收稿日期: 2016-09-19
修回日期: 2016-11-10
网络出版日期: 2017-01-05
基金资助
本文系国家社会科学基金一般项目“基于大规模网络分析方法和内存计算技术的高校图书馆大数据应用模式与实证研究”（项目编号：15BTQ016）研究成果之一。
Research on Personalized Services of Library Based on User Behavior Modeling and Big Data Mining
Received date: 2016-09-19
Revised date: 2016-11-10
Online published: 2017-01-05
[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。
何胜 , 冯新翎 , 武群辉 , 熊太纯 , 李仁璞 . 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[J]. 图书情报工作, 2017 , 61(1) : 40 -46 . DOI: 10.13266/j.issn.0252-3116.2017.01.005
[Purpose/significance] It is an urgent problem for libraries big data application to model user behaviors and provide personalized services based on amass data of user logs under big data background.[Method/process] Firstly, the research status and current dilemma of user behavior model is analyzed, then considering the characteristic of personalized services under big data background, the modeling strategy and method for library user behavior are put forward based on ontology technology, and a personalized service scheme is proposed after the ontology words of user explicit interests and implicit requirements have been extracted from user logs database, and finally an application case for library personalized services is provided based on Hadoop platform and MapReduce framework.[Result/conclusion] The proposed user behavior ontology model can be seamlessly combined with analysis platform of big data, providing personalized services timely and precisely, and responding the challenges of current library personalized services such as "knowledge loss","Information overload" and " emotional deficit" under big data background.
Key words： user behavior model; personalized service; ontology; big data; linked open data
[1] 袁丽霞. 高校图书馆个性化服务综述[J]. 上海高校图书情报工作研究,2009(1):21-23.
[2] 陈祖琴. 基于语义路径的个性化知识服务[J]. 图书情报工作, 2011, 55(15):106-109.
[3] 曹树金, 罗春荣, 马利霞. 论图书馆个性化服务的几个基本问题[J]. 大学图书馆学报, 2005(6):33-39.
[4] 姚志霞. 基于混合推荐的个性化信息服务系统的研究与应用[D]. 北京:北京交通大学, 2011.
[5] 李颖新, 敬石开, 李向前,等. 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]. 计算机集成制造系统, 2015, 21(3):848-858.
[6] 刘锦宏, 余思慧, 徐丽芳. 移动数字图书馆用户行为模型构建研究[J]. 大学图书馆学报, 2015(5):93-98.
[7] 曹霞. 国内基于本体的个性化服务研究综述[J]. 图书馆工作与研究, 2016(8):27-31.
[8] 李冬冬, 宋拓, 毕思达. 用户信息行为与个性化知识服务关联性分析[J]. 情报科学, 2014, 32(8):140-143.
[9] 陈毅波. 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]. 武汉:武汉大学, 2012.
[10] 王敬东. 基于知识聚合的数字图书馆信息智能检索模型[J]. 图书馆学研究, 2014(21):72-76.
[11] 苏新宁. 大数据时代数字图书馆面临的机遇和挑战[J]. 中国图书馆学报, 2015, 41(6):4-12.
[12] 陈媛, 苟光磊. 个性化服务用户模型研究[J]. 计算机工程与设计, 2008, 29(9):2413-2416.
[13] 鲍翠梅. 基于本体的数字图书馆个性化信息服务研究[J]. 现代情报, 2009, 29(5):77-84.
[14] 袁静. 基于本体的数字图书馆个性化服务研究[J]. 图书馆建设, 2009(1):66-69.
[15] 熊拥军. 数字图书馆个性化服务资源推荐模式分析[J]. 图书馆, 2014(2):132-134.
[16] 李文阔, 李永先. 数据挖掘在数字图书馆中的应用研究综述[J]. 新世纪图书馆, 2012(2):30-33.
[17] ZHAI Z P. The design and realization of university library personalized service based on date-mining technology[J]. Applied mechanics and materials,2014(1):6681-6684.
[18] 陈祖琴, 刘喜文, 郑昌兴. 面向科研跟踪推送的个性化知识服务模型[J]. 图书馆学研究, 2015(1):78-83.
[19] 李艳, 吕鹏, 李珑. 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]. 图书情报知识, 2016(2):60-67.
[20] YI C, XIA Y, ZHANG Z Y. Study on the personal push service of university library based on big data mining[J]. Advanced materials research, 2014(1):1261-1265.
[21] CORINE D. Publishing the British National Bibliography as linked open data[EB/OL].[2016-11-07]. http://www.bl.uk/bibliographic/pdfs/publishing_bnb_as_lod.pdf.
[22] 欧石燕. 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]. 中国图书馆学报, 2012, 38(6):58-71.
[23] GRUBER T R. A translation approach to portable ontology specifications[J]. Knowledge acquisition, 1993, 5(2):199-220.
[24] 关联开放数据[EB/OL].[2016-11-07].http://linkeddata.org/.
[25] White T. Hadoop 权威指南(中文版)[M]. 周傲英,曾大聃译.清华大学出版社, 2010.
[26] 戎翔, 李玲娟.基于MapReduce的频繁项集挖掘方法[J]. 西安邮电学院学报, 2011(7):37-39.
/
| 〈 |
|
〉 |
