前言：尋找寫作靈感？中文期刊網用心挑選的移動商務推薦系統的研究綜述，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
[摘要]近年來，隨著移動商務的快速發展，移動商務推薦系統應運而生，成為緩解“移動商務信息”過載、提升移動商務用戶購物體驗的有效手段，得到廣泛關注。如何利用移動商務情景、社會化網絡等信息挖掘用戶偏好，提高移動商務推薦精準度和用戶滿意度，成為移動商務推薦系統的主要任務。從情景推薦、社會網絡推薦和移動推薦多樣性等方面對移動商務推薦系統的研究進展和成果進行綜述。最后，總結并指出現有移動商務推薦系統研究的不足和未來的發展趨勢。
[關鍵詞]移動商務推薦系統；情景推薦；社會網絡推薦；移動推薦多樣性
隨著移動商務的快速發展及其信息內容的日益增加，用戶通過移動商務終端獲取滿足其個性化需求的信息變得愈發困難[1]，為了緩解此問題，幫助移動商務用戶快速、準確地獲取所需信息資源，移動商務推薦系統應運而生，受到廣泛關注。本文以中國知網電子期刊全庫為文獻來源，對國內外關于“移動商務推薦系統”的相關研究成果進行梳理和評述，指出現有研究的不足之處，并提出未來研究的展望。
一、國內外研究綜述
(一)基于情景的推薦綜述
Ahn等(2006)設計了一種將用戶當前情景信息與需求偏好引入到相似度計算過程中的協同過濾推薦算法，并將該方法應用于MobileServices數據集，結果表明，融入情景信息的推薦算法可以提高用戶對推薦信息的滿意度[2]。Mallat等(2009)通過實證論證了移動商務用戶行為與決策受情景因素影響，為推薦系統融入情景信息提供了理論與實踐的基礎[3]。Gavalas和Kenteris(2011)提出一種融合協同過濾算法與情景感知技術的旅游推薦系統，該系統在獲取用戶當前的位置、時間、天氣條件和用戶已經訪問過的地方等情景信息的基礎上，尋找相似游客信息，繼而進行景點、酒店、餐飲等符合用戶個性化需求的旅行相關產品的推薦[4]。Shiraki等(2011)通過實證研究發現，手機端用戶在選擇推薦系統推薦的餐廳時，用戶偏好取決于情景信息(如：位置、時間、天氣等)，特別是位置信息與用戶興趣密切相關，并對用戶最終的決策有顯著影響[5]。翟麗麗等(2016)在結合移動商務用戶情景的基礎上，提出一種結合協同過濾方法和聚類方法的推薦算法，實驗結果顯示，該算法有效提高了移動商務推薦結果的準確性[6]。唐東和吳邵宇(2020)在考慮到移動商務活動中用戶需求具有極強的情景依賴性特征的基礎上，設計了融合基于內容和基于情景兩種推薦方法的餐飲O2O混合推薦系統，實驗結果表明，該方法很好地解決了餐飲O2O推薦精準性和冷啟動的問題，具有較強的可行性[7]。尚成國和盧春燕(2020)將情景要素融入旅游商務中，并利用Apriori算法對其進行關聯規則分析，進而為用戶推薦滿足其當前情景需求的旅游景點或目的地[8]。
(二)社會網絡推薦綜述
移動商務用戶在購物過程中，通過提問、評論、分享等方式交流商品信息或購物心得，這種基于興趣相似的互動行為折射出的信任關系，形成信任網絡，進而對用戶購買行為產生影響，這與人們在現實生活中，大多愿意從他們信任的相關群體那里獲取相關的推薦信息是相契合的[9]，因此，一些研究者將社會網絡分析方法與移動商務推薦相結合，以改善和提升移動商務推薦服務質量。Lausen和Ziegler(2005)引入社會網絡分析方法，研究移動商務用戶基于共同興趣愛好的頻繁的交互行為所折射出的信任關系，基于這種信任關系，構建興趣相似用戶的信任網絡，進而進行移動商務信息推薦[10]。Wang等(2010)指出移動商務用戶間的相似性與他們之間的信任關系有關，因此，將用戶間的信任關系與用戶對項目的評分相融合作為相似性的最終權重，提出一種融合協同過濾算法和信任社會化網絡的推薦方法對移動商務用戶進行飯店、商場等推薦，實驗結果表明，該方法推薦結果提高了移動商務用戶滿意度[11]。Meng等(2011)提出一種基于情景感知和移動社交網絡關系為每個移動商務用戶搜索最近鄰，進而進行推薦的新的啟發式方法，該方法能有效緩解移動商務信息過載問題[12]。鄧曉懿等(2013)針對移動商務環境下用戶需求隨時空變化而變化的特點，綜合運用情景信息、聚類方法和社會網絡分析方法，提出一種結合用戶情景和用戶間關系的協同過濾推薦模型，并通過實驗驗證了該模型在推薦覆蓋度和準確性方面效果更好，更適于移動商務推薦問題[13]。劉弘和張志軍(2015)引入用戶間的社會關系，并結合位置、時間等情景信息進行相似度計算，進而進行相應的移動推薦[14]。李金海等(2021)在綜合考慮團購推薦的情景敏感性、團購成員間的社會影響力以及用戶偏好相似性的基礎上，設計了移動端團購推薦系統，并通過仿真實驗驗證了該系統的有效性和用戶滿意度[15]。
(三)移動推薦多樣性綜述
Castagos等(2013)通過對比研究發現，向用戶提供多樣化的推薦結果比推薦熱門流行的推薦結果，更容易讓用戶有滿意體驗[16]。Tintarev等(2013)通過研究發現有求新求奇喜好的用戶更喜歡多樣性的推薦結果[17]。Koochi等(2014)利用共現聚類方法，根據用戶相似度和標簽相似度提取社區聚類，然后利用聚類信息開發和應用重新排序算法，提高推薦列表的多樣性和覆蓋率[18]。姜書浩等(2018)提出一種利用用戶歷史偏好、專家評分和用戶多樣化偏好程度進行推薦的方法，該方法能很好地平衡推薦項目的相關性和多樣性，并且使得個性化的多樣性優化得以實現[19]。高長元等(2019)為了提高移動推薦結果多樣性，提出利用用戶相似性改變以往資源均等傳遞情況，同時借助商品屬性相似性增加推薦商品的種類的二部圖網絡結構推薦方法。實驗結果表明，該方法在對冷門商品的推薦和豐富推薦商品的種類方面，綜合性能較強，推薦質量較高[20]。孟祥福等(2019)針對移動商務應用場景不斷增多，多樣性的興趣點推薦技術逐漸成為研究熱點，設計了融合興趣點間的地理—社會關系的多樣性推薦方法。該方法不僅具有更高的推薦精確度，同時具有多樣性的興趣點推薦結果[21]。田維安等(2021)提出一種基于用戶對項目的好奇心評分和預測評分得到用戶對項目的多樣性評分，進而生成推薦結果的推薦方法。實驗結果表明，該方法在推薦結果方面不僅具有更高的覆蓋率和多樣性，并且由于無需額外的用戶數據計算相似度，其普適性也更強[22]。馮勇等(2022)針對目前移動商務推薦系統大多注重商品推薦的準確性，而忽視了能夠增加商品購買率和用戶滿意度的多樣性推薦方法，基于此，提出結合用戶需求生成多樣性商品表示，再計算其與各商品的相似性，進而生成推薦結果的方法。實證結果顯示，該方法能夠同時提高商品推薦的準確性與多樣性，在有效地滿足移動商務用戶需求的同時提升了用戶體驗[23]。
二、總結與展望
通過上述文獻可以看出，作為一個新興的研究領域，移動商務推薦系統受到國內外學者的廣泛關注并取得了一定的成果，但仍需要進一步深入探索。第一，針對情景推薦問題，大多數研究關注的是所有用戶的整體情景，忽略了用戶個體差異性，導致推薦結果無法滿足每個個體用戶的情景信息需要，因此，如何為每個個體用戶從全部的移動商務情景信息中，找出影響其購買決策的情景要素加以分析，成為移動商務推薦研究的主要任務。第二，用戶在接收到移動商務推薦系統為其提供的信息內容時，其接受意愿不僅受到信息內容是否具有情景相關性的影響，還受到對信息內容是否具有可信性和有用性的感知判斷的影響，因此，解決用戶信任問題能有效提高移動商務用戶對系統使用的滿意度和愉悅性，進而產生購買行為。根據已有研究成果可以看出，將社會網絡理論與方法和移動推薦技術相融合，能有效緩解用戶信任問題，但移動用戶仍面臨社會化信息過載及不同信任特征環境下的推薦問題，如何在確定用戶情景偏好的基礎上運用社會網絡分析提高移動商務推薦服務質量，成為該領域亟待解決的熱點問題。第三，獨特、新穎、多樣化的推薦結果不僅可以提高用戶體驗滿足感，而且對于移動商務商家而言，相較于知名產品，知名度低的商品可能毛利率更高。遺憾的是，移動商務推薦方法的新穎性、多樣性與準確性之間存在一定的矛盾。如何深度挖掘用戶行為，權衡三者之間的矛盾，成為移動商務推薦領域亟待解決的一個重要問題。
[參考文獻]
[1]杜巍，高長元移動電子商務環境下個性化情景推薦模型研究[J]情報理論與實踐，2017，40(10)：56-61
[2]AhnH,KimKJ,HanIMobileadvertisementrecom－mendersystemusingcollaborativefiltering:Mar-cf[J]Jour－nalofMachineLearningResearch,2006,10(10):623-656
[3]MallatN,RossiM,TuunainenVK,etalTheImpactofUseContextonMobileServicesAcceptance:TheCaseofMobileTicketing[J]InformationandManagement,2009,46(3):190-195
[4]GavalasD，KenterisMAWeb-basedpervasiverecom－mendationsystemformobiletouristguides[J]PersonalandUbiquitousComputing，2011，15（7）：1-12
[5]ShirakiT,ItoC,OhonTLargescaleevaluationofmultimoderecommendersystemusingpredictedcontextswithmobilephoneusers[C]In:ProcoftheRecSys2011Work－shoponCARS2011,Chicago,2011
[6]翟麗麗，邢海龍，張樹臣基于情境聚類優化的移動電子商務協同過濾推薦研究[J]情報理論與實踐，2016，39(8)：106-110
[7]唐東平，吳邵宇基于情境感知的餐飲O2O推薦系統研究[J]計算機技術與發展，2020，30(1)：118-123
[8]尚成國,盧春燕基于情境感知的旅游電子商務景點推薦研究———以馬蜂窩旅游網為例[J]圖書情報導刊，2020，5(12)：58-62
[9]杜巍，高長元基于個性化情景的移動商務信任推薦模型研究[J]情報科學，2017，35(10)：23-29
[10]ZieglerCN,LausenGPropagationmodelsfortrustanddistrustinsocialnetworks[J]InformationSystemsFron－tiers,2005,7(4-5):337-358
[11]WangYX,QiaoXQ,LiXF，etalResearchonCon－text-AwarenessMobileSNSServiceSelectionMechanism[J]ChineseJournalofComputers,2010,33(11):2126-2135
[12]WangLC,MengXW,ZhangYJAheuristicap－proachtosocialnetwork-basedandcontext-awaremobileservicesrecommendationJournalofConvergenceInformationTechnology,2011,6(10):339-346
[13]鄧曉懿，金淳，韓慶平，等基于情境聚類和用戶評級的協同過濾推薦模型[J]系統工程理論與實踐，2013，33(11)：2945-2953
[14]張志軍，劉弘上下文感知的移動社交網絡推薦算法研究[J]模式識別與人工智能，2015，28(5)：404-410．
[15]李金海，何有世，張鵬融合情境語義推理及社會網絡的團購推薦研究[J]計算機工程與應用，2021，57(18)：163-171
[16]CastagnosS,BrunA,BoyerAWhenDiversityIsNeededButNotExpected![C]The3rdInternationalCon－ferenceonAdvancesinInformationMiningandManage－ment,Lisbon,19-24November2013:44-50
[17]TintarevN,DennisM,MasthoffJAdaptingRecom－mendationDiversitytoOpennesstoExperience:AStudyofHumanBehaviour[J]SpringerBerlinHeidelberg,2013,190-202
[18]KoochiMR,HussinA,DahlanHMImprovingrec－ommendationdiversityusingtensordecompositionandclus－teringapproaches[C]InformationandCommunicationTechnologies(WICT),20144thWorldCongresson,IEEE,2014:204-245
[19]姜書浩，張立毅，張志鑫基于個性化的多樣性優化推薦算法[J]天津大學學報(自然科學與工程技術版)，2018，51(10)：1042-1049
[20]高長元，段文彬，張樹臣基于差異路徑權重的二部圖網絡推薦算法[J]計算機應用研究，2019，36(3)：716-719+771
[21]孟祥福，張霄雁，唐延歡，等基于地理-社會關系的多樣性與個性化興趣點推薦[J]計算機學報，2019，42(11)：2574-2590
[22]田維安，陳紅梅，周麗華基于相似用戶好奇心的多樣性推薦方法[J]計算機工程與應用，2021，57(23)：113-121
[23]馮勇，劉洋，王嶸冰，等面向用戶需求的生成對抗網絡多樣性推薦方法[J/OL]小型微型計算機系統，(2022-04-20)[2022-11-22]
作者:杜巍 單位:哈爾濱商業大學商務學院
