融入情境的個(gè)性化推薦模型在旅游業(yè)的應(yīng)用

摘要：近年來，移動電子商務(wù)的快速發(fā)展及應(yīng)用使得商家可準(zhǔn)確地為用戶提供相關(guān)的推薦，個(gè)性化推薦系統(tǒng)成為業(yè)界研究的新方向。本文主要闡述了移動電子商務(wù)在我國發(fā)展的趨勢，重點(diǎn)在于將移動定位LBS技術(shù)同傳統(tǒng)的推薦系統(tǒng)相結(jié)合，將情境融入到個(gè)性化推薦模型當(dāng)中，提出了U-C-I模型，將情境作為一個(gè)新的維度添加到傳統(tǒng)的用戶-項(xiàng)目矩陣中。

關(guān)鍵詞：移動電子商務(wù)；個(gè)性化推薦；基于位置的服務(wù)（LBS）；用戶興趣模型

一、引言

2011年中國移動電子商務(wù)進(jìn)入了快速發(fā)展的軌道，部分電商企業(yè)在移動終端取得了非常不錯(cuò)的成績，到2012年年末，中國移動電子商務(wù)的發(fā)展進(jìn)入爆發(fā)期。相對于傳統(tǒng)電子商務(wù)而言，移動電子商務(wù)具有移動性、虛擬性、非結(jié)構(gòu)化數(shù)據(jù)、個(gè)性化和社會性等主要特征，其移動性一般體現(xiàn)在用戶的可移動特征及用戶需求對情境的依賴性。推薦系統(tǒng)便是在這種大的環(huán)境下產(chǎn)生的，主要是為用戶推薦其感興趣的對象。

二、個(gè)性化推薦系統(tǒng)簡介

個(gè)性化推薦系統(tǒng)主要是為了向用戶自動推薦，是從信息中找出符合用戶喜好或需求的資源，在此基礎(chǔ)上為用戶提供一種智能推薦系統(tǒng)，解決互聯(lián)網(wǎng)信息過載的問題。

（一）個(gè)性化推薦系統(tǒng)的構(gòu)成

個(gè)性化推薦系統(tǒng)可分三個(gè)部分：輸入模塊（Input Function）、推薦模塊（Recommendation Method）和輸出模塊（Output Function）。一個(gè)完整的個(gè)性化推薦系統(tǒng)包括三個(gè)部分：用戶信息的收集和分類、建立用戶喜好的模型、使用算法為用戶推薦。

（二）電子商務(wù)活動與個(gè)性化推薦系統(tǒng)的結(jié)合

客戶在選擇商品時(shí)往往會碰到在商家提供的浩大的信息面前無法快速找到所需產(chǎn)品信息的問題，在此種情形下，商家通過個(gè)性化推薦可快速地為客戶提供服務(wù)，找到其所需的商品，最終完成購買活動。

1.將電子商務(wù)網(wǎng)站的瀏覽者轉(zhuǎn)變?yōu)橘徺I者

個(gè)性化推薦可快速的為客戶找到其所需的商品，可以將一個(gè)網(wǎng)頁的瀏覽者變成一個(gè)實(shí)實(shí)在在的購買者?？蓽p少商家客戶的流失率，減少客戶瀏覽網(wǎng)頁查詢商品目錄的時(shí)間。

2.提高電子商務(wù)網(wǎng)站的銷售能力

個(gè)性化推薦可減少客戶瀏覽網(wǎng)頁的時(shí)間，為客戶提供精準(zhǔn)的推薦，如果推薦的產(chǎn)品得到客戶的認(rèn)同，可大大地提高網(wǎng)站的銷售量，訂單數(shù)量也會增加。

（三）個(gè)性化推薦系統(tǒng)的分類

從技術(shù)實(shí)現(xiàn)角度來看，個(gè)性化推薦系統(tǒng)主要?jiǎng)澐譃樗拇箢悾阂皇且?guī)則基礎(chǔ)上的推薦；二是內(nèi)容基礎(chǔ)上的推薦；三是協(xié)同過濾基礎(chǔ)上的推薦；四是混合型推薦。

1.規(guī)則基礎(chǔ)上的推薦

規(guī)則基礎(chǔ)上的推薦主要是通過系統(tǒng)之前的規(guī)則進(jìn)行推薦。規(guī)則基礎(chǔ)上的推薦所用的語句為IF-Then，根據(jù)事先設(shè)定的規(guī)則，“IF”主要規(guī)定了所出現(xiàn)的各種情形，在各種情形基礎(chǔ)上，“Then”將輸出提供的各種推薦資源和服務(wù)。這種規(guī)則也是可變的，客戶也可以制定規(guī)則。規(guī)則基礎(chǔ)上的推薦相對比較簡單，客戶理解起來比較容易。

2.內(nèi)容基礎(chǔ)上的推薦

內(nèi)容基礎(chǔ)上的推薦主要是基于用戶之前喜歡的產(chǎn)品，通過分析之前所喜好的產(chǎn)品特征，通過相似度計(jì)算和其他技術(shù)，最終為客戶提供與其偏好相似的新產(chǎn)品系列。

3.協(xié)同過濾推薦

協(xié)同過濾推薦是一種綜合推薦，結(jié)合客戶之前的購買活動特征與新晉的目標(biāo)客戶之間的相似度進(jìn)行比較，為新客戶進(jìn)行推薦。

4.混合型推薦

和如上兩種推薦不同，混合型推薦不涉及比較用戶模型和信息的相似度，而主要是利用用戶對于各個(gè)資源的評分或評價(jià)來發(fā)掘各個(gè)用戶之前的相似點(diǎn)，應(yīng)用這些相似點(diǎn)為新客戶提供更加精確的推薦。混合型推薦成立的前提是具有相似點(diǎn)的客戶對于一種資源的評價(jià)一致，那么其對另外一種資源的評價(jià)也將是一致的。這樣我們便可將不同興趣的用戶進(jìn)行劃分分類，為同一類的客戶推薦相似的產(chǎn)品。

三、移動客戶端與個(gè)性化的結(jié)合

使用移動客戶端的用戶，其興趣和需求并不是固定不變的，而是隨著時(shí)間和用戶所處的情景而變化。例如，用戶在旅行時(shí)往往會關(guān)注天氣、旅館和交通工具信息；在休假時(shí)一般會關(guān)注娛樂信息和促銷信息。這些都極大地增加了預(yù)測用戶行為和分析用戶偏好的難度。

（一）移動電子商務(wù)環(huán)境下個(gè)性化推薦的特點(diǎn)

隨著3G技術(shù)的發(fā)展及移動客戶端的開發(fā)應(yīng)用，用戶可在移動環(huán)境下進(jìn)行辦公或購物。相比傳統(tǒng)電子商務(wù)環(huán)境下的推薦，移動商務(wù)環(huán)境下的個(gè)性化推薦擁有新的特點(diǎn)，主要表現(xiàn)在推薦范圍和推薦時(shí)間方面。從推薦范圍來看，移動環(huán)境下的推薦并非是固定的，面對的用戶群也不是有限的；移動推薦系統(tǒng)所面對的是“移動”的用戶，而不是傳統(tǒng)的位置相對不變的傳統(tǒng)的臺式機(jī)訪問，移動環(huán)境下更多的要考慮用戶的空間位置變化，要隨時(shí)將用戶位置納入到推薦序列中。

（二）基于LBS的個(gè)性化推薦系統(tǒng)

1.LBS簡介

LBS（Location Based system）是在互聯(lián)網(wǎng)快速發(fā)展的基礎(chǔ)上新興的位置服務(wù)。伴隨著手機(jī)終端的迅速發(fā)展，使用LBS的用戶總數(shù)也在逐年增加。LBS也被稱為位置簽到服務(wù)，其定義為采用GPS基站等相關(guān)定位技術(shù)，結(jié)合GIS，以短信、彩信及客戶端軟件為用戶提供的基于地理位置的信息服務(wù)。下圖主要展示了我國提供LBS企業(yè)的市場情況。

特別對于旅行者而言，LBS可實(shí)時(shí)了解到旅行者的空間位置信息，針對移動變化的位置也可以提供準(zhǔn)確的推薦。

2.LBS的特征及其對個(gè)性化推薦的要求

（1）LBS的特征

LBS的突出特征體現(xiàn)在位置敏感、突發(fā)性和即時(shí)訪問三個(gè)方面。在LBS環(huán)境下，可以方便地跟蹤到用戶的地理位置信息，很容易地識別用戶的身份及對用戶的需求進(jìn)行處理。在移動環(huán)境下，即使發(fā)生突發(fā)事件，也能及時(shí)滿足用戶的需要，這些都提高了用戶使用LBS的便利性。例如，用戶可及時(shí)了解天氣、酒店和所感興趣的其他信息，不會受到時(shí)間、地點(diǎn)的阻礙，同步性增強(qiáng)。

（2）LBS對個(gè)性化推薦系統(tǒng)的要求

LBS環(huán)境下的用戶處于不斷變化的情境之下，用戶的興趣可分為短期的和長期的，因此必須區(qū)分出長期興趣和短期興趣，對于用戶興趣的變化要進(jìn)行及時(shí)響應(yīng)，最終才能為用戶做出精準(zhǔn)的個(gè)性化推薦。

四、個(gè)性化推薦系統(tǒng)與情境的結(jié)合

（一）傳統(tǒng)二維推薦系統(tǒng)

傳統(tǒng)的推薦系統(tǒng)將用戶作為一個(gè)推薦列表輸出，將用戶項(xiàng)目描述成一個(gè)函數(shù)，主要包括：輸入數(shù)據(jù)、二維推薦函數(shù)、推薦輸出列表。

傳統(tǒng)推薦系統(tǒng)使用的數(shù)據(jù)一般以用戶、項(xiàng)目、評分的形式出現(xiàn)。首先收集數(shù)據(jù)，之后構(gòu)建推薦函數(shù)，在構(gòu)建函數(shù)過程中主要是使用函數(shù)處理用戶u及每個(gè)用戶對項(xiàng)目的評價(jià)或評分，在分析后根據(jù)用戶的項(xiàng)目評分排序最終生成推薦列表。

（二）基于情境的推薦系統(tǒng)

和傳統(tǒng)的推薦系統(tǒng)相比，融入了情境的推薦流程會發(fā)生變化，數(shù)據(jù)由U*I*R變?yōu)閁*I*C*R，該模型中引入的C為情境維度，也就是將情境加入到推薦模型中。隨著應(yīng)用情境信息階段的不同，有了在推薦系統(tǒng)中整合情境信息的三種不同的方式。

1.前置情境過濾

這種方式的推薦模型主要是將情境C納入到用于選擇或構(gòu)建相關(guān)數(shù)據(jù)之中，在處理數(shù)據(jù)之前便將情境融入模型中。前置情境過濾方法使用情境信息作為過濾條件來選擇最相關(guān)的用戶X項(xiàng)目數(shù)據(jù)來生成推薦。前置情境過濾相比較其他兩種的優(yōu)勢主要是其使用是為傳統(tǒng)推薦方法。

2.后置情境過濾

與前置情境過濾相比較而言，在后置情境過濾下，一開始并沒有將情境信息融入進(jìn)來，應(yīng)用傳統(tǒng)的推薦系統(tǒng)事先將各種數(shù)據(jù)進(jìn)行處理和評分，在此之后再將情境信息C引入到模型中，調(diào)整之前的推薦結(jié)果，主要是剔除與情境不符合的推薦列表，調(diào)整列表推薦的順序，找出最符合用戶特定情境的推薦列表。

啟發(fā)式和模型式是后置情境過濾的兩種方法，前一種方法主要是找到用戶所共有的特征然后使用這些屬性來調(diào)整推薦。對于后置情境過濾而言，其可以使用任何傳統(tǒng)推薦技術(shù)。

3.情境建模

情境建模方法直接應(yīng)用了情境所包含的內(nèi)容信息，這種方法使用的為多維推薦，其整合了情境信息、用戶數(shù)據(jù)、項(xiàng)目信息的預(yù)測模型或啟發(fā)式計(jì)算方法。

四、結(jié)論

移動環(huán)境下的個(gè)性化推薦研究日益被業(yè)界重視。抓住了用戶興趣建模也是抓住了個(gè)性化推薦的核心，本文主要在傳統(tǒng)的推薦模型下將情境信息引入到用戶興趣模型，將情境融入到推薦矩陣中，將情境與用戶對項(xiàng)目的興趣度相結(jié)合，為移動環(huán)境下的用戶模型構(gòu)建提供理論框架。

參考文獻(xiàn)：

[1]吳麗花，劉魯.個(gè)性化推薦系統(tǒng)用戶建模技術(shù)綜述[J].情報(bào)學(xué)報(bào)，2006（02）.

[2]曾春，邢春曉，周立柱.個(gè)性化服務(wù)技術(shù)綜述[J].軟件學(xué)報(bào)，2002（10）.

[3]裴仰軍.個(gè)性化服務(wù)中用戶興趣模型的研究[D].重慶大學(xué)，2005.

[4]費(fèi)洪曉，戴戈，穆珺等.個(gè)性化信息過濾系統(tǒng)中用戶興趣模型建立和更新[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2007（08）.

[5]曲桂英，馮麗娜，張志嵩等.基于用戶興趣模型的個(gè)性化信息服務(wù)系統(tǒng)研究[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)（自然學(xué)科報(bào)），2006（09）.

（作者單位：上海理工大學(xué)）