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)服務供應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供應鏈個性化信息推薦研究。首先分析有效服務供應鏈在進行信息推薦時應具有的特性，其次集成情境設計服務供應鏈個性化信息推薦框架，最后給出基于情境感知服務供應鏈個性化信息推薦的具體實現(xiàn)過程。在服務供應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供應鏈的服務質(zhì)量。

關鍵詞：服務供應鏈；個性化信息推薦；情境感知；移動互聯(lián)網(wǎng)

一、 引言

傳統(tǒng)服務供應鏈主要從終端用戶出發(fā)提供信息服務，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)境下服務供應鏈具有顯著情境敏感特性。然而在當前服務供應鏈研究領域，結(jié)合情境為用戶提供個性化信息服務（Personalized Information Service，簡稱PIS）尚未受到廣泛關注。對此，本文對移動環(huán)境下基于情境感知的服務供應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. “服務供應鏈”研究現(xiàn)狀及趨勢。2004 年以前供應鏈研究多聚焦于產(chǎn)品供應鏈，之后隨著美國學者Lisa M. Ellram的《Understanding and Managing the Service Supply Chain》的發(fā)表，有關服務供應鏈的研究逐漸增多。以下五個方面是學者們較為關注的領域：（1）服務供應鏈的定義，以2007年發(fā)表在文中“服務供應鏈”的定義最具代表性；（2）從不同視角構(gòu)建服務供應鏈模型，展示其形成的規(guī)律；（3）服務供應鏈的評價，包括績效的評價、鏈條上服務供應商的選擇、協(xié)調(diào)與優(yōu)化；（4）服務供應鏈的測度分析；（5）服務供應鏈的行業(yè)應用，如在旅游行業(yè)、物流行業(yè)、港口行業(yè)等。

綜上，有關服務供應鏈質(zhì)量的研究尚未得到重點關注。然而隨著服務經(jīng)濟重要性凸顯，隨著服務需求向個性化方向轉(zhuǎn)變，以滿足用戶個性需求的服務供應鏈信息推薦能力成為衡量服務供應鏈信息服務質(zhì)量的關鍵，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（如交互應用）的特征。情境感知（Context Awareness）是一種用于提高信息服務系統(tǒng)性能的技術(shù)，它通過傳感器等設備獲取用戶所處環(huán)境的信息，在了解用戶行為動機基礎上自動發(fā)現(xiàn)用戶需求，自適應地將相關信息或服務推薦給用戶，從而提高系統(tǒng)服務的準確性和可靠性。

互聯(lián)網(wǎng)及相關應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 等人設計出了Web Watcher（個性化導航系統(tǒng)） 和LIRA（個性化推薦系統(tǒng)），之后來自不同國家的學者紛紛投入到信息推薦相關研究中。

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)境下服務供應鏈的個性化信息服務質(zhì)量，感知和推理用戶當前情境，更新合成歷史情境，將情境融入到服務供應鏈的個性化信息推薦中變得十分有研究價值。

三、 服務供應鏈個性化信息推薦特性分析

一個有效的服務供應鏈系統(tǒng)在為用戶推薦信息時應滿足以下四個特性：

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具有的特性。傳統(tǒng)服務供應鏈系統(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)服務供應鏈系統(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，有效的服務供應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，服務供應鏈個性化信息推薦系統(tǒng)應能及時捕捉情境對用戶需求的影響，自適應地調(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，服務供應鏈個性化信息推薦系統(tǒng)應能借助大數(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。

四、 服務供應鏈個性化信息推薦框架設計

傳統(tǒng)服務供應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，通過供應鏈整體資源的整合與協(xié)同，響應用戶請求，提供服務，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)服務供應鏈的運作模式，根據(jù)用戶的目標和任務，結(jié)合用戶當前及歷史情境，通過情境的感知、處理和應用向用戶提供信息服務，實現(xiàn)信息推薦的個性化，提高用戶的滿意度?；谇榫掣兄姆展渹€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，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供應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的物理實體的信息。

通過工作流管理系統(tǒng)等應用軟件——通過與應用軟件的交互獲取用戶當前正在執(zhí)行的業(yè)務過程信息，如執(zhí)行的具體業(yè)務過程和事件的名稱、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關注傾向、Blog主題列表、Wiki學科領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，根據(jù)預定義規(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。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)服務供應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置屬性值，或直接輸入關鍵詞進行查詢；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供應鏈在進行信息推薦時采用將傳統(tǒng)服務供應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)服務供應鏈的信息推薦；當λ=1時，信息推薦則完全以用戶綜合情境為基礎，屬于服務供應鏈的主動推送服務。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)服務供應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供應鏈信息推薦展開研究。文章首先分析了有效服務供應鏈在進行信息推薦時應具有的四個特性，其次設計了包含情境感知、情境處理和情境應用三層的服務供應鏈個性化信息推薦框架，最后給出了基于情境感知服務供應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供應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，而且也提升了服務供應鏈的服務質(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.服務供應鏈的模型與構(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.兩級物流服務供應鏈任務分配模型[J].上海交通大學學報，2008，42（9）：1528- 1528.

[4] 程建剛，李從東.服務供應鏈網(wǎng)絡優(yōu)化模型及解法[J].電子科技大學學報（社科版），2009，11（1）：61-64.

[5] 武勇杰，趙公民.國內(nèi)服務供應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.服務供應鏈戰(zhàn)略互動與協(xié)同價值對合法性的影響.管理科學，2009，（4）：2-11.

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

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

[9] 潘曉東，鄢章華，滕春賢.旅游服務供應鏈信任均衡研究[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)服務供應鏈管理思考[J].現(xiàn)代物業(yè)，2012，11（6）：40-42.

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

基金項目：2015年上海市哲學社會科學規(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，上海海事大學經(jīng)濟管理學院副教授，哈爾濱工業(yè)大學管理學博士，研究方向為信息資源管理、供應鏈管理、電子商務物流管理。

收稿日期：2015-10-10。