基于旅游业移动电子商务的个性化推荐模型研究

陈志刚，陈 健

（湖北工业大学管理学院，湖北 武汉430068）

移动终端处理能力的提升和带宽的扩展，无线技术和移动网络都经历了指数倍的增长。移动电子商务作为一种新的电子商务模式，被认为是传统电子商务重要的补充和潜在的替代品。移动电子商务和旅游业，都是推动经济增长且潜力巨大的产业，而移动电子商务在旅游业广泛运用促使两者结合在一起，产生了新的商业模式——旅游移动电子商务［1］。传统的旅游电子商务不能及时解决游客在旅行途中所产生的如更改旅游线路、订房、订车等商务需求，而旅游移动电子商务能够通过移动技术为游客提供无处不在的、即时贴心服务。信息服务应该个性化，方便每一位使用者充分利用有限的资源，提高用户体验。任何旅游业移动电子商务的个性化推荐应满足以下需求:

1）提供个性化旅游服务；

2）在任何时间、任何地点为客户服务；

3）不断提高服务质量；

4）保持用户体验的稳定性［2］。

本文在现有研究的基础上，将个性化推荐技术应用于旅游业移动电子商务，通过建立个性化推荐模型来解决旅游业移动电子商务的实际问题。鉴于个性化在实物商品推荐层面的研究逐渐增多，旅游业移动电子商务领域的研究尚不多见，因此研究个性化推荐方法在旅游移动电子商务领域的应用具有实际意义。

1 基于个性化的旅游推荐

1.1 旅游业移动电子商务

旅游业移动电子商务是指旅游产品消费者利用移动终端设备，通过移动通信技术和互联网技术结合的网络，采用移动支付手段来完成与移动旅游提供商的交易活动（图1）［3］。

图1 旅游业移动电子商务结构图

1.2 用户细分及偏好分析

用户细分集成了聚类分析和用户喜好分析的功能，可以根据移动网络数据库的用户数据进行分类处理，如对旅游产品消费者基本信息和搜索信息进行数据整合，设定相应的价值指标，据此进行用户细分（表1）［4］。进行数据整合、分类后需要进行商务智能挖掘，即对旅游产品消费者偏好进行动态、快速挖掘。

表1 用户细分及偏好分析算法及模型

为了完成用户细分和偏好分析，关联规则挖掘必须完成以下3个步骤:1）从旅游产品消费者中发现关联规则；2）从消费者与消费者的关联中发现特定的规则；3）保存规则、消费者信息和商品信息为一个配置文件［5］。

1.3 个性化推荐

移动电子商务个性化推荐实际上是一种在不断分析用户个性化需求的基础上实时、主动地为用户提供其所需商品或服务的过程［6］。个性化推荐支持个性化服务的重要技术，能够给特定的消费者推荐合适的旅游产品［7］。消费者在用户智能界面上进行的移动搜索数据会即时存储在嵌入式移动网络数据库，通过KSP算法进行用户细分。一部分不完善的信息通过用户智能挖掘转移到移动网络数据库中，暂时不推荐个性化服务；对一部分完整信息进行商务智能挖掘，根据消费者习惯爱好提供个性化推荐，通过用户信息平台推荐给消费者（图2）。

图2 用于旅游业移动电子商务的个性化推荐技术

个性化推荐技术的选择能够决定推荐系统推荐性能的优劣，是本文研究的个性化推荐方法中最为核心的部分。个性化推荐技术可分为主动式和被动式［8］两种。基于内容的推荐和基于关联规则的推荐都是主动式推荐技术，基于内容的推荐是根据消费者A已经搜索及评价过的项目特征，获知消费者A的兴趣习惯，然后通过比较分析消费者A与项目之间的相似性来实现推荐［9］。基于关联规则的个性化推荐技术能发现不同商品间的相关性，通过关联规则匹配得出推荐结果。通过以上两种推荐技术的组合，产生满足用户偏好的推荐结果（表2）。

表2 主要的主动式推荐技术

2 个性化推荐模型

2.1 推荐模型体系结构设计

本文所设计的旅游业移动电子商务个性化推荐模型采用B/S结构，根据个性化推荐环节将推荐模型分为三个模块:数据输入模块、用户推荐模块、信息输出模块（图3）。

旅游业移动电子商务推荐模型通过数据输入模块给消费者提供良好的界面，方便推荐模型收集消费者的搜索记录、行为数据，了解消费者的兴趣偏好，对用户进行细分；通过个性化推荐模块提供的推荐技术对数据进行处理，获取推荐结果；通过信息输出模块对消费者进行个性化推荐。

图3 旅游业移动电子商务推荐模型结构

2.2 推荐模型流程分析

本文提出的旅游业移动电子商务个性化推荐模型的流程设计分5个步骤（图4）:1）通过用户智能界面采集原始旅游搜索与购买数据；2）依据推荐模型要求的数据格式进行数据预处理，将处理过的数据导入到移动数据库中，构造交易事务数据库；3）通过关联规则挖掘算法对交易事务数据库进行数据挖掘，得到旅游产品的强关联规则的集合，将关联规则集合导入到后台数据库中；4）对产生过旅游产品购买记录的消费者，推荐模型将消费者的历史记录与关联规则集合进行匹配，得到符合该消费者的旅游产品推荐信息，形成与用户喜好相关的Top-N种旅游产品推荐列表，对于新的旅游产品消费者，则将当前最受欢迎的Top-N种旅游产品组成推荐列表；5）通过用户信息平台将推荐结果展示给消费者。

图4 推荐模型流程

在整个推荐过程中，关联规则更新体现在第三步的定期操作，而并不是对交易事务数据库进行过一次关联规则挖掘就可以一直使用所得关联规则，而是需要对交易事务数据库定期进行处理，更新周期视旅游交易的实际情况而定。

2.3 后台移动数据库设计

推荐模型的数据输入模块功能是用于收集、转换、存储并管理推荐过程中所要使用的各类数据，并对外部智能界面提供信息转换接口及相应的管理接口，移动数据库表关系考虑了原始事务数据的转换、评分数据格式及数据接口的可配置性，包括基本信息类数据表、挖掘类数据表、推荐结果类数据表。

移动数据库的开发采用Oracle Database Lite 10g，通过为移动用户提供不受带宽和覆盖面限制的、连续的数据访问体验，增强移动用户粘性［10］。为了加强个性化推荐系统的可移植性和可维护性，在推荐系统中设计一个移动数据库接口，利用该接口设置、链接及存储推荐连接相应数据库系统的TSQL代码和参数，实现对各细分用户系统数据库的读取。移动数据库系统的设计以组件容器为核心，由SQL解析组件、访问控制组件、事务处理组件、日志组件和其他功能组件组成（图5）［11］。

图5 基于组件的移动数据库系统设计

图5 的移动数据库系统，不仅方便用户掌握和学习，而且由于提供了嵌入式的扩展接口，同时方便组件的设计、更新、替换及删除等操作。通过这些组件可以添加配置新功能，同时又不影响先前功能的使用。

本文将基于组件的移动数据库系统的开发过程分为5个步骤:需求分析、平台开发选择、移动数据库结构设计、系统组件实现与集成，以及系统测试。

3 结论与展望

基于旅游业移动电子商务的个性化推荐因为既要考虑旅游产品消费者数据的分类与挖掘，同时又要考虑移动数据库的功能特性，保证消费者能随时随地享受到满意的旅游产品服务，故而其虽是当前研究热点，但还不完善。

推荐模型针对旅游业移动电子商务环境下的个性化推荐进行了研究，在用户细分及偏好分析及个性化推荐模型上做了一些探讨，通过概念层次树与FP增长算法进行关联规则挖掘，提高了个性化推荐的质量，设计基于组件的嵌入式移动数据库，准确地提供相关的Top-N旅游产品。

本文所建立的个性化推荐模型达到了灵活、高效、方便的效果，但存在一定的不足，接下来会完善旅游业移动电子商务个性化推荐功能，加强信息排列的合理性，增进消费者的熟悉认知度，通过KSP算法进行用户细分和偏好分析，定位消费者的习惯偏好，实时做出推荐。

［1］ 彭润华，阳震青.旅游移动电子商务服务质量评价指标体系构建［J］.旅游经济，2011（05）:160-162.

［2］ Swati Nenava，Vijay Choudhary.Hybrid personalized recommendation approach for improving mobile e-commerce［J］.International Journal of Computer Science＆ Engineering Technology，2013，（5）:546-552.

［3］ 杜小慧，周玲强，断健平.移动电子商务在旅游中的应用模式与营销创新［J］.商业经济与管理，2006（07）:49-52.

［4］ Liu Bing.Web data mining［M］.北京:清华大学出版社，2009:27-31.

［5］ Mobasher B，Dai H ，Luo Tetal.Effective personali-zation based on association rule discovery from web usage data.3rd international workshop on Web information and data management［J］.Atlanta，2001:9-15.

［6］ 李 媛.电子商务个性化推荐关键技术研究［D］.哈尔滨工程大学，2010.

［7］ 邓晓懿.移动电子商务个性化服务推荐方法研究［D］.大连理工大学，2012.

［8］ Adomavicius G，Tuzhilin A.Toward the next generation of recommender systems:a survey of the state of the art and possible extension［J］.IEEE Transaction on Knowledge and Data Engineering，2005（06）.

［9］ 王 颖.基于关联规则的电子商务个性化推荐模型研究［D］.哈尔滨:东北财经大学，2012.

［10］覃 征，曹玉辉，王卫红，等.移动电子商务［M］.北京:清华大学出版社，2012:224-226.

［11］李裕建，苏晓龙，王香婷，等.一种新的嵌入式移动数据库系统的设计［J］.微计算机信息，2009（25）:169-171.