在上周晚上冒著大雨參加了IT龍門陣主辦的，由口袋購物候迅發表的主題為“智能推薦在移動電子商務中的應用”的主題演講。在演講中，候迅提出了一種”發現式無意識購物“的觀點。很多人在很多時候，去商場，或者去壓馬路，可能并不是專門買什么而去的，或者是為了專門買什么而去，但是在逛的過程中，發現了一些促銷信息、一些吸引眼球的廣告、一些好玩感興趣的東西等等，在很大可能上會產生購買行為。

　　由于手機的移動性，隨處可用，無處不在，我覺得在移動互聯網上實現”發現式無意識購物“更具有意義。用戶購物，用戶在手機上逛街，這些都是用戶行為，但是怎么提供給用戶虛擬的購物環境，也就是這個”街“，讓用戶在無目的行為中，產生興趣，促使消費，這就是移動互聯網應用開發商應該考慮的問題。

　　現實生活中，我的購物環境，也就是這個街，正常情況是個死的。你今天去，還是明天去，店鋪商品一般變化不大。但是在移動互聯網的虛擬環境下，就不會存在這種情況。他沒有時間性，沒有區域性。在現實中逛街，當你在店鋪里面發現了一件自己感興趣的商品，那么店員就會給你講解溝通。在網絡上，當然不會存在類似的角色，但是，我覺得，智能推薦提供了類似的功能。

　　智能推薦、推薦引擎、個性化智能推薦，這些都是在電子商務領域不可缺少的功能和研究課題。通過對用戶行為的分析，用戶分類聚合，推薦用戶可能感興趣的商品，這就是商品推薦引擎的目錄。

　　個性化智能推薦，我覺得也可以稱之為基于上下文的推薦。用戶個性化推薦區別于普適推薦，用戶在使用應用時，有一些當時的使用場景，即上下文信息，比如時間、所處地理位置、活動狀態、網絡狀態等等。

　　基于上下文的個性化智能推薦，這是一個目前在學術界研究的一個難點課題，據我所知目前還沒有完善的模型。在實際應用中，我覺得可以這么處理，一種方法是 利用上下文信息在數據處理前進行過濾，另一種方式是在數據處理后，利用上下文信息對結果進行過濾，第三種方法就是在運行時，根據上下文信息參與數據運算。我覺得前兩種方法應該更容易些。

　　無論是傳統的普適推薦，還是個性化推薦，還是基于上下文的個性化推薦，都離不開基本數學理論，但是針對實際應用場景，采用適合自己的算法，模型，還是需要在實踐應用中進行逐步調整。