顾亦然，郭玉雯

（南京邮电大学自动化学院、人工智能学院，江苏南京 210046）

0 引言

随着大数据时代的来临，信息超载是互联网用户面临的一个严重问题，学术研究领域也深受影响。论文、会议报告、专利、学术博客和学术新闻等学术资源呈爆炸式增长，面对海量学术资源，科研人员往往需要花费大量时间和精力查找所需资源。常规的关键词搜索模式未考虑用户研究背景、用户偏好、行为目的等信息，无法很好地满足各类型学者的个性化需求，因此个性化推荐系统应运而生。然而，现有个性化推荐系统仍存在很多问题，大量无关的冗余信息严重影响了对有效信息的检索、选择及利用。近年来，用户画像概念被引入学术资源推荐领域，弥补了个性化推荐服务的缺陷。本文从多个维度分析学术用户画像，构建学术用户画像模型，为学术资源推荐服务优化提供一种新思路。

1 国内外相关研究进展

用户画像这一概念起源于交互设计之父Cooper［1］，其定义用户画像为真实用户的虚拟代表，是“建立在真实数据之上的目标用户模型”。如今，用户画像广泛应用于电子商务等多个领域，为制定真实商品及虚拟产品推荐策略提供多元化的参考依据。在学术资源（尤其是图书馆资源）推荐领域，也有很多学者针对用户画像概念开展了大量研究。

现有研究中对学术用户画像的构建，主要通过分析用户学术行为，挖掘用户的兴趣、研究方向等学术偏好，并找出影响用户偏好和兴趣的因素，赋予用户不同的标签信息，从个性化角度优化学术资源推荐算法。……