[摘要]近年来，随着移动商务的快速发展，移动商务推荐系统应运而生，成为缓解“移动商务信息”过载、提升移动商务用户购物体验的有效手段，得到广泛关注。如何利用移动商务情景、社会化网络等信息挖掘用户偏好，提高移动商务推荐精准度和用户满意度，成为移动商务推荐系统的主要任务。从情景推荐、社会网络推荐和移动推荐多样性等方面对移动商务推荐系统的研究进展和成果进行综述。最后，总结并指出现有移动商务推荐系统研究的不足和未来的发展趋势。
[关键词]移动商务推荐系统；情景推荐；社会网络推荐；移动推荐多样性
随着移动商务的快速发展及其信息内容的日益增加，用户通过移动商务终端获取满足其个性化需求的信息变得愈发困难[1]，为了缓解此问题，帮助移动商务用户快速、准确地获取所需信息资源，移动商务推荐系统应运而生，受到广泛关注。本文以中国知网电子期刊全库为文献来源，对国内外关于“移动商务推荐系统”的相关研究成果进行梳理和评述，指出现有研究的不足之处，并提出未来研究的展望。
一、国内外研究综述
(一)基于情景的推荐综述
Ahn等(2006)设计了一种将用户当前情景信息与需求偏好引入到相似度计算过程中的协同过滤推荐算法，并将该方法应用于MobileServices数据集，结果表明，融入情景信息的推荐算法可以提高用户对推荐信息的满意度[2]。Mallat等(2009)通过实证论证了移动商务用户行为与决策受情景因素影响，为推荐系统融入情景信息提供了理论与实践的基础[3]。Gavalas和Kenteris(2011)提出一种融合协同过滤算法与情景感知技术的旅游推荐系统，该系统在获取用户当前的位置、时间、天气条件和用户已经访问过的地方等情景信息的基础上，寻找相似游客信息，继而进行景点、酒店、餐饮等符合用户个性化需求的旅行相关产品的推荐[4]。Shiraki等(2011)通过实证研究发现，手机端用户在选择推荐系统推荐的餐厅时，用户偏好取决于情景信息(如：位置、时间、天气等)，特别是位置信息与用户兴趣密切相关，并对用户最终的决策有显著影响[5]。翟丽丽等(2016)在结合移动商务用户情景的基础上，提出一种结合协同过滤方法和聚类方法的推荐算法，实验结果显示，该算法有效提高了移动商务推荐结果的准确性[6]。唐东和吴邵宇(2020)在考虑到移动商务活动中用户需求具有极强的情景依赖性特征的基础上，设计了融合基于内容和基于情景两种推荐方法的餐饮O2O混合推荐系统，实验结果表明，该方法很好地解决了餐饮O2O推荐精准性和冷启动的问题，具有较强的可行性[7]。尚成国和卢春燕(2020)将情景要素融入旅游商务中，并利用Apriori算法对其进行关联规则分析，进而为用户推荐满足其当前情景需求的旅游景点或目的地[8]。
(二)社会网络推荐综述
移动商务用户在购物过程中，通过提问、评论、分享等方式交流商品信息或购物心得，这种基于兴趣相似的互动行为折射出的信任关系，形成信任网络，进而对用户购买行为产生影响，这与人们在现实生活中，大多愿意从他们信任的相关群体那里获取相关的推荐信息是相契合的[9]，因此，一些研究者将社会网络分析方法与移动商务推荐相结合，以改善和提升移动商务推荐服务质量。Lausen和Ziegler(2005)引入社会网络分析方法，研究移动商务用户基于共同兴趣爱好的频繁的交互行为所折射出的信任关系，基于这种信任关系，构建兴趣相似用户的信任网络，进而进行移动商务信息推荐[10]。Wang等(2010)指出移动商务用户间的相似性与他们之间的信任关系有关，因此，将用户间的信任关系与用户对项目的评分相融合作为相似性的最终权重，提出一种融合协同过滤算法和信任社会化网络的推荐方法对移动商务用户进行饭店、商场等推荐，实验结果表明，该方法推荐结果提高了移动商务用户满意度[11]。Meng等(2011)提出一种基于情景感知和移动社交网络关系为每个移动商务用户搜索最近邻，进而进行推荐的新的启发式方法，该方法能有效缓解移动商务信息过载问题[12]。邓晓懿等(2013)针对移动商务环境下用户需求随时空变化而变化的特点，综合运用情景信息、聚类方法和社会网络分析方法，提出一种结合用户情景和用户间关系的协同过滤推荐模型，并通过实验验证了该模型在推荐覆盖度和准确性方面效果更好，更适于移动商务推荐问题[13]。刘弘和张志军(2015)引入用户间的社会关系，并结合位置、时间等情景信息进行相似度计算，进而进行相应的移动推荐[14]。李金海等(2021)在综合考虑团购推荐的情景敏感性、团购成员间的社会影响力以及用户偏好相似性的基础上，设计了移动端团购推荐系统，并通过仿真实验验证了该系统的有效性和用户满意度[15]。
(三)移动推荐多样性综述
Castagos等(2013)通过对比研究发现，向用户提供多样化的推荐结果比推荐热门流行的推荐结果，更容易让用户有满意体验[16]。Tintarev等(2013)通过研究发现有求新求奇喜好的用户更喜欢多样性的推荐结果[17]。Koochi等(2014)利用共现聚类方法，根据用户相似度和标签相似度提取社区聚类，然后利用聚类信息开发和应用重新排序算法，提高推荐列表的多样性和覆盖率[18]。姜书浩等(2018)提出一种利用用户历史偏好、专家评分和用户多样化偏好程度进行推荐的方法，该方法能很好地平衡推荐项目的相关性和多样性，并且使得个性化的多样性优化得以实现[19]。高长元等(2019)为了提高移动推荐结果多样性，提出利用用户相似性改变以往资源均等传递情况，同时借助商品属性相似性增加推荐商品的种类的二部图网络结构推荐方法。实验结果表明，该方法在对冷门商品的推荐和丰富推荐商品的种类方面，综合性能较强，推荐质量较高[20]。孟祥福等(2019)针对移动商务应用场景不断增多，多样性的兴趣点推荐技术逐渐成为研究热点，设计了融合兴趣点间的地理—社会关系的多样性推荐方法。该方法不仅具有更高的推荐精确度，同时具有多样性的兴趣点推荐结果[21]。田维安等(2021)提出一种基于用户对项目的好奇心评分和预测评分得到用户对项目的多样性评分，进而生成推荐结果的推荐方法。实验结果表明，该方法在推荐结果方面不仅具有更高的覆盖率和多样性，并且由于无需额外的用户数据计算相似度，其普适性也更强[22]。冯勇等(2022)针对目前移动商务推荐系统大多注重商品推荐的准确性，而忽视了能够增加商品购买率和用户满意度的多样性推荐方法，基于此，提出结合用户需求生成多样性商品表示，再计算其与各商品的相似性，进而生成推荐结果的方法。实证结果显示，该方法能够同时提高商品推荐的准确性与多样性，在有效地满足移动商务用户需求的同时提升了用户体验[23]。
二、总结与展望
通过上述文献可以看出，作为一个新兴的研究领域，移动商务推荐系统受到国内外学者的广泛关注并取得了一定的成果，但仍需要进一步深入探索。第一，针对情景推荐问题，大多数研究关注的是所有用户的整体情景，忽略了用户个体差异性，导致推荐结果无法满足每个个体用户的情景信息需要，因此，如何为每个个体用户从全部的移动商务情景信息中，找出影响其购买决策的情景要素加以分析，成为移动商务推荐研究的主要任务。第二，用户在接收到移动商务推荐系统为其提供的信息内容时，其接受意愿不仅受到信息内容是否具有情景相关性的影响，还受到对信息内容是否具有可信性和有用性的感知判断的影响，因此，解决用户信任问题能有效提高移动商务用户对系统使用的满意度和愉悦性，进而产生购买行为。根据已有研究成果可以看出，将社会网络理论与方法和移动推荐技术相融合，能有效缓解用户信任问题，但移动用户仍面临社会化信息过载及不同信任特征环境下的推荐问题，如何在确定用户情景偏好的基础上运用社会网络分析提高移动商务推荐服务质量，成为该领域亟待解决的热点问题。第三，独特、新颖、多样化的推荐结果不仅可以提高用户体验满足感，而且对于移动商务商家而言，相较于知名产品，知名度低的商品可能毛利率更高。遗憾的是，移动商务推荐方法的新颖性、多样性与准确性之间存在一定的矛盾。如何深度挖掘用户行为，权衡三者之间的矛盾，成为移动商务推荐领域亟待解决的一个重要问题。
[参考文献]
[1]杜巍，高长元移动电子商务环境下个性化情景推荐模型研究[J]情报理论与实践，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]翟丽丽，邢海龙，张树臣基于情境聚类优化的移动电子商务协同过滤推荐研究[J]情报理论与实践，2016，39(8)：106-110
[7]唐东平，吴邵宇基于情境感知的餐饮O2O推荐系统研究[J]计算机技术与发展，2020，30(1)：118-123
[8]尚成国,卢春燕基于情境感知的旅游电子商务景点推荐研究———以马蜂窝旅游网为例[J]图书情报导刊，2020，5(12)：58-62
[9]杜巍，高长元基于个性化情景的移动商务信任推荐模型研究[J]情报科学，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]邓晓懿，金淳，韩庆平，等基于情境聚类和用户评级的协同过滤推荐模型[J]系统工程理论与实践，2013，33(11)：2945-2953
[14]张志军，刘弘上下文感知的移动社交网络推荐算法研究[J]模式识别与人工智能，2015，28(5)：404-410．
[15]李金海，何有世，张鹏融合情境语义推理及社会网络的团购推荐研究[J]计算机工程与应用，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]姜书浩，张立毅，张志鑫基于个性化的多样性优化推荐算法[J]天津大学学报(自然科学与工程技术版)，2018，51(10)：1042-1049
[20]高长元，段文彬，张树臣基于差异路径权重的二部图网络推荐算法[J]计算机应用研究，2019，36(3)：716-719+771
[21]孟祥福，张霄雁，唐延欢，等基于地理-社会关系的多样性与个性化兴趣点推荐[J]计算机学报，2019，42(11)：2574-2590
[22]田维安，陈红梅，周丽华基于相似用户好奇心的多样性推荐方法[J]计算机工程与应用，2021，57(23)：113-121
[23]冯勇，刘洋，王嵘冰，等面向用户需求的生成对抗网络多样性推荐方法[J/OL]小型微型计算机系统，(2022-04-20)[2022-11-22]
作者:杜巍 单位:哈尔滨商业大学商务学院
