前言：尋找寫作靈感？中文期刊網(wǎng)用心挑選的移動商務(wù)推薦系統(tǒng)的研究綜述，希望能為您的閱讀和創(chuàng)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(wù)的快速發(fā)展，移動商務(wù)推薦系統(tǒng)應(yīng)運而生，成為緩解“移動商務(wù)信息”過載、提升移動商務(wù)用戶購物體驗的有效手段，得到廣泛關(guān)注。如何利用移動商務(wù)情景、社會化網(wǎng)絡(luò)等信息挖掘用戶偏好，提高移動商務(wù)推薦精準(zhǔn)度和用戶滿意度，成為移動商務(wù)推薦系統(tǒng)的主要任務(wù)。從情景推薦、社會網(wǎng)絡(luò)推薦和移動推薦多樣性等方面對移動商務(wù)推薦系統(tǒng)的研究進展和成果進行綜述。最后，總結(jié)并指出現(xiàn)有移動商務(wù)推薦系統(tǒng)研究的不足和未來的發(fā)展趨勢。

[關(guān)鍵詞]移動商務(wù)推薦系統(tǒng)；情景推薦；社會網(wǎng)絡(luò)推薦；移動推薦多樣性

隨著移動商務(wù)的快速發(fā)展及其信息內(nèi)容的日益增加，用戶通過移動商務(wù)終端獲取滿足其個性化需求的信息變得愈發(fā)困難[1]，為了緩解此問題，幫助移動商務(wù)用戶快速、準(zhǔn)確地獲取所需信息資源，移動商務(wù)推薦系統(tǒng)應(yīng)運而生，受到廣泛關(guān)注。本文以中國知網(wǎng)電子期刊全庫為文獻來源，對國內(nèi)外關(guān)于“移動商務(wù)推薦系統(tǒng)”的相關(guān)研究成果進行梳理和評述，指出現(xiàn)有研究的不足之處，并提出未來研究的展望。

一、國內(nèi)外研究綜述

(一)基于情景的推薦綜述

Ahn等(2006)設(shè)計了一種將用戶當(dāng)前情景信息與需求偏好引入到相似度計算過程中的協(xié)同過濾推薦算法，并將該方法應(yīng)用于MobileServices數(shù)據(jù)集，結(jié)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(wù)用戶行為與決策受情景因素影響，為推薦系統(tǒng)融入情景信息提供了理論與實踐的基礎(chǔ)[3]。Gavalas和Kenteris(2011)提出一種融合協(xié)同過濾算法與情景感知技術(shù)的旅游推薦系統(tǒng)，該系統(tǒng)在獲取用戶當(dāng)前的位置、時間、天氣條件和用戶已經(jīng)訪問過的地方等情景信息的基礎(chǔ)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(guān)產(chǎn)品的推薦[4]。Shiraki等(2011)通過實證研究發(fā)現(xiàn)，手機端用戶在選擇推薦系統(tǒng)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(guān)，并對用戶最終的決策有顯著影響[5]。翟麗麗等(2016)在結(jié)合移動商務(wù)用戶情景的基礎(chǔ)上，提出一種結(jié)合協(xié)同過濾方法和聚類方法的推薦算法，實驗結(jié)果顯示，該算法有效提高了移動商務(wù)推薦結(jié)果的準(zhǔn)確性[6]。唐東和吳邵宇(2020)在考慮到移動商務(wù)活動中用戶需求具有極強的情景依賴性特征的基礎(chǔ)上，設(shè)計了融合基于內(nèi)容和基于情景兩種推薦方法的餐飲O2O混合推薦系統(tǒng)，實驗結(jié)果表明，該方法很好地解決了餐飲O2O推薦精準(zhǔn)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(wù)中，并利用Apriori算法對其進行關(guān)聯(lián)規(guī)則分析，進而為用戶推薦滿足其當(dāng)前情景需求的旅游景點或目的地[8]。

(二)社會網(wǎng)絡(luò)推薦綜述

移動商務(wù)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(guān)系，形成信任網(wǎng)絡(luò)，進而對用戶購買行為產(chǎn)生影響，這與人們在現(xiàn)實生活中，大多愿意從他們信任的相關(guān)群體那里獲取相關(guān)的推薦信息是相契合的[9]，因此，一些研究者將社會網(wǎng)絡(luò)分析方法與移動商務(wù)推薦相結(jié)合，以改善和提升移動商務(wù)推薦服務(wù)質(zhì)量。Lausen和Ziegler(2005)引入社會網(wǎng)絡(luò)分析方法，研究移動商務(wù)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(guān)系，基于這種信任關(guān)系，構(gòu)建興趣相似用戶的信任網(wǎng)絡(luò)，進而進行移動商務(wù)信息推薦[10]。Wang等(2010)指出移動商務(wù)用戶間的相似性與他們之間的信任關(guān)系有關(guān)，因此，將用戶間的信任關(guān)系與用戶對項目的評分相融合作為相似性的最終權(quán)重，提出一種融合協(xié)同過濾算法和信任社會化網(wǎng)絡(luò)的推薦方法對移動商務(wù)用戶進行飯店、商場等推薦，實驗結(jié)果表明，該方法推薦結(jié)果提高了移動商務(wù)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(wǎng)絡(luò)關(guān)系為每個移動商務(wù)用戶搜索最近鄰，進而進行推薦的新的啟發(fā)式方法，該方法能有效緩解移動商務(wù)信息過載問題[12]。鄧曉懿等(2013)針對移動商務(wù)環(huán)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(wǎng)絡(luò)分析方法，提出一種結(jié)合用戶情景和用戶間關(guān)系的協(xié)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(zhǔn)確性方面效果更好，更適于移動商務(wù)推薦問題[13]。劉弘和張志軍(2015)引入用戶間的社會關(guān)系，并結(jié)合位置、時間等情景信息進行相似度計算，進而進行相應(yīng)的移動推薦[14]。李金海等(2021)在綜合考慮團購?fù)扑]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(chǔ)上，設(shè)計了移動端團購?fù)扑]系統(tǒng)，并通過仿真實驗驗證了該系統(tǒng)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(fā)現(xiàn)，向用戶提供多樣化的推薦結(jié)果比推薦熱門流行的推薦結(jié)果，更容易讓用戶有滿意體驗[16]。Tintarev等(2013)通過研究發(fā)現(xiàn)有求新求奇喜好的用戶更喜歡多樣性的推薦結(jié)果[17]。Koochi等(2014)利用共現(xiàn)聚類方法，根據(jù)用戶相似度和標(biāo)簽相似度提取社區(qū)聚類，然后利用聚類信息開發(fā)和應(yīng)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(guān)性和多樣性，并且使得個性化的多樣性優(yōu)化得以實現(xiàn)[19]。高長元等(2019)為了提高移動推薦結(jié)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(wǎng)絡(luò)結(jié)構(gòu)推薦方法。實驗結(jié)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(zhì)量較高[20]。孟祥福等(2019)針對移動商務(wù)應(yīng)用場景不斷增多，多樣性的興趣點推薦技術(shù)逐漸成為研究熱點，設(shè)計了融合興趣點間的地理—社會關(guān)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(jié)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(yù)測評分得到用戶對項目的多樣性評分，進而生成推薦結(jié)果的推薦方法。實驗結(jié)果表明，該方法在推薦結(jié)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(shù)據(jù)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(wù)推薦系統(tǒng)大多注重商品推薦的準(zhǔn)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(jié)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(jié)果的方法。實證結(jié)果顯示，該方法能夠同時提高商品推薦的準(zhǔn)確性與多樣性，在有效地滿足移動商務(wù)用戶需求的同時提升了用戶體驗[23]。

二、總結(jié)與展望

通過上述文獻可以看出，作為一個新興的研究領(lǐng)域，移動商務(wù)推薦系統(tǒng)受到國內(nèi)外學(xué)者的廣泛關(guān)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(shù)研究關(guān)注的是所有用戶的整體情景，忽略了用戶個體差異性，導(dǎo)致推薦結(jié)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(wù)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(wù)推薦研究的主要任務(wù)。第二，用戶在接收到移動商務(wù)推薦系統(tǒng)為其提供的信息內(nèi)容時，其接受意愿不僅受到信息內(nèi)容是否具有情景相關(guān)性的影響，還受到對信息內(nèi)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(wù)用戶對系統(tǒng)使用的滿意度和愉悅性，進而產(chǎn)生購買行為。根據(jù)已有研究成果可以看出，將社會網(wǎng)絡(luò)理論與方法和移動推薦技術(shù)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(huán)境下的推薦問題，如何在確定用戶情景偏好的基礎(chǔ)上運用社會網(wǎng)絡(luò)分析提高移動商務(wù)推薦服務(wù)質(zhì)量，成為該領(lǐng)域亟待解決的熱點問題。第三，獨特、新穎、多樣化的推薦結(jié)果不僅可以提高用戶體驗滿足感，而且對于移動商務(wù)商家而言，相較于知名產(chǎn)品，知名度低的商品可能毛利率更高。遺憾的是，移動商務(wù)推薦方法的新穎性、多樣性與準(zhǔn)確性之間存在一定的矛盾。如何深度挖掘用戶行為，權(quán)衡三者之間的矛盾，成為移動商務(wù)推薦領(lǐng)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(wù)環(huán)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(yōu)化的移動電子商務(wù)協(xié)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(tǒng)研究[J]計算機技術(shù)與發(fā)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(wù)景點推薦研究———以馬蜂窩旅游網(wǎng)為例[J]圖書情報導(dǎo)刊，2020，5(12)：58-62

[9]杜巍，高長元基于個性化情景的移動商務(wù)信任推薦模型研究[J]情報科學(xué)，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(xié)同過濾推薦模型[J]系統(tǒng)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(wǎng)絡(luò)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(wǎng)絡(luò)的團購?fù)扑]研究[J]計算機工程與應(yīng)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(yōu)化推薦算法[J]天津大學(xué)學(xué)報(自然科學(xué)與工程技術(shù)版)，2018，51(10)：1042-1049

[20]高長元，段文彬，張樹臣基于差異路徑權(quán)重的二部圖網(wǎng)絡(luò)推薦算法[J]計算機應(yīng)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(guān)系的多樣性與個性化興趣點推薦[J]計算機學(xué)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(yīng)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(wǎng)絡(luò)多樣性推薦方法[J/OL]小型微型計算機系統(tǒng)，(2022-04-20)[2022-11-22]

作者:杜巍 單位:哈爾濱商業(yè)大學(xué)商務(wù)學(xué)院