融入多维隐私关注的移动电商用户兴趣建模及精准服务推荐策略研究

Mobile e-commerce precision service, as a new engine of e-commerce, can provide users with personalized recommendation, but also leak user's multi-dimensional privacy information which may bring about privacy concerns. Privacy has become a "double-edged sword" for development of mobile e-commerce precision service. Therefore, this project firstly proposes a method to extract, character, and manage multi-dimensional privacy concerns information oriented to mobile e-commerce precision service. We explore the key factors affecting the privacy concerns, and their mutual relation and the dynamic impact. Then, the multi-dimensional privacy information are characterized and managed in general by using the semantics ontology. Secondly, this project constructs comprehensive model of mobile user interests incorporating into multi-dimensional privacy concerns. We measure the influence of multi-dimensional privacy concerns information such as context, online social relations, etc. On this basis, we research the differentiation and drift effects on user interest and construct the model incorporating into control and preference of privacy disclosure. Thirdly, our research comes up with the recommended method incorporating into privacy concerns and interest drift. We explore the adaptive personalized recommendation method to give a precision service considering with the user’s incremental and mutation drift features, which are triggered by variation of privacy concerns. This research can provide theoretical and methodological guidance for the further application of mobile e-commerce precision service.

作为电子商务发展新引擎的移动电商精准服务在向用户提供个性化推荐时容易泄露用户上下文等多维隐私信息，引发用户的隐私关注，隐私问题已成为发展移动电商精准服务的一把“双刃剑”。为此，本课题研究①面向移动电商精准服务的多维隐私关注信息的提取、表征与管理，识别移动电商精准服务中隐私关注的构成要素，确定多维、真实的隐私关注影响因素，及其相互关系和动态影响，并对多维隐私信息进行通用表征与管理。②融入多维隐私关注的移动电商用户兴趣复合模型，测量上下文、在线社交关系等多维隐私关注信息对用户兴趣的影响；在此基础上，分析多维隐私关注对用户兴趣的差异性与漂移性特征，并构建融入隐私披露控制与披露偏好的用户兴趣复合模型。③融入隐私关注与兴趣漂移的个性化推荐方法，根据隐私关注变异引发的用户兴趣渐进式与突变式漂移特征，探索自适应的个性化推荐方法与策略，为移动电商精准服务的深层次应用提供理论与方法指导。

伴随着移动智能终端和5G、大数据等新基建的快速发展，用户对随时随地能够方便地获取互联网信息和服务的需求日渐增长，移动商务应用正在向着更深、更广的维度不断突破发展。作为移动商务“杀手锏”应用的移动商务精准推荐系统及服务可以有效缓解用户信息过载并提升服务质量，其应用水平已经成为数字经济企业创新发展能力的重要衡量指标。然而，移动商务精准服务在向用户提供个性化推荐时容易泄露用户上下文、社交关系等多维隐私信息，引发用户的隐私关注，隐私问题已成为发展移动商务精准服务的一把“双刃剑”。为此，本课题主要研究①面向移动商务精准服务的多维隐私关注信息的提取、表征与管理，识别移动商务精准服务中隐私关注的构成要素，确定多维、真实的隐私关注影响因素，及其相互关系和动态影响，并对多维隐私信息进行通用表征与管理。②融入多维隐私关注的移动商务用户兴趣复合模型，测量上下文、在线社交关系等多维隐私关注信息对用户兴趣的影响；在此基础上，分析多维隐私关注对用户兴趣的差异性与漂移性特征，并构建融入隐私披露控制与披露偏好的用户兴趣复合模型。③融入隐私关注与兴趣漂移的个性化推荐方法，根据隐私关注变异引发的用户兴趣渐进式与突变式漂移特征，探索自适应的个性化推荐方法与策略，为移动商务精准服务的深层次应用提供理论与方法指导。最终，经过三年的研究工作，项目组较好地完成了预期目标，取得相关成果13项，其中SCI/SSCI/EI期刊论文5篇，学术专著1本，国际发明专利2项，国家发明专利3项，浙江省科技进步奖三等奖1项，浙江省地方标准1项等。项目的研究成果丰富了用户理性行为、隐私关注及个性化推荐等相关理论体系，有助于“后疫情时代”新零售企业提升移动商务服务质量，对加速形成强大国内市场和构建现代商贸流通体系，发挥消费作为经济增长“第一引擎”对生产生活的引领作用，加快形成国内国际双循环的新发展格局，具有重要的理论价值和现实意义。