基于AIGC愿景匹配的高校图书馆读者群聚类分析模型构建.pdfVIP

502025年第9期

基于AIGC愿景匹配的高校图书馆读者群聚类分析模型构建*

马晓亭 刘飘飘 陈 臣

摘 要为支持高校图书馆面向AIGC读者群的个性化服务定制与服务质量提升，本研究提出一种融合AIGC使用愿

景的读者聚类分析模型。基于问卷调查获取读者个体特征、AIGC行为习惯、使用态度及评价反馈等多维数据，构建以

AIGC愿景匹配为核心的特征体系；采用K-means聚类算法对读者群体进行细分，通过轮廓系数等指标验证模型有效性。

结果发现AIGC读者群可以清晰地划分为高价值活跃用户、潜力成长用户、风险流失用户和观望认知用户四类群体。通过

详细描述各群体特征与需求差异，为图书馆面向特定读者群实施精准化服务和优化资源分配提供了科学的数据支撑。

关键词人工智能生成内容；读者群体；聚类分析模型；实证研究

分类号G250.76；G258.6

DOI 10.16810/ki.1672-514X.2025.09.007

TheConstructionofClusteringAnalysisModelforUniversityLibraryReader

GroupsBasedonAIGCVisionMatching

MaXiaoting,LiuPiaopiao,ChenChen

Abstract To support the customization of personalized services and the improvement of service quality for AIGC 

readers in university libraries, this study proposes a reader clustering analysis model that integrates the vision of AIGC 

usage. Based on multi-dimensional data such as individual characteristics, AIGC behavior habits, usage attitudes, 

and evaluation feedback obtained through questionnaires, a feature system centered on the matching of AIGC vision 

is constructed. The K-means clustering algorithm is used to segment the reader groups, and the validity of the model 

is verified through indicators such as the silhouette coefficient. The results show that the AIGC reader group can be 

clearly divided into four clusters: high-value active users, potential growth users, risk of churn users, and observing and 

cognitive users. By detailing the characteristics and demand differences of each group, this study provides scientific data 

support for libraries to implement precise services and optimize resource allocation for specific reader groups.

Keywords Artificial intelligence generated content. Reader group. Clustering analysis model. Empirical study.

0引言研究院在《AIGC发展趋势报告2023：迎接人工

智能的下一个时代》中指出“AIGC代表着AI技

AIG