始的日志信息分析和挖掘，提取概念或主题，并按照本体技术进行规范后，加入到本体库中。3．3．2用户显性兴趣和隐性需求本体提取过程依据对每个用户行为日志库的分析统计，提取用户显性兴趣本体术语以准确反映用户的偏好;另外通过对该库的全体用户日志的数据挖掘，提取隐性需求本体，注意这种基于数据挖掘算法“发现”的本体术语，是系统对用户行为日志库中所有用户的历史行为“学习”和“挖掘”后，找出的与用户显性兴趣本体术语“密切相关”的术语，能够满足用户扩展和隐性的需求。3．3．3个性化推荐过程当用户登录服务平台时，根据用户的兴趣本体，查询相关数据库(如书目、论文、专利和知识库等)，将结果推送给用户，实现用户显性兴趣的个性化推?
【参考文献】：
期刊论文
[1]国内基于本体的个性化服务研究综述[J]. 曹霞. 图书馆工作与研究. 2016(08)
[2]基于大数据挖掘与决策分析体系的高校图书馆个性化服务研究[J]. 李艳,吕鹏,李珑. 图书情报知识. 2016(02)
[3]大数据时代数字图书馆面临的机遇和挑战[J]. 苏新宁. 中国图书馆学报. 2015(06)
[4]移动数字图书馆用户行为模型构建研究[J]. 刘锦宏,余思慧,徐丽芳. 大学图书馆学报. 2015(05)
[5]面向科研跟踪推送的个性化知识服务模型[J]. 陈祖琴,刘喜文,郑昌兴. 图书馆学研究. 2015(01)
[6]基于知识聚合的数字图书馆信息智能检索模型[J]. 王敬东. 图书馆学研究. 2014(21)
[7]用户信息行为与个性化知识服务关联性分析[J]. 李冬冬,宋拓,毕思达. 情报科学. 2014(08)
[8]云制造环境下基于用户行为感知的个性化知识服务技术[J]. 李颖新,敬石开,李向前,占红飞,周竞涛,杨海成,张宏,牟向峰. 计算机集成制造系统. 2015(03)
[9]数字图书馆个性化服务资源推荐模式分析[J]. 熊拥军. 图书馆. 2014(02)
[10]面向关联数据的语义数字图书馆资源描述与组织框架设计与实现[J]. 欧石燕. 中国图书馆学报. 2012(06)
博士论文
[1]基于关联数据和用户本体的个性化知识服务关键技术研究[D]. 陈毅波.武汉大学 2012
本文编号：3333668
【文章来源】：图书情报工作. 2017,61(01)北大核心CSSCI
【文章页数】：7 页
【部分图文】：
用户行为模型构建与个性化服务策略图1中，实时性和交互性是海量数据情景下用户
?枨?则是用户深层次的隐性情感需要，一般需应用相关数据挖掘算法才能发现。利用建立在用户行为日志数据分析之上的用户显性兴趣统计和隐性需求挖掘方法，能为不同兴趣和不同需求的用户主动提供个性化服务，同时体现“人性化”关怀，竭力满足用户的情感需求，有利于提升大数据环境下图书馆服务质量和水平。根据以上分析，本研究拟基于本体和关联数据技术，构建用户行为模型，通过分析显性用户兴趣和隐性用户需求，提供大数据情景下的图书馆个性化服务。3．2用户行为模型构建方法3．2．1用户行为本体模型的设计模型如图2所示:图2基于本体和关联数据的用户行为模型描述用户行为的“用户图书服务信息”类包括“图书浏览、检索、收藏、评论和借阅”5个子类(subclass);“用户知识服务信息”类包括“知识浏览、检索、收藏、评论和下载”5个子类。由于“用户行为信息”日志数据库的记录由用户的基本属性和图书信息(或知识信息)的属性组成，因此“用户图书(知识)服务信息”类需要和“用户基本信息”类以及“图书(知识)信息”类通过关联数据技术产生关联。为方便理解，一个依据本模型的实例见表1。3．2．2用户行为模型中相关类的属性设计“用户基本信息”类包含的属性分别为“用户ID”“用户姓名”“单位”和“教育水平”，属性数据用来描述用户基本特征，在用户使用图书馆服务系统平台时，通过注册个人资料时获取;“图书信息”类对应的属性为“书目名称”“作者”“出版社”和“ISBN书号”，“知识信息”类对应的属性为“知识ID”“知识标题”和“知识创建者”，其属性数据来自于各自领域的本体数据库。经过细致调研，参照大英图书馆为BNB所设计的关联数据本体模型［21］，并选择万维网联盟W3C组织推荐的知名本体库(如＜http://p
略?次检索2次;评论6次;下载1次检索5次;收藏1次;评论3次知识标题“大数据定义、特征、应用与发展趋势”文档“数据挖掘十大经典算法理论及应用”文档“云计算背景、概念、特点、应用及服务形式”文档“关联数据概念、技术规范和实现工具”文档本体术语“大数据”“数据挖掘”“云计算”“关联数据”部分)确定关联关系和对应的属性类别，以方便数据交互和知识共享。3．3基于用户行为模型的个性化服务方案个性化服务方案由用户行为本体数据库构建、用户兴趣和需求本体挖掘和基于本体的个性化服务3部分组成。如图3所示:图3基于用户行为模型的个性化服务方案3．3．1用户行为本体数据库构建过程按照图2所示的用户行为本体模型架构，生成对应的数据库字段，密切结合图书馆书目(或知识领域)本体概念库，从原始的用户服务日志和用户基本信息的数据库中解析出对应字段的数据，组合构建成为用户行为本体数据库，该数据库需要依据日志变化以更新本体模型中的术语:即通过对用户原始的日志信息分析和挖掘，提取概念或主题，并按照本体技术进行规范后，加入到本体库中。3．3．2用户显性兴趣和隐性需求本体提取过程依据对每个用户行为日志库的分析统计，提取用户显性兴趣本体术语以准确反映用户的偏好;另外通过对该库的全体用户日志的数据挖掘，提取隐性需求本体，注意这种基于数据挖掘算法“发现”的本体术语，是系统对用户行为日志库中所有用户的历史行为“学习”和“挖掘”后，找出的与用户显性兴趣本体术语“密切相关”的术语，能够满足用户扩展和隐性的需求。3．3．3个性化推荐过程当用户登录服务平台时，根据用户的兴趣本体，查询相关数据库(如书目、论文、专利和知识库等)，将结果推送给用户，实现用户显性兴趣的个性化推?
【参考文献】：
期刊论文
[1]国内基于本体的个性化服务研究综述[J]. 曹霞. 图书馆工作与研究. 2016(08)
[2]基于大数据挖掘与决策分析体系的高校图书馆个性化服务研究[J]. 李艳,吕鹏,李珑. 图书情报知识. 2016(02)
[3]大数据时代数字图书馆面临的机遇和挑战[J]. 苏新宁. 中国图书馆学报. 2015(06)
[4]移动数字图书馆用户行为模型构建研究[J]. 刘锦宏,余思慧,徐丽芳. 大学图书馆学报. 2015(05)
[5]面向科研跟踪推送的个性化知识服务模型[J]. 陈祖琴,刘喜文,郑昌兴. 图书馆学研究. 2015(01)
[6]基于知识聚合的数字图书馆信息智能检索模型[J]. 王敬东. 图书馆学研究. 2014(21)
[7]用户信息行为与个性化知识服务关联性分析[J]. 李冬冬,宋拓,毕思达. 情报科学. 2014(08)
[8]云制造环境下基于用户行为感知的个性化知识服务技术[J]. 李颖新,敬石开,李向前,占红飞,周竞涛,杨海成,张宏,牟向峰. 计算机集成制造系统. 2015(03)
[9]数字图书馆个性化服务资源推荐模式分析[J]. 熊拥军. 图书馆. 2014(02)
[10]面向关联数据的语义数字图书馆资源描述与组织框架设计与实现[J]. 欧石燕. 中国图书馆学报. 2012(06)
博士论文
[1]基于关联数据和用户本体的个性化知识服务关键技术研究[D]. 陈毅波.武汉大学 2012
本文编号：3333668
本文链接：https://www.wllwen.com/tushudanganlunwen/3333668.html
