融合学术用户多类行为序列特征的文献下载行为预测研究

doi:10.3772/j.issn.1000-0135.2025.04.008

情报学报

2025, Vol. 44

Issue (4): 482-494 DOI: 10.3772/j.issn.1000-0135.2025.04.008

情报用户与行为

本期目录 | 过刊浏览 | 高级检索

融合学术用户多类行为序列特征的文献下载行为预测研究

张晓娟¹, 郭佳润¹, 杨诗涵¹, 桂思思²

1.四川大学公共管理学院，成都 610065
2.南京农业大学信息管理学院，南京 210095

Predicting Literature Download Behavior by Integrating Features of Behavioral Sequences of Academic Users

Zhang Xiaojuan¹, Guo Jiarun¹, Yang Shihan¹, Gui Sisi²

1.School of Public Administration, Sichuan University, Chengdu 610065
2.College of Information Management, Nanjing Agricultural University, Nanjing 210095

摘要
图/表
参考文献
相关文章 (1)

全文: PDF (1266 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要在学术搜索系统中，根据某学术用户历史搜索行为对该用户在下一时间段中所需文献的数量和时间进行预测，有助于提升用户对学术文献推荐结果的满意度。本文通过挖掘学术用户各类行为序列特征提高学术用户下载行为（下一下载session中的下载次数以及距下一下载session的时间间隔）预测的准确度。首先，本文将学术用户下载行为预测问题转化为时间序列预测问题；其次，分别从学术用户查询重构行为、查询表达式与下载行为三个角度抽取特征，并在此基础上利用LSTM（long short-term memory）模型将学术用户历史session建模为时间序列，从而实现对下载行为的预测；最后，对比分析本文提出特征与已有研究提出特征的预测性能，分别探讨不同特征集合以及单个特征的预测效果。本文提出的特征能提高预测任务的准确度，基于对不同学术用户的聚类，在不同类簇上训练得到的LSTM模型具有最佳的整体预测性能。其中，查询表达式相关特征对下一下载session中的下载次数预测效果最佳，下载行为相关特征对距下一下载session的时间间隔预测效果最佳。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	张晓娟
	郭佳润
	杨诗涵
	桂思思

关键词 ：学术用户, 文献下载行为预测, 日志会话, 学术搜索, 特征挖掘

收稿日期: 2024-06-07

基金资助:国家社会科学基金一般项目“时间感知的个性化学术文献引文推荐研究”（21BTQ072）。

作者简介: 张晓娟，女，1985年生，博士，副教授，硕士生导师，主要研究方向为信息检索，E-mail：zxj0614@scu.edu.cn；郭佳润，女，2001年生，硕士，主要研究方向为信息管理方法与技术；杨诗涵，女，2000年生，硕士，主要研究方向为信息资源建设与开发；桂思思，女，1992年生，博士，副教授，主要研究方向为信息检索、用户兴趣、查询意图；

引用本文:

张晓娟, 郭佳润, 杨诗涵, 桂思思. 融合学术用户多类行为序列特征的文献下载行为预测研究[J]. 情报学报, 2025, 44(4): 482-494.
Zhang Xiaojuan, Guo Jiarun, Yang Shihan, Gui Sisi. Predicting Literature Download Behavior by Integrating Features of Behavioral Sequences of Academic Users. 情报学报, 2025, 44(4): 482-494.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2025.04.008 或 https://qbxb.istic.ac.cn/CN/Y2025/V44/I4/482

1 Li X Y, de Rijke M. Characterizing and predicting downloads in academic search[J]. Information Processing & Management, 2019, 56(3): 394-407.
2 Dali Betzalel N, Shapira B, Rokach L. “Please, not now!”: a model for timing recommendations[C]// Proceedings of the 9th ACM Conference on Recommender Systems. New York: ACM Press, 2015: 297-300.
3 谢豪, 吴雪华, 陈茜, 等. 融合多维特征的学术文献下载行为预测研究[J]. 图书情报工作, 2021, 65(12): 112-121.
4 刘冰, 鲁庆碧. 网络学术信息搜索中科研用户信息选判影响因素实证研究——基于复杂任务情境[J]. 情报理论与实践, 2018, 41(4): 50-55.
5 金燕, 刘琦, 毕崇武. 研究生学术搜索中的信息规避行为与成因研究[J]. 图书情报工作, 2022, 66(18): 84-94.
6 成全, 刘彬彬. 用户跨平台学术信息搜索行为影响因素研究: 注意力控制与自我效能的调节作用[J]. 情报科学, 2022, 40(2): 82-90.
7 Zhang Y, Liu C. Influence of course type and assignment features on students' information seeking behaviors[J]. Proceedings of the Association for Information Science and Technology, 2019, 56(1): 844-846.
8 Chen X Y. Investigating users' sustained information seeking on academic social networking sites[J]. Aslib Journal of Information Management, 2023, 75(6): 1129-1151.
9 Hagiwara Y, Ishita E, Watanabe Y, et al. Identifying scholarly search skills based on resource and document selection behavior among researchers and master’s students in engineering[J]. College & Research Libraries, 2022, 83(4): 610-630.
10 袁红, 杨婧. 信息觅食视角的学术信息探索式搜索行为特征研究[J]. 情报科学, 2019, 37(5): 58-65, 177.
11 夏立新, 周鼎, 秦晓琪, 等. 学术信息探索式搜索行为的情感变化与眼动特征研究[J]. 情报杂志, 2022, 41(4): 135-143.
12 Wu D, Liang S B, Yu W T. Collaborative information searching as learning in academic group work[J]. Aslib Journal of Information Management, 2018, 70(1): 2-27.
13 Poitras E, Mayne Z, Huang L Y, et al. Scaffolding student teachers' information-seeking behaviours with a network-based tutoring system[J]. Journal of Computer Assisted Learning, 2019, 35(6): 731-746.
14 Han Z B, Hansen P, Xu H Y, et al. Examining the classification and evolution of novice users’ mental models of an academic database in the search task completion process[J]. Journal of Information Science, 2020, 46(2): 205-225.
15 李燕波. 特定研究任务下学术用户的信息搜索行为特征分析——基于高校研究生的实证研究[J]. 图书馆学研究, 2013(17): 59-64.
16 Islamaj Dogan R, Murray G C, Névéol A, et al. Understanding PubMed? user search behavior through log analysis[J]. Database, 2009, 2009: bap018.
17 Li X Y, Schijvenaars B J A, de Rijke M. Investigating queries and search failures in academic search[J]. Information Processing & Management, 2017, 53(3): 666-683.
18 王瑞雪, 方婧, 桂思思, 等. 基于深度学习算法的学术查询意图分类器构建[J]. 图书情报工作, 2021, 65(3): 93-99.
19 Chang Y S, He K Y, Yu S, et al. Identifying user goals from Web search results[C]// Proceedings of the 2006 IEEE/WIC/ACM International Conference on Web Intelligence. Piscataway: IEEE, 2006: 1038-1041.
20 Khabsa M, Wu Z H, Giles C L. Towards better understanding of academic search[C]// Proceedings of the 2016 IEEE/ACM Joint Conference on Digital Libraries. Piscataway: IEEE, 2016: 111-114.
21 张春雪, 仇丽青, 孙承爱, 等. 基于两阶段动态兴趣识别的购买行为预测模型[J]. 计算机应用, 2024, 44(8): 2365-2371.
22 ?iri? M, Predi? B, Stojanovi? D, et al. Single and multiple separate LSTM neural networks for multiple output feature purchase prediction[J]. Electronics, 2023, 12(12): 2616.
23 Kim S, Shin W, Kim H W. Predicting online customer purchase: the integration of customer characteristics and browsing patterns[J]. Decision Support Systems, 2024, 177: 114105.
24 夏嘉伟. 基于历史浏览数据与用户分群的新客复购预测[D]. 上海: 华东师范大学, 2023.
25 Sun M. Prediction method of consumer repeat purchase behaviour in e-commerce environment[J]. International Journal of Web Based Communities, 2023, 19(4): 267-278.
26 吴永庆, 王钰涵, 朱月. 基于用户多类型反馈行为序列的点击率预估模型[J]. 计算机工程, 2024, 50(10): 405-417.
27 何李杰, 高茂庭. 基于交叉注意力的点击率预测模型[J]. 计算机工程与应用, 2025, 61(7): 353-360.
28 郭尚志, 廖晓峰, 鲜开义. 基于组合结构的逻辑回归点击预测算法[J]. 计算机科学, 2024, 51(2): 73-78.
29 Gligorijevic J, Gligorijevic D, Stojkovic I, et al. Deeply supervised model for click-through rate prediction in sponsored search[J]. Data Mining and Knowledge Discovery, 2019, 33(5): 1446-1467.
30 Gharibshah Z, Zhu X Q, Hainline A, et al. Deep learning for user interest and response prediction in online display advertising[J]. Data Science and Engineering, 2020, 5(1): 12-26.
31 Raphael J, Rao N M, Bindu A, et al. Clustering-based factorization machines for advertisement click prediction[J]. Procedia Computer Science, 2022, 215: 546-555.
32 北京万方数据股份有限公司. 2020年万方数据知识服务平台期刊文献(个人)用户行为日志[DS/OL]. 2020年第二届“慧源共享”全国高校开放数据创新研究大赛数据集, (2022-09-29). https://i-huiyuan.shec.edu.cn/data/dv/HuiyuanSharingDataCompetition2020/faces/study/StudyPage.xhtml?studyId=154&versionNumber=3.
33 八爪鱼采集器[EB/OL]. [2024-03-15]. https://www.bazhuayu.com.
34 孙丽, 邹俊强, 牟冬梅. 网络查询重构策略预测研究综述[J]. 情报理论与实践, 2020, 43(2): 171-176, 170.
35 孙丽, 刘强. 用户主题熟悉度对网络查询重构行为的影响——基于用户实验研究[J]. 情报理论与实践, 2018, 41(3): 101-105, 116.
36 Kinley K, Tjondronegoro D, Partridge H, et al. Relationship between the nature of the search task types and query reformulation behaviour[C]// Proceedings of the Seventeenth Australasian Document Computing Symposium. New York: ACM Press, 2012: 39-46.
37 孙丽, 邱丽亚. 查询重构行为与满意度关系研究[J]. 情报理论与实践, 2018, 41(7): 48-52, 64.
38 赵一鸣, 李倩, 邱雨蒙, 等. 用户搜索路径特征对信息搜索效果的影响研究——基于fsQCA的方法[J]. 情报学报, 2023, 42(1): 103-112.
39 孙丽, 曹锦丹. 不同任务类型下查询重构行为分析[J]. 情报学报, 2016, 35(9): 980-988.
40 王瑞雪, 方婧, 李信, 等. 学术查询意图类目体系构建与分析: 百度学术查询日志的实证[J]. 图书情报工作, 2021, 65(4): 73-80.
41 Huang J, Efthimiadis E N. Analyzing and evaluating query reformulation strategies in web search logs[C]// Proceedings of the 18th ACM Conference on Information and Knowledge Management. New York: ACM Press, 2009: 77-86.
42 吴丹, 董晶. 移动图书馆用户查询式构造行为分析[J]. 图书情报工作, 2016, 60(18): 6-13.
43 桂思思, 徐健. 面向三类查询意图歧义性的查询表达式自动识别研究[J]. 情报科学, 2021, 39(11): 90-95.
44 吴丹, 梁少博, 董晶. 查询式序列视角下跨设备搜索信息准备与重用阶段的眼动变化研究[J]. 情报学报, 2019, 38(7): 760-770.
45 Fu H Y. Query reformulation patterns of mixed language queries in different search intents[C]// Proceedings of the 2017 Conference on Conference Human Information Interaction and Retrieval. New York: ACM Press, 2017: 249-252.
46 zh_core_web_sm-3.1.0[EB/OL]. (2021-07-06) [2024-03-20]. https:// github.com/explosion/spacy-models/releases/tag/zh_core_web_sm-3.1.0.
47 段文强. 基于用户行为序列的网络购买行为预测[D]. 南昌: 江西财经大学, 2019.
48 张红霞, 董燕辉, 肖军弼, 等. 基于行为延迟共享网络的个性化商品推荐方法[J]. 电子与信息学报, 2021, 43(10): 2993-3000.
49 Berndt D, Clifford J. Using dynamic time warping to find patterns in time series[C]// Proceedings of the 3rd International Conference on Knowledge Discovery and Data Mining. Palo Alto: AAAI Press, 1994: 359-370.
50 薛桐, 靳志宏, 徐世达. 数据与模型双驱动的集装箱码头集卡周转时间预测[J]. 计算机工程与应用, 2025, 61(2): 355-362.
51 Wen X Y, Li W B. Time series prediction based on LSTM-attention-LSTM model[J]. IEEE Access, 2023, 11: 48322-48331.
52 Wang X C, Dong S Y, Zhang R. An integrated time series prediction model based on empirical mode decomposition and two attention mechanisms[J]. Information, 2023, 14(11): 610.
53 Duan H S, Meng X, Tang J, et al. Time-series prediction using a regularized self-organizing long short-term memory neural network[J]. Applied Soft Computing, 2023, 145: 110553.