基于云計算的移動商務推薦服務網絡分析

劉春靈

（中國移動集團新疆有限公司伊犁州移動分公司 伊犁 835000）

1 引言

隨著通信網絡的發展，移動通信技術逐漸滲透到電子商務的多個領域。移動通信和電子商務的融合造就了移動商務的誕生[1]。移動商務能在任何時間任何地點靈活地適應用戶的數據環境，并為用戶提供移動辦公、移動CRM、移動資產管理、移動新聞采編、移動物流、移動銀行、移動銷售等多種商務應用[2]。移動定位在我國擁有廣闊的應用前景。從目前的實際應用情況來看，移動定位用戶規模依然較小，移動定位占移動運營商增值服務總收益的比重還比較低。總體來看，移動定位業務在我國還僅僅處于市場培育階段。要有效推動移動定位業務的快速、健康發展，需要與眾多的傳統產業相融合，促進產業價值鏈的多元化，拓展行業市場。

網絡的深度發展使得網絡信息的有效獲取成為人們面臨的問題，推薦技術因能幫助人們獲取非結構化信息，引起了研究者的注意。由于推薦技術是通過人類自身的智慧協作完成信息的提供，這在某種層次上比簡單的機器搜索更符合人自身的需要。目前，Web2.0將人的興趣、信息提供、信息獲取整合起來，更多地體現人的主動性。移動互聯網絡給用戶提供了較好的人際間的興趣和信息的有效交互[3]，如何利用用戶行為提升移動商務價值成為移動網絡科技的熱點之一。

由于人的移動特性和信息量逐漸增加，如何快捷地給用戶提供用戶需要的信息推薦服務成為目前亟待解決的問題[4]。云計算具有高可靠性、高計算性能等特點[7,8]，為移動推薦服務提供新的思路。本文在移動網絡用戶分析的基礎上，將基于移動用戶行為的推薦計算劃分成多個子云計算，在以基站為中心的子云計算中，一方面可以快捷地在子云內進行推薦，另一方面可在較高的程度上保持移動用戶行為的可預測性。這將更有利于移動網絡信息的推薦。

2 移動商務中的推薦服務

與傳統電子商務相比，移動電子商務有以下優點。

（1）服務的時空隨意性

同傳統的電子商務相比，移動電子商務的一個最大優勢就是移動用戶可隨時隨地獲取所需的服務、應用、信息和娛樂。他們可以在自己方便的時候，使用智能電話或PDA查找、選擇及購買商品和服務。

（2）更好的個性化服務

移動電子商務能更好地實現移動用戶的個性化服務，移動計算環境能提供更多移動用戶的動態信息(如各類位置信息、手機信息)，這為個性化服務的提供創造了更好的條件。移動用戶能更加靈活地根據自己的需求和喜好來定制服務與信息的提供(如用戶可以將自己所處的城市結合進去，調整商品遞送的時間，實現自己的個性化服務)。

（3）基于位置的服務

移動通信網能獲取和提供移動終端的位置信息，與位置相關的商務應用成為移動電子商務領域中的一個重要組成部分。移動商務可以為不同位置的用戶提供更具位置特性的服務（如在不同情境下，為用戶提供不同的服務）。

與傳統Internet上相似，由于手機等移動終端設備在容量和屏幕顯示上的限制。“信息過載”在移動商務信息服務中更加突出。雖然搜索能處理用戶已經確定存在的信息，但更多的信息是用戶根本就不知道其存在與否的。推薦問題注重于主體的被動性，主要存在于用戶已經得到產品時，一方面由于產品的相關性得到新的產品，這種新的產品是原來用戶不曾想到的，進而可能引發新的產品 需 求[9，10]。

雖然基于定位的服務在定位的基礎上對信息進行過濾，然而在一定的區域范圍內某類商品或服務的信息仍然很多，大量信息對于用戶仍是很大的負擔。在移動過程中，受環境、安全等因素的約束，用戶一般沒有時間認真翻閱各條信息進而決定使用什么樣的服務。同時，為了提高移動設備的便攜性，移動設備的顯示屏幕都比較小，這就給大量信息的顯示和查閱帶來了很大的問題。在上述約束下，基于定位的個性化推薦能很好地解決這些問題，為用戶提供個性化的服務信息。在這里將基于定位的個性化推薦定義為基于對移動設備的定位及與位置相關的信息向用戶自動推薦符合其興趣偏好或需要的資源。

移動服務不但可以不受地點的服務限制，還對緊急事件的處理具有獨特的優勢。由于緊急事件常常具有突發性，其發生的時間和地點都具有極大的不確定性，而移動設備隨身攜帶，能為緊急事件的處理帶來很大方便。某些移動推薦信息也具備緊急性，用戶一般需要馬上得到所需要的信息，如即時股價、天氣以及附近酒店信息等。越是在緊急的情況下，移動推薦服務越能體現其優勢。但是推薦服務需要對用戶數據和信息進行計算才能依據一定的方法進行推薦。隨著移動用戶數和信息量的逐漸增加，傳統的方法無法及時滿足用戶的即時信息需求，這種“可擴展性”問題日益突出。如何在不降低推薦精度的情況下，提高推薦算法的效率成為目前移動商務推薦服務的新的問題。

3 云計算理論

3.1 云計算產生的背景

（1）即時透明計算

圖1 透明計算系統的組織結構

云計算將大量的用戶計算分布在不同的云團上，從而降低了前端用戶設備對計算能力的需求，這對移動商務的發展具有劃時代的推動作用。透明計算系統的組織結構如圖1所示。

（2）綠色網絡

將大量的數據，計算能力集中起來，可以完成超規模的網絡計算需求。這樣可以減少冗余的計算設備，極大降低對能源的消耗。

3.2 云計算的特征

IBM公司于2007年底宣布了云計算計劃，在IBM的技術白皮書“Cloud Computing”中的云計算定義:“云計算一詞用來同時描述一個系統平臺或者一種類型的應用程序。一個云計算的平臺按需進行動態地部署 (provision)、配置(configuration)、重新配置 (reconfigure)以及取消服務(deprovision)等。在云計算平臺中的服務器可以是物理的服務器或者虛擬的服務器。高級的計算云通常包含一些其他的計算資源,如存儲區域網絡(SANs)、網絡設備、防火墻以及其他安全設備等。云計算在描述應用方面,它描述了一種可以通過互聯網Internet進行訪問的可擴展的應用程序。‘云應用'使用大規模的數據中心以及功能強勁的服務器來運行網絡應用程序與網絡服務。任何一個用戶可以通過合適的互聯網接入設備以及一個標準的瀏覽器就能夠訪問一個云計算應用程序。”該定義包含了云計算的兩個方面的含義：一方面描述了基礎設施，用來構造應用程序；另一方面描述了建立在基礎設施上的云計算應用。

3.3 目前常見的幾類云計算

Google公司有一套專屬的云計算平臺,這個平臺先是為Google最重要的搜索應用提供服務,現在已經擴展到其他應用程序。Google的云計算基礎架構模式包括4個相互獨立又緊密結合在一起的系統：Google File System分布式文件系統,針對Google應用程序的特點提出的MapReduce編程模式,分布式的鎖機制Chubby以及Google開發的模型簡化的大規模分布式數據庫BigTable。

IBM的 “藍云”計算平臺是一套軟、硬件平臺,將Internet上使用的技術擴展到企業平臺上,使得數據中心使用類似于互聯網的計算環境。“藍云”大量使用了IBM先進的大規模計算技術,結合了IBM自身的軟、硬件系統以及服務技術,支持開放標準與開放源代碼軟件。“藍云”基于IBM Almaden研究中心的云基礎架構,采用了Xen和PowerVM虛擬化軟件,Linux操作系統映像以及Hadoop軟件(Google File System以及MapReduce的開源實現)。IBM已經正式推出了基于x86芯片服務器系統的“藍云”產品。

Amazon的彈性計算云由名為Amazon網絡服務(Amazon Web services)的現有平臺發展而來.2006年3月,Amazon發布了簡單存儲服務 (simple storage service,簡稱S3),Amazon通過提供彈性計算云,滿足了小規模軟件開發人員對集群系統的需求,減小了維護負擔，其收費方式相對簡單明了:用戶使用多少資源,只需為這一部分資源付費即可。

4 基于移動網絡區域的推薦云計算

4.1 移動網絡的云分析

移動環境下，用戶行為的動態性給推薦服務計算帶來很大的挑戰。云計算能給計算服務提供高可靠性和較強的計算能力，這給移動推薦計算提供了機遇。由于目前的云計算大多建立在分布式計算和并行計算的基礎上，移動網絡服務確實具有團落效應，這使得移動推薦云計算成為可能，同時也為移動云框架構建提供了新的研究思路。在移動通信中，基站作為基礎設施有著特殊的作用。通過基站的反饋信息，可以得到不同用戶的具體位置。這樣，手持手機的不同用戶，就可以被服務器監測到其活動的具體位置。用戶在不同位置發出的請求，移動服務系統應該能夠根據其所在位置進行初始設定，通過對用戶的位置和用戶的具體服務請求進行分析后為用戶提供個性服務。這樣，就可以利用基站形成推薦服務的移動子云。不同的用戶常常在不同的區域進行活動，其活動類別也大多相似。如果能夠得到移動用戶的不同活動區域，則可以更好地為移動用戶提供推薦服務。基站在移動服務中具有一定的區域化效應，這給移動商務的推薦服務提供了有力的支持。在移動用戶網絡中，會出現很多網絡交疊結構，如圖2所示。

在這些團落內部，用戶的興趣和所關心的事物大多相近。因此，將移動用戶劃分成不同的片區，有利于通信服務和精準的用戶興趣預測。另外，在這些團落內，由于用戶數遠遠小于整個移動網絡的用戶數，推薦計算的工作量則大大降低。

這樣可以在用戶子云塊結構服務的基礎上進行一定程度的云計算服務。利用map-reduce框架對用戶網絡推薦服務進行映射服務（map）分布計算，將推薦計算分布到各個子云上；在團落內利用協同過濾進行分布推薦，最后通過加權計算進行規約（reduce）計算，如圖3所示。

4.2 移動推薦服務云計算

雖然網絡團落內用戶對目標項目都比較感興趣，但是團落內不同用戶的評價風格會有很大的差異。用余弦計算項目之間的相似度時，由于不同團落內的項目被評價值有一定的差異，這里只計算同一團落內用戶的評價相似情況。

這里，ri,z指同屬于用戶 i對項目z的評價值，userSim指用戶i與用戶j的相似度。因為有的用戶評價興趣比較中庸，而有的用戶評價風格則比較偏激，那些中庸型用戶和偏激型用戶的評價風格差異較大，這在某種程度上更能體現用戶社團內評價方式個性化的特點。在現實生活中的推薦過程中，每個活動用戶的鄰居在目標項目上都有一個推薦預測值。

對于每個子云而言，尋找與用戶評價最相近的最近鄰用戶，計算該用戶的推薦值。

最后，得到不同移動信息的用戶偏好排序，將前幾項推薦給移動用戶。移動用戶通過對所推薦的信息項目進行評價，會得到更為滿意的推薦結果。

5 結束語

移動商務中用戶的個性化服務是移動增值服務的核心，推薦服務是個性化服務和移動網絡廣告“精準服務”的最佳技術。日益增長的用戶和信息為移動推薦服務造成的“可擴展性”問題，這給移動商務的及時服務帶來很大困難。本文在云計算分析的技術上，對移動用戶行為的網絡團落效應進行分析，建立了移動網絡推薦服務的云計算框架。利用協同過濾算法在各推薦子云內進行計算得到不同信息資源的用戶偏好，通過云際間的偏好規約，預測用戶對各種資源的興趣程度。該方法能在推薦精度不降低下，較大程度提高移動推薦服務的效率。

1 羅巍.基于位置服務的移動電子商務平臺構建.中國科技信息，2010，21(2):172～174

2 楊玲玲.構建移動互聯網多商業模式.移動通信，2010，37(1)：75～77

3 Vespignani A.Predicting the Behavior of Techno-Social Systems.Science,2009,325(5939):425～428

4 吳吉義,林志潔,龔祥國.基于協同過濾的移動電子商務個性化推薦系統若干研究.電子技術應用,2007,32(1):5～8

5 許海玲,吳瀟,李曉東,閻保平.互聯網推薦系統比較研究.軟件學報,2009,20(2):350～262

6 劉建國,周濤,汪秉宏.個性化推薦系統的研究進展.自然科學進展,2009,19(1):1～15

7 吳吉義，平玲娣，潘雪增等.云計算：從概念到平臺.電信科學，2009，12：23～29

8 陳康，鄭緯民.云計算：系統實例與研究現狀.軟件學報，2009，20（5）：1337～1348

9 Konstan J,MillerB,MaltzD,etal.GRoupLens:applying collaborative filtering to usenet news.Communications of the ACM,1997,40(3):77～87

10 Adomavicius G,Tuzhilin A.Toward the next generation of recommendersystems:a survey ofthe state-of-the-artand possible extensions.IEEE Transactions on Knowledge and Data Engineering,2005,17(6):734～749