基于情景化偏好的移动社交网络信息服务自适应建模研究

张继东

〔摘 要〕构建了移动社交网络基于情景化用户偏好的自适应适配信息服务系统模型，提出了移动社交网络的自适应服务发现方案。解决移动社交网络信息服务的发现与推送的延迟问题，实现高效的移动社交网络信息服务推送，对移动社交网络信息服务资源、知识资源进行科学管理。

〔关键词〕自适应建模；移动社交网络；情景化偏好

DOI：10.3969/j.issn.1008-0821.2017.12.012

〔中图分类号〕G250.73 〔文献标识码〕A 〔文章编号〕1008-0821（2017）12-0070-04

〔Abstract〕This article constructed a self-adaptive information service system model based on contextualized user preference under the environment of mobile social network，proposed a self-adaptive service discovery program in a mobile social network.Research done in this study was to solve the delay problem of mobile social network information service discovery and recommendation ，realize efficient information recommendation based on mobile social network，all of which could help manage information service resource and knowledge resource of mobile social networks in a scientific way.

〔Key words〕self-adaption Model；mobile social networks；contextualized preference

1 研究背景

随着无线3G的普及、4G无线技术的涌现、Web3.0的推进，移动网、因特网、视频网的多网融合将成为趋势。移动社交网络是移动互联网的重要应用，用户能够在基于公共移动点对点网络的环境中将移动设备作为上下文提供工具，为移动社交网络参与者提供各种上下文和信息服务。微信、人人网、新浪微博等厂商将社交网络的竞争重心转移到移动互联网领域，推动了微博、论坛、移动IM、技术交流、电子商务应用等移动服务的发展[1]。

移动社交网络平台拥有信息供需各方的互动数据，这对降低信息用户集群各方的信息不对称、提高信息获取效率有关键性的作用，同时也为各种基于大数据平台的信息服务模式创新提供了巨大的社会价值[2]。这些信息服务模式创新的源泉依赖于如何从海量的异构多源数据中发掘出对信息集群各方有用的、传统信息服务无法提供的内容，以及理解和管理整个多元信息市场的演化[3]。国内社交网络信息推送服务商分发了海量服务消息，存在着大量的行为数据，基于大数据的用户行为分析是大势所趋。服务商需要提供大数据分析能力，为用户推送有效服务和信息，完善这个还未成熟的信息服务市场。

和传统的已经成熟的有线互联网环境不同，基于移动终端设备的信息推送服务的实时性受到移动无线网络的性能制约。当移动互联网环境中存在大量的服务提供者时，可能会导致信息服务发现和推送的高延迟。在不能对移动通讯设施提出过高要求的前提下，保证信息服务推送的延迟程度不超过用户的容忍限度，需要在信息服务推送系统本身的软件架构方面进行改进。

为了提高移动社交网络的信息服务效率和质量，需要提炼移动社交网络环境中典型的信息用户行为模式，分析用户行为的一致性和连贯性并建立移动信息用户的情景化偏好与行为框架。研究情景化用户个性化定制和行为决策，建立移动信息服务自适应框架模型，解决移动信息服务发现延迟问题，实现高效的移动社交网络信息服务推送，对移动社交网络信息服务资源、知识资源进行科学管理。

分析用户需求的变化和信息服务发展演变的机理，研究用户偏好和情景化的内涵，设计建立具有可操作性的移动社交网络信息服务技术框架，解决移动信息服务的发现与推送的延迟问题，对于移动社交网络开展高效信息服务具有重要的实践指导作用。通过移动社交网络的大数据分析，提出一种能够通过科学、有效、智能化的预测识别方法，建立自适应适配的移动社交网络信息服务系统，以便向用户提供高效的信息推送服务。这些是目前国内外研究没有触及到的，也是本文研究的立足点。

2 研究现状

移动社交网络涉及海量用户，实现多用户的自适应实时调度是非常重要的。Raychoudhury V等[4]提出了社区活动的自主调度系统MoSoN，该系统在较低的信息成本和时间成本下能够实时安排多重用户的活动。Xiao M等[5]提出了一个基于社区分布的优化机会路径算法，利用反向Dijkstra算法计算节点信息传输的最小期望值，以达到最优的机会路径，信息服务推送的计算成本和维护成本将大大降低。

研究人员提出多种自适应方法来改善网络服务推送的效率。许欢庆等[6]提出了网页预取技术，用于降低用户的访问延迟，提高Web服务器的服务质量。朱鸿宇等[7]提出一個自适应的移动服务数据预取与缓冲算法，该算法是通过使用人工智能中的技术来分析用户的查询习惯，从而实现动态的预取策略并对预取的数据进行缓冲，以达到提高查询速度的目的。蔡伟鸿等[8]通过分析研究现有移动服务流媒体缓存管理算法和用户的访问行为特征，提出了一种新的基于选择性马尔可夫模型的缓存预取策略。张晓薇等[9]提出一种多目标的移动端数据预取方法来满足不同用户的数据预取需求，不仅从用户偏好出发为其预取合适量的数据，而且从移动服务器角度出发，对于移动数据访问提出全局合作的方法，以大幅度提高服务质量。endprint

“自适应适配”是工程技术领域的技术，指电源适配器根据线路负荷的变化自适应自动调整电压和输出功率。信息管理领域把这一技术应用到互联网软件开发领域，系统根据网络用户的动态需求自适应调整自身的互联网服务资源的分配。从文献中看到，国内外学者尝试使用该原理解决移动互联网的服务发现、选择、调度问题，降低系统的延迟，提高信息推送的效率。

3 基于情景化用户偏好的移动社交网络自适应适配信息服务系统模型的构建

3.1 基于移動社交网络的用户情景化偏好预测

在移动和普适计算环境中，对于用户的情景化偏好预测需要考虑更多的因素，比如通过手机等移动设备的GPS定位采集到的用户的当前位置、移动方向、硬件资源、网络带宽和其他因素。设计对应策略或规则并将其应用于决策方案，以便更准确地预测一个移动信息用户的未来请求。通过移动Web浏览预取用户的浏览历史、兴趣、导航行为以及可获取的可用的普遍的上下文/资源，分析这些因素，将它们与可用上下文相比较，计算用户对一个上下文感兴趣的概率。

为了提高情景化偏好预测的准确度和效率，本文提出两个方案策略。1）基于移动互联网信息用户的位置和运动方向的缓存预取预测方案。通过分析用户的现在和将来位置、相应的查询历史记录和预定义的用户参考轮廓线来预测用户未来查询的概率。2）上下文感知缓存重新获取策略。通过上下文感知机制在运行时动态预测用户情景化偏好，现有的研究方案多没有考虑用户偏好的动态性，也就是对于用户情景化偏好的预测。本文提出的模型不仅要根据历史查询记录，还要根据用户的当前上下文动态、自主地计算用户的情景化偏好。

3.2 基于情景化用户偏好的移动社交网络信息服务自适应建模 为了解决移动社交网络的信息服务发现与推送的延迟问题，本文在移动互联网总体计算框架下提出了基于语义服务发现机制的自适应适配框架。

框架采用了语义服务发现机制，整体结构基于企业服务总线（ESB）架构。ESB是一种软件架构，可以轻松地通过合并和装配服务来连接资源，以实现面向服务的架构（SOA）。

图1展示了移动社交网络的信息服务自适应模型框架的结构和主要组件。该架构由4个部分组成：

1）移动P2P网络。它代表同一个网络中其他的移动互联网终端。根据开发者的偏好，移动P2P主机可以支持多种网络通信协议，如蓝牙、XMPP、UPnP等。

2）通用移动互联网。由移动社交网络终端生成的上下文被更新到自己的SNS（例如微信、微博）或它们的云存储上。在本文的模型设计中，云存储服务在移动社交网络服务端起到了重要的作用，为了解决移动P2P网络的动态IP问题，每个移动社交网络终端将其当前的IP地址同步更新到它的云存储上，方便提供位置服务。

3）私有云。移动社交网络终端可以利用若干后端云公用服务来分配任务，以减少设备的资源使用，同时能够提高整体性能。语义服务发现过程需要移动社交网络终端来处理一些语义元数据和联系，这样的任务可被分配给它的云公用事业服务。此外，一个移动社交网络终端也可以将部分数据以可能是缓存服务描述元数据文件的形式同步到其私有云。

4）移动社交网络主机。嵌入式移动服务框架的移动社交网络服务器端。移动社交网络主机（AMSNP）是基于ESB架构建立的，各组成部分是移动终端服务，在运行时可以发起/终止。函数可以通过本地服务在移动社交网络主机内进行，也可以由外部服务来执行，移动社交网络系统由工作流引擎控制。当用户的应用程序向服务器主机提交请求，该请求将被请求处理组件处理，并且会选择一个相应的工作流模式，该选定的工作流程的模式将被传递到工作流引擎中，通过消息路由控制组件执行。每个工作流任务由任务代理管理，任务代理在分析成本绩效后将决定如何执行任务。

4 移动社交网络的自适应服务发现方案

该方案应用到移动社交网络信息服务自适应适配建模工作中，重点解决移动服务预取自适应适配和选择问题，可以实现移动社交网络环境下的主动服务发现，减少服务发现过程所造成的等待时间。研究结果同时可以应用到移动社交网络的用户个性化定制挖掘和信息服务推送中。

由请求处理器接收的每个请求，必须通过触发相应的业务处理工作流模式进行处理。在一个基本的工作流模式文件中，用于处理每个任务/活动的端点（单个服务或复合服务）已经预先定义了。考虑移动P2P环境的动态特性，预定义的端点可能不是适合该任务的最佳选择，例如，当网络仅具有10或更少的终端时，一个工作流就启动了。工作流程定义了用于服务发现的任务将通过该装置的本地主机服务充分进行，而无需使用外部的分布式服务。然而，工作流被启动后，情况可以改变，可能有50个终端突然加入该网络，这样的改变可以使预先定义的方式不再可行。另一方面，分配任务给外部服务并不总是最好的方法，因为在许多情况下，在本地主机执行任务是更有效的。基于这种担忧，本文应用动态自适应技术设计了自适应适配方案，帮助移动信息服务系统确定在运行时每个工作流任务的最佳方法。

本文提出了移动社交网络的信息服务自适应适配方案，基于方法的延迟（时间跨度）和成本，可以决定每个工作流任务在运行时应该选择哪种方法。

5 研究总结与展望

本文构建了移动社交网络基于情景化用户偏好的自适应适配信息服务系统模型，提出了移动社交网络的自适应服务发现方案，解决移动社交网络信息服务的发现与推送的延迟问题，对于开展移动互联网的高效信息服务具有重要的实践指导作用。课题组计划在移动社交网络信息聚融模型、典型信息服务集群行为评估、信息服务复杂网络集群行为动力学演化等方面取得突破，形成移动社交网络下信息服务集群行为感知与管理技术平台。进一步建立移动社交网络信息服务计算框架及应用平台，形成面向信息服务的社交网络集群行为多模态信息采集、分析、决策的智能专家系统。

参考文献

[1]魏笑笑.基于移动社交网络的区域信息服务平台研究[J].科技管理研究，2014，（16）：185-188.

[2]楼向英，高春玲.移动社交网络在图书馆中的应用初探[J].图书馆杂志，2013，32（12）：29-32.

[3]何军，刘业政.基于社交关系和影响力的在线社交网络用户兴趣偏好获取方法研究[J].情报学报，2014，33（7）：730-739.

[4]Raychoudhury V，Kshemkalyani AD，Zhang D，et al.Automatic Event Scheduling in Mobile Social Network Communities[J].IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS，2014，25（11）：2772-2782.

[5]Xiao M，Wu J，Huang L.Community-Aware Opportunistic Routing in Mobile Social Networks[J].IEEE TRANSACTIONS ON COMPUTERS，2014，63（7）：1682-1695.

[6]许欢庆，王永成.基于用户访问路径分析的网页预取模型[J].软件学报，2003，（6）：375-379.

[7]朱鸿宇，刘瑰，唐福华，等.一种自适应的数据预取与缓冲算法[J].计算机工程与应用，2006，（8）：13-15，42.

[8]蔡伟鸿，肖水，韦岗，等.基于选择性马尔可夫模型的缓存预取策略[J].通信学报，2010，31（2）：58-66.

[9]张晓薇，曹东刚，田刚，等.网络化移动应用的全局适应性数据预取机制[J].软件学报，2010，（8）：1783-1794.

（本文责任编辑：孙国雷）endprint