（本文发表于《情报科学》2026年第5期P151-162）

     【目的/意义】构建多源数据融合的细粒度用户画像标签，能够提升公共数据平台在用户识别、精准推荐、流失预警及隐私保护等方面的服务能力，为洞察用户需求、开展群体精准营销、提高用户忠诚度提供理论支撑与实践路径。【方法/过程】整合用户基本数据、行为数据及平台基础数据，对用户自然属性、行为特征及需求偏好进行群体划分，结合数据资源画像建立语义层—行为层—空间层三级映射机制，实现用户与资源的高效匹配。【结果/结论】多源数据融合的用户画像模型显著提升了用户分类精度，四类用户群体的需求特征得到精准刻画，动态映射机制为公共数据平台开展针对性服务提供了新范式。【创新/局限】融合用户显性与隐性数据的“语义-行为-空间”三级映射模型，突破传统推荐系统仅依赖单一行为数据的局限，为精准推荐、应急响应等场景提供可落地的技术框架，推动公共数据平台从“数据开放”向“服务智能”转型。

支持单位：