王聰?shù)?/p>

摘要：隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，越來(lái)越多的用戶選擇使用移動(dòng)終端來(lái)查找餐館、酒店等生活服務(wù)類信息。在移動(dòng)環(huán)境下，用戶的個(gè)性化信息需求具有高度情境敏感性，同一用戶在不同情境下可能會(huì)偏好不同的信息資源，并在搜索過(guò)程中采取不同的選擇策略。通過(guò)對(duì)移動(dòng)用戶進(jìn)行問(wèn)卷調(diào)查，對(duì)用戶情境與美食特征進(jìn)行關(guān)聯(lián)分析，為情境感知移動(dòng)美食推薦系統(tǒng)研究和餐飲服務(wù)業(yè)快速發(fā)展提供參考。

關(guān)鍵詞：

用戶情境；美食特征；關(guān)聯(lián)分析；網(wǎng)頁(yè)分析

中圖分類號(hào)：

F27

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：16723198（2015）11005503

1引言

隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，越來(lái)越多的用戶選擇使用移動(dòng)終端來(lái)查找餐館、酒店等生活服務(wù)類信息。艾瑞檢測(cè)數(shù)據(jù)顯示，2012年8月-2014年5月，移動(dòng)端App和移動(dòng)端網(wǎng)頁(yè)的日均覆蓋人數(shù)增長(zhǎng)了147.0%和73.7%。

移動(dòng)終端已經(jīng)成為了用戶獲取信息的重要媒介。然而，在用戶的信息獲取成本越來(lái)越低廉的同時(shí)，信息甄別成本卻變得越來(lái)越昂貴。加之移動(dòng)設(shè)備的界面顯示、終端處理、輸入/輸出等能力有限，為移動(dòng)用戶帶來(lái)沉重的“移動(dòng)信息過(guò)載”問(wèn)題，導(dǎo)致移動(dòng)網(wǎng)絡(luò)資源利用率和用戶體驗(yàn)受到嚴(yán)重影響。為此，移動(dòng)推薦系統(tǒng)應(yīng)運(yùn)而生，它能夠在分析預(yù)測(cè)用戶需求基礎(chǔ)上主動(dòng)推送其可能需要但又難以獲取的有用信息，并能夠以用戶為中心，通過(guò)研究用戶行為、興趣和環(huán)境等，為用戶推薦更具針對(duì)性的信息。

在移動(dòng)環(huán)境下，用戶的個(gè)性化信息需求具有高度情境敏感性，同一用戶在不同情境下會(huì)偏好不同的信息資源，并在搜索過(guò)程中采取不同的選擇策略。因此，部分學(xué)者已經(jīng)開始將情境信息融入到移動(dòng)推薦系統(tǒng)中，將傳統(tǒng)的“用戶-資源”兩維推薦模型擴(kuò)展為包含多種情境信息的多維信息推薦模型，取得了較好的效果。但是，在很多情境感知推薦系統(tǒng)的研究中，往往存在著情境信息難以量化，用戶情境和項(xiàng)目特征之間的關(guān)聯(lián)度也很難準(zhǔn)確計(jì)算的問(wèn)題。

本文通過(guò)對(duì)移動(dòng)用戶進(jìn)行問(wèn)卷調(diào)查，對(duì)用戶情境與美食特征進(jìn)行關(guān)聯(lián)分析，為情境感知移動(dòng)美食推薦系統(tǒng)研究和餐飲服務(wù)業(yè)快速發(fā)展提供參考。

2用戶情境和美食特征

2.1用戶情境

在用戶尋找美食信息的過(guò)程中，用戶自身的各種屬性以及就餐時(shí)間、就餐對(duì)象和就餐目的對(duì)用戶美食偏好有著重要的影響。為此，我們構(gòu)建了一個(gè)美食領(lǐng)域的用戶情境集合，如表1所示。

2.2美食特征

我們使用“網(wǎng)絡(luò)曠工”爬蟲軟件（http：//www.minerspider.com/），在2014年6月20日-2014年6月27日采集了大眾點(diǎn)評(píng)網(wǎng)（http：//www.dianping.com/）、去哪吃美食網(wǎng)（http：//www.qunachi.com/）以及大成美食網(wǎng)（http：//cd.qq.com/ieat/）上的分布在成都市的200家餐館的15425條評(píng)論，在此基礎(chǔ)上構(gòu)建美食評(píng)論語(yǔ)料庫(kù)。

我們采用中科院ICTCLAS開源軟件對(duì)評(píng)論語(yǔ)料進(jìn)行分詞及詞性標(biāo)注。接著我們刪除了類似于“他”、“這”和“了”等停用詞。我們只保留與評(píng)論特征有關(guān)的名詞，形容詞以及副詞，使其構(gòu)成短句。然后，我們使用“詞頻分析工具@Execl大全”軟件統(tǒng)計(jì)評(píng)論語(yǔ)料中的所有名詞出現(xiàn)的頻率，抽取出現(xiàn)頻率大于10的詞條，人工判別其是否與美食有關(guān)。最后，我們對(duì)得到的候選特征進(jìn)行聚合得到十二個(gè)美食一級(jí)特征：環(huán)境、風(fēng)格、氛圍、位置、服務(wù)、價(jià)格、檔次、口感、賣相、菜量、品種、等待時(shí)間。

3用戶情境和美食特征的關(guān)聯(lián)

3.1問(wèn)卷設(shè)計(jì)和調(diào)查方法

為了分析移動(dòng)環(huán)境下用戶情境和美食特征之間的關(guān)聯(lián)性，我們?cè)O(shè)計(jì)了一份調(diào)查問(wèn)卷，共16個(gè)題目，其主要包括兩個(gè)方面的內(nèi)容。第一部分是被調(diào)查者的基本信息，包括被調(diào)查者的年齡、性別、學(xué)歷、月均消費(fèi)水平等。第二部分是在不同的情境下用戶對(duì)美食特征重要程度的選擇。

本文通過(guò)專業(yè)的問(wèn)卷調(diào)查網(wǎng)站問(wèn)卷星（www.sojump.com）發(fā)布問(wèn)卷，調(diào)查時(shí)間從2014年9月開始，持續(xù)了2個(gè)月。該調(diào)查共收到528份調(diào)查問(wèn)卷。

3.2結(jié)果分析

3.2.1樣本描述性統(tǒng)計(jì)分析

樣本描述性統(tǒng)計(jì)分析如表2所示。性別比例基本保持平衡：其中男性占54.17%，女性占45.83%。年齡主要集中在18-25歲和26-45歲兩個(gè)區(qū)段之間，分別占77.27%和19.70%。在教育程度的分布上，主要集中在大學(xué)及大專，占91.10%。月均消費(fèi)水平額集中在2000元以下。

通過(guò)對(duì)用戶年齡與美食特征進(jìn)行關(guān)聯(lián)分析（圖1），我們發(fā)現(xiàn)任何處于年齡段的用戶都對(duì)口感、環(huán)境和氛圍三個(gè)特征最為關(guān)注，口感的百分比保持在13%-16%，環(huán)境是11%-13%。隨著用戶年齡的增加，用戶對(duì)“氛圍”重視程度越來(lái)越高（從11.02%上升到1206%），對(duì)“等待時(shí)間”的要求越來(lái)越低（從8.35%下降到4.86%）。46-65歲的用戶對(duì)口感的要求比其他幾個(gè)年齡段要明顯高一點(diǎn)，對(duì)氛圍的要求比別的年齡段低。

通過(guò)對(duì)用戶月收入與美食特征進(jìn)行關(guān)聯(lián)分析（圖2），我們發(fā)現(xiàn)隨著用戶月收入的增加，用戶對(duì)“檔次”的關(guān)注程度越來(lái)越高（從6.6%左右到10.17%），對(duì)“口感”的重視度減少（從15.28%到12.97%）。從總體分析，口感、環(huán)境和氛圍仍然是用戶最關(guān)注的三種美食特征。

（2）就餐時(shí)間與美食特征關(guān)聯(lián)分析。

通過(guò)對(duì)就餐時(shí)間與美食特征進(jìn)行關(guān)聯(lián)分析（圖3），我們發(fā)現(xiàn)用戶在早餐時(shí)最關(guān)注的美食特征為口感（7273%）、等待時(shí)間（53.60%）和價(jià)格（47.16%），其中對(duì)口感和等待時(shí)間的要求較高；午餐時(shí)注重的美食特征為價(jià)格（50.19%）、口感（48.67%）和環(huán)境（3920%）；下午茶時(shí)最為關(guān)心的美食特征為氛圍（5436%）、環(huán)境（52.84%）和風(fēng)格（38.83%），對(duì)口感和價(jià)格的關(guān)注度相對(duì)其他時(shí)間段低很多；晚餐時(shí)最重要的美食特征為口感（59.85%）、價(jià)格（43.18%）和環(huán)境（39.20%）；宵夜時(shí)最關(guān)注的美食特征為口感（62.3`%）、價(jià)格（38.24%）和品種（32.01%），對(duì)品種的要求明顯高于其他時(shí)間。endprint

（3）就餐對(duì)象與美食特征關(guān)聯(lián)分析。

通過(guò)對(duì)就餐對(duì)象與美食特征進(jìn)行關(guān)聯(lián)分析（圖4），我們發(fā)現(xiàn)用戶在獨(dú)自一人時(shí)最關(guān)注的美食特征為口感（61.31%），接著是價(jià)格（46.59%）和等待時(shí)間（3523%），其他對(duì)象時(shí)對(duì)等待時(shí)間的關(guān)注度都低于20%；與朋友吃飯時(shí)用戶注重的美食特征為口感（495%）、氛圍（46.59%）和環(huán)境（41.29%）；與同事吃飯最關(guān)心的美食特征為環(huán)境（44.32%）、口感（44.13%）和服務(wù)（36.93%）；與家人吃飯時(shí)最關(guān)注的美食特征為口感（64.34%），其次是環(huán)境（41.29%）和氛圍（3807%）；在商務(wù)宴請(qǐng)時(shí)關(guān)注的美食特征為檔次（5966%）和環(huán)境（57.95%），服務(wù)（44.51%）也比較重要，對(duì)檔次的要求明顯高于其他情況；在情侶約會(huì)時(shí)最看重的美食特征為氛圍（66.29%），環(huán)境（53.60%）和口感（4129%）。

（4）就餐目的與美食特征關(guān)聯(lián)分析。

通過(guò)對(duì)就餐目的與美食特征進(jìn)行關(guān)聯(lián)分析（圖5），我們發(fā)現(xiàn)用戶在相親時(shí)最關(guān)注的美食特征為環(huán)境（5390%）、氛圍（55.87%）和檔次（40.72%）；在相親、表白、求婚時(shí)最關(guān)心的美食特征皆為氛圍、環(huán)境和檔次，其中表白和求婚時(shí)的各美食特征的百分比也較為接近，氛圍保持在67%左右，環(huán)境約為63%，檔次則在37%-42%之間。休息小憩時(shí)注重的美食特征為口感（49.43%），環(huán)境（41.86%）和氛圍（35.61%）；隨便吃吃時(shí)最關(guān)注的美食情境為口感（61.74%），其次是價(jià)格（47.54%），等待時(shí)間（26.52%）也比較重要。

4結(jié)論

通過(guò)對(duì)用戶進(jìn)行問(wèn)卷調(diào)查，分析用戶情境和美食特征之間的相關(guān)關(guān)系，發(fā)現(xiàn)用戶在不同情境下最關(guān)注的美食特征，為情境感知移動(dòng)美食推薦系統(tǒng)研究和餐飲服務(wù)業(yè)快速發(fā)展提供參考。

參考文獻(xiàn)

[1]艾瑞咨詢集團(tuán).2014年中國(guó)綜合類本地生活服務(wù)電商市場(chǎng)行業(yè)發(fā)展報(bào)告[EB/OL].[20141127].http：//report.iresearch.cn/2279.html.

[2]ColomboMendoza L.O，ValenciaGarcia R，RodriguezGonzalez A，AlorHernandez G，SamperZapater J.J. RecomMetz：A contextaware knowledgebased mobile recommender system for movie showtimes[J].Expert Systems with Applications，2015，（42）：12021222.

[3]Liu Q.Accurate and Diverse Recommendations Based on Communities of Interest and Trustable Neighbors[J].International Journal of Security and Its Applications，2015，9（3）：6376.

[4]劉啟華.基于情境歷史的移動(dòng)用戶偏好挖掘研究[J].圖書情報(bào)工作，2012，56（20）：6873.

[5]Liu Q.Contextaware Mobile Recommendation System Based on Context History[J].TELKOMNIKA Indonesian Journal of Electrical Engineering，2014，12（4）：31583167.

[6]Baltrunas L，Ludwig B， Peer S，Ricci F.Context relevance assessment and exploitation in mobile recommender systems[J].Personal and Ubiquitous Computing，2012，16（5）：507526.

[7]Anind K.D. Enabling the Use of Context in Interactive Applications[C].Doctoral Consortium paper in the Proceedings of the 2000 Conference on Human Factors in Computing Systems， The Hague，The Netherlands，April 16，2000：7980.

[8]朱學(xué)紅.移動(dòng)互聯(lián)網(wǎng)用戶消費(fèi)行為意向研究[D].南京：南京郵電大學(xué)，2011.

[9]刁塑.新興電子商務(wù)消費(fèi)者隱私關(guān)注與采納行為研究[D].北京：北京郵電大學(xué)，2010.

[10]Zhang，H，Yu，H，Xiong，D，and Liu，Q.Hhmmbased chinese lexical analyzer ictclas[C].Proceedings of the second SIGHAN workshop on Chinese language processing，2003：184187.endprint