论文范文网-权威专业免费论文范文资源下载门户!
当前位置:毕业论文格式范文>毕业论文>范文阅读
快捷分类: 服务营销论文 关于志愿服务的论文 汽车服务工程论文题目 汽车营销和服务论文 药学服务论文 金融服务论文 酒店客房个性化服务的参考文献 个性化服务论文 酒店个性化服务参考文献 个性化服务内涵参考文献 酒店个性化服务论文题目 个性化服务文献综述范文格式

个性化服务论文范文 与基于用户行为和大数据分析的图书馆个性化服务探究方面论文例文

分类:毕业论文 原创主题:个性化服务论文 发表时间: 2024-02-28

基于用户行为和大数据分析的图书馆个性化服务探究,该文是个性化服务类有关论文例文和个性化服务和数据分析和大数据分析方面参考文献格式范文.

1 大数据背景下的图书馆个性化服务

图书馆拥有海量的信息、文献和书籍,是人们获取知识的主要源泉之一.如今,图书馆的资源数量呈现爆炸式增长,用户想要获得个性化资源逐渐成为一件困难的事情[1].在大数据挖掘和分析的时代背景下,图书馆如何构建个性化服务是当前研究的热点.

1.1 基于大数据分析的图书馆个性化检索服务

图书馆的个性化检索服务一般面向有个性化检索需求的用户,与传统文献检索方式不同,个性化检索的特色功能在于可以通过分析用户检索历史的行为大数据,建立检索关键字与历史查询行为,使得用户在图书馆文献资源检索中可以通过关键词检索、内容检索以及用户关联检索行为检索.通过对用户行为的收集,在大数据分析基础上,建立高校图书馆个性化检索服务,其最根本的方式是通过用户信息需求、检索行为和阅读习惯,以及阅读学科和领域形成的大数据,为每个用户构建用户信息数据库,通过对比个性化模型为每个用户形成符合他们需求的个性化用户模型.基于大数据分析的图书馆个性化检索服务最大的优势在于能够收集每个用户的行为数据,并通过大数据挖掘和分析为特定用户量身用户模型,为用户实现精准化检索服务.

1.2 基于大数据分析的图书馆个性化推荐服务

图书馆个性化推荐服务与个性化检索服务一样,需要面向个性化服务人群,通过构建用户模型来匹配用户相关信息,并为其推送出个性化推荐服务[2].基于大数据分析的图书馆个性化推荐服务主要通过三种方式构建:第一是通过数据挖掘的方式构建用户行为和需求的关联规则,获得用户模型数据库中的隐含关联关系.第二是构建用户关联规则的分类方法,将用户行为的训练数据放入分类方法后,将数据划分为不同的类别,每个类别代表不同的个性化推荐结果.第三是构建用户行为的聚类方法,将用户所有的实例个体划分为不同的组,每个组内的实例都具有相近的特性,可以聚成一个类别.在聚类的结果中,相同类别的聚类类别有极其相似的属性,而不同类别之间则具有相似度不大的特性,通过该方式,可以将用户的行为数据进行合理的划分.

1.3 图书馆个性化服务的数据挖掘和用户行为分析

图书馆的个性化服务主要是通过数据挖掘和用户行为分析获得的,包括挖掘用户的阅读习惯,图书馆文献资源的流通情况,以及用户的其他个性化需求[3].通常在用户个性化行为数据之上的数据挖掘主要分为两种,其一是通过构建统计学习模型来完成自动分类,对不同类型的图书和借阅记录进行各项指标的监控,聚合指标以实现大数据的行为挖掘和分析;第二是通过构建OLAP数据挖掘系统,构建数据的维度管理、挖掘管理,自动给出挖掘结果.第三是通过事务管理系统批量导出所统计的数据,再通过关联规则的方式完成深度分析和潜在内容挖掘,最后构建出的挖掘内容是以关联规则为主导的体系,能够获得当前数据与历史数据之间的关联关系,从而形成带有关联性的用户行为分析.

1.4 图书馆个性化学科知识服务

图书馆的职责是给予不同的人群某个特定领域的知识和资源,并给出相应的检索、推送等服务.因此,图书馆首先应该获取读者真实的需求,在真实需求基础上,通过多个学科之间的资源内建设、分析和内容跟踪服务,构建出图书馆的学科知识服务体系[4].在学科知识服务体系的实际应用过程中,通过对海量用户的行为分析和挖掘,获得每个个体用户的真实历史数据,再通过真实历史数据分析出用户的学科类型,针对获得的学科类型给用户推送学科范围内的内容,能够让用户快速定位出自己想要检索的文献,提升了检索的效率.另外,在一定时间内的用户历史积累将会形成一个整体兴趣范围,该范围对推送个性化学科知识服务是非常重要的.同时,用户在图书馆检索资源时,也可以将符合学科范围的检索结果呈现给用户.

2 基于用户行为和大数据分析的模型构建及个性化服务方案

2.1 个性化集成服务原型系统

根据对大数据背景下图书馆个性化服务模型的分析,我们构建了一个基于用户行为和大数据分析的图书馆个性化服务模型.首先主要介绍了该模型的原型系统,在该系统中,主要包括两个部分,分别是用户行为数据挖掘和用户个性化服务,在数据挖掘中,主要提供了数据集成、处理和交互;在用户个性化服务中,主要提供检索、推送、挖掘、分析和学科知识等多个方面的服务体系.图1构建了图书馆个性化集成服务原型系统.

2.2 图书馆个性化服务策略构建

图书馆的个性化服务策略一般包含有5种基本特性,分别是个性化、能动性、交互性、实时性和人性化,通过这些策略,图书馆可以构建个性化的服务策略,提升图书馆服务的质量和多样性.借助于用户行为数据和数据挖掘技术,图书馆的基本特性将会产生新的含义,实时性和交互性构成了用户行为数据收集、存储的关键步骤,个性化的用户行为数据则能够缓解收集到的用户数据出现信息过拟合现象,也是系统所需要挖掘的重要内容之一,个性化反应出了不同读者的不同特性[5].能动性和人性化对图书馆数据的情感挖掘做出贡献,因为图书馆的主动推荐服务和检索服务,都能够以用户对图书馆服务产生的能动性和人性化刻画,通过评判标准获得大众用户对图书馆个性化服务的评价.在图书馆个性化服务策略中,主要包含三个部分的构建:

(1)关联数据:通过对关联数据的获取,可以将各种有异构化的学科知识库联合起来,构建海量的语义网络知识库的检索,且由于采用了大数据挖掘的技术,所以关联数据的应用可以很好地解决用户行为模型中的实时性和交互性.

(2)信息过拟合:信息过拟合意思是当过多地采集某个用户的行为数据时,大量的行为数据在数据库中会产生过拟合的状态,导致用户行为的挖掘无法进行.所以要在数据收集基础上,通过个性化推荐模型筛选出有个性化的行为数据,为每个用户建立适合自身的个性化推荐模型,也能够有效地减少信息过拟合的状态.

(3)用户兴趣:用户兴趣作为刻画和分析用户的情感指标,从技术角度来说,可通过分析个体的用户日志来实现,对用户的显性表达和隐性表达充分挖掘,最终实现以人性化为代表的用户兴趣结果.

2.3 图书馆个性化服务方案构建

图书馆个性化服务方案包括三个部分,分别是用户行为数据库、用户兴趣和需求挖掘以及个性化服务.图2给出了图书馆个性化服务方案的构建过程.

在该方案构建过程中,需要对三个部分进行详细构建:

(1)用户行为数据库:用户行为数据库的构建主要包含两个方面,第一个是用户服务日志的数据库,另一个则是用户基本信息数据库.再通过用户行为模型对数据库完成更新,从用户服务日志数据库和基本信息数据库中产生用户行为日志数据库.

(2)用户兴趣和需求挖掘:首先需要完成个体用户行为的日志统计分析,并分析全体用户的日志完成数据挖掘,包括对关联规则的提取和各种聚类结果的生成.挖掘完成后生成了用户兴趣特征和用户需求特征,兴趣特征属于显性特征,用户需求特征属于隐形特征.

(3)个性化服务:个性化服务除了通过用户兴趣特征和需求特征完成个性化推荐,还需要参考图书馆原有的书目库、专利库、论文库和知识库,这些数据库与用户行为特征相互交流形成个性化推荐.

3 面向个性化服务的图书馆用户行为和大数据分析实现策略

3.1 数据挖掘和分析的物理环境支持

随着大数据分析和挖掘技术的逐步成熟,一般来说,大数据分析和挖掘需要高性能计算平台的物理环境支持.在高性能计算芯片基础上进行分布式数据分析和处理.在众多云计算平台中,目前使用效率最高、鲁棒性最好的平台为Hadoop平台,该平台能够为快速、可靠的大数据分析和处理提供物理环境支持[6].该平台由两个部分组成:其一是通过分布式文件系统对用户行为数据进行存储,其二是通过Map/Reduce的方式以及Spark架构对用户行为数据完成挖掘.与其他云计算平台相比,Hadoop平台在容错性、扩展性、高效性和鲁棒性上都有较大的优势,并且Hadoop作为免费开源平台,在其上展开二次开发和研究也不会受到干扰,构建大数据分析和挖掘时的成本也比较低.另外,开源平台由于限制较小,通常会产生不错的软件平台生态系统,在开源基础上构建了大量全面、灵活的数据分析和处理的算法,这些算法可以满足图书馆数据挖掘的需求,以最高的效率完成对用户行为数据的分析.

3.2 用户行为数据的采集和挖掘架构

依托于目前效果最好的Hadoop平台,结合Ma?pReduce和Spark框架[7]下构建出了用户行为数据的采集和挖掘架构.该框架提供了数据采集、行为建模、挖掘算法和推荐结果保存和个性化应用等功能,框架中的功能分为两个部分,其一是线上部分,包括数据的采集和个性化应用,其二是线下部分,包括行为建模、挖掘算法和推荐结果保存.

(1)线上部分:线上部分的数据采集,采用了HDFS和HBase等功能完成用户行为数据的存储和读写过程.HBase则是以HDFS为基本文件系统和数据结构的数据库,对半结构化和非结构化数据可以直接实时读写,并且有较强的随机访问能力,适合对局部数据完成数据挖掘.一般来说,用户行为数据是数据挖掘算法的主要数据来源之一,需要从互联网获取用户行为日志数据,以及文献信息和用户信息等.个性化应用则是数据挖掘架构最终的输出结果,向图书馆的每个用户提供了个性化推荐、个性化检索、个性化推送以及其他个性化的相关服务.在提供服务过程中,还进一步提供海量语义网书目库、专利库和知识库的检索服务.

(2)线下部分:线下部分的行为建模,是通过采集到的用户行为数据,对用户和文献进行建模,建模完成以后再建立用户画像和文献画像,在构建行为模型时采用了Hadoop平台的数据处理机制,并结合了MapReduce和Spark框架构完成了用户行为建模.用户行为模型构建完成后,首先才用大数据挖掘的方法进行初步的内在含义挖掘,例如分类算法、聚类算法和回归算法等.在初步挖掘基础上,再通过精确度更高的基础算法完成与用户行为相关的推荐、检索和推送等结果,保存下结构后为线上部分的个性化应用提供数据.

3.3 数据特征的选取

在进行行为建模过程中,最关键的部分是数据特征的选择,选择出合适的特征后可以通过模型来分析这些特征.常见的数据特征包括用户的内容特征和用户的行为特征:其中,内容特征涵盖了文献的内容、用户的背景信息等特征;用户行为特征则涵盖了用户在图书馆中产生的一些行为,包括检索、浏览、借阅和下载等行为.具体数据特征的选择为:

(1)用户内容特征:用户内容特征应该包括3种基本属性,分别是社会属性、访问属性和设备属性.其中,社会属性记录了该用户的背景,包括年龄、身份、性别、籍贯、职业、爱好等多个类型的数据,具有相似社会属性的用户,在数据挖掘过程中将偏向于聚类成一个类别.访问属性则是记录了用户访问系统的次数、频率和周期范围,具有相似访问属性的用户也将聚类成一个类别.设备属性则是记录了用户访问图书馆服务时所使用的设备,是通过手机、平板或是电脑访问的,具有相似设备属性的用户也将聚类成一个类别.

(2)用户行为特征:在用户行为特征的记录中,采用了正向行为和负向行为属性的记录.正向行为属性指的是用户对图书馆服务的喜欢程度,具体包括了浏览、*、预约、借阅、续借、好评和推荐等项行为的记录,这些行为表明了用户在使用图书馆服务过程中对图书馆服务的感兴趣程度和认可程度,可以作为对用户行为分类的主要特征;负向行为属性指的是用户对图书馆服务的厌恶程度,具体包括了取消预约和差评等行为记录,这些行为表明了用户在使用图书馆过程中对图书馆服务的不满和期望的程度,可以作为对用户行为分类的主要特征.

3.4 个性化服务推荐算法

个性化服务推荐有许多种可供选择的算法,作为个性化服务的最重要一环,基础算法的选择尤为重要.不同的推荐算法有不同的应用场景,可供选择的算法较多,笔者从准确性、高效性和鲁棒性三个方向展开对推荐算法选择的分析.

(1)准确性:推荐算法的准确性是最主要的指标之一,一般受制于用户内容特征和用户行为特征之间的比例.当用户内容特征的区分度不高时,就需要借助于用户行为特征的区分度完成推荐算法的计算;相反,则需要借助于用户内容特征的区分度完成推荐算法的计算.所以,近年来有许多图书馆推荐系统同时应用了用户内容特征和用户行为特征,通过两个特征的共同作用,进一步提升推荐算法的精度.

(2)高效性:当前的大多数个性化推荐系统属于离线计算模式,也就是在一段时间内采集大量的用户内容和用户行为数据,将采集好的所有数据一次性进行数据挖掘,最后在离线的状态下给出个性化推荐结果.离线化方式的劣势在于,用户需要多次使用图书馆的同一类推荐服务,才能够获得一次推荐,效率低下.为了满足推荐算法的高效性,则需要采用增量挖掘的行为建模方式,该模型可以在用户行为数据量增加的情况下提升模型推荐的精度,这样一来,就算用户对某些服务只有一次行为,也能够获得个性化推荐结果,提升推荐的效率.

(3)鲁棒性:鲁棒性是在个性化推荐系统满足高精度和高效率之后加以考虑的.系统的鲁棒性则是提升系统为单个用户每次推荐结果的稳定性,具有高鲁棒性的推荐算法对相同用户的每次推荐结果都差别不大.在较高鲁棒性的推荐算法中,既能够提升用户对图书馆个性化服务的依赖性,又能够增加用户与图书馆之间的交互.,所以个性化推荐系统的鲁棒性也需要加以考虑.

4 结语

随着计算机技术和数据挖掘的飞速发展,图书馆的个性化服务逐渐产生了新的发展.依托于用户行为数据的采集、分析和挖掘,笔者构建了一个基于用户行为和大数据分析的图书馆个性化服务框架.今后,图书馆的个性化服务框架还需要依赖于更多的数据形成精度更高、鲁棒性更好的服务框架,在更为海量的数据挖掘中产生更有意义的个性化服务.

总结,本文是关于个性化服务方面的大学硕士和本科毕业论文以及个性化服务和数据分析和大数据分析相关个性化服务论文开题报告范文和职称论文写作参考文献资料.

参考文献:

1、 利用大数据追踪,将个性化服务引入产品设计环节 对于“新”这样一个概念会有不同维度的解释,我想从个性化服务的角度来谈谈我的观点 现在产品的同质化程度越来越高,我们发现把服务引入其中,将服务的差异化加入到产品特性当中,然后去做.

2、 大数据时代高校图书馆信息服务和策略 摘要本文分析了大数据时代高校图书馆信息服务创新的重要性,并从高校图书馆数字资源整合的原则、构建区域联盟、培养馆员的大数据思维……方面提出了信息服务创新策略,借此希望能推动高校图书馆更加重视数字信息资源.

3、 基于大数据融合的图书馆个性服务 李 云(普洱市图书馆,云南 普洱 665000)摘 要随着互联网技术和与计算机技术的迅速发展,我们不断地将新的技术应用到生活中去,以满足人们的需要 基于此,本文着重分析了大数据融合下实现图书馆个性服务.

4、 大数据时代高校图书馆个性化信息服务 摘要当前高校图书馆具备了大数据的特点,随着大数据的发展和应用,高校图书馆的信息服务面临着新的挑战和机遇 本文旨在分析高校图书馆受大数据的影响,并探索借助大数据技术,如何开展高校图书馆个性化信息服务 关.

5、 基于大数据时代的图书馆文献资源建设模式 关键词大数据;图书馆;文献资源;建设模式摘要信息技术的迅猛发展及大数据时代的到来,使图书馆在转型发展中也实现了文献资源建设模式的创新 基于大数据的时代背景,图书馆文献资源建设更侧重于大数据理念与技术的.