目标导向的构建方法主要关注用户通过使用设计团队所开发的产品(或服务)来达到什么目的, 即围绕用户使用产品的目的构建用户画像。Cooper等^[10]认为这种方法构建出的画像能使设计团队更好地理解用户, 并提出用于帮助完成构建过程的7个步骤。与此类似, Nielsen^[3]从更细粒度的角度提出用于构建过程的10个步骤, 尽管有些项目不需要遵循所有10个步骤。事实上, 这种构建方法基于这样一种潜在假设: 设计团队已开展了足够多的用户调研, 并能明确其产品会给用户带来价值。然而, 这种假设存在一定问题, 它假定用户不是一般普通人, 而是关注特定细节的独特人物。尽管这种构建方法能提供集中的设计思路并作为沟通工具完成讨论, 然而它却因为低估用户参与的价值, 而遭到业界批评^[11]。

角色导向的构建方法除了关注上述目标导向外, 重点关注用户在其所属组织以及更多生活场景中所扮演的角色^[12,13], 即用户行为。该方法的出发点是传统的IT系统开发方法和目标导向的构建法所受到的批评, 其中, 前者在用户描述中缺乏明确性和一致性, 后者低估了用户参与的价值。鉴于此, 角色导向的构建方法做了重要补充: 利用定性和定量材料对画像描述进行补充说明; 明确数据和画像描述之间的关系^[11]。事实上, 考虑用户真实生活场景中的角色, 能帮助设计团队在构建用户画像时做出更有利的设计决策。该方法被认为是一种不可单独使用的可用性方法, 应与其他方法一起配合使用。

参与导向的构建方法根植于用故事创造参与和洞察力的能力^[12]。通过对故事及其人物的理解, 设计团队有可能据此创造出更生动、更接近现实情况的用户画像。该方法的目的是让设计团队认识到用户具有他人无法识别的刻板印象和无法想象的生活, 从而让设计团队积极参与故事中人物的生活, 即虚拟用户的生活。这种方法的优点是不给画像描述带来风险, 例如歧视性描述, 因为它考虑用户的诸多方面, 例如情感因素、心理因素和社会背景等, 而不仅专注于用户行为^[14]。事实上, 这种方法产生的画像描述能在数据和有关真实应用程序与虚构信息(旨在创造同理心)的知识之间取得平衡。此外, 这种方法反对自动思维, 并且满足上述两种构建方法的需求。

虚构导向的构建方法强调通过设计团队的假设推导出可能的典型用户, 其产生的用户画像经常被用于探索如何进行设计, 以及在现场产生讨论和洞察力^[15]。在该方法构建的用户画像中, 即席用户画像(Ad Hoc Personas)和极端人物(Extreme Characters)是比较典型的例子。其中, Norman^[16]认为即席用户画像用于在设计过程产生移情焦点(Empathetic Focus), 其构建过程基于设计人员的直觉和经验。类似地, Djajadiningrat等^[17]认为极端人物有助于产生设计见解并探索设计空间的边缘。Blythe等^[18]认为Pastiche场景(模仿场景)可以构建出像Bridget Jones或Ebenezer Scrooge这样的虚构用户, 从而帮助设计人员在创造场景的时候具有反射性反应(Reflexive), 即本能反应。这种方法的优点是在设计初期可以作为初步推测用户需求的工具, 但不适合用来进一步指引产品和服务设计。

Middleton等^[20]研究了学术论文推荐系统中用户画像方法, 其中用户被表示为一个个基于主题的本体, 而文章转化为对应的词向量去与之进行匹配。值得说明的是, 表示用户的主题实体来自于用户的反馈和浏览历史, 而且在实际的QuickStart和Foxtrot系统中,基于本体的推断可以方便地提升用户画像准确率, 并能应对冷启动问题。Edwards^[21]设计并实现一个可重用、可扩展和语义Web兼容的客户特征本体OntoProfi, 它不仅具有表示电子商务系统的实体(例如产品、订单履行、通信), 以及这些实体之间关系的类层次结构, 还具有各种规则和限制, 因而使推理者能将每个顾客划分为特定类别。Golemati等^[22]首先创建一个用户概要本体, 该本体包含用于构建用户画像的概念和属性, 然后在此基础上构建通用的、全面的和可扩展的用户画像。该方法的优点是考虑与用户上下文和概要信息领域相关的现有文献、应用程序和本体。Jayanthi等^[23]通过监视和存储用户的浏览习惯来动态地构建和更新配置文件, 从而实现隐式构建基于本体的用户画像。Calegari等^[24]研究从现有YAGO本体中提取知识以构建用户画像的方法, 该方法不仅结合用户个性检索信息, 还对其中词语进行相应赋权。Skillen等^[25]研究从用户概要本体(User Profile Ontology)中构建可扩展的用户画像方法, 该方法的一个显著特征是它关注用户的动态和静态信息。

在国内方面, 单晓红等^[26]提出以在线评论数据为基础, 从用户信息属性、酒店信息属性和用户评价信息属性三个维度来构建用户画像, 并采用Protégé工具建立本体实现用户画像属性之间的关联, 最终完成对酒店用户特征的完整刻画。这种方法的缺点是对数据源的准确性和酒店用户评论的数量有较大的依赖性。郑建兴等^[27]针对微博信息文本短、信息少、主题兴趣更新快、主题热度变化快等特点, 提出基于百度百科建立本体分类关系, 利用本体的部分结构表示用户模型。牛温佳等^[28]提出基于知识的用户画像, 其核心思想是从知识工程的角度出发, 利用本体对用户画像中的标签进行表示、验证、推理和解释等。

Leung等^[29]基于搜索引擎日志和点击记录, 并使用排序学习方法, 构建基于概念的用户画像, 其中的概念向量(Concept Vector)既具有正值也具有负值。类似地, Sasikala等^[30]基于用户浏览文档的内容和搜索历史抽取概念并建立概念关系图, 然后利用排序支持向量机(Ranking Support Vector Machine, RSVM)算法学习用户偏好, 其中用户偏好使用加权概念向量表示, 最后构建出基于概念的用户画像。此外, 有学者尝试建立一个具有层级的概念结构来表示、组织用户的画像描述^[31,32]。

Pazzani等^[33]尝试利用朴素贝叶斯(Naive Bayes)算法^[34]分类用户的话题表示用户。在Syskill & Webert系统中, 用户被表示为热点页面(频繁访问的页面)上具有概率值的词语表。事实上, 由于这种基于话题词语的表示方法: 一方面可以方便地使用先验知识(如过去的用户概要､词汇关系数据库WordNET^[35]等); 另一方面可以利用朴素贝叶斯算法分类少量数据时所具有的最优性^[36], 因此它能保证准确率和运算时间, 进而改进用户画像质量。此后, Billsus等^[37]尝试从新闻媒体的隐式、显式反馈建模用户的概要, 同时包含基于KNN的短期概要和基于朴素贝叶斯的长期概要, 以自适应地获得用户信息需求。

LDA以较好的建模能力以及相对较低的计算复杂度被广泛研究和应用^[38]。Tang等^[39]基于主题模型方法构建包含语义的学者网络概要信息, 其中包含概要信息提取、名字消歧、用户兴趣发现(用户-会议-主题概率模型)三个步骤。Kim等^[40]从用户的阅读水平、主题分布这两方面研究如何刻画用户, 所提出的概率主题模型包含阅读内容和阅读任务的多样性等信息。Veningston等^[41]结合用户历史浏览行为建立用户兴趣主题和文档主题, 计算每个文档个性化评分, 进而重新进行排序, 将结果用于个性化信息检索。林燕霞等^[42]从社会认同理论出发, 使用主题模型文本挖掘出用户感兴趣的微博主题, 并利用得到的用户偏好主题的概率分布空间向量, 计算相应的用户相似度, 实现用户所属群体的分类。由于缺乏用户浏览行为、关注分组等信息, 该方法无法构建更加全面、精准的用户画像。Chen^[43]通过对微博用户信息特征的研究和分析, 定义微博用户模型, 提出将主题表示与向量空间模型表示相结合的微博用户模型构建方法; 此外, 还设计一种基于动态更新用户模型的学习算法, 并通过实验验证该学习算法的有效性。

曾鸿等^[44]将对同一话题感兴趣的一类人聚合到一起, 以获取这类人群的信息, 然后借助算法提取该类人群标签。尽管该方法应用在新浪微博上对明星粉丝人群进行画像, 但并未从对比角度给出有效性验证。李文峰^[45]通过借助用户感兴趣的主题特征信息, 提出结合主题特征的半监督模型, 在模型中通过用户相关文本的主题特征信息建立主题特征文本, 然后将主题特征文本引入到主题模型的建模过程中, 让主题特征文本影响模型中主题的分布。由此, 通过利用用户相关文本和主题特征信息, 间接地构建了用户画像。该模型未通过引入社交网络信息来加强对用户特性的探索, 并找到用户之间差别的根源。郭光明^[46]提出基于社交数据用户隐行为模式的用户信用画像方法, 综合考虑行为数据和文本数据, 同时在更细粒度上捕获用户的隐含行为模式、个性和习惯。该方法既具有LDA建模文本数据的优势, 也具有普通特征提取方法建模行为数据的优势。值得一提的是, 这种方法在很大程度上也适应用户产生的其他类型社交大数据, 例如Facebook数据、微信数据等。

Pazzani等^[47]总结多种针对用户兴趣的用户画像构建方法, 并在此基础上提出基于用户所喜欢商品的描述信息、用户对于特定商品的交互历史这两类信息, 构建用户画像的方法。有学者从用户产生的标签入手发现用户的兴趣概要。Carmagnola等^[48]依据词法学和WordNet分类标签构建和丰富用户的兴趣概要模型(用户画像)。Li等^[49]则直接使用高效率的关联规则挖掘算法^[50]计算用户兴趣模型。张小可等^[51]通过对移动互联网用户的历史数据进行多元回归分析, 得到贝叶斯网络的初始参数, 再利用Netica软件构造一个贝叶斯网络模型, 并根据用户实时发生的业务行为更新网络的参数, 以此刻画每个用户的画像。Wu等^[52]提出基于用户兴趣与用户社交关系的共同演化模型, 通过该模型能在社交元素动态演化条件下更好地构建用户画像。Wang等^[53]通过挖掘自适应新闻系统的Web日志数据, 分析用户点击行为与新闻报道类别之间的关系, 以建立用户兴趣模型。Li等^[54]提出一个系统的用户兴趣分布挖掘框架(User Interest Distribution Mining, UIDM), 从用户行为数据中提取可解释的用户兴趣。在解决方案中, 作者首先使用概率潜在语义分析(Probabilistic Latent Semantic Analysis, PLSA)发现用户与其行为之间的关系, 可以将其描述为隐藏的主题; 然后通过手工标注特征实体矩阵, 构建隐藏主题与用户兴趣之间的映射矩阵。Hoang^[55]提出社区和个人兴趣(Community and Personal Interest, CPI)模型, 利用内容和行为, 将微博用户与社区用户的兴趣进行联合建模。CPI模型还提供一个通用框架适应多种类型的用户行为。模型的优点是它并没有假设个人兴趣与社区兴趣之间存在等级关系, 即一个完全基于另一个。

Sugiyama等^[56]利用用户浏览行为、结果评分等信息构建用户偏好概要, 这类似Billsus等^[37]的研究, 根据不同的搜索会话(Search Session)将用户偏好分为长期和短期两大类。Mianowska等^[6]根据用户的搜索行为动态地调整用户偏好, 同时使用加权的词汇表示用户的偏好概要, 并在大学图书馆的搜索系统中验证了这种动态性的有效性。Agichtein等^[57]发现独立于查询(Query)的浏览和交互特征, 对于用户点击数据理解非常重要, 这些信息也是用户偏好的一部分。Filipova等^[58]研究使用贝叶斯网络、决策树和神经网络等数据挖掘技术确定影响客户消费模式和购买偏好的因素。

Fawcett等^[59]在欺诈检测应用中通过规则发现的方法获取电话记录中的欺诈指数, 利用这些指数构建用户行为画像。Rafter等^[60]将基于行为的用户画像技术归类为被动技术(Passive Techniques), 并且根据用户的阅读时间和重访问行为构建用户概要信息。Adomavicius等^[61]开展了面向个性化的用户画像工作, 以发现隐藏在用户商品交易记录中的行为概要信息, 使用包括分类规则、关联规则在内的数据挖掘方法^[62]。另外, 他们又研究了如何评估挖掘出的行为习惯规则的质量、如何使用专家知识推动规则发现的用户画像系统^[63]。Moudani等^[64]提出一种利用知识发现和数据挖掘技术对海量异构和噪声数据进行精确业务预测的模型, 并在此基础上开发一种评估和分析客户行为的模糊方法, 以更好地理解客户群体。

Nawaz等^[65]提出一种多用户个性化电子邮件社区检测方法, 基于邮件用户的结构和语义亲密度发现他们的分组。张慷^[66]通过挖掘用户的上网行为特征, 同时结合套餐信息、终端信息、业务订购等信息, 进行深度数据融合及交叉分析, 构建通信用户画像。汪强兵等^[67]以移动平台下的Web阅读系统为工具, 通过收集用户在移动设备上浏览文献时产生的用户手势行为(单击、双击、滑动、拖动、放大/缩小等)数据, 以及与用户手势行为相对应的文本内容, 并结合对应文本内容的浏览时间, 构建用户模型。该方法的缺点是构建过程没有考虑点赞、转发和评论文章等影响因素。

此外, 为从点击行为角度构建用户画像, Wang等^[68]从点击流数据中捕获用户行为, 并以直观的方式对检测到的行为进行可视化, 在此基础上, 通过划分相似图识别相似用户的“集群”(节点是用户, 边是通过点击流相似度加权)。随后, Wang等^[69]进一步研究描述大型在线服务中用户行为的点击流模型, 希望实现两个目标: 捕获不同的用户组, 用于检测恶意账户; 从用户组中提取语义信息, 以理解捕获的行为。Zhang等^[70]提出一种自底向上的量化数据驱动方法构建用户画像, 通过点击和点击流数据直接合并用户行为识别工作流, 然后使用混合模型聚合常见的工作流, 以创建数据驱动的用户画像。以往依赖调查或用户访谈数据识别工作流的方法与此截然不同, 因为那些数据与用户行为没有直接关系, 弱反映了用户在产品中的实际工作流程, 收集成本高, 只局限于几百个响应, 并且随着用户工作流的发展而过时。

Nasraoui等^[71]研究如何根据动态网站上的网络使用日志构建动态可演化的用户行为画像, 他们提出的网络使用日志挖掘框架可以挖掘、跟踪、验证动态的多种用户画像信息。Iglesias等^[72]则从用户在UnixShell上的命令日志研究动态用户画像问题, 以此获得计算机用户的行为画像。为利用挖掘出的结果发现相似用户, Ma等^[73]提出一种新的方法以克服以往行为模式空间的稀疏性, 其中涉及将用户交互记录转换为更一般的表示, 以规范化每个用户的原始上下文日志。Chen等^[74]通过改进和应用频繁的顺序模式挖掘技术, 提取用户经常访问的位置序列日志, 并使用它们建模用户的移动概要。Zhu等^[75]通过分析用户情景日志, 提出一种情境感知的移动用户画像构建方法。Wang等^[76]研究搜索日志数据中的用户画像问题, 并在非参数贝叶斯框架内提出生成模型dpRank。通过对用户搜索行为的生成假设, dpRank以联合的方式识别每个用户的潜在搜索兴趣和不同的搜索结果偏好。段建勇等^[77]通过对网络查询日志进行聚类分析, 将相似度大的查询词聚类, 并构建用户兴趣模型, 该方法的缺点是聚类过程开销比较大。黄文彬等^[78]在分析和挖掘移动用户记录基站数据的基础上, 采用频繁模式挖掘、构建概率矩阵、计算熵等方法, 从用户基站日志所包含的地理位置信息中构建移动用户行为画像。该方法因为用户数据存在部分空缺而无法对用户的微观行为进行有效刻画。

Rosenthal等^[79]同时利用文本特征和社交特征构建博主用户画像并进行年龄分类研究。Mueller等^[80]针对Twitter用户的用户性别推断问题, 提出一种新的名称分类器, 而不是仅仅依赖于一个名称数据库。该方法从用户名中提取特征, 并使用这些特征将名称分配给一个性别。类似地, Marquardt等^[81]建立一个特征集以让性别及年龄预测的准确性最大化。An等^[82]利用YouTube社交媒体数据, 包括人口数据、客户互动和话题兴趣等多维数据, 实时自动构建用户画像, 不需要人工开发过程; 此外, 为生成更丰富的画像描述, 还从其他社交媒体渠道收集用户数据, 并将其与相应的用户数据进行匹配。Jung等^[83]通过从主要社交媒体平台挖掘汇总的大规模用户在线数据构建用户画像, 该方法的优点是能构建基于反映真实用户的真实数据的用户画像, 并具有灵活性和适应性, 适用于作者正在探索的各种环境。王凌霄等^[84]从用户资历、用户参与度、用户回答质量以及用户发展趋势4个方面构建用户画像, 并结合具体用户数据验证结果。尽管作者还提出标记用户特征的一些方法, 并讨论处理社会化回答社区用户特征时可能遇到的问题及应对措施, 但没有从文本内容(例如话题、问题)等更为细致的角度分析用户画像。

费鹏等^[85]提出一种多视角融合框架构建用户画像, 利用双通道对不同特性的用户分别建模预测; 针对不同类型的数据提出多种特征萃取方法, 以构建用户多源特征体系(包括类别特征、聚类特征和数值特征等); 为充分利用多源特征解决高维特征的问题, 进一步提出基于双层Xgboost的多视角融合模型, 其中Xgboost是一种经过优化的提升树模型^[86]。尽管该框架具有一定的合理性和有效性, 但是计算量较大。李恒超等^[87]认为现有的构建方法在短文本相关性预测、各标签属性之间的关联预测方面表现不佳, 鉴于此, 基于用户的查询词历史记录, 提出一种用于预测用户多维标签的二级融合算法框架。尽管进一步提升了预测的准确性, 但该框架仍存在一些可以改进的方面, 例如选择合适的外部语料训练词向量、使用更复杂的网络结构等。