移动环境下基于情境感知的服务供应链个性化信息推荐研究

摘要：移动环境下用户个性化需求具有典型情境特性，然而传统服务供应链的信息推荐却未考虑情境因素。对此，文章通过在移动环境下集成用户情境展开对服务供应链个性化信息推荐研究。首先分析有效服务供应链在进行信息推荐时应具有的特性，其次集成情境设计服务供应链个性化信息推荐框架，最后给出基于情境感知服务供应链个性化信息推荐的具体实现过程。在服务供应链信息推荐过程中融入用户情境，不仅使得推荐结果满足移动环境下用户的个性化需求，更为重要的是显著提高了服务供应链的服务质量。

关键词：服务供应链；个性化信息推荐；情境感知；移动互联网

一、 引言

传统服务供应链主要从终端用户出发提供信息服务，在一定程度上满足了用户需求。随着移动互联网的普及，移动终端成为了用户获得信息的主要渠道，在此过程中用户的个性化特征、需求习惯、兴趣特点及周边环境等情境因素对用户个性化需求产生了极大影响，即移动环境下服务供应链具有显著情境敏感特性。然而在当前服务供应链研究领域，结合情境为用户提供个性化信息服务（Personalized Information Service，简称PIS）尚未受到广泛关注。对此，本文对移动环境下基于情境感知的服务供应链个性化信息推荐展开研究。随着移动互联网的快速发展以及IT技术的广泛应用，采集用户数据，感知用户情境变得切实可行，基于用户情境的信息推荐不仅使得信息服务的准确性与可靠性大大提高，更为重要的是极大提升了用户个性化需求满意度。

二、 研究现状与趋势

1. “服务供应链”研究现状及趋势。2004 年以前供应链研究多聚焦于产品供应链，之后随着美国学者Lisa M. Ellram的《Understanding and Managing the Service Supply Chain》的发表，有关服务供应链的研究逐渐增多。以下五个方面是学者们较为关注的领域：（1）服务供应链的定义，以2007年发表在文中“服务供应链”的定义最具代表性；（2）从不同视角构建服务供应链模型，展示其形成的规律；（3）服务供应链的评价，包括绩效的评价、链条上服务供应商的选择、协调与优化；（4）服务供应链的测度分析；（5）服务供应链的行业应用，如在旅游行业、物流行业、港口行业等。

综上，有关服务供应链质量的研究尚未得到重点关注。然而随着服务经济重要性凸显，随着服务需求向个性化方向转变，以满足用户个性需求的服务供应链信息推荐能力成为衡量服务供应链信息服务质量的关键，本文正是以此为核心展开研究的。

2. “情境”与“情境感知”研究现状及趋势。情境（Context）通常指某一時期各种情况的结合信息，这些信息既可以用来描述实体（如人、位置）的情形，也可以用来描述虚拟对象（如交互应用）的特征。情境感知（Context Awareness）是一种用于提高信息服务系统性能的技术，它通过传感器等设备获取用户所处环境的信息，在了解用户行为动机基础上自动发现用户需求，自适应地将相关信息或服务推荐给用户，从而提高系统服务的准确性和可靠性。

互联网及相关应用的普及极大改变了人类的生产生活方式，然而在信息的海洋中信息过载和信息迷航等问题日益严重，个性化信息推荐被提上日程。1995 年Carnegie Mellon University的 Robert Armstrong和Stanford University的 Marko Balabanovic 等人设计出了Web Watcher（个性化导航系统） 和LIRA（个性化推荐系统），之后来自不同国家的学者纷纷投入到信息推荐相关研究中。

近年来，移动互联网的出现促使越来越多的用户通过移动终端获取信息，用户获取信息时的情境也不尽相同，这些变化的情境影响了用户的信息需求，即情境成为了影响移动环境下个性化信息推荐的重要因素。对此，为提高移动环境下服务供应链的个性化信息服务质量，感知和推理用户当前情境，更新合成历史情境，将情境融入到服务供应链的个性化信息推荐中变得十分有研究价值。

三、 服务供应链个性化信息推荐特性分析

一个有效的服务供应链系统在为用户推荐信息时应满足以下四个特性：

1. 自动性和隐匿性。这是指系统获取用户个性化需求时应具有的特性。传统服务供应链系统通常采用用户主动注册和提交反馈表的方式获取需求，不仅耗费用户的时间精力，而且信息一旦获得则长时间不会发生改变，这与移动环境下用户需求随情境变化而变化的事实相违背，结果导致用户对系统推荐的个性化信息满意度差。今天，大数据技术的出现解决了这个问题，通过该技术系统可实时感知用户所处情境，如浏览的网页、感兴趣的话题等，通过分析和挖掘获取用户的潜在需求，基于此向其推荐信息。这个过程不仅是自动的，而且不需要用户主动参与，具有隐匿性。

2. 准确性和可靠性。传统服务供应链系统获取用户需求时没有考虑情境因素，因此系统推荐的信息质量满意度差。对此，有效的服务供应链在进行个性化信息推荐时，必须将用户情境纳入，确保推荐的准确性和可靠性。

3. 自适应性。传统信息推荐系统采用的方法是获得用户需求，并假设它们长时间不发生改变。然而移动环境下，用户的需求会随着情境的变化而不断变化，对此，服务供应链个性化信息推荐系统应能及时捕捉情境对用户需求的影响，自适应地调整推荐信息，从而提高用户满意度。

4. 推测性。有时用户并不了解或清晰地描述出自己的真实需求，对此，服务供应链个性化信息推荐系统应能借助大数据技术根据用户情境推测出潜在需求，为其提供更好的个性化服务。

四、 服务供应链个性化信息推荐框架设计

传统服务供应链以终端用户为中心，根据用户在平台上提出的明确查询需求，通过供应链整体资源的整合与协同，响应用户请求，提供服务，整个运作过程如图1所示。

然而在移动互联环境下，随着用户情境的变化，用户需求也表现出复杂、多维、异构、变化，甚至冲突等特点，并不始终保持一致。对此，打破传统服务供应链的运作模式，根据用户的目标和任务，结合用户当前及历史情境，通过情境的感知、处理和应用向用户提供信息服务，实现信息推荐的个性化，提高用户的满意度。基于情境感知的服务供应链个性化信息推荐框架如图2所示。

将用户情境融入到信息推荐过程分为三步，即：

1. 情境感知层：主要指情境的获取，包括获取用户历史和当前情境，主要渠道来自用户工作的工作流引擎、用户使用的各种程序、用户网上浏览的行为轨迹，及各种传感器的反馈等。

2. 情境处理层：根据情境处理规则，对获取的用户情境进行更新、合成和推理，建模后存储至情境模型库。

3. 情境应用层：主要由情境匹配和信息推荐两步构成。首先将情境模型与平台提供的信息资源模型进行匹配，其次基于此为用户提供信息服务，最终实现基于情境的个性化信息推荐。

五、 基于情境感知的服务供应链个性化信息推荐过程实现

1. 当前情境的获取与推理。实现个性化信息推荐的首要任务是识别用户当前情境，即用户当下所做所想。当前情境的获取方式分为直接和间接两种。

（1）直接当前情境：是指从各种信息源直接获取的与用户相关的各种情境信息，通常从以下三种途径获得。

通过物理传感器——通过在相关的物理实体上安装传感器，读取传感器中数据获得情境信息，主要用于获取与用户相关的物理实体的信息。

通过工作流管理系统等应用软件——通过与应用软件的交互获取用户当前正在执行的业务过程信息，如执行的具体业务过程和事件的名称、系统的状态、使用的资源等。

通过用户行为记录 通过Web2.0——直接自动识别用户当前的行为信息，如用户最近的Tagging关注倾向、Blog主题列表、Wiki学科领域等知识信息行为和表现，感知用户所想。

（2）间接当前情境：是一种需要通过推理才能获得的情境，以直接当前情境为基础，根据预定义规则进行推理识别。

直接当前情境和间接当前情境共同构成了当前情境，具体过程如图3所示。

2. 综合情境的更新与合成。事实上用户行为具有连贯性，这就要求用于推荐的情境也是持续更新的。当前情境只能反映用户短时期内行为，不具连续性，因此完全基于当前情境的信息推荐准确性和可靠性较差。对此，将用户的历史和当前情境进行综合，通过更新合成形成能反映用户连续行为的综合情境，以此为基础的信息推荐用户满意度显然较高。综合情境的计算方法如公式1所示：

C（t）=γ*C（t-1）+（1-γ）*Ct（t）（1）

其中C（t）为t时刻用户综合情境；C（t-1）为t时刻前用户历史情境；Ct（t）为t时刻用户当前情境；γ为影响系数，γ∈[0，1]，表示历史情境对综合情境的影响程度，γ越大，表示历史情境对综合情境影响越大，当γ=0时，表示综合情境完全忽略历史情境的影响，信息推荐只与用户当前情境有关。因此，可通过调节影响系数 控制当前和历史情境对推荐的影响。

3. 集成情境的查询、匹配与推荐。传统服务供应链的信息推荐主要分为两步：首先用户在平台上输入查询信息项，如向平台指定的属性设置属性值，或直接输入关键词进行查询；其次系统将查询信息项与信息资源库中的信息项进行匹配，而后直接进行推荐。由于整个推荐过程未考虑用户综合情境，信息推荐结果准确性和可靠性差。而基于情境感知的服务供应链在进行信息推荐时采用将传统服务供应链的特性查询与用户综合情境相结合的方式，通过将用户的情境要素和属性进行匹配，而后实现推荐，具体步骤如下：

第一步：不考虑用户综合情境，查询信息项k和信息资源库提供的信息项q的相似度记为sim（k，q），采用矩阵余弦函数计算匹配相似度，即：

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

第二步：查询信息项C（t）和用户综合情境 的相似度记为sim（k，C（t）），采用矩阵余弦函数计算匹配相似度，即：

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

第三步：考虑用户综合情境，查询信息项k和信息项q的最终相似度记为SIM（k，q，C（t）），采用线性组合方法进行计算，即

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

其中λ为情境影响系数，表示用户情境对信息推荐的影响程度，λ∈[0，1]。当λ=0时，信息推荐完全不考虑用户情境，属于传统服务供应链的信息推荐；当λ=1时，信息推荐则完全以用户综合情境为基础，属于服务供应链的主动推送服务。λ取值需要根据实际经验进行调节。

六、 结论

传统服务供应链在信息推荐时未考虑用户情境，因而无法满足移动环境下用户对信息的个性化需求。对此，本文对移动环境下基于用户情境的服务供应链信息推荐展开研究。文章首先分析了有效服务供应链在进行信息推荐时应具有的四个特性，其次设计了包含情境感知、情境处理和情境应用三层的服务供应链个性化信息推荐框架，最后给出了基于情境感知服务供应链个性化信息推荐的具体实现过程。将用户的历史和当前情境融入到服务供应链的信息推荐过程中，不仅提高了用户对推荐结果的满意度，而且也提升了服务供应链的服务质量。作者今后将在推荐算法方面展开进一步的研究和验证。

参考文献：

[1] 于亢亢.服务供应链的模型与构建[J].现代商业， 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] 刘伟华，季建华，周乐.两级物流服务供应链任务分配模型[J].上海交通大学学报，2008，42（9）：1528- 1528.

[4] 程建刚，李从东.服务供应链网络优化模型及解法[J].电子科技大学学报（社科版），2009，11（1）：61-64.

[5] 武勇杰，趙公民.国内服务供应链研究最新进展及启示——基于元分析的视角.科技和产业，2013，（6）：70-74.

[6] 宋华，陈金亮.服务供应链战略互动与协同价值对合法性的影响.管理科学，2009，（4）：2-11.

[7] 李永琳.基于博弈论的物流服务供应链协同研究[D].大连：大连理工大学学位论文，2010.

[8] 倪霖，王伟鑫.基于灰色AHP的物流服务供应链绩效评价研究[J].计算机工程与应用，2011，47（32）：226-240.

[9] 潘晓东，鄢章华，滕春贤.旅游服务供应链信任均衡研究[J].科技与管理，2011，13（4）：31-34.

[10] 芮晓明.基于核心竞争力的物业服务供应链管理思考[J].现代物业，2012，11（6）：40-42.

[11] 张云婧.港口企业基于服务供应链的物流服务合作模式研究[J].港口科技，2011，（6）：1-4.

基金项目：2015年上海市哲学社会科学规划课题（项目号：2015BTQ001）；上海市教委科研创新项目（项目号：14YS051）。

作者简介：李燕（1979-），女，汉族，广西壮族自治区贵港市人，上海海事大学经济管理学院副教授，哈尔滨工业大学管理学博士，研究方向为信息资源管理、供应链管理、电子商务物流管理。

收稿日期：2015-10-10。