第 1 章 引言
1.1 选题背景与研究意义
1.1.1 选题背景
电子商务个性化推荐基于电子商务网站为顾客提供感兴趣商品的信息和建议，辅助用户进行商品购买决策，模拟销售人员帮助顾客进行商品购买，可将电子商务网站浏览者转为购买者，提高电子商务网站交叉销售能力、客户对电子商务网站忠诚度，提高商家盈利能力、降低社会商业整体成本。现在电子商务个性化推荐已广泛用于各个行业，被推荐对象涉及广告、网页、音像制品、书籍、文献和新闻等。
传统电子商务个性化推荐所收集数据与位置无关问题导致不能真正提供满足用户个性需求信息，随着移动互联网迅猛发展、移动终端逐渐普及、空间信息技术日趋完善，具有移动性、实用性、随时性特点的 LBS 为解决该问题提供了可能，其不受时空约束、快速响应、即时传递信息等特性成为提升电子商务个性化推荐系统用户使用体验关键，为此，本文选择基于 LBS 的电子商务个性化推荐进行研究。
此外，本文也是基于导师主持的国家自然科学基金项目“基于语义网格的数字图书馆个性化推荐模型研究”（编号：71003032）、全国教育科学规划基金项目“基于多数据源、多方法融合的学科知识图谱构建方法研究”（编号：DIA160326）、中国博士后科学基金项目“基于领域本体的数字图书馆用户兴趣建模研究”（编号：2014M560107）、湖北省社会科学基金项目“语义网格环境下数字图书馆个性化推荐机制及其应用研究”（编号：2015108）等项目进行的研究。
1.1.2 研究意义
（1）理论意义
本选题将 LBS 与电子商务个性化推荐结合，可从用户角度结合时空信息及用户周围环境信息，自适应提取用户感兴趣信息，实现人与环境交互模式；更精准分析用户行为，做出更精确、针对性推荐；能丰富用户数据收集手段，只需用户允许访问其位置或行动数据即可，最终丰富电子商务个性化推荐研究范畴与视角。
（2）实际意义
我国人口世界第一，电子商务市场容量非常大。同时，我国幅员辽阔，人口流动性强，随时随地、甚至在移动过程中获得个性化服务需求尤为明显。基于 LBS的电子商务个性化推荐根据用户位置情境信息（无需显式输入偏好即可真实反映用户需求）为其提供个性化、人性化服务，更灵活、精准、个性、高效推荐，同时有效避免冷启动问题，进而改善电子商务交易环境、生态系统，提高用户忠诚度，创造更大商机。本文研究成果可应用于移动电子商务、移动电子政务、移动数据图书馆等领域，为其基于 LBS 的个性化推荐应用与系统实现提供参考和解决方案支持。
...........................
1.2 国内外研究现状
1.2.1 基于 LBS 的个性化推荐
（1）用户兴趣建模
①用户兴趣模型表示
基于LBS 的个性化推荐将移动用户当前会话中用户偏好、项目信息和位置情景 各 维 各 属 性 描 述 成 用 户 兴 趣 模 型。 基 于 LBS 用 户 兴 趣 模 型 LUI（Locations-Users-Items，即位置-用户-项目模型）将传统二维拓展为三维，每维子集属性组成向量空间表示，属性根据研究对象或维度特点调整。位置情景信息纳入用户兴趣模型方式主要有模型每维度都由场景属性组成、模型向量维度由情景信息构成。
②用户兴趣模型初始化
移动端，张文莹认为用户信息包括用户注册信息、移动终端信息（如手机型号、常用应用类型等）、用户情境信息（如天气、位置等）、潜在信息（如恋爱情况、出行工具等）；吴世良认为用户历史行为信息包括登录用户历史记录及未登录用户日志记录，用户在客户端的点击操作，请求时间、请求 URL、客户端封装设备 IP、设备 ID、用户 ID 及地理位置，然后根据相应操作向服务器请求服务并由其根据请求类型，在向用户返回服务数据前将用户行为日志入库。
兴趣点信息初始化：通过客户端访问获取服务信息，再访问本地服务器提供查询接口初始化服务位置信息并投。原始 GPS 数据信息缺失和冗余较多，需预处理得到最初路线序列，用信息熵筛选，通过熵阈值（均值）区分得到数据集。经初处理，表示 GPS 轨迹（由带时间戳坐标点序列组成，包括经度、纬度和时间等），通过算法检测用户停留点进而得到语义信息。聚类 GPS 轨迹 POI（兴趣点；名称、类别、经度、纬度和时间等）转为语义轨迹数据（挖掘用户爱好，得到相似用户并将相似用户轨迹推荐给用户，路线比较算法至关重要）。
③用户兴趣模型进化
用户兴趣模型进化包括用户兴趣模型学习与更新，分两种：通过用户对资源评价获取用户信息的基于显式反馈信息的模型进化和通过用户行为（主要包括停留时间、用户轨迹）获取用户兴趣信息的基于隐式反馈信息的模型进化，前者可能会干扰用户浏览，但能准确采集用户兴趣变化信息，后者无需用户直接参与，实际应用多采用该方式。
........................
第 2 章 基于 LBS 的电子商务个性化推荐理论基础
2.1 LBS 简介
2.1.1 内涵
从技术角度看，基于位置服务可看作新信息通信技术（NICTS）、互联网和带有空间信息数据库的 GIS 结合体。特点包括：高性能快速实时处理查询请求，以避免用户长时间等待；可扩展性能支撑大规模用户访问海量数据；高可靠性系统可长时间稳定运行；支持用户实时查询，动态信息快速反馈给用户；移动性用户在任何地方都可通过移动终端访问服务；开放性支持多种公告协议和标准；安全性保护服务提供商数据和用户隐私；互操作性常需和其它电子商务服务集成。
人们日常使用大部分信息都与位置存在某种关系，使位置信息服务应用广泛，位置信息服务价值在于通过移动和固定网络发送基于位置信息与服务，使其用于任何人、位置、时间和设备。
（1）公众信息服务
位置信息服务最大用户群是公众群体用户。对于普通用户而言，要求能提供与个性化位置有关信息服务，发布与位置相关信息，提供与地理位置相关的个性化服务，包括城市观光、周边信息查询、根据位置内容广播、移动黄页和娱乐游戏等。当用户想购买自己喜欢商品时，定位系统与信息数据库结合可引导用户购买；用户还可用定位系统随时获知朋友位置、发出问候信息；可和朋友玩基于位置游戏等。
移动互联网技术与移动定位业务结合，可轻易实现移动环境下信息查询。如需查询离自己最近旅店、医院、饭馆、银行等，网络先定位移动用户位置，然后给出相应信息，实时在手机上给出所需位置信息。
（2）政府公务服务
面向政府公务位置信息服务主要用于移动办公、密级文件管理和社会治安管理等方面。如对保密文件进行实时跟踪监视，向公众提供政府相关公务信息，公安机关对犯罪嫌疑人进行跟踪定位等。
......................
2.2 电子商务个性化推荐简介
2.2.1 内涵
电子商务个性化推荐是建立在海量数据挖掘基础上的高级商务智能平台，以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。它能收集用户兴趣资料并根据用户兴趣偏好主动为其做出个性化的推荐，这样，当用户每次输入用户名和密码登录电子商务网站后，推荐系统就会自动按用户偏好度给其推荐最喜爱产品，满足客户个性化需求。
按系统观点，电子商务个性化推荐框架分为三个模块组成部分，分别是输入、输出和推荐方法与技术，如图 2.3 所示：
.......................
第 3 章 基于 LBS 的电子商务个性化推荐总体设计 ......... 31
3.1 设计目标与原则 .............. 31
3.1.1 设计目标 ................... 31
3.1.2 设计原则 ................ 32
第 4 章 基于 LBS 的电子商务个性化推荐实现 ................. 42
4.1 技术选型 ................... 42
4.1.1 安卓系统选型 ............. 42
4.1.2 定位技术选型 .................. 43
第 5 章 基于 LBS 的电子商务个性化推荐应用分析 ..................... 63
5.1 现有应用对比分析 ....................... 63
5.1.1 候选对象 ........... 63
5.1.2 遴选标准 ..................... 63
第 5 章 基于 LBS 的电子商务个性化推荐应用分析
5.1 现有应用对比分析
5.1.1 候选对象
基于 LBS 的电子商务个性化推荐已用于很多行业，如网上购物、网上美食、网上租房买房、在线叫车、在线社交论坛等。网上购物 APP 有京东、苏宁易购、凡客、唯品会、手机淘宝等；网上美食 APP 有百度糯米、饿了么、大众点评、餐行健等；网上租房买房 APP 有 58 同城、安居客、链家等；在线叫车 APP 有滴滴打车、特特打车、喜马打车等；在线社交论坛 APP 有人人网、开心网、豆瓣网等。这些 APP 均在使用基于 LBS 电子商务个性化推荐，只是使用方式和方法有差别。
（1）手机淘宝
手机淘宝中的“淘宝到家”功能，通过获取商家和用户当前位置计算 2 小时内能将货物送达到用户位置的商家和服务推荐给用户如图 5.1 所示。
（2）饿了么
饿了么中的“准时达”功能，通过获取商家和用户当前位置，分析商家到用户位置间的行驶路线，并结合交通路况计算送货时间如图 5.2 所示。
（3）链家网
链家网中的“地图找房”“地图租房”功能，通过获取房源和用户当前位置，将用户周围符合用户的房源显示在地图之中如图 5.3 所示。
（4）滴滴打车
滴滴打车的“叫车”功能，通过获取车辆和和用户当前位置，将用户周围的空车时时的显示在地图之中并计算最近的车辆预计到达时间如图 5.4 所示。
........................
第 6 章 论文总结及研究展望
6.1 论文总结
传统电子商务个性化推荐，由于收集数据与位置无关导致不能真正提供满足需求的信息，为能更精准代表用户行为，做出更精确、针对性推荐，基于 LBS 的电子商务个性化推荐系统孕育而生，其具有移动性、实用性、随时性等特性，能从用户角度出发，结合空间、时间信息、天气信息及用户周围环境信息，自适应提取当前用户感兴趣信息，实现人与环境交互模式。
本文系统分析了基于 LBS 的个性化推荐和电子商务个性化推荐现有研究成果，设计并实现了基于 LBS 电子商务个性化推荐系统，所做工作主要包括以下几方面：
首先，采用文献资料法研究了国内外基于 LBS 的个性化推荐和电子商务个性化推荐的进展状况，以掌握相关领域理论、关键技术应用状况，明确本文研究切入点和重点内容。
其次，介绍了基于 LBS 的电子商务个性化推荐相关理论与技术基础，为基于LBS 的电子商务个性化推荐系统设计提供了理论及技术选型支持。
再次，在相关理论研究基础上，从设计目标与原则、体系架构、功能模块、运行机理、技术解决方案五方面设计了基于 LBS 的电子商务个性化推荐模型，然后从用户兴趣建模、推荐机制实现和信息资源组织三方面构建了完整技术解决方案。
然后，阐述了本文基于 LBS 的电子商务个性化推荐原型系统实现的技术选型、开发环境部署，并从用户兴趣建模、推荐机制实现和信息资源组织三方面阐述了实现原理并展示了推荐效果图，达到了预期研究目标。
最后，从工商管理角度系统对比分析了现有基于 LBS 电子商务应用，并从应用情形、应用模式和价值、应用前景四方面阐述了基于 LBS 电子商务个性化推荐应用价值及发展趋势。
参考文献（略）