沈华根

摘 要：文章主要以高校学术科研环境为条件，通过收集整理以高校师生的信息检索关键词等主要信息为基础，以此对高校师生的信息搜索行为进行大数据分析，并构建用户信息搜索行为模型。对相同条件下所获得的师生在科研方面进行的搜索行为，以及所获得的研究文献进行分析和比较，总结出大学中各学科各专业的师生检索行为形式和范围的异同，并结合当下的高校学科信息服务，从而形成信息服务的创新理念的研究基础和依据。

关键词：检索行为；大数据分析；高校；学科信息服务

大数据分析的含义是指对数量庞大的、类型复杂的、高并发的数据进行收集、挖掘、存储，并进行数据计算和分析，产生可视化的数据报告，便于人工分析，用于辅助决策的一种技术。而面对当下数据量爆棚的时代，对于原始数据的采集和分析，对于系统的兼容性、系统的存储效率、数据的访问速度、用户体验中的人性化设计，则越来越多地得到了科研人员的重视。高校作为国家科研力量的重要组成部分，如何利用大数据分析提高数据检索的效率，以智能化的检索推送减少科研人员查找信息的时间，则成了学科信息服务所要重点研究的内容。

1 大数据分析中用户信息行为数据的前期处理

1.1 用户信息行为数据的规范化处理

由于数据本身具有类型繁多、信息量大、处理速度快、时效性高、结构复杂等特点，所以在对大数据进行分析的过程中，会造成一定的资源损耗，增加复杂程度和成本。所以为了更加有效、快捷地分析大数据，就必须在前期工作中对用户信息行为数据进行规范化处理。具体处理的方式是在进行大数据分析之前对服务器所采集到的海量数据进行去除相同用户下的相同数据等冗余数据，将数据进行格式规范化等处理，在这一过程中提升数据的可利用性和真实性，为后期数据分析中有效地降低成本和分析时间打下基础。另外，为了避免数据处理过程中误差的累积，需要对每一个过程中产生的误差进行控制，以保证最终多次处理过程中累积误差满足预定的范围[1]。

1.2 搭建具备科学性分析能力的大数据分析系统

前文所提到的在对数据进行规范化处理的过程中，如果仅靠有限的人力进行甄别处理，显然是不现实的，所以搭建具备科学性分析能力的大数据分析系统是保证数据分析结果准确的必要前提和保障。由于该分析工作的研究对象是全校师生，所以所得到的信息行为的信息量相对比较大，且数据结构呈现复杂和多样化的特点，因此需要大数据分析系统具有较高的数据辨别和分析能力。在搭建大数据分析系统的同时，其他准备工作和相关辅助设备也是不可或缺的。例如需要根据自身学校特点，制定数据收集的标准和流程，在对数据进行清洗和分析前，也必须保证有对应的规模较大的存储阵列存储行为数据。

1.3 大数据分析有利于提升用户信息搜索行为分析的准确性

传统的信息行为的研究方法主要是通过问卷法、访谈法等方式，对中小型的结构化数据进行分析。相对于传统的信息行为的研究方法，大数据分析中所处理的是大规模半结构化、非结构化的数据，从总体数量与难度上都有了不小的提升。总体来看，利用大数据分析方法可以更全面、准确地收集到指定范围内的用户所产生的信息搜索行为数据。具体表现为收集到的数据样本的规模更为庞大，几乎可以完整地涵盖整个用户群体所产生的信息搜索行为数据。另外，通过此类方法收集的数据也更具有客观性，搜集的途径全部来自于用户的搜索信息，不会因为用户的主观意识而造成数据失真的情况，保证数据的真实性。

2 构建用户信息搜索行为模型

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 构建个性化服务模型

根据对大数据背景下高校学科信息化服务模型的需要，可以计划构建一个基于用户行为和大数据分析的学科个性化服务模型。该模型系统中可以主要分为用户行为数据挖掘和用户个性化服务两个部分，在用户行为数据挖掘中，该模型主要负责提供数据的集成和处理；在用户个性化服务方面，主要提供通过对用户检索关键词等检索记录的扩展性分析，对用户可能所需要的学科知识进行挖掘和分析，进而为用户推送相关学科知识联想等多个方面的服务体系。

2.2 用户个性化服务策略的构建

用户行为数据挖掘技术在这一实施过程中是关键步骤，学科信息服务也将会产生新的特征。在个性化服务策略方面，一般注重个性化、交互性、实效性和人性化等几种基本特性，通过这些服务策略，可以进一步提升学科服务的质量和多样性。例如实时性和交互性源自于对用户检索行为数据的长期收集、存储和分析，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現象[2]，通过个性化的用户信息推送和拟合联想，也可以反映出用户所需专业门类大方向的需求。借此可以加强学校学科信息服务的主动推荐服务和检索服务，让用户在使用学科信息平台的同时，对相关服务可以产生良性互动，再通过用户与用户之间、用户与校方的反映，得到一个相对合适的个性化服务评判标准。

2.3 进一步满足用户对于信息检索的需求

如何实现在用户使用数据库的过程中，对用户可能想获取的信息进行高效、准确的判断和捕获是帮助高校信息化建设进行大数据融合、云计算，以适应未来高校科研需求的关键组成。随着时代的发展，越来越多的新兴概念和专业出现在研究者的视线里，而高校所服务的师生用户数量大、专业方向广、类型复杂，且师生在搜索方面的习惯具有很强的随机性和不确定性，所以针对用户的需求而凸显出大数据分析本身需要追求准确性和价值性，而不是一味地看数量是否庞大。同时，在向用户展现大数据分析的结果时也需遵循一定的原则，例如需要坚持数据关系的精确表示、方便用户查询和理解的原则，既保证数据结果的直观生动，又保证数据能够与用户的逻辑思维一致，减少因为表现模糊而降低数据结果的价值[3]。

3 大数据分析在面向用户服务中的实施策略

3.1 数据挖掘和分析的物理环境支持

大数据分析平台在实际应用中应当遵循高效、智能、可视化的构建原则，通过技术手段有效提高对数据的获取率，降低工作人员工作量的同时，还要为高校师生用户能够提供精确、实时、可利用率和参考度高的可视化大数据分析示意图。同时也可以为学校整体的专业建设和管理提供便捷的大数据决策参考。在大数据分析平台与大数据存储池进行数据读取时，应当在保证数据传输安全、快速的前提下，保证平台能够动态地发现大数据库数据的内容、结构和关系变化，通过有效下载、整合大数据而完成动态变化的可视化分析结果[4]。

由于大数据资源池中所存储的资源具备数量庞大、类型结构复杂和处于动态发展变化的特点，所以大数据分析平台应当支持可以将数据随时传输到数据分析服务器上，由高性能的分析服务器即时完成对所上传的用户信息行为大数据的分析，并将分析结果传输到Web页面或客户端上进行集中显示。另外，大数据分析平台还应具备较强的智能性和人性化设置。理论上应当可以通过对服务器将数据上传的结果按照客户意愿以动态的图形、表格等方式展示出来，保证通过智能反馈控制有效保证服务系统性能最优化。

3.2 用户个性化数据服务的其他要求

在获取知识资源的渠道逐渐多元化发展的当下，用户对于个性化信息服务的要求也显现出多样化、复杂化的特点，这就要求应当准确、实时地掌握和发现用户的需求走向趋势，和未来信息服务的发展方向，以便为更科学地作出大数据服务决策和提供服务做好准备。同时在进行用户信息行为数据的分析过程中，应当在保证数据准确可信的前提下，做好保护用户的数据安全和隐私保密工作。合理利用网络安全保护设备和平台，确保用户的信息数据不会泄露。

4 结语

用户信息行为分析是在以大数据的条件和前提下所進行的技术分析，对高校未来的学术创新和发展具有现实的分析与指导意义。总的来说就是在搜集大量用户的原始行为数据的情况下，以可视化、智能化的方式让研究者能够清晰地掌握用户某一领域研究的信息行为和规律。进而把握总体用户的信息行为趋势，为用户尽可能地挖掘海量数据中可能与搜索信息相关联的内容并呈现给用户，为用户打造一个具有个性化、人性化的学科信息服务体系，以促进高校学科事业的长远发展。

[参考文献]

[1]袁红，朱睿琪.用户信息搜索行为大数据分析框架及其关键技术[J].图书馆学研究，2016（24）：39-46.

[2]王大壮.基于用户行为和大数据分析的图书馆个性化服务探究[J].图书馆学刊，2017（12）：111-115.

[3]赵迎春.图书馆读者行为的大数据分析系统的设计与实现[J].四川图书馆学报，2017（2）：59-61.

[4]杨利军，高军.图书馆个性化服务中的大数据可视化分析与应用研究[J].现代情报，2015（7）：68-72.