用户画像视角下档案馆知识服务推荐机理研究

2019-10-23周林兴魏亮亮艾文华

档案管理 2019年5期

周林兴魏亮亮艾文华

摘要：在对档案馆知识服务研究进程的梳理及用户画像相關文献分析的基础上，从用户个性化知识需求增强、档案馆服务理念亟须转变、知识推广效益需不断提升三方面分析了档案馆应用用户画像的需求，并进一步阐述了数据获取、抽取标签、关联特征、知识推荐四步用户画像的档案知识个性化推荐流程。并提出用户画像视角下应从注重内容品质、加快推送速度、保护用户隐私、完善反馈机制四方面来优化档案馆知识服务个性化推荐策略。

关键词：档案馆;用户画像;知识服务;推荐机理

Abstract： Based on the analysis of the research process of archives knowledge service and the analysis of related literatures of user portraits， this paper analyzes the archives from three aspects： the user's personalized knowledge needs， the need of the archives service concept， and the need to continuously improve the knowledge promotion efficiency. Applying the needs of user portraits， and further expounding the data recommendation， extraction of tags， association features， knowledge recommendation， four-step user portraits， file knowledge personalized recommendation process. Finally， this paper proposes a personalized recommendation optimization strategy for file knowledge focusing on content quality， speeding up push， protecting user privacy， and improving feedback mechanism.

Keywords： Archives; User profile; Knowledge service; Recommend mechanism

0 引言

大数据技术兴起，数据需求不断呈现出大数据化、动态化与跨学科综合性等特点[1]。如何从海量数据中挖掘出与用户精准匹配的个性化知识逐渐成为大数据知识服务领域面临的新课题[2]。作为日益成熟的数据分析工具，用户画像能够全面细致地刻画出用户全貌，并能为档案馆分析用户需求提供重要渠道。本文通过分析档案馆知识服务现状，构建用户画像视角下的档案知识个性化推荐流程，提出基于用户画像的档案馆知识个性化推荐优化策略。

1 文献回顾

1.1 档案馆知识服务研究进展。1994年特里·库克[3]在《电子文件与纸质文件观念：后保管及后现代主义社会信息与档案管理中面临的一场革命》中提出档案工作者身份应当从保管员向知识提供者转变，标志着档案馆知识服务理念的出现。第十三届国际档案大会上，特里·库克发表《1898年荷兰手册出版以来档案理论与实践的相互影响》一文，对知识服务进行较为明确的阐述，档案馆知识服务由此也作为后保管模式理念中的重要内涵之一。

国外研究主要呈现应用性、技术性和服务个性化三个方面。Wallace等[4]建立了一个基于本体的跨媒体档案语义检索系统，能够集成检索欧洲的五个声像档案馆资源。Hathitrust项目[5]通过运用云计算技术，旨在实现对纸质档案资源的数字化，实现档案资源的共享服务。Kim HN[6]已经发现了用户画像在档案馆知识服务中的作用，如关注个性化的用户建模，推荐与用户兴趣相关的内容。

国内研究可概括为三个阶段。（1）初始阶段（2002年—2007年）。诸多学者研究重心主要集中在知识服务的背景和内涵方面。如周毅[7]首次将知识服务引入并进行了较为全面的论述。（2）发展阶段（2008年—2013年）。研究内容主要聚焦在服务模式和体系构建方面。王应解[8]以馆藏为基础的档案知识组织、档案知识组织实施等维度探讨了档案馆知识服务的实现问题。杨力[9]从知识管理理念出发，探讨了数字档案馆服务的现状、发展方向以及服务体系的构建。（3）深入阶段（2014年至今）。研究范围进一步扩大，相关成果主要集中在大数据、智库、新媒体环境下档案馆知识服务研究。魏扣等[10]认为档案馆知识服务能够发挥档案知识价值产生，并以社交媒体环境为视角提出了相应的策略。

1.2 用户画像研究进展。最早由Alan Copper[11]提出，其认为用户画像能作为真实用户的虚拟代表，具备标签化、时效性和动态性[12]。早期用户画像主要应用在交互设计或产品设计领域中，是一种刻画目标用户以及联系用户诉求的有效工具[13]。目前，有关用户画像的研究在理论基础、模型构建、方法与技术、实践应用已较为成熟。就档案馆知识服务领域而言，相关研究还较少，但已逐渐受到学界的广泛关注[14]。如李财富等[15]从档案用户小数据和精准化档案信息服务的概念出发，对精准化档案信息服务模式进行了可行性分析等。

在模型方法技术层面，主要涵盖向量空间模型、主题模型、语义本体构建以及神经网络模型等算法。Chikhaoui等[16]提出了一种基于因果关系的用户画像模型，利用概率后缀树、序列聚类算法和标准化互信息度量抽取用户行为特征。Yu J.等[17]提出了一种基于语义和浏览顺序构建和更新用户画像的方法，通过引入了认知心理学的记忆模型，以保证用户画像的动态性。在应用领域层面，为精准定位客户群体，提供个性化服务推送，用户画像在电子商务[18]、旅游[19]、金融[20]、新闻[21]、健康[22]以及图书馆[23]等领域已实现其价值作用。以图情领域为例，毕强等[24]从自然、兴趣和社交维度构建多维度、多层级、立体化的用户画像模型，并应用于相关行业服务的精准推荐、个性化检索、精准宣传以及参考决策中。档案馆应积极借鉴相关领域的经验，加快推进用户画像在档案馆知识服务过程中的应用，以进一步提高服务的质量。

综上，相对于国外研究，国内研究侧重于理论分析，实证色彩不足。目前，学界对实现档案知识个性化服务相关研究仍有不足。基于此，本文以用户画像为视角，探讨档案馆知识服务的推荐机理问题，以期为档案馆知识服务提供优化路径。

2 档案馆知识服务现状分析

2.1 用户个性化知识需求增强。随着物联网、人工智能等技术在档案服务中的应用逐步深入，利用互联网、微博、APP等新兴媒介方式的档案信息服务愈来愈受到人们的青睐[25]。目前，我国仅有少数发展迅速的档案馆实现了全文数字化。以青岛市档案馆为例，其在2003年开展了数字档案馆建设，实现了拥有目录数据和全文数据分别超过2000万条和2900万页的数字档案资源;上海市档案馆在局域网和数据库的基础上，通过设置浏览检索、高级检索、主题检索等多种检索交互方式以供档案信息查询。但在档案知识深度挖掘方面仍存在短板，无法为用户定制个性化知识服务。作为一种数据分析手段，用户画像的目的在于分析用户的特定需求，为用户提供个性化的服务。

2.2档案馆服务理念亟须转变。目前，我国大多数档案服务部门对于开展档案知识服务问题尚没有给予足够的关注和重视[26]。数字档案资源一般是通过新型社交媒体方式提供利用，其在实体档案馆的应用较少被关注[27]。这一情况与档案知识服务的需求是相一致的，档案部门应进一步树立社会档案观，在馆藏资源多元化的基础上进一步推动档案服务社会化，通过创新服务理念与机制，完善服务制度，通过丰富利用途径以拉近档案部门与民众的距离[28]。大数据环境下，用户画像所具备的主动式服务理念能够契合档案馆知识服务需求。将用户画像应用于档案馆，通过分析用户的基本信息、阅读偏好和兴趣爱好描绘用户特征，给用户建立标签，能够在一定程度上掌握用户获取知识的规律、偏好，有助于档案馆对接用户知识需求、提供精准化的知识服务。

2.3 知识推广效益需不断提升。知识服务优劣程度的衡量指标通常为知识推广的数量和范围。以成都市人民政府办公室官方微博“成都发布”开展的“丝路之魂——敦煌艺术大展暨天府之国与丝绸之路文物特展”为例，为获得较高的关注度和推广度，通常会联合粉丝流量较多的官微进行广泛宣传[29]。从本质上看，这类知识传播方式仅是以粉丝流量为基础，而非基于用户个性化需求的目的进行宣传。因此，未能够在知识推荐服务中占据主导地位，也就无法满足用户多样化、深层次的知识需求。此外，档案用户通常以旁观者角色参与到这类自媒体平台档案知识传播过程中，却很少参与到档案知识传播反馈活动中来，而有关主动在线评论、交流等活动更是少之又少。通过计算分析用户兴趣偏好，实现档案知识推广的针对性服务，便于有效提高档案知识服务的实际效益。

3 用户画像视角下的档案知识个性化推荐流程

用户画像在电子商务领域应用较为广泛，如“知味杭州”的数字技术与传统餐饮结合，为消费者提供新的便利[30]。借鉴相关该领域的成功经验，提供档案知识服务个性化推荐的流程可以分为数据获取、标签抽取、特征关联、知识推荐四个步骤，如图1所示。

3.1 数据获取：精准识别目标用户群体。目前，档案馆已经形成了包括政府机关工作人员、企业员工、高校学者等在内的固定用户群体，并正在形成普通公众在内的流动用户群体[31]。可以借助数字档案馆、数据库系统以及第三方社交工具（如微博、微信公众号等平台）收集用户信息，并对档案用户群体进行识别、定位和分类。

档案部门需要采集的用户信息主要包括基本信息（性别、职业、年龄等）、知识偏好信息（阅读兴趣、页面浏览等）、互动信息（平台交流、评论等）、会话信息（平台登录信息、下载信息等）以及情景信息（时间、地理位置等）五方面的内容。用户的基本信息可以通过数字档案馆、档案数据库平台登录时的注册信息获取。知识偏好信息可以通过网站页面浏览、在线阅读和查阅档案等访问记录获取。互动信息可以通过平台的社区交流板块、第三方社交工具的评论反馈获取。会话信息可以通过档案用户登录平台的次数、资源下载的数量以及与专业人员的咨询对话等途径获取。用户情景信息主要包括可以反映用户所在位置、事发时间以及周边环境的信息[32]。情景信息可以通过GPS、北斗以及物理传感器等设备获取。档案部门应提前制定用户数据收集规划，针对不同的用户群体，采用不用的数据收集方法，尽可能全面采集用户信息，以便更准确地建立用户画像。

3.2 标签抽取：档案用户数据统计分析。标签抽取主要分为静态标签和动态标签。其中，用户基本属性属于静态标签，其这些属性具有一定客观性，通常由档案用户在系统注册页面自行填写，这类标签的抽取相对较为简便。因档案用户数据常存在于不同场景和平台中，在进行标签抽取前有必要对数据获取层所采集到的五类信息进行数据化处理，并根据资源特征库进行标签分类处理和抽取。

静态标签属于自然维度范畴，主要指用户基本信息，旨在对用户最基本的属性进行刻画。静态标签一般涵盖姓名、性别、职业、学历、城市等基本属性，且这类标签来源数据主要通过系统平台进行采集，从注册信息中提取用户的基本属性，以形成静态标签。鉴于兴趣维度作为用户画像的核心，动态标签构建的来源数据主要集中在用户的知识偏好、互动信息以及情景信息等方面。标签映射法的原理是通过为用户赋予标签，以将用户兴趣特征化[33]。興趣维度的标签信息主要可以从使用系统平台的行为数据和社交平台的信息反馈、用户评论数据进行获取。

3.3 特征关联：档案用户画像库的建立。档案用户画像库的建立是基于对用户数据的充分利用，将用户需求数据化、标签化和关联化，借助行为分析、用户聚类、主题分析以及关联分析等方法，对用户标签的多层级别体系与关系图谱进行可视化呈现，并构建单用户画像库和群体用户画像库。此外，在建立用户画像库时还应构建一定沟通渠道，并结合档案用户对用户画像的结果进行审定，以便根据用户反馈意见作出及时调整。

因用户特征差异性，可分为单用户画像库和群体用户画像库。单用户画像库是针对某一档案用户个体建立的用户画像，单用户画像库的建立可以进一步了解用户的个体特征与知识需求。除单用户以外，档案用户中还存在一些群体用户，这些群体用户因浏览相似的档案内容、在社交互动过程中具备共同的兴趣偏好而表现出较强的群体特征。群体用户画像库的构建需要根据用户标签对多个用户进行聚类，计算用户兴趣爱好的相似度，提取相似的用户群体特征。群体用户画像库除涉及因兴趣爱好的改变需要更新标签外，还涉及档案用户的增加与减少问题。根据单用户和群体用户画像库提供的数据支撑，档案部门可以根据不同用户画像库反映的兴趣特征，提供与之相匹配的知识内容。以档案微信公众号为例，档案微信公众号作为知识推荐的一种重要途径。

3.4 知识推荐：用户画像库与资源匹配。根据用户画像库分析用户的知识需求，提供档案知识服务精准推送，是将用户画像和档案馆相融合的最终目的。在数据收集、标签提取、建立画像库之后，通过将用户画像库与馆藏资源进行匹配，提供满足用户需求的知识服务推送。此外，档案知识服务推荐系统能否成功实现，取决于用户画像库与馆藏资源库之间的匹配度。

单用户知识服务推荐包括两方面的内容：一是通过对档案库藏资源进行知识化处理，建立相似的资源集并赋予其特定的主题;二是通过用户画像库的标签描述分析出用户的兴趣偏好，将用户的兴趣偏好与主题进行映射，进而将主题与资源集进行匹配。若匹配度较高，则通过推荐系统完成推荐，若匹配失败，则可以通过反馈机制进行反馈。类似地，群体用户知识服务推荐通过对群体用户画像库提取出用户的共同兴趣偏好，并将兴趣偏好与主题一一映射，最后通过主题与资源集进行匹配完成推荐。与单用户知识推荐不同的是，群体用户知识推荐需要对用户的行为数据进行分析，计算出用户之间的相关性，然后通过聚类分析形成相似用户群，进而完成知识推荐。用户画像通过情景化推荐，对档案用户进行识别特征、建立画像、知识推荐的流程控制，能够有效识别用户兴趣，提高档案知识推荐质量。此外，基于用户画像进行档案知识服务推送，能够协同过滤与用户需求不匹配的信息，为档案知识推荐系统降噪，提高档案馆知识推荐的效益。绍兴市图书馆开发了一个垂直检索引擎，该引擎应用了知识组织系统、垂直搜索引擎等技术，根据用户的行为数据的变化而不断调整、丰富用户画像库，寻找与用户兴趣点最贴合的知识内容，完成档案知识的精准推荐[34]。档案馆数据库系统可以引入该技术，即时捕捉用户的兴趣需求，优化档案知识推荐效果。

4 基于用户画像的档案馆知识个性化推荐服务优化策略

4.1 注重知识内容品质，提升服务质量。档案馆不仅需要针对用户需求进行精准推荐，还应该提升知识推荐的内容品质，秉承宁缺毋滥的原则，加工档案知识精品，向用户提供个性化知识服务。在实现个性化知识服务推荐过程中，基于大量以用户为中心的数据采集，档案馆还需要运用用户画像库对用户实际需求做出精准预测，并根据初步预测的用户画像进行个性化档案知识内容的开发。档案知识内容的挖掘和提取，需要注意以下三方面问题：一是用户对档案知识推荐存在疲度。若推荐的内容质量不足，极易引起用户的审美疲劳，产生对推送服务的厌烦。国际档案理事会ICA微信公众号在提供有趣高质的档案知识服务方面产生了较好的效果。在其界面板块中，除了推荐具有特色的国际档案元素，还会推荐档案趣闻，此类文章提升了档案知识对用户的吸引度。二是个性化档案知识服务推荐的时机要合适。在知识推荐过程中，档案馆要结合不同用户的特征，及时跟进用户需求，以确保所推荐的个性化档案知识内容能够高度吻合用户适时需求。同时，根据用户浏览访问记录，选择准确契合的时机进行推送，并控制知识推送的数量，以确保所推送的个性化档案知识内容能够有效提升用户的黏度。三是个性化档案知识内容的开发应与档案馆藏结合，利用馆藏中极具特色的信息，形成优质的档案知识产品。比如江西省的红色政权档案、景德镇的陶瓷档案、福建省的侨批档案、西藏自治区的满文档案都极具特色，对于加工优质的档案知识产品十分有利[35]。在实现个性化知识服务推荐过程中，注重内容品质的个性化档案知识服务推送能够有效提升档案馆知识服务的质量。

4.2 加快知识推送速度，提高服务效益。个性化知识服务推荐具有一定时效性，通过适时加快推送速度，便于提高服务效益。用户画像异于其他技术的一个重要特点在于用户画像能够精准捕捉到用户适时需求和下一步行为意图，并在个性化知识服务基础上，还能够预先制定下一步服务计划[36]。加快知识服务推送的速度能够及时契合用户适时需求，并能够降低用户兴趣变化差异而导致推送内容失效的风险。有关档案部门需要及时掌握用户的动态信息，逐步完善对用户的精准画像内容，以提高档案知识服务效益。为有效加快个性化知识服务推送速度，档案馆需要建立有效的檔案知识服务机制。一是定期通过微博、微信公众号、档案网站等平台收集用户信息，经过分析及时更新用户特征，不断调整完善用户画像，聚焦档案用户即时知识需求。二是优化档案人员工作能力，培养具有信息素养的人才队伍，形成掌握扎实理论基础与善于运用信息技术的人才培养机制，能够及时捕获档案用户的知识需求。三是深化利用馆藏资源，缩短馆藏资源知识加工周期，加快档案知识成果出品速度。建立良好的知识服务机制，加快知识推送速度，通过增强档案用户的忠诚度、黏度，以提升知识服务的效益。

4.3 建立隐私保护机制，维护用户权益。在构建用户画像的过程中，用户信息会存在较大的暴露风险，档案馆要建立完善的用户隐私保护体制，避免对用户利益造成损害，否则用户数据信息就有可能成为互联网黑色产业链条中明码标价的商品，用户隐私受到严重的侵犯[37]。可见，在构建用户画像时，档案馆必须考虑到这一问题，并保证用户在让渡一部分个人信息时，能够避免用户信息泄露。一是完善《档案法》对用户数据的隐私权保护。尽快纠正《档案法》等法律中没有明确禁止将含有个人信息的档案划入至不宜公开类别的规定，以达到实现对用户隐私的有效保护[38]。因此运用用户画像应加快用户隐私保护条例的制定与执行，具体规定保护的力度和范围。二是在用户信息收集过程中应征得用户同意，秉持用户至上的原则，不能在用户不知情的情况下擅自收集其信息并加以利用，这不仅损害了用户的权益而且会降低用户的黏性，不利于档案馆知识服务的长远发展。三是把握用户信息收集的范围。信息采集范围应以用户知识需求为主，对一些无关涉私的信息应准确屏蔽。这不仅可以有效保护用户隐私，还能降低信息收集工作的投入。总之，有关档案部门在构建用户画像时，应高度重视用户隐私的保护问题，有效维护用户权益，保证档案知识服务的合理性与合法性。

4.4 完善推荐反馈机制，优化用户体验。在实现个性化知识推荐服务过程中，完善反馈机制对于提升知识服务效果、优化用户体验十分重要。大数据时代下，数字档案资源与档案用户两种角色已发生较大变化，用户由被动接受转向主动交互。档案馆服务设计理念正逐步以用户为中心发生转变[39]。在评估档案知识服务效果中，档案资源与用户的交互程度是一个有效且重要的衡量指标。相应地，反馈渠道能够为用户和档案资源的交互发挥较大作用。为优化用户体验，有关档案部门应建立完善的知识推荐反馈机制：一是量化用户评价指标。用户评价是档案部门获取用户需求的重要内容，对于用户评价不应停留在宽泛的好与不好层面，而应该具体量化评价指标。如可将用户评价指标具体量化为有用性、满意度、便利性、价值型，并规定具体的数值，使评价指标更加科学。二是完善用户反馈渠道。档案用户一般是通过微信、微博评论留言进行反馈，然而留言并非全部会显示，一些未被选用的留言可能就会被忽略，这不利于用户意见收集的完善度、客观性。档案部门应当提供多种反馈渠道，创建一个专项收集库用以存储用户反馈信息。三是优化档案检索方式。在档案知识服务过程中，基于本体的语义检索能够实现语义的关联、匹配和推理，准确捕捉到用户检索意图，并帮助用户查询到准确全面的检索结果，以优化用户体验。因此，在實现个性化档案知识推荐服务过程中，为提升用户交互性，优化用户体验是档案馆服务取得良好效果的重要因素。

参考文献：

[1]胡媛，艾文华.工程化视角下的科研数据需求管理模型构建[J].情报杂志， 2019（3）：187-193.

[2]刘海鸥，姚苏梅，黄文娜，张亚明.基于用户画像的图书馆大数据知识服务情境化推荐[J].图书馆学研究，2018（24）：57-63+32.

[3]特里·库克，刘越男.电子文件与纸质文件观念：后保管及后现代主义社会里信息与档案管理中面临的一场革命[J].山西档案， 1997（2）：7-13.

[4]Wallace M.， Athanasiadis T.， AvrithisY， et al.. Integrating multimedia archives： the architecture and the content layer [J].IEEE Transactions on systems，man，and cybernetics，2006， 36（1）： 34-52.

[5] Welcome to Hathi Trust！ [EB /OL].[2018-03-25].https：//www. hathitrust. org/about.

[6]Kim， HN.User preference moeling from positive contents for personalized recommendation [J].Discovery Science， Proceedings， 2007（7）：116.

[7]周毅.知识服务：档案管理部门的新目标[J].中国档案，2002（5）：48-50.

[8]王应解.档案知识组织初探[J].档案学通讯.2008（2）：23-27.

[9]杨力，姚乐野.基于知识管理的数字档案馆服务体系构建[J].档案学通讯， 2010 （1）：58-60.

[10]魏扣，李子林，金畅.社交媒体环境下档案知识聚合服务实现架构研究[J].档案学通讯，2018（6）：61-66.

[11]Alan C.交互设计之路[M].北京：电子工业出版社，2006：115-135.

[12]宋美琦，陈烨，张瑞.用户画像研究述评[J].情报科学，2019 （4）：171-177.

[13]亓丛，吴俊.用户画像概念溯源与应用场景研究[J].重庆交通大学学报（社会科学版），2017 （5）：82-87.

[14]陈慧，王晓晓，吴国娇.基于物联网的档案个性化知识服务模式：特征与问题探析[J].北京档案，2019（3）：10-14.

[15]李财富，余林夕.基于档案用户小数据的精准化档案信息服务探析[J].档案与建设，2018（8）：4-7.

[16]Chikhaoui B，Wang S，Xiong T，et al.Pattern-based causal relationships discovery from event sequences for modeling behavioral user profile in ubiquitous environments[J].Information Sciences，2014，285（11）：204-222.

[17]Yu J.Liu F，Zhao H. Building User profile based on concept and relation for web personalized services[C]//International conference on innovation and information management. Singapore：ICIIM，2012（36）：165-172.

[18]AL-SHAMRI M Y H.User profiling approaches for demographic recommender systems [J]. Knowledge-based systems，2016（100）：175-187.

[19]单晓红，张晓月，刘晓燕.基于在线评论的用户画像研究——以携程酒店为例[J].情报理论与实践，2018 （4）：99-104，149.

[20]中国互联网证券用户画像[J].现代商业银行，2018（17）：19-23.

[21]赵曙光.高转化率的社交媒体用户画像：基于500用户的深访研究[J].现代传播（中国传媒大学学报），2014 （6）：115-120.

[22]马费成，周利琴.面向智慧健康的知识管理与服务[J].中国图书馆学报， 2018（5）：1-15.

[23]Suzanne Livesey， Peter Wynne. Extending the hybrid library to students on franchised courses： user profile， service implementation issues and management strategies [J]. Library Management， 2007（1/2）：21-25（5）.

[24]许鹏程，毕强，张晗，牟冬梅.数据驱动下数字图书馆用户画像模型构建[J].图书情报工作，2019（03）：30-37.

[25]陈慧，王晓晓，吴国娇.基于物联网的档案个性化知识服务模式：特征与问题探析[J].北京档案，2019（03）：10-14.

[26]吕元智.面向新型智库建设的档案知识服务工作发展对策研究[J].档案学研究，2018（5）：33-38.

[27]陈慧，王晓晓，吴国娇.基于物联网的档案个性化知识服务模式：特征与问题探析[J].北京档案，2019（03）：10-14.

[28]魏扣，李子林，郝琦.面向档案的知识聚合服务研究现状及趋势展望[J].数字图书馆论坛，2018（03）：20-24.

[29]聂云霞，黄文琼.全媒体多维语境下档案信息传播策略研究[J].档案学通讯，2018（04）：64-69.

[30]燕勐，杨牧.餐饮“黑科技”亮相亞洲美食节.[EB/OL]. [2019-05-17]. http：// world.people.com.cn/n1/2019/0517/c1002-31091237.html.

[31]郝琦.社交媒体环境下档案知识聚合服务研究[J].档案学通讯，2018（6）：91-94.

[32]刘海鸥，姚苏梅，黄文娜，张亚明.基于用户画像的图书馆大数据知识服务情境化推荐[J].图书馆学研究，2018（24）：57-63+32.

[33]许鹏程，毕强，张晗，牟冬梅.数据驱动下数字图书馆用户画像模型构建[J].图书情报工作，2019 （3）：30-37.

[34]吴国芳.绍兴图书馆图书检索垂直引擎研究及应用[J].绍兴文理学院学报（自然科学），2014，34（1）：18-21.

[35]聂云霞，黄文琼.全媒体多维语境下档案信息传播策略研究[J].档案学通讯，2018（04）：64-69.