基于用户画像的经典阅读推广模式构建——以高校图书馆为例

盛琳涵

(辽宁中医药大学图书馆，辽宁 沈阳 110847)

“互联网+”时代，随着新媒体新技术的发展与应用，大学生的阅读需求和方式也随之向多元化、个性化转变。高校图书馆传统粗放的阅读推广模式难以匹配当前读者的精准化需求，如何从海量数据中挖掘出读者真正需要的阅读资源是高校图书馆面临的新任务。

1 用户画像概述

“用户画像”(User Persona)最早由交互之父Alan Cooper提出，是真实用户的虚拟代表，是建立在一系列真实数据上的目标用户模型，通过问卷调研、电话访谈等方法获得用户定性特征，尽可能勾勒出用户信息全貌[1]。用户画像最初主要应用于旅游、金融、健康、电子商务等领域，如：亚马逊、京东、淘宝等电商平台对用户属性、购买行为等进行数据挖掘，提取兴趣标签，实现精准营销。近年来，用户画像逐渐在图情领域受到关注，成为学术界的研究热点。

2 我国图情领域用户画像研究现状

我国图情界基于用户画像的阅读推广研究主要集中在以下几个方面：一是构建智慧型阅读推荐系统及应用，如：王顺箐认为图书馆阅读推广要以读者需求为核心，运用用户画像、观点分析等方法构建智慧型推荐系统，提高阅读推广效果[2]；李晓旭通过用户画像建立智能阅读推荐系统，并探讨其应用[3]；赵岩尝试在大数据环境下构建用户画像阅读推荐系统及推荐流程[4]。二是构建个体读者与群体读者阅读推广模式，如：刘漫依据用户画像模型运用聚类与关联算法构建阅读推广服务模式，挖掘读者需求与动机，改进服务方向，从个体和群体两个方向促进阅读推广的发展[5]；肖海清、朱会华梳理了用户画像在图情领域的应用现状，构建了参与式用户画像模型，阐述了个体读者与群体读者不同的阅读推广模式[6]。三是阅读疗法及阅读报告，如：韩梅花等提出用机器学习的方法网上提炼用户行为和情绪，构建抑郁情感词典，计算指数，得到用户画像，精准推送阅读治疗资源[7]；都蓝提出要对各类阅读数据进行深度挖掘，利用标签集合构建用户画像，以便了解用户阅读倾向，从而开展精准阅读推广工作[8]。综上，高校图书馆将用户画像引入经典阅读推广领域可刻画读者行为和兴趣偏好，有助于实现精准阅读推广。

3 用户画像模型与经典阅读资源画像模型融合构建

3.1 数据来源

用户画像数据来源包括静态数据和动态数据。静态数据主要是相对稳定、不易变化的信息，如用户的基本信息，包括姓名、年龄、性别、专业、学号等；动态数据是随用户行为改变而变化的信息，包括访谈、问卷调查(阅读推广活动各阶段的访谈及问卷调查反馈结果)、图书馆业务管理系统(门户网站、门禁系统、自助借还系统)、移动访问平台(移动图书馆、电子图书借阅系统)及微博、微信、App等。经典阅读资源画像数据来源包括基本信息(作者、出版社、出版时间)、资源类型(音频、视频)、资源热度(借阅、检索、浏览频率)等。

3.2 模型构建

3.2.1 数据化。①数据收集。用户画像数据主要包括读者的阅读行为、阅读偏好、社交特征等；经典阅读资源画像数据主要包括图书作者、出版社、类别、内容、借阅、转发、下载、评论等，高校图书馆在收集数据的同时要注意保护读者隐私。②数据预处理。由于数据来源及格式不同，高校图书馆需对获取的原始数据进行预处理，然后再运用分类、聚类、关联、提取等方法进行深度挖掘，将所有的数据转换成统一的格式。③数据存储。高校图书馆将处理后的数据运用“数据—用户标签映射法”分别构建用户画像数据库与经典阅读资源画像数据库，存储于分布式系统中。

3.2.2 标签化。高校图书馆运用大数据工具对用户画像数据库和经典阅读资源画像数据库进行深度挖掘，计算权重，分别建立标签体系。用户画像标签体系包括：一是基本信息标签，包括姓名、年龄、专业、年级、性别等，可直接作为标签。二是兴趣偏好标签，主要描述读者的检索、浏览、下载等行为，可将检索的关键词作为标签，需注意的是，由于读者的兴趣偏好随情境变化，因此提取的标签应及时更新。三是社交互动标签，包括读者阅读过程中的下载、收藏、评论等行为，可从读者间交流的话题和评论中提取关键词标签。经典阅读资源画像标签体系包括：一是图书基本信息，包括作者、出版社、版次、出版时间等，可直接作为标签。二是资源类型标签，主要是媒体类型，如视频、音频、展览、舞台剧等，可将所属的媒体类型直接作为标签。三是资源内容标签，主要是知识领域、研究方向，可将研究主题作为标签。四是资源热度标签，包括经典阅读资源被借阅、检索、浏览、下载、转发的频率等，资源热度标签会随着读者行为和偏好而改变，因而需定期更新优化标签。

3.2.3 关联化。关联化的实质是将用户画像模型与经典阅读资源画像模型二者进行匹配与融合，运用网络分析工具建立读者和资源关系图谱，使其关联化。

3.2.4 可视化。可视化是指高校图书馆通过服务与交互平台对用户画像模型和经典阅读资源画像模型关联匹配情况进行结果反馈，并根据反馈结果为读者提供个性化、可视化的阅读服务与资源调度。

4 基于用户画像的经典阅读推广模式构建

基于用户画像的经典阅读推广模式由读者、阅读推荐系统、经典阅读资源等维度构成，是一种可以及时更新反馈、互相转化的内在循环系统，详见图1。

4.1 用户画像与经典阅读资源画像在阅读推广中的融合途径

4.1.1 读者维度。高校图书馆通过用户画像标签分析筛选出潜在读者、核心读者，然后根据读者需求和兴趣开展个性化推荐。潜在读者(不活跃读者)是高校图书馆经典阅读推广活动的重中之重，高校图书馆可通过业务管理系统和移动网络平台数据库分析其阅读行为和偏好信息，勾勒个体用户画像，挖掘、预测其阅读需求，精准推送相关短视频、音频等新媒体资源。高校图书馆还可运用新媒体技术营造多元化的阅读场景和沉浸式阅读体验以增强阅读感知，提升读者的阅读兴趣，促进读者回归。针对核心读者(活跃读者)，高校图书馆可通过分析具有相同阅读偏好读者群的特点，依据聚类算法得出大学生群体间的关系图谱，从而勾勒出群体用户画像，将热门阅读资源推送给更多的读者群体，提升活动成效。每个学院的专业领域不同，经典阅读书目也不尽相同，因此各学院可自行推选一位本学院的“校园领读者”，既可以是学院有名望的专家、教授，利用名人粉丝效应增强阅读活动的影响力，形成阅读社群，建立阅读生态圈[9]，也可以是学院“领袖”同学，其阅读喜好、推荐书目具有朋辈效应，更易被读者群体所接受。

4.1.2 资源维度。很多高校学生认为经典书籍内容曲高和寡，语言晦涩难懂，因而不愿“亲近”。针对这一问题，高校图书馆可构建导读、精读、研读立体阅读推广模式，即将线上线下交叉融合的经典阅读资源按照主题、类型、热度汇总生成主题词，根据读者的浏览、借阅、收藏等行为映射出目标资源主题词，运用知识发现方法对线上资源和线下资源之间的关联性进行挖掘和计算，将关联度较高的资源推送给读者。具体而言，高校图书馆可通过线下活动，如展览(经典图书展、绘画展)、讲座(书友会、读书讲座、真人图书馆)、演出(古诗词大赛、舞台剧、诗词快闪)等方式构建多元导读模式，让读者“走近”经典；线上采取群内共读经典图书，通过每日语音打卡分享阅读感悟、小组讨论、撰写读后感等形式“输出”经典，同时开设经典研读选修课，采取读、思、辩的形式提高学生的思辨能力，强化经典阅读输出效果。

4.1.3 情境维度。情境主要指读者在一定时期所处的境况和社会关系，读者阅读需求会随情境变化而改变。高校图书馆可根据用户画像中的阅读偏好标签和行为标签分析其中隐藏的情境信息，进而对读者所处的情境进行预测，依据情境信息推送与读者心境相匹配的阅读资源，从而促进知识增值。例如，大一新生学业相对不繁重，课余时间较充裕，可大量阅读经典著作树立正确的人生观、价值观，高校图书馆可为其推荐经典图书书单；大四生面临毕业后继续升学或求职的压力，这一时期其所需要的书籍多为考研类或求职类图书。高校图书馆只有根据读者情境要素分级分类调整推荐内容，才能满足不同情境下读者的阅读需求。

4.2 建立反馈机制，提升服务质量

基于用户画像的经典阅读推荐系统不是一成不变的，而需要根据更新反馈结果，定期优化与完善，才能满足读者不同的阅读需求。读者是经典阅读推荐系统的使用者，其反馈的结果对改善和优化经典阅读推荐系统的服务和方式非常重要。因此，高校图书馆需积极接受读者反馈意见，根据读者反馈意见对用户画像模型、经典阅读资源模型进行修正，将与读者期望不符的主题内容删除，有利于优化馆藏资源，提升经典阅读推荐系统的服务功能，提高读者满意度。

5 结语

在“互联网+”时代，用户画像精准刻画了读者特征，用标签化的信息虚拟用户全貌，为高校图书馆开展经典阅读推广工作提供了便利。基于用户画像的经典阅读推广模式融合了读者维度、资源维度、情境维度，兼顾个体读者与群体读者兴趣偏好及需求，采用导读、精读、研读三位一体的立体阅读推广方法，同时定期反馈读者意见，更新优化阅读推荐系统，打造了“读者—阅读推荐平台—经典阅读资源”的闭环良性循环的阅读生态系统，真正实现了高校图书馆经典阅读推广的个性化和精准化。