移動環(huán)境下基于情境感知的服務(wù)供應(yīng)鏈個性化信息推薦研究

摘要：移動環(huán)境下用戶個性化需求具有典型情境特性，然而傳統(tǒng)服務(wù)供應(yīng)鏈的信息推薦卻未考慮情境因素。對此，文章通過在移動環(huán)境下集成用戶情境展開對服務(wù)供應(yīng)鏈個性化信息推薦研究。首先分析有效服務(wù)供應(yīng)鏈在進行信息推薦時應(yīng)具有的特性，其次集成情境設(shè)計服務(wù)供應(yīng)鏈個性化信息推薦框架，最后給出基于情境感知服務(wù)供應(yīng)鏈個性化信息推薦的具體實現(xiàn)過程。在服務(wù)供應(yīng)鏈信息推薦過程中融入用戶情境，不僅使得推薦結(jié)果滿足移動環(huán)境下用戶的個性化需求，更為重要的是顯著提高了服務(wù)供應(yīng)鏈的服務(wù)質(zhì)量。

關(guān)鍵詞：服務(wù)供應(yīng)鏈；個性化信息推薦；情境感知；移動互聯(lián)網(wǎng)

一、 引言

傳統(tǒng)服務(wù)供應(yīng)鏈主要從終端用戶出發(fā)提供信息服務(wù)，在一定程度上滿足了用戶需求。隨著移動互聯(lián)網(wǎng)的普及，移動終端成為了用戶獲得信息的主要渠道，在此過程中用戶的個性化特征、需求習(xí)慣、興趣特點及周邊環(huán)境等情境因素對用戶個性化需求產(chǎn)生了極大影響，即移動環(huán)境下服務(wù)供應(yīng)鏈具有顯著情境敏感特性。然而在當前服務(wù)供應(yīng)鏈研究領(lǐng)域，結(jié)合情境為用戶提供個性化信息服務(wù)（Personalized Information Service，簡稱PIS）尚未受到廣泛關(guān)注。對此，本文對移動環(huán)境下基于情境感知的服務(wù)供應(yīng)鏈個性化信息推薦展開研究。隨著移動互聯(lián)網(wǎng)的快速發(fā)展以及IT技術(shù)的廣泛應(yīng)用，采集用戶數(shù)據(jù)，感知用戶情境變得切實可行，基于用戶情境的信息推薦不僅使得信息服務(wù)的準確性與可靠性大大提高，更為重要的是極大提升了用戶個性化需求滿意度。

二、 研究現(xiàn)狀與趨勢

1. “服務(wù)供應(yīng)鏈”研究現(xiàn)狀及趨勢。2004 年以前供應(yīng)鏈研究多聚焦于產(chǎn)品供應(yīng)鏈，之后隨著美國學(xué)者Lisa M. Ellram的《Understanding and Managing the Service Supply Chain》的發(fā)表，有關(guān)服務(wù)供應(yīng)鏈的研究逐漸增多。以下五個方面是學(xué)者們較為關(guān)注的領(lǐng)域：（1）服務(wù)供應(yīng)鏈的定義，以2007年發(fā)表在文中“服務(wù)供應(yīng)鏈”的定義最具代表性；（2）從不同視角構(gòu)建服務(wù)供應(yīng)鏈模型，展示其形成的規(guī)律；（3）服務(wù)供應(yīng)鏈的評價，包括績效的評價、鏈條上服務(wù)供應(yīng)商的選擇、協(xié)調(diào)與優(yōu)化；（4）服務(wù)供應(yīng)鏈的測度分析；（5）服務(wù)供應(yīng)鏈的行業(yè)應(yīng)用，如在旅游行業(yè)、物流行業(yè)、港口行業(yè)等。

綜上，有關(guān)服務(wù)供應(yīng)鏈質(zhì)量的研究尚未得到重點關(guān)注。然而隨著服務(wù)經(jīng)濟重要性凸顯，隨著服務(wù)需求向個性化方向轉(zhuǎn)變，以滿足用戶個性需求的服務(wù)供應(yīng)鏈信息推薦能力成為衡量服務(wù)供應(yīng)鏈信息服務(wù)質(zhì)量的關(guān)鍵，本文正是以此為核心展開研究的。

2. “情境”與“情境感知”研究現(xiàn)狀及趨勢。情境（Context）通常指某一時期各種情況的結(jié)合信息，這些信息既可以用來描述實體（如人、位置）的情形，也可以用來描述虛擬對象（如交互應(yīng)用）的特征。情境感知（Context Awareness）是一種用于提高信息服務(wù)系統(tǒng)性能的技術(shù)，它通過傳感器等設(shè)備獲取用戶所處環(huán)境的信息，在了解用戶行為動機基礎(chǔ)上自動發(fā)現(xiàn)用戶需求，自適應(yīng)地將相關(guān)信息或服務(wù)推薦給用戶，從而提高系統(tǒng)服務(wù)的準確性和可靠性。

互聯(lián)網(wǎng)及相關(guān)應(yīng)用的普及極大改變了人類的生產(chǎn)生活方式，然而在信息的海洋中信息過載和信息迷航等問題日益嚴重，個性化信息推薦被提上日程。1995 年Carnegie Mellon University的 Robert Armstrong和Stanford University的 Marko Balabanovic 等人設(shè)計出了Web Watcher（個性化導(dǎo)航系統(tǒng)） 和LIRA（個性化推薦系統(tǒng)），之后來自不同國家的學(xué)者紛紛投入到信息推薦相關(guān)研究中。

近年來，移動互聯(lián)網(wǎng)的出現(xiàn)促使越來越多的用戶通過移動終端獲取信息，用戶獲取信息時的情境也不盡相同，這些變化的情境影響了用戶的信息需求，即情境成為了影響移動環(huán)境下個性化信息推薦的重要因素。對此，為提高移動環(huán)境下服務(wù)供應(yīng)鏈的個性化信息服務(wù)質(zhì)量，感知和推理用戶當前情境，更新合成歷史情境，將情境融入到服務(wù)供應(yīng)鏈的個性化信息推薦中變得十分有研究價值。

三、 服務(wù)供應(yīng)鏈個性化信息推薦特性分析

一個有效的服務(wù)供應(yīng)鏈系統(tǒng)在為用戶推薦信息時應(yīng)滿足以下四個特性：

1. 自動性和隱匿性。這是指系統(tǒng)獲取用戶個性化需求時應(yīng)具有的特性。傳統(tǒng)服務(wù)供應(yīng)鏈系統(tǒng)通常采用用戶主動注冊和提交反饋表的方式獲取需求，不僅耗費用戶的時間精力，而且信息一旦獲得則長時間不會發(fā)生改變，這與移動環(huán)境下用戶需求隨情境變化而變化的事實相違背，結(jié)果導(dǎo)致用戶對系統(tǒng)推薦的個性化信息滿意度差。今天，大數(shù)據(jù)技術(shù)的出現(xiàn)解決了這個問題，通過該技術(shù)系統(tǒng)可實時感知用戶所處情境，如瀏覽的網(wǎng)頁、感興趣的話題等，通過分析和挖掘獲取用戶的潛在需求，基于此向其推薦信息。這個過程不僅是自動的，而且不需要用戶主動參與，具有隱匿性。

2. 準確性和可靠性。傳統(tǒng)服務(wù)供應(yīng)鏈系統(tǒng)獲取用戶需求時沒有考慮情境因素，因此系統(tǒng)推薦的信息質(zhì)量滿意度差。對此，有效的服務(wù)供應(yīng)鏈在進行個性化信息推薦時，必須將用戶情境納入，確保推薦的準確性和可靠性。

3. 自適應(yīng)性。傳統(tǒng)信息推薦系統(tǒng)采用的方法是獲得用戶需求，并假設(shè)它們長時間不發(fā)生改變。然而移動環(huán)境下，用戶的需求會隨著情境的變化而不斷變化，對此，服務(wù)供應(yīng)鏈個性化信息推薦系統(tǒng)應(yīng)能及時捕捉情境對用戶需求的影響，自適應(yīng)地調(diào)整推薦信息，從而提高用戶滿意度。

4. 推測性。有時用戶并不了解或清晰地描述出自己的真實需求，對此，服務(wù)供應(yīng)鏈個性化信息推薦系統(tǒng)應(yīng)能借助大數(shù)據(jù)技術(shù)根據(jù)用戶情境推測出潛在需求，為其提供更好的個性化服務(wù)。

四、 服務(wù)供應(yīng)鏈個性化信息推薦框架設(shè)計

傳統(tǒng)服務(wù)供應(yīng)鏈以終端用戶為中心，根據(jù)用戶在平臺上提出的明確查詢需求，通過供應(yīng)鏈整體資源的整合與協(xié)同，響應(yīng)用戶請求，提供服務(wù)，整個運作過程如圖1所示。

然而在移動互聯(lián)環(huán)境下，隨著用戶情境的變化，用戶需求也表現(xiàn)出復(fù)雜、多維、異構(gòu)、變化，甚至沖突等特點，并不始終保持一致。對此，打破傳統(tǒng)服務(wù)供應(yīng)鏈的運作模式，根據(jù)用戶的目標和任務(wù)，結(jié)合用戶當前及歷史情境，通過情境的感知、處理和應(yīng)用向用戶提供信息服務(wù)，實現(xiàn)信息推薦的個性化，提高用戶的滿意度?；谇榫掣兄姆?wù)供應(yīng)鏈個性化信息推薦框架如圖2所示。

將用戶情境融入到信息推薦過程分為三步，即：

1. 情境感知層：主要指情境的獲取，包括獲取用戶歷史和當前情境，主要渠道來自用戶工作的工作流引擎、用戶使用的各種程序、用戶網(wǎng)上瀏覽的行為軌跡，及各種傳感器的反饋等。

2. 情境處理層：根據(jù)情境處理規(guī)則，對獲取的用戶情境進行更新、合成和推理，建模后存儲至情境模型庫。

3. 情境應(yīng)用層：主要由情境匹配和信息推薦兩步構(gòu)成。首先將情境模型與平臺提供的信息資源模型進行匹配，其次基于此為用戶提供信息服務(wù)，最終實現(xiàn)基于情境的個性化信息推薦。

五、 基于情境感知的服務(wù)供應(yīng)鏈個性化信息推薦過程實現(xiàn)

1. 當前情境的獲取與推理。實現(xiàn)個性化信息推薦的首要任務(wù)是識別用戶當前情境，即用戶當下所做所想。當前情境的獲取方式分為直接和間接兩種。

（1）直接當前情境：是指從各種信息源直接獲取的與用戶相關(guān)的各種情境信息，通常從以下三種途徑獲得。

通過物理傳感器——通過在相關(guān)的物理實體上安裝傳感器，讀取傳感器中數(shù)據(jù)獲得情境信息，主要用于獲取與用戶相關(guān)的物理實體的信息。

通過工作流管理系統(tǒng)等應(yīng)用軟件——通過與應(yīng)用軟件的交互獲取用戶當前正在執(zhí)行的業(yè)務(wù)過程信息，如執(zhí)行的具體業(yè)務(wù)過程和事件的名稱、系統(tǒng)的狀態(tài)、使用的資源等。

通過用戶行為記錄 通過Web2.0——直接自動識別用戶當前的行為信息，如用戶最近的Tagging關(guān)注傾向、Blog主題列表、Wiki學(xué)科領(lǐng)域等知識信息行為和表現(xiàn)，感知用戶所想。

（2）間接當前情境：是一種需要通過推理才能獲得的情境，以直接當前情境為基礎(chǔ)，根據(jù)預(yù)定義規(guī)則進行推理識別。

直接當前情境和間接當前情境共同構(gòu)成了當前情境，具體過程如圖3所示。

2. 綜合情境的更新與合成。事實上用戶行為具有連貫性，這就要求用于推薦的情境也是持續(xù)更新的。當前情境只能反映用戶短時期內(nèi)行為，不具連續(xù)性，因此完全基于當前情境的信息推薦準確性和可靠性較差。對此，將用戶的歷史和當前情境進行綜合，通過更新合成形成能反映用戶連續(xù)行為的綜合情境，以此為基礎(chǔ)的信息推薦用戶滿意度顯然較高。綜合情境的計算方法如公式1所示：

C（t）=γ*C（t-1）+（1-γ）*Ct（t）（1）

其中C（t）為t時刻用戶綜合情境；C（t-1）為t時刻前用戶歷史情境；Ct（t）為t時刻用戶當前情境；γ為影響系數(shù)，γ∈[0，1]，表示歷史情境對綜合情境的影響程度，γ越大，表示歷史情境對綜合情境影響越大，當γ=0時，表示綜合情境完全忽略歷史情境的影響，信息推薦只與用戶當前情境有關(guān)。因此，可通過調(diào)節(jié)影響系數(shù) 控制當前和歷史情境對推薦的影響。

3. 集成情境的查詢、匹配與推薦。傳統(tǒng)服務(wù)供應(yīng)鏈的信息推薦主要分為兩步：首先用戶在平臺上輸入查詢信息項，如向平臺指定的屬性設(shè)置屬性值，或直接輸入關(guān)鍵詞進行查詢；其次系統(tǒng)將查詢信息項與信息資源庫中的信息項進行匹配，而后直接進行推薦。由于整個推薦過程未考慮用戶綜合情境，信息推薦結(jié)果準確性和可靠性差。而基于情境感知的服務(wù)供應(yīng)鏈在進行信息推薦時采用將傳統(tǒng)服務(wù)供應(yīng)鏈的特性查詢與用戶綜合情境相結(jié)合的方式，通過將用戶的情境要素和屬性進行匹配，而后實現(xiàn)推薦，具體步驟如下：

第一步：不考慮用戶綜合情境，查詢信息項k和信息資源庫提供的信息項q的相似度記為sim（k，q），采用矩陣余弦函數(shù)計算匹配相似度，即：

sim（k，q）=cos（k，q）=（k*q）/（||k|*|q||）（2）

第二步：查詢信息項C（t）和用戶綜合情境 的相似度記為sim（k，C（t）），采用矩陣余弦函數(shù)計算匹配相似度，即：

sim（k，C（t））=cos（k，C（t））=（k*C（t））/（||k|*|C（t）||）（3）

第三步：考慮用戶綜合情境，查詢信息項k和信息項q的最終相似度記為SIM（k，q，C（t）），采用線性組合方法進行計算，即

SIM（k，q，C（t））=λ*sim（k，C（t））+（1-λ）*sim（k，q）（4）

其中λ為情境影響系數(shù)，表示用戶情境對信息推薦的影響程度，λ∈[0，1]。當λ=0時，信息推薦完全不考慮用戶情境，屬于傳統(tǒng)服務(wù)供應(yīng)鏈的信息推薦；當λ=1時，信息推薦則完全以用戶綜合情境為基礎(chǔ)，屬于服務(wù)供應(yīng)鏈的主動推送服務(wù)。λ取值需要根據(jù)實際經(jīng)驗進行調(diào)節(jié)。

六、 結(jié)論

傳統(tǒng)服務(wù)供應(yīng)鏈在信息推薦時未考慮用戶情境，因而無法滿足移動環(huán)境下用戶對信息的個性化需求。對此，本文對移動環(huán)境下基于用戶情境的服務(wù)供應(yīng)鏈信息推薦展開研究。文章首先分析了有效服務(wù)供應(yīng)鏈在進行信息推薦時應(yīng)具有的四個特性，其次設(shè)計了包含情境感知、情境處理和情境應(yīng)用三層的服務(wù)供應(yīng)鏈個性化信息推薦框架，最后給出了基于情境感知服務(wù)供應(yīng)鏈個性化信息推薦的具體實現(xiàn)過程。將用戶的歷史和當前情境融入到服務(wù)供應(yīng)鏈的信息推薦過程中，不僅提高了用戶對推薦結(jié)果的滿意度，而且也提升了服務(wù)供應(yīng)鏈的服務(wù)質(zhì)量。作者今后將在推薦算法方面展開進一步的研究和驗證。

參考文獻：

[1] 于亢亢.服務(wù)供應(yīng)鏈的模型與構(gòu)建[J].現(xiàn)代商業(yè)， 2007，（27）：156-158.

[2] Lisa M.Ellram， Vendy L.Tate and CoreyBi- llington.Understanding and Managing the Service Supply Chain[J].The Journal of Supply Chain Management，2004：17-32.

[3] 劉偉華，季建華，周樂.兩級物流服務(wù)供應(yīng)鏈任務(wù)分配模型[J].上海交通大學(xué)學(xué)報，2008，42（9）：1528- 1528.

[4] 程建剛，李從東.服務(wù)供應(yīng)鏈網(wǎng)絡(luò)優(yōu)化模型及解法[J].電子科技大學(xué)學(xué)報（社科版），2009，11（1）：61-64.

[5] 武勇杰，趙公民.國內(nèi)服務(wù)供應(yīng)鏈研究最新進展及啟示——基于元分析的視角.科技和產(chǎn)業(yè)，2013，（6）：70-74.

[6] 宋華，陳金亮.服務(wù)供應(yīng)鏈戰(zhàn)略互動與協(xié)同價值對合法性的影響.管理科學(xué)，2009，（4）：2-11.

[7] 李永琳.基于博弈論的物流服務(wù)供應(yīng)鏈協(xié)同研究[D].大連：大連理工大學(xué)學(xué)位論文，2010.

[8] 倪霖，王偉鑫.基于灰色AHP的物流服務(wù)供應(yīng)鏈績效評價研究[J].計算機工程與應(yīng)用，2011，47（32）：226-240.

[9] 潘曉東，鄢章華，滕春賢.旅游服務(wù)供應(yīng)鏈信任均衡研究[J].科技與管理，2011，13（4）：31-34.

[10] 芮曉明.基于核心競爭力的物業(yè)服務(wù)供應(yīng)鏈管理思考[J].現(xiàn)代物業(yè)，2012，11（6）：40-42.

[11] 張云婧.港口企業(yè)基于服務(wù)供應(yīng)鏈的物流服務(wù)合作模式研究[J].港口科技，2011，（6）：1-4.

基金項目：2015年上海市哲學(xué)社會科學(xué)規(guī)劃課題（項目號：2015BTQ001）；上海市教委科研創(chuàng)新項目（項目號：14YS051）。

作者簡介：李燕（1979-），女，漢族，廣西壯族自治區(qū)貴港市人，上海海事大學(xué)經(jīng)濟管理學(xué)院副教授，哈爾濱工業(yè)大學(xué)管理學(xué)博士，研究方向為信息資源管理、供應(yīng)鏈管理、電子商務(wù)物流管理。

收稿日期：2015-10-10。