大数据时代一种基于用户行为分析的图书馆个性化智慧服务模式

●陈　臣（兰州商学院信息中心，兰州　730020）

大数据时代一种基于用户行为分析的图书馆个性化智慧服务模式

●陈臣（兰州商学院信息中心，兰州730020）

［关键词］用户行为；分析；个性化智慧服务；大数据时代；图书馆

［摘要］本文基于大数据时代用户行为数据分析，构建了一种图书馆个性化智慧服务模式。该服务模式能够准确获得读者个性化阅读需求，可为读者提供安全、高效、经济、低碳的个性化智慧服务，具有较高的服务系统运行效率和用户满意度。

随着大数据时代的到来，如何创建高效的信息基础环境，不断增强数据搜集、处理、整合与分析能力，从中获得读者个性化智慧服务的知识、经验和业务洞察力，是图书馆树立以“智慧分析洞察”为核心理念，提高用户服务决策能力、风险防范能力、服务系统效率、读者个性化阅读满意度和服务收益率，确保读者个性化服务内容与模式创新、高效、精确和经济的关键。

图书馆大数据环境具有“4V+1C”的特点。（1）Variety，数据种类繁多，包括结构化、半结构化和非结构化等多类型数据。数据在编码方式、格式、应用特征等多方面存在差异性，具有较强的异构性。（2）Volume，图书馆可通过监控、服务终端设备，采集系统运营和读者的行为数据，具有数据量庞大且以年均60%的速度递增特点。（3）Velocity，所采集的数据多关系图书馆应用服务和用户行为，数据的处理与分析具有较强的实时性要求。（4）Vitality，大数据系统的分析与处理模式必须根据读者需求和服务实际快速变化，并具备较强的时间和空间适应性。（5）Complexity，大数据处理和分析过程难度较大，须采用高效算法来满足异构数据统一接入和实时处理的需求。因此，图书馆须加强大数据应用系统的平台化、精准化、实时化和可预见化建设，重点解决好数据采集、存储、搜索与查询、共享和分析、观测这五个方面的问题，才能构建高效的智慧服务系统，才能为读者提供安全的大数据个性化智慧服务。［1］

1　大数据时代图书馆个性化智慧服务的模式特征、问题与挑战

1.1大数据时代图书馆用户个性化服务模式特征

首先，大数据时代图书馆用户服务模式是以读者需求为依据，面向用户的个性化智慧服务。是基于传感器、RFID、监控器、人机交互等设备，对图书馆系统运营和读者个性化阅读活动实现全自动的知识感知。也是在读者阅读全生命周期活动中，通过知识服务实现以知识、用户、技术、服务模式、服务资源和能力为核心的接入和智能感知。其次，大数据个性化智慧服务具有较强的不确定性。图书馆大数据分析平台通过对读者阅读关系和行为数据进行采集、处理、分析和决策，明确读者个性化阅读需求及其变化趋势，进行服务内容和模式的制定、选择、部署、优化、评估和跟踪，这个过程具有较强的不确定性。第三，读者是大数据个性化服务的核心与重点。读者是大数据资源采集的源泉，同时也是大数据服务的参与者与承担者，因此，读者应参与到用户需求判定、知识服务过程和服务质量评估生命周期管理的每一个环节。第四，大数据个性化服务是基于知识、资源、技术和过程共享、交易的知识服务模式，是通过对服务资源、知识、技术、能力和过程的统一封装、配置、显示、管理和调用，最终完成用户大数据个性化服务的交付、共享和使用。第五，大数据个性化阅读服务具有用户个性化和群体创新性双层模式，服务具有安全、高效、经济和低碳的特点。

1.2图书馆大数据个性化智慧服务面临的问题

（1）图书馆的大数据服务支撑能力弱。根据IDC

数据统计显示，全球数据总量每过18个月就要翻一番，年数据总量已达40000PB（1PB=1024TB）。大数据时代的到来，彻底改变了图书馆的数据环境、决策方法、服务模式和运算方式，如何利用大数据的知识挖掘实现服务资源优化和保障能力提升，已成为关系图书馆大数据决策与服务有效性的关键因素。

首先，随着读者个性化阅读需求和用户服务模式的变革，图书馆数据中心的安全需求、系统复杂度、管理难度和运营成本呈现级数增长，对数据中心的智能、自动化管理提出了新要求。其次，图书馆管理人员的技术水平和管理方法已不适应大数据环境需要，需要提高相关技术人员的大数据平台构建、数据挖掘与分析软件开发、大数据资源管控和精确决策能力。第三，读者大数据个性化服务对图书馆服务决策水平提出了新要求，要求管理层在大数据分析、决策过程中，应将传统经验决策模式转变为依据大数据的决策模式。第四，大数据资源的采集与整合过程是否全面、系统、及时和高价值密度，是关系图书馆用户服务安全、精确、即时和满意的关键因素。因此，图书馆必须有效采集来自馆内外的读者数据，并对所有数据进行发现处理、深度挖掘、分析整合和价值提取。

（2）大数据资源的可靠性与可用性问题。首先，图书馆大数据资源库收集的用户数据中，还包括移动服务商、有线传输运营商、互联网站、政府机构等第三方协作部门的共享数据，图书馆无法有效判断与控制第三方共享数据的真实性、准确性、可用性和价值密度。其次，图书馆读者群数量庞大且所采集数据类型复杂，导致大数据资源普遍存在着数据价值稀疏性和多维性，对大数据平台系统的规模、性能和分析算法效率提出了较高要求。同时，多维数据挖掘在提高读者阅读体验愉悦感和服务深度的同时，也大幅度增加了大数据处理、分析平台的负荷。第三，大数据时代，RFID射频数据、传感器网络、服务器监控系统、社交网络交互数据、第三方运营商数据成为图书馆大数据资源采集的主要对象，半结构化与非结构化数据占据所采集数据的绝大多数，严重影响了大数据资源的存储、管理和标准化有效性。第四，图书馆大数据源的开放性、价值密度、数据采集方法和读者隐私保护需求，也影响着大数据资源的可靠性与可用性。［2］

（3）大数据资源信息的可表示与可融合性。首先，大数据时代图书馆大数据平台的数据源、采集方法及对象具有复杂、多样性，数据总体呈现异质、异构、半结构化、非结构化和不可信等特征，且大数据资源库的非结构化数据比例和结构复杂度，随着读者群数量和用户服务需求增长呈现快速递增趋势，现在的数据表示方法已不能完全、准确地表达数据的结构特点和自身意义。其次，依靠增加数据中心基础设备数量来提高数据处理能力的传统模式，已不适应图书馆大数据动态资源获取、存储、组织、分析和决策的需求，必须通过多种学科、技术的有效结合，才能满足新的数据采集、处理、存储、管理、分析和决策需求。第三，大数据资源总量的快速增长、新数据类型的出现和结构复杂化，大幅增加了数据融合和价值发现的难度，严重影响着图书馆大数据资源信息表示与融合的有效性。

（4）大数据平台对用户行为分析、预测和决策的有效性。首先，大数据环境下，图书馆对用户个性化服务数据分析具有安全、准确、高效和实时的需求。大数据平台在数据处理与增量计算过程中，如何有效控制算法的时间与空间复杂性，实现算法时间与空间复杂性、运算过程系统资源损耗、用户个性化服务满意度的最优化结合，是提高图书馆大数据平台用户个性化智慧服务有效性的关键。其次，基于读者个性化服务需求的用户行为挖掘、分析和预测活动，是关系读者大数据个性化服务质量和复杂环境阅读满意度的重要因素。因此，读者行为的大数据个性化分析应涉及用户历史阅读活动、个体特征和阅读社会关系、个性化阅读需求与行为差异性、阅读满意度评估与服务策略修正等内容。第三，用户大数据个性化服务系统应具备较强的安全性和公正性。图书馆不能因为自身利益等因素，而弱化读者个性化阅读需求在大数据推荐服务中的决定性因素。此外，图书馆还需从大数据个性化服务推送的安全性、准确度、多样性、经济性和用户反馈等方面评估大数据平台性能，从而提高平台的科学性、可用性、经济性和可控性。

2　大数据时代图书馆个性化智慧服务的构建策略

2.1图书馆大数据个性化服务的体系架构

图书馆用户大数据个性化服务的体系架构主要由感知层、存储层、组织层、分析层和决策层五部分组成。感知层主要由数据中心系统监控器、视频监控器、RFID设备、数码相机、网络监控器和传感器组成，负责采集关系数据中心系统运行和读者大数据阅读行为的数据。存储层主要存储感知层采集的结构化、半结构化和非结构化数据。组织层通过对数据库中数据的结构特征进行分析、处理，从数据组织方式的角度来描述信息。分析层利用数据统计分析、语义

分析、可视化分析、图形分析、预测性分析和数据挖掘等手段，高效、精确地从海量的数据中自动搜索、发现隐藏于其中的特殊关系和知识。决策层基于分析层的处理结果，对图书馆的系统运营管理和读者大数据个性化服务进行决策支持。同时，对管理与服务决策结果有效性进行评估和优化。

2.2大数据时代图书馆个性化智慧服务的构建策略

（1）对图书馆大数据规模与数据可用性进行评估。图书馆大数据的规模、价值密度、数据可用性和应用程度，是关系大数据时代图书馆个性化智慧服务体系结构科学性和服务效率的关键因素。因此，在图书馆个性化智慧服务体系构建之初，必须对其大数据规模与数据可用性进行评估。

对图书馆大数据规模与数据可用性的评估，可划分为五个阶段进行判定。①对图书馆收集的服务系统运行数据、读者群特征与阅读关系数据、读者阅读行为数据、读者阅读需求数据广度和深度的判定，以及数据的规模能否满足图书馆进行大数据分析、判断和决策需要。②对图书馆大数据资源数据整合活动的科学性、规范化、有效性和经济性评估。③对大数据资源能否实现多用户共享，大数据决策能否满足图书馆管理、服务和读者个性化阅读QOS（服务质量保障）需求的评估。④图书馆通过对读者大数据资源进行个性化分析，依据用户个体特征和阅读需求将读者划分为不同的用户群，为读者提供大量经济、个性化的客户定制产品和服务。⑤对图书馆能否建立科学、高效的大数据分析体系，能否利用大数据进行运营安全与效率、服务与管理能力、应急处理和安全防范能力、市场竞争的决策，以及对服务策略的评估和优化。［3］

（2）准确定位读者的大数据个性化智慧服务需求。可依据所采集的用户大数据信息，实时掌握读者阅读活动的位置、内容、习惯、兴趣和社会关系，是图书馆及时、快速、准确地判断读者个性化特征、定位个性化阅读需求、提升服务品质和降低服务成本的关键。

首先，大数据时代数据已成为图书馆的重要资产和竞争力来源，而大数据海量、结构复杂、价值密度低和处理速度需求快的特点，严重影响了图书馆将大数据资源转变为生产力的有效性。因此，大数据分析引擎在用户数据分析、系统建模和交互过程中，应增强系统可反馈性、用户互动性和自主学习的功能，保证读者个性化服务需求分析结果可依据用户大数据特征信息变化趋势而动态变化。其次，为了提高个性化智慧服务推荐的准确性、针对性和实时性，图书馆在大数据分析前应通过高效的数据过滤和价值挖掘，大幅度减少用户数据的总量和增强数据价值密度，努力提高读者大数据个性化智慧服务推送的效率、实时性和精确性。第三，读者个性化智慧服务的大数据资源采集与分析过程，不应以侵犯用户隐私、利益和个性化阅读愉悦感为代价，用户应拥有对个体数据与信息采集、分析和使用的知情权和决定权。第四，图书馆在读者大数据个性化智慧服务分析、判断、决策与评估的过程中，应借助云计算的分布式系统和虚拟化资源调配特点，提高大数据存储、标准化、分析和挖掘的有效性。

（3）增强图书馆的读者个性化智慧服务能力。大数据时代，图书馆在数据中心组织模式、数据处理的方法与价值、数据处理系统的架构体系上有了根本性变化。一是数据中心功能建设从以提高计算能力向数据分析能力转变；二是数据中心IT基础架构从集中式架构向分布式架构演进；三是大数据平台不同功能模块系统之间加强了结构与功能融合。因此，图书馆应依靠大数据平台的超级数据组织、计算、分析和判断能力，提高读者的个性化智慧服务能力。

首先，图书馆应依靠大数据的智慧分析、判断和决策能力，提升图书馆市场竞争环境的适应力、用户需求的判断力和智慧服务能力，实现读者个性化服务模式与内容的智慧转变。同时，图书馆在读者个性化智慧服务过程中，应精确发现大数据平台、服务系统和用户之间的内在联系，通过大数据支持来优化系统结构和服务模式，确保用户服务系统具备较强的智慧发现、机器学习、人工智能与服务创造力。其次，图书馆的智慧服务能力评估指标与体系的构建，应涉及智慧系统、智慧管理、智慧服务、智慧读者、智慧环境和智慧监测六部分内容，保证图书馆在用户个性化服务的同时，可利用大数据进行服务质量与阅读舆情的准确监测，并通过精准营销来提高决策效率、防范服务风险和降低服务成本。第三，图书馆在大数据资源采集过程中，应努力扩大数据源的范围和规模。所采集数据的内容还应包括用户阅读终端和服务系统之外的第三方协作商和网络信息，确保智慧服务模型构建、竞争环境分析、用户阅读行为分析、个性化智慧服务广告投放、服务咨询、舆情与服务内容分析、服务需求预测与质量保证等活动安全、精确。

（4）保证大数据系统和读者个人隐私安全。随着大数据技术在图书馆应用的深入，大数据平台所采集

的用户个体数据量与总量增速快速增长，数据中心传统的系统架构模式、数据存储与计算方法，已不能满足用户大数据个性化智慧服务对数据中心计算性能、存储模式和系统可扩展性的需求。如果依靠增加数据中心基础设施资源数量的方法来提高数据处理、存储能力，则极易导致服务系统结构复杂、整体负荷加重、负载不平衡和造成数据孤岛现象。因此，必须重点关注大数据系统和读者的个人隐私安全。

首先，大数据时代图书馆应构建分布式的系统架构，以此来降低系统运行、管理和功能扩展的成本与复杂度。同时，在大数据平台构建中应坚持系统数据存储与存储分析系统、数据标准化与挖掘分析系统、数据计算与决策系统相融合的原则，实现数据存储、分析和决策的智慧、自动化管理，保证大数据平台运营与决策过程安全、可靠。其次，图书馆在用户行为数据的采集、存储、处理、分析和决策过程中应透明和向读者公开，读者拥有对涉及自身行为数据采集的知情权和使用决定权，并保证合理使用所采集的数据和维护用户隐私。第三，读者应加强阅读终端系统、数据传输模式和保密数据的安全管理，提高个性化阅读活动和保密数据的安全保障级别。

（5）构建面向大数据的读者个性化移动阅读服务模式。据易观智库的数据预测，2014年中国移动阅读市场销售规模将达到82.3亿元，2015年移动阅读活跃用户将达到6.5亿。因此，依据读者个体阅读需求差异和客户实时阅读行为数据，构建面向大数据的读者个性化移动阅读服务模式，是图书馆挖掘潜在客户和建立稳定客户关系，提高用户服务质量和市场竞争力的关键。

首先，图书馆应通过对用户移动阅读大数据信息的分析，明确读者对移动阅读模式和内容的需求、服务可用性的评估标准、读者移动阅读数据的可采集与可用性、移动阅读需求的变化趋势，同时，制定个性化、精确和可优化的个性化移动阅读服务策略。其次，图书馆应加强个性化服务推荐引擎的功能建设。推荐引擎可依据用户移动阅读的大数据资源分析结果，深度挖掘读者移动阅读的需求和开展个性化的营销服务，在降低服务成本投入的同时，提高用户的移动阅读体验。第三，图书馆在开展面向大数据的个性化移动阅读推荐服务时，应紧密结合所采集的RFID射频数据、传感器数据、阅读社交关系数据和移动运营商共享数据等大数据资源，准确还原用户的阅读行为和内涵，确保面向大数据的读者个性化移动阅读服务安全、准确、经济和可控。第四，图书馆应根据读者个性化移动阅读需要，加强移动阅读终端的功能性和可用性建设。同时，应与谷歌等第三方服务商合作，利用其已有的大数据服务平台和互联网搜索平台，为读者提供网页搜索、图片搜索、地图搜索、新闻搜索、博客搜索、论坛搜索和学术搜索等个性化移动阅读增值服务。

图书馆读者个性化智慧服务，是依据读者个性化特点和阅读需求为核心，通过对服务资源进行高效收集、整合、分配与优化而开展的一种针对性服务。与传统被动服务模式相比，具有较高的资源利用率和读者阅读满意度。

在影响图书馆用户个性化智慧服务有效性的众多因素中，读者个性化阅读需求、服务系统资源管理与运行效率、读者群的准确划分、营销策略的精准性和可控性，是决定图书馆读者个性化智慧服务质量的主要因素，而大数据技术则是准确获取读者需求和有效开展个性化智慧服务的重要支持技术。因此，图书馆在加强数据中心基础设施结构科学性和运行效率的同时，必须努力提高大数据平台在数据采集、处理、存储、分析和决策的准确性和效率。此外，还应确保所采集的读者阅读行为和关系数据全面、精确和具备高价值密度，数据的存储与处理过程高效、实时和可控，数据分析与决策结果符合读者个性化智慧阅读需求，并具有较强的安全性、可靠性、经济性和可行性，才能为读者提供满意的大数据个性化智慧阅读服务。

［参考文献］

［1］（英）维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的大变革［M］.盛杨燕，周涛译.杭州：浙江人民出版社，2013：31－37.

［2］吕竹筠，等.信息资源管理与云服务融合的内涵及共性技术体系研究［J］.情报理论与实践, 2012，35（9）：26－32.

［3］唐杰，杨洋.移动社交网络中的用户行为预测模型［J］.中国计算机学会通讯，2012，8（5）：21－25.

［收稿日期］2013－09－22 ［责任编辑］菊秋芳

［作者简介］陈臣（1974－），男，陕西西安人，硕士，工程师，研究方向：大数据、数字图书馆建设。

［文章编号］1005－8214（2015）02－0096－04

［文献标志码］A

［中图分类号］G252.0；G250.73