移动环境下用户情境和美食特征关联分析

王聪等

摘要：随着移动互联网的快速发展，越来越多的用户选择使用移动终端来查找餐馆、酒店等生活服务类信息。在移动环境下，用户的个性化信息需求具有高度情境敏感性，同一用户在不同情境下可能会偏好不同的信息资源，并在搜索过程中采取不同的选择策略。通过对移动用户进行问卷调查，对用户情境与美食特征进行关联分析，为情境感知移动美食推荐系统研究和餐饮服务业快速发展提供参考。

关键词：

用户情境；美食特征；关联分析；网页分析

中图分类号：

F27

文献标识码：A

文章编号：16723198（2015）11005503

1引言

随着移动互联网的快速发展，越来越多的用户选择使用移动终端来查找餐馆、酒店等生活服务类信息。艾瑞检测数据显示，2012年8月-2014年5月，移动端App和移动端网页的日均覆盖人数增长了147.0%和73.7%。

移动终端已经成为了用户获取信息的重要媒介。然而，在用户的信息获取成本越来越低廉的同时，信息甄别成本却变得越来越昂贵。加之移动设备的界面显示、终端处理、输入/输出等能力有限，为移动用户带来沉重的“移动信息过载”问题，导致移动网络资源利用率和用户体验受到严重影响。为此，移动推荐系统应运而生，它能够在分析预测用户需求基础上主动推送其可能需要但又难以获取的有用信息，并能够以用户为中心，通过研究用户行为、兴趣和环境等，为用户推荐更具针对性的信息。

在移动环境下，用户的个性化信息需求具有高度情境敏感性，同一用户在不同情境下会偏好不同的信息资源，并在搜索过程中采取不同的选择策略。因此，部分学者已经开始将情境信息融入到移动推荐系统中，将传统的“用户-资源”两维推荐模型扩展为包含多种情境信息的多维信息推荐模型，取得了较好的效果。但是，在很多情境感知推荐系统的研究中，往往存在着情境信息难以量化，用户情境和项目特征之间的关联度也很难准确计算的问题。

本文通过对移动用户进行问卷调查，对用户情境与美食特征进行关联分析，为情境感知移动美食推荐系统研究和餐饮服务业快速发展提供参考。

2用户情境和美食特征

2.1用户情境

在用户寻找美食信息的过程中，用户自身的各种属性以及就餐时间、就餐对象和就餐目的对用户美食偏好有着重要的影响。为此，我们构建了一个美食领域的用户情境集合，如表1所示。

2.2美食特征

我们使用“网络旷工”爬虫软件（http：//www.minerspider.com/），在2014年6月20日-2014年6月27日采集了大众点评网（http：//www.dianping.com/）、去哪吃美食网（http：//www.qunachi.com/）以及大成美食网（http：//cd.qq.com/ieat/）上的分布在成都市的200家餐馆的15425条评论，在此基础上构建美食评论语料库。

我们采用中科院ICTCLAS开源软件对评论语料进行分词及词性标注。接着我们删除了类似于“他”、“这”和“了”等停用词。我们只保留与评论特征有关的名词，形容词以及副词，使其构成短句。然后，我们使用“词频分析工具@Execl大全”软件统计评论语料中的所有名词出现的频率，抽取出现频率大于10的词条，人工判别其是否与美食有关。最后，我们对得到的候选特征进行聚合得到十二个美食一级特征：环境、风格、氛围、位置、服务、价格、档次、口感、卖相、菜量、品种、等待时间。

3用户情境和美食特征的关联

3.1问卷设计和调查方法

为了分析移动环境下用户情境和美食特征之间的关联性，我们设计了一份调查问卷，共16个题目，其主要包括两个方面的内容。第一部分是被调查者的基本信息，包括被调查者的年龄、性别、学历、月均消费水平等。第二部分是在不同的情境下用户对美食特征重要程度的选择。

本文通过专业的问卷调查网站问卷星（www.sojump.com）发布问卷，调查时间从2014年9月开始，持续了2个月。该调查共收到528份调查问卷。

3.2结果分析

3.2.1样本描述性统计分析

样本描述性统计分析如表2所示。性别比例基本保持平衡：其中男性占54.17%，女性占45.83%。年龄主要集中在18-25岁和26-45岁两个区段之间，分别占77.27%和19.70%。在教育程度的分布上，主要集中在大学及大专，占91.10%。月均消费水平额集中在2000元以下。

通过对用户年龄与美食特征进行关联分析（图1），我们发现任何处于年龄段的用户都对口感、环境和氛围三个特征最为关注，口感的百分比保持在13%-16%，环境是11%-13%。随着用户年龄的增加，用户对“氛围”重视程度越来越高（从11.02%上升到1206%），对“等待时间”的要求越来越低（从8.35%下降到4.86%）。46-65岁的用户对口感的要求比其他几个年龄段要明显高一点，对氛围的要求比别的年龄段低。

通过对用户月收入与美食特征进行关联分析（图2），我们发现随着用户月收入的增加，用户对“档次”的关注程度越来越高（从6.6%左右到10.17%），对“口感”的重视度减少（从15.28%到12.97%）。从总体分析，口感、环境和氛围仍然是用户最关注的三种美食特征。

（2）就餐时间与美食特征关联分析。

通过对就餐时间与美食特征进行关联分析（图3），我们发现用户在早餐时最关注的美食特征为口感（7273%）、等待时间（53.60%）和价格（47.16%），其中对口感和等待时间的要求较高；午餐时注重的美食特征为价格（50.19%）、口感（48.67%）和环境（3920%）；下午茶时最为关心的美食特征为氛围（5436%）、环境（52.84%）和风格（38.83%），对口感和价格的关注度相对其他时间段低很多；晚餐时最重要的美食特征为口感（59.85%）、价格（43.18%）和环境（39.20%）；宵夜时最关注的美食特征为口感（62.3`%）、价格（38.24%）和品种（32.01%），对品种的要求明显高于其他时间。endprint

（3）就餐对象与美食特征关联分析。

通过对就餐对象与美食特征进行关联分析（图4），我们发现用户在独自一人时最关注的美食特征为口感（61.31%），接着是价格（46.59%）和等待时间（3523%），其他对象时对等待时间的关注度都低于20%；与朋友吃饭时用户注重的美食特征为口感（495%）、氛围（46.59%）和环境（41.29%）；与同事吃饭最关心的美食特征为环境（44.32%）、口感（44.13%）和服务（36.93%）；与家人吃饭时最关注的美食特征为口感（64.34%），其次是环境（41.29%）和氛围（3807%）；在商务宴请时关注的美食特征为档次（5966%）和环境（57.95%），服务（44.51%）也比较重要，对档次的要求明显高于其他情况；在情侣约会时最看重的美食特征为氛围（66.29%），环境（53.60%）和口感（4129%）。

（4）就餐目的与美食特征关联分析。

通过对就餐目的与美食特征进行关联分析（图5），我们发现用户在相亲时最关注的美食特征为环境（5390%）、氛围（55.87%）和档次（40.72%）；在相亲、表白、求婚时最关心的美食特征皆为氛围、环境和档次，其中表白和求婚时的各美食特征的百分比也较为接近，氛围保持在67%左右，环境约为63%，档次则在37%-42%之间。休息小憩时注重的美食特征为口感（49.43%），环境（41.86%）和氛围（35.61%）；随便吃吃时最关注的美食情境为口感（61.74%），其次是价格（47.54%），等待时间（26.52%）也比较重要。

4结论

通过对用户进行问卷调查，分析用户情境和美食特征之间的相关关系，发现用户在不同情境下最关注的美食特征，为情境感知移动美食推荐系统研究和餐饮服务业快速发展提供参考。

参考文献

[1]艾瑞咨询集团.2014年中国综合类本地生活服务电商市场行业发展报告[EB/OL].[20141127].http：//report.iresearch.cn/2279.html.

[2]ColomboMendoza L.O，ValenciaGarcia R，RodriguezGonzalez A，AlorHernandez G，SamperZapater J.J. RecomMetz：A contextaware knowledgebased mobile recommender system for movie showtimes[J].Expert Systems with Applications，2015，（42）：12021222.

[3]Liu Q.Accurate and Diverse Recommendations Based on Communities of Interest and Trustable Neighbors[J].International Journal of Security and Its Applications，2015，9（3）：6376.

[4]刘启华.基于情境历史的移动用户偏好挖掘研究[J].图书情报工作，2012，56（20）：6873.

[5]Liu Q.Contextaware Mobile Recommendation System Based on Context History[J].TELKOMNIKA Indonesian Journal of Electrical Engineering，2014，12（4）：31583167.

[6]Baltrunas L，Ludwig B， Peer S，Ricci F.Context relevance assessment and exploitation in mobile recommender systems[J].Personal and Ubiquitous Computing，2012，16（5）：507526.

[7]Anind K.D. Enabling the Use of Context in Interactive Applications[C].Doctoral Consortium paper in the Proceedings of the 2000 Conference on Human Factors in Computing Systems， The Hague，The Netherlands，April 16，2000：7980.

[8]朱学红.移动互联网用户消费行为意向研究[D].南京：南京邮电大学，2011.

[9]刁塑.新兴电子商务消费者隐私关注与采纳行为研究[D].北京：北京邮电大学，2010.

[10]Zhang，H，Yu，H，Xiong，D，and Liu，Q.Hhmmbased chinese lexical analyzer ictclas[C].Proceedings of the second SIGHAN workshop on Chinese language processing，2003：184187.endprint