1.一种基于多视角二分k-means的高校图书馆用户画像模型构建方法，其特征在于，该高校图书馆用户画像模型以读者在图书馆产生的行为数据为基础，首先，从多个业务系统中通过ETL等数据清理工具将数据汇总，利用处理及汇总后数据构建多维度多视角的读者特征体系；然后，通过基于马氏距离的多视角二分k-means算法进行多视角聚类得出若干个读者群体，根据读者群体的特征提取用户特征；最后，利用可视化工具构建读者用户画像，并根据用户画像实现对读者的精准推荐和服务。

2.如权利要求1所述的基于多视角二分k-means的高校图书馆用户画像模型构建方法，其特征在于，所述方法包括以下步骤：第一步，原始数据收集处理

图书馆用户画像，是尽可能地从海量的行为数据中挖掘出隐藏的信息，从而勾画出用户的信息全貌，在高校图书馆中的用户行为数据来自于许多不同的数据库，所取到的数据为读者信息表(reader_info)、电子资源使用表(electronic_resources)、图书借阅表(book_lend)、图书馆馆藏表(book_info)、进馆数据表(gate_info)、IC空间使用数据(IC_use_info)、自助文印使用数据(print_info)；由于收集来的原始数据来自于各个不同的库，所以通过etl工具对数据进行清洗后，整合成统一规范的数据格式；

第二步，构建多维度多视角的读者特征体系

用户特征包含显性特征和隐性特征，在图书馆用户画像中，显性特征即读者的基本信息，包括学院、专业、年级和性别，由读者的显性特征构建读者特征维度，从某个维度或多个维度结合对读者进行划分；读者的隐性特征能够更好地反映读者需求，读者的隐性特征包括读者活跃度、读者借阅率、电子资源使用率、公共资源使用率和读者借阅书籍文本特征这五个不同的视角特征；

2.1)读者活跃度

读者活跃度计算公式为

式中：RA代表读者活跃度；T为在时间区间内的进馆次数；D为读者在数据集时间区间内在图书馆的有效天数；

2.2)读者借阅率

根据读者的借阅次数和进馆次数得出读者借阅率的计算公式为式中：LR为读者借阅率；L为读者借阅次数；T为进馆次数；

2.3)电子资源使用率

电子资源使用率的计算公式为

式中：IR为电子资源使用率；E为电子资源数据库集合；dx为在x库中的下载量；sx为在x库中的搜索量；T为进馆次数；

2.4)公共资源使用率

公共资源使用率的计算公式为

式中：PR为公共资源使用率；pt为自助文印使用次数；st为座位预约使用次数；rt为阅读空间使用次数，以上使用次数均为该资源预约使用次数，从预约记录和使用记录中获取；

T为进馆次数；

2.5)读者借阅书籍文本特征

对书籍信息进行向量化表示，向量的每一维由特征项及其权重组成，权重用TF-IDF的方法来计算，计算公式为式中：w(ti,d)为特征项ti在所有信息文本中的权重；d为所有信息文本的集合；tf(ti,d)为特征项ti在所有信息文本中的词频；N为信息文本的总数；ni为文本集中出现特征项ti的文本数；分母为归一化因子；

第三步，基于马式距离的多视角二分k-means算法对于样本矩阵X可以得到样本的均值、自相关矩阵和协方差矩阵计算公式为式中：μ为均值； 代表元素均为 的m维列矢量；S为自相关矩阵；Σ为协方差矩阵，因此样本Xi到样本总体X的马氏距离定义为输入多视角数据集D和聚类簇数k，基于马氏距离的多视角二分k-means算法流程如下：

3.1)将所有数据看作一个簇，计算簇中心；

3.2)while簇中心个数h

3.3)for i＝1,2,…,h do；

3.4)将第i个簇使用k-means算法进行k为2的划分；

3.5)计算划分后马氏距离总和；

3.6)比较h种划分后的马氏距离总和，选择马氏距离总和最小的划分方式；

3.7)更新簇的分配方式；

3.8)添加新的簇中心；

3.9)untill簇中心个数达到k；簇划分C＝C1,C2,C3,…,Ck。