11.55 面向移动商务的数据挖掘方法及应用研究
近年来，移动互联网、无线传感器网络相关技术的快速发展，以及智能移动设备的全面普及，极大地加快了移动信息产业向社会经济各个层面、大众日常生活的渗透。事实上，基于移动设备的应用服务已经成为用户获取信息、休闲娱乐的主要方式。种类繁多的移动应用和服务覆盖了诸如生活娱乐、在线社交、导航定位等各个功能层面，从而满足了移动用户在日常生活中各式各样的需求。这些移动应用和服务也产生了海量的商务历史数据，为研究者深入探索移动商务环境下的潜在价值、开发全新的移动商务应用和服务提供了充分的机遇。
目前，绝大多数智能移动应用和服务都是通过移动设备平台上智能移动应用程序（简称“移动App”）来具体地实现。因而，移动信息产业的蓬勃发展很大程度上得益于移动 App 产业的高速增长，移动 App 也成为了整个移动商务生态系统中最重要的一环。这些种类繁多的移动 App，满足了移动用户在日常生活中衣食住行等各个方面的功能需求，同时也为整个移动生态系统带来了全新的商业模式。实际上，这些移动 App 为我们提供了许多全新的移动商务数据。一方面，通过使用各种移动App，海量的移动用户交互信息被记录在他们所使用的移动设备中，并通过移动互联网发送到服务供应商的服务器中；另一方面，通过移动用户对于移动 App 的下载、购买、评论等行为，移动 App 商店等分发平台也记录下了大量的基于移动 App 的商务记录。直观上，这些由移动 App 产生的海量商务数据，为研究者进行更好的商务智能研究提供了前所未有的机遇和挑战。
基于以上背景，本文旨在利用数据挖掘方法对移动商务中若干基础性、应用性问题进行探索性研究。具体来说，通过采集自移动 App 的全新移动商务数据，运用数据挖掘中的智能技术手段，发现其中隐含的有意义的信息和模式，并将之应用于移动商务的战略规划及实务运作，以期推动移动商务向智能化进一步发展。因此，本文的研究工作具有显著的商业意义和科研价值，能够为移动互联网企业的商业模式实践提供全新的理论和应用依据。本文对面向移动商务的数据挖掘研究所面临的机遇和挑战进行了系统性的归纳，提出了用户理解、应用理解以及应用孵化三个不同的研究层面。下面将分别简述其目标和挑战。
首先，用户理解层面旨在深入地分析和理解移动用户的行为偏好。来自于移动设备以及服务供应商的用户数据通常粒度精细，包含丰富的情境（Context）信息。这些数据能够帮助我们更加精确地把握移动用户的个性化属性，从而实现更好的个性化移动服务。然而，由于数据采集手段的限制以及情境信息的多元化特性，这些丰富的移动用户数据通常极为稀疏和缺乏显式反馈。这些问题为我们进行精确的用户建模带来了极大的困难。
其次，第二个层面，即应用理解的目的，在于对海量移动应用服务所提供的内容和质量进行分析研究。来自于移动 App 的商务数据内容丰富、规模巨大，但同时又具有高度的多样性和变化性。因此，对移动应用进行分析建模并不是一件容易的事情。
最后一个层面是应用孵化，其目的在于根据移动用户的不同需求设计新型的移动应用服务，并进一步为开发相应的移动 App 提供产品原型。这一层面的挑战主要来自于对移动用户个性化需求和产品领域知识的整合，针对不同类型的应用服务，需要设计不同的针对性解决方案，十分具有挑战性。
事实上，深入的用户理解支撑了应用服务的理解；正确的应用理解又促进了新型移动应用服务的孵化；那些收集自移动应用服务的商务数据又能够帮助反馈移动用户的理解。因此，这三个研究层面构成了一个相辅相成的研究闭环。着眼于以上三个研究层面所带来的机遇和挑战，本文尝试使用数据挖掘方法对来自于移动 App 的新型商务数据进行了深入的分析，针对移动商务中的若干重要的科学问题进行了探索性的研究，并提出了许多具有重要商业价值的新型移动商务应用。相关理论方法在众多真实世界的数据集上进行了详尽的实验和评测。
具体来说，我们结合来自于移动用户的交互日志、移动 App 产生的商务记录，以及诸如 Web 信息等其他辅助数据，通过数据挖掘相关的技术手段，对移动商务智能领域进行了五个方向的研究。其中，在用户理解、应用理解、应用孵化三个研究层面上，分别研究了情境感知的移动用户个性化偏好挖掘方法[1-2] 、面向移动 App 的排名欺诈检测方法 [3-4] ，以及安全隐私感知的移动 App 推荐系统等工作[5] 。特别地，本文还针对用户理解与应用理解的交叉层面，以及应用理解与应用孵化的交叉层面，分别研究了基于扩展信息的移动 App 分类方法[6-7]和面向移动App 的流行度建模方法[8]两个过渡性工作。在接下来的章节中，将对相关工作逐一进行概述。
