2013年2月Journal on Communications February 2013 第34卷第2期通信学报V ol.34No. 2 用户对移动网络服务偏好学习技术综述
孟祥武1,2，史艳翠1,2，王立才1,2，张玉洁1,2
（1. 北京邮电大学智能通信软件与多媒体北京市重点实验室；2. 北京邮电大学计算机学院，北京100876）摘 要：为了缓解日益严重的“移动信息过载问题”，移动用户偏好学习已成为个性化服务领域的首要问题。对最近几年移动网络服务中用户偏好学习技术的研究进展进行综述，对移动用户偏好的表示方法、获取技术、自适应学习方法、评价方法等进行前沿概括、比较和分析。最后对移动网络服务中用户偏好学习技术的发展方向和趋势进行展望。
关键词：移动网络服务；移动用户偏好；偏好获取；偏好自适应；个性化服务
中图分类号：TP391 文献标识码：A 文章编号：1000-436X(2013)02-0147-09 Review on learning mobile user preferences
for mobile network services
MENG Xiang-wu1,2, SHI Yan-cui1,2 , WANG Li-cai1,2, ZHANG Yu-jie1,2
(1. Beijing Key Laboratory of Intelligent Telecommunications Software and Multimedia,
Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. School of Computer Science, Beijing University of Posts and Telecommunications, Beijing 100876, China)
Abstract: Recently, in order to alleviate the problem of “mobile information overload”, the learning of mobile user pref-erences has become a new hotspot of research in the personalized services. The research progress of learning mobile user preferences were summaried in recent years. The representation, acquisition method, adaptive learning, evaluation about learning mobile user preferences were contrasted and analyzed. Finally, some future directions and development trends of learning mobile user preferences in the mobile network service were pointed out.
Key words: mobile network services; mobile user preferences; preference acquisition; preference adaptation; personal-ized service
1引言
随着“三网融合”和物联网技术与应用的飞速发展，移动通信网络在与传统互联网逐渐融合的过程中，对传统互联网信息服务进行了延伸，可以为移动用户提供比传统通信业务更加丰富多彩的移动网络服务。与此同时，由于智能移动设备、传感器和射频识别的日益普及，信息资源的获取和推送可以发生在“任何时间、任何地点、以任何方式”，为移动用户提供无处不在的移动网络服务已经成为可能[1]。然而，随着移动网络服务的日益涌现及其广泛应用，移动网络服务类型和信息内容的增长将逐渐超出人们所能接受的范围，加之移动设备的界面显示、终端处理、输入输出等能力有限，将导致严重的“移动信息过载”问题[2]，为移动用户带来极为沉重的信息负担，移动网络服务及其运营资源利用率也将受到严重影响。
现在与未来通信服务研究的目标是面向复杂、融合、协作的网络环境和泛在的移动网络服务提供环境，不断发现和满足移动网络用户的个性化需求及其变化，为其提供实时、准确的个性化服务[3]。用户偏好是提供个性化服务的关键所在，为了确保
收稿日期：2012-05-08；修回日期：2012-12-08
基金项目：国家自然科学基金资助项目(60872051)；北京市教育委员会共建专项基金资助项目
Foundation Items: The National Natural Science Foundation of China (60872051); The Program of the Co-construction with Bei-jing Municipal Commission of Education
doi:10.3969/j.issn.1000-436x.2013.02.018
·148·通信学报第34卷
最终提供的移动网络服务能真正满足移动用户的需求，获取实时准确的移动用户偏好已成为移动网络服务研究领域的关键问题之一。
目前，国内外尚未有详细而全面介绍移动用户偏好学习技术研究成果和发展趋势的综述论文。鉴于移动用户偏好学习技术的重要学术研究意义和实用价值，笔者通过跟踪研究，总结现阶段该领域的研究成果、存在的问题，并对发展趋势进行展望。
一个完整的移动用户偏好学习过程包括数据收集、移动用户偏好表示、移动用户偏好学习以及移动用户偏好评价4部分，因此本文安排如下：第1节主要介绍移动用户偏好的背景和意义；第2节介绍移动用户偏好学习所需数据以及现有获取移动数据集的方法；第3节介绍移动用户偏好的表示方法；第4节介绍移动用户偏好的学习方法，包括获取技术以及自适应更新方法；第5节介绍移动用户偏好的评价方法；第6节对移动网络服务中用户偏好学习技术研究领域有待深入研究的难点和发展趋势进行展望；第7节为结束语。这样的划分可以使相关研究人员明确自己的研究是处于移动用户偏好学习的哪个过程。其中，移动用户偏好表示、移动用户偏好学习和移动用户偏好评价是通过阅读文献，总结现有的常用方法。
2移动网络服务中移动用户偏好学习的相关数据
随着3G网络的普及以及智能移动手机功能的不断完善，移动用户不仅可以通过语音、短信、飞信等方式进行通信，而且手机还提供了拍摄、视频录制、音乐播放、网页浏览、下载应用软件、GPS(global position system)定位等功能[1,4]。因此，可以根据用户自身信息、用户使用的移动网络服务(包括使用次数和频率)以及相应的上下文信息，例如时间、地点、周围人员等[4~6]学习移动用户偏好。
2.1移动用户偏好相关数据采集
1) 移动用户信息
移动用户的人口统计学数据(如年龄、职业、收入、性别等)是学习移动网络服务中移动用户偏好的主要数据来源之一[7~9]。这些信息通常由移动用户入网注册时填写，也可以根据一些机器学习或者数据挖掘技术推理获取(如可以在移动用户授权许可范围内根据身份证信息获取其籍贯信息、通过移动用户购买行为预测其收入信息、通过移动社交化网络挖掘移动用户的工作/教育背景等)。它们从概貌层面对移动用户进行刻画，相比传统互联网用户信息来讲，具有明确的移动用户标识，更加真实可靠。此外，还可以通过某些方式获取移动用户的其他信息，这对于特定的移动网络服务来说是十分重要的，例如通过GPS或基站定位系统获取移动用户的地理位置信息或者移动用户轨迹，有利于为移动用户提供基于位置的服务，也有利于各种移动网络服务提供商提供地理信息系统方面的服务[10~12]。
2) 移动用户使用移动网络服务的行为信息
移动用户使用的移动网络服务包括2部分：基本业务和增值服务[13]。基本业务主要是指通过语音方式进行的交互行为。移动网络中用户的联系人一般是家人、朋友、同学、同事等。通过用户的通话行为以及时间和位置上下文信息可以推导出移动用户之间的社会关系[14~16]。分析通信行为构建的移动社会化网络，对学习移动用户偏好、提供移动社交化网络类服务来讲十分重要。文献[17]通过分析移动电话数据获取移动用户之间关系的动态变化。移动用户使用增值服务的行为主要是指短信、彩信、彩铃、在线浏览、下载游戏、电子书/音乐/电影等多媒体信息、应用软件以及收发邮件等[5,13]。这些行为信息主要通过移动用户行为日志直接或者间接获取，并利用移动用户行为挖掘方法来处理。
3) 移动上下文信息及上下文用户行为信息
与传统互联网相比，移动网络服务中用户偏好受周围上下文因素的影响更明显。例如，有些用户在工作时间喜欢使用语音方式进行通信，在公共场所喜欢用文本方式进行通信，如邮件、短信等[5]；有些用户喜欢在乘坐地铁时通过移动终端浏览网页、看电子书、听音乐、看电影、玩游戏，有些用户喜欢在晚上使用移动微博服务等。移动网络中涉及的上下文包括时间、位置、周围人员、社会关系以及用户情绪[5,18~22]等信息，这些信息可以通过传感器或者安装在移动终端上的软件直接或者间接推理获取。由于移动网络中用户行为很大程度上受上下文影响，记录上下文相关的移动用户行为对移动用户偏好的学习十分重要。
2.2移动网络服务中典型数据集
目前包含用户使用移动网络服务以及相应上下文的公开数据集比较少，因此可以采用以下3种数据集学习移动用户偏好。
第2期孟祥武等：用户对移动网络服务偏好学习技术综述·149·
1) 真实移动数据集
目前，真实的移动数据集主要是通过志愿者或者移动运营商获取[2,5,14~17]，但这些数据集出于对用户隐私的保护公开的比较少。MIT Reality Mining[14]数据集是目前公开的包含上下文信息和用户使用移动网络服务行为的一个数据集。该数据集是麻省理工学院多媒体实验室在2004年收集的用于社会感知计算的数据集，包括94个用户从2004年9月到2005年6月共9个月的通信行为、周围人员信息、位置信息、手机状态、用户使用的服务以及相应的时间信息。但该数据集只有94个移动用户的行为信息，而且移动用户被局限在特定区域，因此研究的结果不具有普遍性。Nokia研究中心[15]对MIT 数据集进行了扩展，增加了志愿者的人数以及使用时间，但该数据集考虑到用户隐私问题目前还没有公开。SUMATRA数据集[23]主要用于研究移动用户行为轨迹和用户社区挖掘计算，包含180多万条移动用户的通话行为和位置信息。目前，由于成本问题对于小型实验室来说，采集丰富的包含上下文信息关联移动用户行为的数据集仍然比较困难。
2) 半模拟移动数据集
上述真实数据集是针对特定的用户偏好学习采集的，所采集的数据量比较少或者不全面。当通过这些数据集学习移动用户偏好时，只能得到用户对部分通信服务或者增值服务的偏好。一个比较常见的数据集构建方法是：在原有真实数据集基础上，按照预先设定的合理规则增加移动用户数量、使用通信服务、增值服务等的行为信息[24~26]。例如，可以对MIT数据集进行扩展，通过分析MIT数据以及调研学习的合理规则可以将MIT数据集扩展为包括几百甚至几千个移动用户行为的数据集。
3) 仿真移动数据集
仿真移动数据集主要是根据调研得到的各种规则以及实验需要仿真生成的数据[6,27~29]。文献[27]中通过仿真数据获取移动用户偏好，并将其应用在移动服务选择机制中。仿真数据集的优点是可以针对具体问题生成需要的数据集，与获取真实的数据集相比，仿真数据集操作简单、获取成本低。但仿真数据集对移动用户的分布以及使用行为是按照设定的规则产生的，因此存在局限性[30]。但目前由于公开数据集比较少，在参考已公开的数据集以及相关调查研究的基础上生成仿真数据集是小型实验室进行研究的一种可行方法。3移动网络服务中移动用户偏好表示方法
与传统互联网相比，在移动网络中移动用户偏好学习将面临动态多样的移动网络环境和泛在的移动网络服务提供环境，而且受上下文因素的影响更加明显。为了提高移动用户偏好获取的准确性，文献[31]将上下文引入到用户偏好建模中，文献[30]对上下文感知推荐系统进行了综述性分析，其中涉及上下文用户偏好提取、基于上下文感知的移动网络服务推荐等。将上下文信息引入移动用户偏好学习后，其表示方法需要进行相应的扩展以适应移动网络对移动用户偏好学习的要求。通过阅读文献总结，本文主要介绍常用的几种表示方法。
3.1基于向量空间模型的表示方法
向量空间模型(VSM, vector space model)是常用的移动用户偏好表示方法。该方法将移动用户偏好表示为n维特征向量{(t1,w1),(t2,w2),…,(t n,w n)}，向量的每一维由一个关键词及其权重组成，权重表示移动用户对某个移动网络服务感兴趣的程度。当移动用户偏好不受上下文影响时，可以直接采用该方法进行表示。文献[32]通过向量空间模型表示短消息，并将其应用在短信检索中。当移动用户偏好受上下文影响时，需要从影响移动用户偏好的各种关联因素角度出发对表示方法进行扩展，构建一个包含用户、移动网络服务、上下文信息、用户偏好信息的多元组[5,6,10,18]。
基于向量空间模型的表示方法具有直观、简单、扩展性良好，能反映不同概念在用户偏好中的重要程度，便于展开数学计算的优点，可应用在支持向量机[33]、贝叶斯分类[20]方法中。但这种表示方法较少考虑影响用户偏好获取的各种因素之间存在的层次关系，在应用时可能出现偏差。
3.2基于评分矩阵的表示方法
用户—项目评分矩阵是一个二维矩阵，矩阵中的元素表示用户对给定项目的量化偏好/评分。当移动用户偏好不受上下文影响时，可以直接采用用户—项目评分矩阵进行表示[2,25]。当移动用户偏好受上下文影响时，矩阵需要扩展为用户—项目—上下文多维度评分矩阵[27]。
该表示方法简单易懂，主要应用在协同过滤计算方法中。缺点是当引入上下文后，矩阵由原来的二维矩阵扩展为多维矩阵，加剧了矩阵的稀疏性，降低了移动用户偏好获取的精确度。所以采用该表
·150·通信学报第34卷
示方法获取移动用户偏好时，需要解决数据的稀疏性问题。文献[27]通过引入移动用户之间的信任度来缓解矩阵的稀疏性问题。
3.3基于神经网络的表示方法
基于神经网络的表示方法用网络状态表示用户偏好。网络状态由网络输入状态、网络输出状态以及输入与输出之间的连接状态组成。当移动用户偏好不受上下文影响时，可以直接用该方法表示；当移动用户偏好受上下文影响时，需要对输入状态进行扩展[12,19,34]。文献[34]中通过将上下文信息添加到输入向量对原有表示方法进行扩展。
然而，基于神经网络的表示方法依赖于用户偏好学习过程中所采用的神经网络类别和算法，其适用范围较窄且表示不易被理解。
3.4基于本体的表示方法
本体由实体、属性、关系和公理组成，可以表示丰富的概念和实体之间的关系，可以在特定域内对数据信息进行一致性理解。研究人员考虑到本体在概念、领域知识表示方面的诸多优点，通过建立本体域，以期比较丰富、完整地表示移动用户偏好，并进一步精确地获取移动用户偏好[35]。上下文是在对数据信息一致理解的基础上，考虑不同使用者、不同应用场景所导致的对数据及其数值上的理解差异，文献[36]将本体和上下文进行集成化，并应用在决策信息系统中。文献[37]将上下文引入到本体中来表示移动用户偏好，并应用在移动网络服务选择中。
引入本体来表示用户偏好的最大好处在于能够实现知识的重用和共享。但是这种表示方法的缺点是：本体的构建成本太高。本体的设计在很大程度上依赖于研究人员的知识和经验，特别是当定义域很大时，本体设计的有效性更加难以保证。
4移动网络服务中移动用户偏好学习技术
4.1常用的移动用户偏好获取技术
1) 基于贝叶斯分类器的移动用户偏好获取技术
贝叶斯分类器是一种用于分类的概率方法。该方法首先计算用户对给定项目属于某个类的概率，然后根据概率将项目进行分类。其优点是需要较小的内存空间，响应时间比较短。当移动用户偏好不受上下文影响时可以直接采用基于贝叶斯分类器的用户偏好获取技术得到移动用户偏好；当移动用户偏好受上下文影响时，需要对其进行改进。文献[20]在判定移动用户偏好类别时，将上下文作为一个条件添加到条件概率计算中，以提高移动用户偏好获取的精确度。文献[38]将上下文、服务内容和用户偏好作为显著变量引入到贝叶斯网络模型构建中。
2) 基于神经网络的移动用户偏好获取技术
神经网络具有自学习和自适应能力，能够通过调整权值适应环境的变化。当移动用户偏好不受上下文影响时，可以直接采用该技术获取移动用户偏好；当移动用户偏好受上下文影响时，需要对输入向量进行扩展[12,19,34]。文献[12]将时间、位置等上下文信息引入到人工神经网络的输入向量中。文献[19]将设备信息、用户信息和服务信息作为神经网络的输入信息。
3) 基于关联规则的移动用户偏好获取技术
关联规则通过在数据集中找出具有用户给定的最小支持度和最小置信度的项目来产生关联规则。由于移动终端输入能力的限制，移动用户反馈的信息比较少，鉴于关联规则方法在获取和推理项目关联性方面的优势，有些研究人员将其引入移动用户偏好获取过程以获取一些新颖性的用户偏好。Apriori算法是一种经典的关联规则方法。文献[13]通过Apriori算法挖掘移动网络中增值业务之间的关联性以获取移动用户对移动增值业务的偏好。当移动用户偏好受上下文影响时，需要对关联规则进行扩展。文献[28]采用Apriori算法挖掘在上下文约束下移动用户偏好之间的关联性，在挖掘关联规则时把相应的上下文看作频繁项来处理。
4) 基于决策树的移动用户偏好获取技术
决策树是以实例为基础的归纳学习算法，其优点是建模速度快。文献[39]中为了降低移动用户的流失，通过C5.0决策树算法挖掘移动用户对通信服务的偏好信息。当移动用户偏好受上下影响时，需要将上下文添加到决策树中。由于移动网络服务对上下文比较敏感，而上下文类型和属性之间的关系可以利用层次化树来表示，使得决策树模型较适合用于与上下文相关的移动用户偏好获取中。文献[11]中采用决策树算法获取移动用户对多媒体信息的偏好，在构建决策树时，将上下文信息当作属性作为树的节点，在进行分类时，从根节点比较相应的上下文以及移动用户偏好的其他属性。
5) 基于支持向量机的移动用户偏好获取技术
支持向量机(SVM, support vector machine)可以
第2期孟祥武等：用户对移动网络服务偏好学习技术综述·151·
解决小样本、非线性和高维度等问题，在分类方面可以获得比较好的精确度。文献[33]提出了上下文支持向量机(C-SVM)，通过将上下文信息添加到支持向量的特征向量中来实现对支持向量机的扩展。但支持向量机的训练时间比较长，因此Suykens等[40]人修改了SVM的损失函数和约束条件，使训练转换为线性问题，由此构建的最小二乘支持向量机(LSSVM, least squares support vector machine)不仅保持了标准SVM的泛化能力，而且可直接用于多分类问题。借鉴文献[33]的方法，文献[41]对LSSVM 进行了扩展，将上下文添加到LSSVM中。目前，在移动网络中基于上下文最小二乘支持向量机(C-LSSVM)的移动用户偏好获取技术的研究比较少，鉴于其在分类精确度和响应时间方面的优势，在今后的研究中，可以尝试通过C-LSSVM技术来获取移动用户偏好。
6) 基于本体的移动用户偏好获取技术
除了在概念表示方面的优点，本体还具有很强的推理计算能力，并被广泛应用于移动用户偏好获取中。在移动网络服务环境下，大多数移动用户偏好获取技术没有考虑移动用户历史行为的语义信息，为了解决这个问题，研究人员对基于本体的移动用户偏好获取技术进行了广泛研究[35~37]。与传统互联网相比，为了精确地定位移动用户偏好，移动网络中在构建本体库时，除了服务本体库、用户本体库外，还增加了上下文本体库。其中用户、服务以及上下文之间的联系通过推导规则产生。文献[37]提出了一个基于本体的框架用来发现大多数与用户偏好以及设备能力相关的服务，文中采用了W3C 发布的本体，其丰富的数据信息可以完成个性化移动服务的发现以及自适应学习等。
4.2移动用户偏好自适应学习技术
在移动网络中，由于移动用户和移动网络服务数量比较大，因此采用4.1节提出的技术重新获取移动用户偏好的响应时间会随时间的迁移，越来越大。借鉴文献[42]中的方法，可以将移动用户行为数据存储在不同的数据库中，在修正时只需对临时移动用户行为数据库中的移动用户偏好进行学习。移动用户偏好自适应学习技术主要包括显性自适应学习技术和隐性自适应学习技术2种。
4.2.1移动用户偏好的显性自适应学习
显性自适应学习根据移动用户的显性反馈信息更新移动用户偏好，例如移动用户对移动网络服务的评分[2,26,28,43,44]。但在移动网络中，由于移动终端输入能力的限制，显性的反馈信息比较少，因此更新后得到的移动用户偏好的准确性比较低。
4.2.2移动用户偏好的隐性自适应学习
隐性自适应学习通过机器学习对移动用户的行为(使用服务时长、频率、上下文等)进行学习来更新移动用户偏好[26,45]。随时间迁移，移动用户偏好只有部分发生变化，因此在学习时只需对发生变化的移动用户偏好进行学习。为了获取实时、精确、无冲突的移动用户偏好，需要解决3个方面的问题。
1) 检测移动用户行为的变化
在移动网络中，由于移动用户偏好受上下文影响比较明显，因此，在判断移动用户行为是否发生变化时，首先需要确定移动用户偏好受哪些上下文影响。文献[46]根据上下文约束下用户使用服务的波动率来确定用户行为受哪些上下文影响。在确定了上下文信息后，可以根据移动用户对服务使用的相对变化量来判断移动用户对该服务的偏好是否发生变化。
2) 修正上下文约束下的移动用户偏好
当移动用户偏好发生变化时，需要对其进行修正。当对移动用户偏好进行修正时，可以根据 4.1节中介绍的偏好获取技术对发生变化的移动用户偏好进行重新学习
3) 解决上下文移动用户偏好冲突
修正后的移动用户偏好可能与原有移动用户偏好发生冲突，为了解决冲突问题，可以借鉴文献[43]的方法，为每个移动用户偏好设置一个可信度，当移动用户偏好不发生变化时，置信度增加，否则减小。当置信度为0时，将相应的移动用户偏好删除；对于新学习得到的移动用户偏好赋予默认的初始值。当新学习得到的移动用户偏好和原有移动用户偏好发生冲突时，比较其可信度，选择其中可信度最大的偏好作为移动用户偏好。
4.3移动用户偏好的应用
根据本节中提到的移动用户偏好学习技术，移动用户偏好学习能够回答类似于下面的问题，例如：1)根据用户的通话习惯，可以获取移动用户对移动套餐的偏好；2)根据用户当前的位置信息，可以预测移动用户当前需要的移动网络服务[2,10]；3)根据与用户使用网络服务相似的其他用户（即近似邻居）的偏好，可以预测移动用户对未使用过的移动网络服务的偏好[10,25,26]；4)根据移动用户的轨迹
·152· 通 信 学 报 第34卷
以及移动用户使用移动网络服务的历史行为，可以预测出用户在下一时刻可能使用的移动网络服务[47,48]；5)根据用户的好友关系和位置信息，可以挖掘用户想知道附近有哪些好友的偏好[49,50]；6)根据用户使用移动手机的行为，可以获取移动用户对移动终端软硬件的偏好，例如拍照、听音乐、看电子书、闹钟等[5]。
5 移动用户偏好的评价指标
为了确保移动用户偏好的准确性，需要对学习得到的移动用户偏好进行评价，目前通过实验的方法，根据平均绝对误差(MAE, mean absolute error)、准确率、召回率、F 指标等来评价学习得到的移动用户偏好。 1) 平均绝对误差
MAE 是评价学习得到的移动用户偏好的常用指标，用来度量学习得到的移动用户偏好值与实际的移动用户偏好值的平均绝对误差[24,27,51,52]，其计算公式如下：
1
1?n
i i i MAE
u u
n ==
?∑ (1)
其中，u i 表示实际的移动用户偏好值，?i u
表示学习得到的移动用户偏好值。
2) 准确率和召回率
准确率和召回率是评价信息获取系统常用的评价指标[6,22,25,52]。准确率的计算公式可表示为
12N P N = (2)
其中，N 1表示学习得到的移动用户偏好正确的数量，N 2表示学习得到的移动用户偏好的总量。召回率表示学习得到的移动用户偏好正确的数量与系统中实际的移动用户偏好的数量的比值，计算公式为
1
3
N R N =
(3)
其中，N 3表示系统中实际的移动用户偏好的数量。
3) F 指标
由于召回率经常和准确率一起使用，为了能同时准确观察召回率和准确率，Pazzani M [43]等提出了F 指标，其计算公式为
2PR
F P R
=
+ (4)
文献[25,52]中使用F 指标来评价获取的移动用户偏好，由于F 指标将准确率和召回率综合考虑，因此能更好地衡量系统的性能。
4) 响应时间
本文的响应时间不包括收集数据、数据传输、移动用户偏好传输等所花费的时间。这里的响应时间主要是指学习移动用户偏好所花费的时间。由于移动网络的特点，需要及时地为移动用户提供满足其个性化需求的移动网络服务[10,13,22,28,31,32]。例如，当移动用户在电影院附近时，移动用户想知道新上映的电影信息，如果移动用户没有及时收到信息，则可能选择其他娱乐活动，这对服务提供商来说是不利的。因此需要移动用户偏好学习的响应时间要比较小。
5) 其他评价指标
上述的评价方法主要是通过客观的计算对学习得到的移动用户偏好的准确度进行评价。但一个好的移动用户偏好学习技术不仅要有较高的准确度，还需要好的移动用户满意度。用户对系统的满意度不仅表现在系统获取的偏好信息准确度高，还表现在新鲜性、意外性、多样性、用户对系统的信任度等方面[52]。为了提高移动用户对偏好学习系统的信任度，可以给出获取偏好的方法或原因。Amazon 在向用户推荐书籍时会给出为什么推荐这本书，例如用户买过同一个作者的书，用户的好友买过这本书等。移动用户偏好学习系统在给出移动用户偏好时也需要给出相应的理由。但关于信任度、新鲜性以及意外性的研究比较少，没有定量的计算标准。目前，移动用户满意度主要通过用户对偏好学习系统的显性评分得到。
文献[35]中将客观评价与主观评价结合起来使用。文献[10]则通过志愿者的主观评价来判断系统提供的服务是否满足移动用户的需求，测试时要求移动用户对学习得到的每项移动用户偏好进行满意度评价，通过最终的满意度来判断系统是否能很好地满足移动用户需求。
6 移动网络服务中移动用户偏好学习技术研究发展的难点与热点
目前，移动用户偏好学习技术已经在学术界得到了广泛的研究。随着3G 、4G 的普及以及移动终端设备的改进，移动用户可以更方便地获取各种信息，因此移动网络服务中的移动用户偏好
第2期孟祥武等：用户对移动网络服务偏好学习技术综述·153·
学习显得越来越重要。尽管已经存在很多学习移动用户偏好的技术，但移动用户偏好学习仍有一些值得研究和探讨的领域，归纳起来大概有以下几个研究难点。
1) 数据集的获取。目前公开的数据集比较少，研究人员使用的真实数据集是志愿者或移动运营商提供的。通过志愿者获取数据集的成本比较大，例如智能手机的成本。移动运营商一般只给与其合作的实验室提供数据集。因此希望本领域的研究人员能够公开已获取的数据集以便为更多的研究人员提供研究的依据。
2) 移动用户偏好学习的形式化分析和验证。目前关于移动用户偏好学习的合理性主要是通过实验方法进行验证的。偏好获取技术受参数、阈值、数据集等的影响，而实验时参数、阈值的选择方法主要根据经验值、多次实验等方法选取，因此得出的实验结果的说服力比较弱。为了提高移动用户偏好学习技术合理性验证的说服力，需要对选取的用户偏好获取技术、相关参数、阈值给出合理的形式化分析。移动用户偏好获取技术的合理性主要包括时间复杂度和准确性分析；参数、阈值的合理性分析主要是指给出选择参数或阈值时所遵循的定理、准则或实际需要。
3) 隐私与安全问题。隐私问题一直是用户最敏感的话题。现有的方法是通过分析移动用户行为来学习移动用户偏好，在学习的过程中可能涉及移动用户自身的信息，例如移动用户的年龄、性别、周围人员以及活动等。研究如何精确学习移动用户偏好的同时又能对移动用户信息进行保密也是进一步研究的方向。
研究热点归纳起来有以下几个。
1) 适合移动网络的移动用户偏好获取技术。目前关于移动用户偏好获取技术的方法主要是一些分类算法，这些方法在互联网中可以获取令人满意的结果。但由于移动网络的实时性以及移动终端输入输出能力有限，对用户偏好获取技术提出了更高的要求，因此需要对原有方法进行改进或寻找更适合移动网络需要的移动用户偏好获取技术。
2) 对学习得到的移动用户偏好的评价。现在对学习得到的移动用户偏好的评价主要是针对其获取的准确性进行评价。为了真正满足移动用户的需求，还可以考虑根据移动用户的满意度、移动用户偏好的新鲜性、覆盖率、多样性、意外性等更多的角度去评价学习得到的移动用户偏好。
3) 更细致地挖掘上下文之间的关联。移动用户周围的物理上下文、社会上下文之间有着密切的关系，现有的移动用户偏好获取技术将各种上下文假设为独立或者简化了上下文之间的关系。如何更精确地确定各上下文之间的关系也是进一步研究的方向。
7结束语
移动网络以及移动终端软硬件的发展，可以使移动用户更便捷地访问信息，使用移动网络服务。但同时也为移动用户偏好学习带来了新的挑战。本文将移动用户偏好学习技术的研究进展和趋势进行归纳、总结和预测，并介绍给信息科学工作者，希望促进此领域及其相关研究在我国的发展。
参考文献：
[1] KWOK R. Phoning in data[J]. Nature, 2009, 458(7241): 959-961.
[2] CHIU P H, KAO G Y M, LO C C. Personalized blog content recom-
mender system for mobile phone users[J]. Int’l Journal of Hu-man-Computer Studies, 2010, 68(8): 496-507.
[3] TUZHILIN A. Personalization: the State of the Art and Future Direc-
tions[M]. Business Computing, Handbooks in Information System, 2009. 3-44.
[4] 杜一, 田丰, 戴国忠等. 一种移动环境下的用户模型[J].软件学
报,2011, 22(2): 120-128.
DU Y, TIAN F, DAI G Z, et al.A user model based on mobile envi-ronment[J].Journal of Software, 22(2): 120-128.
[5] DO T M T, DANIEL G P. By their apps you shall understand them:
mining large-scale patterns of mobile phone usage[A]. Proc of the 13th Int’l Conf on multimodal interfaces[C]. Alicante, Spain, 2011.353-360.
[6] JEMBERE E, ADIGUN M O, XULU S S. Mining context-based user
preferences for m-Services applications[A]. Proc of the IEEE/WIC/ ACM International Conference on Web Intelligence[C]. Silicon Valley, USA, 2007.57-763.
[7] SHINTARO O. Exploring gender effects in a mobile advertising con-
text: on the evaluation of trust, attitudes, and recall[J]. Sex Roles, 2007, 57: 897-908.
[8] GOKUL C, JAN B, DANIEL G P. Mining large scale smartphone data
for personality studies[J]. Personal and Ubiquitous Computing, 2011.
1-18.
[9] BRDAR S, ?ULIBRK D, CRNOJEVI? V. Demographic attributes
prediction on the real-world mobile data[A]. The Workshop on Mobile Data Challenge 2012 (by Nokia)[C]. Newcastle, UK, 2012.
[10] LI X Y, MI Z C, ZHAN Z M. A location-aware recommender system
for mobile shopping environments[A]. Proc of the 2nd Int’l Conf on Information Science and Engineering (ICISE)[C]. Hangzhou, China, 2010. 1709-1711.
[11] CHEN N, CHEN A. Integrating context-aware computing in decision
support system[J]. Lecture Notes in Engineering and Computer Sci-
·154·通信学报第34卷
ence, 2010, 2180(1): 359-364.
[12] QUSAY H M, EYHAB A M, WANG Z X. Design and implementation
of a smart system for personalization and accurate selection of mobile services[J]. Requirements Engineering, 2007, 12(4): 221-230.
[13] YAO X L, SHU H Y. Study on value-added service in mobile telecom
based on association rules[A]. Proc of the 10th Int’l Conf on Software Engineering, Artificial Intelligences, Networking and Parallel/ Distrib-uted Computing[C]. Dezhou, China, 2009.116-119.
[14] EAGLE N, PENTLAND A, LAZER D. Inferring social network
structure using mobile phone data[J]. Proc of the National Academy of Sciences (PNAS), 2009, 106(36): 15274-15278.
[15] NIKO K, JAN B, OLIVIER D. Towards rich mobile phone datasets:
lausanne data collection campaign[A]. Proc of the ACM Int Conf on Pervasive Services (ICPS)[C]. Berlin, Germany, 2010.
[16] SHI Y C, MENG X W, ZHANG Y J. A trust calculating algorithm
based on mobile phone data[A].Proc of the IEEE Global Telecommu-nications Conference, (GLOBECOM)[C]. California, USA, 2012.2036- 2041.
[17] CESAR A H, SICKERT C R. The dynamics of a mobile phone net-
work[J]. Physica A: Statistical Mechanics and Its Applications, 2008, 387(12): 3017-3024.
[18] 王立才,孟祥武,张玉洁.移动网络服务中基于认知心理学的用户
偏好提取方法[J].电子学报, 2011, 39(11): 2548-2553.
WANG L C, MENG X W, ZHANG Y J. A cognitive psychology-based approach to user preferences elicitation for mobile network services[J].
Acta Electronica Sinica, 2011, 39(11): 2548-2553.
[19] EYHAB A M, QUSAY H M. A context-aware service discovery and
selection mechanism using artificial neural networks[J]. Int’l Journal of Intelligent Systems Technologies and Applications, 2009, 6(1): 144-156.
[20] TOON D P, TOM D, LUC M. Extending the bayesian classifier to a
context-aware recommender system for mobile devices[A]. Proc of the 2010 5th International Conference on Internet and Web Applications and Services [C]. Barcelona, 2010.242-247.
[21] MALLIKHARJUNA R N, NAIDU P M M, SEETHARAM P. An
intelligent location management approaches in GSM mobile net-work[J]. International Journal of Advanced Research in Artificial In-telligence, 2012, 1(1):30-37.
[22] YAN T X, CHU D, GANESAN D. Fast App launching for mobile
devices using predictive user context[A]. Proc of the 10th international conference on MobiSys[C]. Lake District, UK, 2012. 113-126.
[23] LAM D, COX D C, WIDOM J. Teletraffic modeling for personal
communications services[J]. IEEE Communications Magazine, 1997, 53(2): 79-87.
[24] KARATZOGLOU A, AMATRIAIN X, BALTRUNAS L. Multiverse
recommendation: N-dimensional tensor factorization for context- aware collaborative filtering[A]. Proc of the Recsys[C]. Barcelona, Spain,2010.79-86.
[25] SU J, YEH H, YU P. Music recommendation using content and context
information mining[J]. IEEE Intelligent Systems, 2010, 25(1): 16-26. [26] LINAS B. Context-Aware Collaborative Filtering Recommender
Systems[D]. Italy: Free University of Bozen, 2011.
[27] 王玉祥,乔秀全,李晓峰.上下文感知移动社交网络服务选择机制
研究[J].计算机学报,2010, 33(11): 2126-2135.
WANG Y X, QIAO X Q, LI X F. Research on context awareness mo-bile SNS service selection mechanism[J]. Chinese Journal of Comput-
ers, 2010, 33(11):2126-2135.
[28] HONG J Y, SUH E H, KIM J Y. Context-aware system for proactive
personalized service based on context history[J]. ACM: Expert Sys-tems with Applications, 2009, 36(4): 7448-7457.
[29] KUO M H, CHEN L C, LIANG C W. Building and evaluating a loca-
tion-based service recommendation system with a preference adjust-ment mechanism[J]. Expert Systems with Applications, 2009, 36(2): 3543-3554.
[30] 王立才,孟祥武,张玉洁.上下文感知推荐系统研究[J].软件学报,
2012, 23(1): 1-20.
WANG L C, MENG X W, ZHANG Y J. Context-aware recommender systems: a survey of the state-of-the-art and possible extensions[J].
Chinese Journal of Software, 2012, 23(1): 1-20.
[31] STEFANIDIS K, PITOURA E, V ASSILIADIS P. Adding context to
preferences[A]. Proc of the IEEE 23rd Int’l Conf on Data Engineer-ing[C]. Istanbul, Turkey, 2007.846-855.
[32] WU W, JU Y C, LI X. Paraphrase detection on SMS messages in
automobiles[A]. Proc of the IEEE International Conference on Acous-tics Speech and Signal Processing (ICASSP)[C]. Dallas, TX, 2010.
5326-5329.
[33] KENTA O, SHINSUKE N, JUN M. Context-aware SVM for con-
text-dependent information recommendation[A].Proc of the Int’l Conf on Mobile Data Management[C]. Nara, Japan, 2006. 109-112.
[34] GUI F, MALEK A, NAPHTALI R. A contextualized and personalized
approach for mobile search[A]. Proc of the 2009 International Con-ference on Advanced Information Networking and Applications Workshops[C]. Bradford, 2009.966-971.
[35] GOENKA K, ARPINAR I B, NURAL M. Mobile web search person-
alization using ontological user profile[A]. Proc of the 48th Annual Southeast Regional Conference[C]. Oxford: MS, USA, 2010.1-6. [36] 刘栋,孟祥武,陈俊亮.上下文感知系统中的规则生成与匹配算法
[J].软件学报, 2009, 20(10): 2655-2666.
LIU D, MENG X W, CHEN J L. Algorithms for rule generation and matchmaking in context-aware system[J]. Journal of Software, 2009, 20(10): 2655-2666.
[37] NIAZI R, QUSAY H M. An ontology-based framework for discover-
ing mobile services[A]. Proc of the 7th Annual Research Conf on Communication Networks and Services, CNSR'09[C]. Moncton, NB, Canada, 2009.178-184.
[38] XU J J, LIAO S Y, LI Q D. Combining empirical experimentation and
modeling techniques: a design research approach for personalized mo-bile advertising applications[J]. Decision Support Systems, 2007, 44(3): 710-724.
[39] INDRANIL B, CHEN X. Hybrid models using unsupervised cluster-
ing for prediction of customer churn[J]. Journal of Organizational Computing and Electronic Commerce, 2009, 19(2): 133-151.
[40] SUYKENS J A K, V ANDEWALLE J. Least squares support vector
machine classifiers[J]. Neural Processing Letters,1999. 293-300. [41] 史艳翠,孟祥武,张玉洁等.一种上下文移动用户偏好自适应学习
方法[J].软件学报,2012,23(11):2533-2549.
SHI Y C, MENG X W, ZHANG Y J. Adaptive learning approach of contextual mobile user preferences[J]. Journal of Software, 2012, 23(10): 2533-2549.
[42] SARAH M, ELIZA P, NICK T. Adapting pervasive environments
through machine learning and dynamic personalization[A]. Proc of the International Symposium on Parallel and Distributed Processing with
第2期孟祥武等：用户对移动网络服务偏好学习技术综述·155·
Applications[C]. Sydney, NSW, 2008.395-402.
[43] PAZZANI M, BILLSUS D. Learning and revising user profiles: the
identification of interesting web sites[J]. Machine Learning, 1997, 27: 313-331.
[44] OURDIA B, LYNDA T L, MOHAND B. Dynamically personalizing
search results for mobile users[J]. Lecture Notes in Computer Science, 2009, (5822): 99-110.
[45] SARAH M, ELIZABETH P, NICK T. Implicit adaptation of user
preferences in pervasive systems[A]. 2009 Fourth International Con-ference on Systems[C]. Gosier, Guadeloupe, 2009.56-62.
[46] WANG L C, MENG X W, ZHANG Y J. New approaches to
mood-based hybrid collaborative filtering[A]. ACM CAMRa’10[C].
Barcelona, Spain, 2010.28-33.
[47] WANG J J, BHASKAR P. Periodicity based next place prediction[A].
The Workshop on Mobile Data Challenge (by Nokia)[C]. Newcastle, UK, 2012.
[48] GAO H J, TANG J L, LIU H. Mobile location prediction in
spatio-temporal context[A]. The Workshop on Mobile Data Challenge (by Nokia)[C]. Newcastle, UK, 2012.
[49] SYMEONIDIS P, PAPADIMITRIOU A, MANOLOPOULOS Y.
Geo-social recommendations based on incremental tensor reduction and local path traversal[A]. Proc of the 3rd ACM SIGSPATIAL Inter-national Workshop on Location-Based Social Networks[C]. Chicago, Illinois, USA, 2011.89-96.
[50] XU B, CHIN A, WANG H. Using physical context in a mobile social
networking application for improving friend recommendations[A].
IEEE Int’l Conf on Internet of Things, and Cyber, Physical and Social Computing[C]. Dalian, China, 2011.602-609.
[51] SHI Y C, MENG X W, WANG L C. A heuristic approach to identify-
ing the specific household member for a given rating[A]. ACM CAMRa’11[C]. Chicago, Illinois, USA, 2011.47-52.
[52] 刘建国,周涛,郭强.个性化推荐系统评价方法综述[J].复杂系统与
复杂性科学,2009, 6(3): 1-9.
LIU J Q, ZHOU T, GUO Q. Overview of the evaluated algorithms for the personal recommendation systems[J]. Complex Systems and Com-plexity Science, 2009, 6(3): 1-9. 作者简介：
孟祥武（1966-），男，山东招远人，
博士，北京邮电大学教授、博士生导师，
主要研究方向为网络服务、通信软件、人
工智能。
史艳翠（1982-）,女，河北保定人，
北京邮电大学博士生，主要研究方向为用
户偏好自适应技术、推荐系统、个性化服
务。
张玉洁（1969-）,女,天津人，北京邮
电大学讲师，主要研究方向为智能信息处
理、通信软件、网络服务。
王立才（1984-），男，山东阳谷人，
北京邮电大学博士生，主要研究方向为推
荐系统、智能信息处理。
集团客户网络服务支撑规范 中国移动通信集团广东公司深圳分公司 网络维护中心服务支撑室 2009年2月
声明 本文档所有权和解释权归中国移动广东公司所有，未经书面许可，不得复制或向第三方公开。 This document is the property of CMCC GD and can be neither reproduced nor disclosed to a third party without a written authorization. 修订历史记录 （A-添加，M-修改，D-删除）
目录 1 前言4 1.1 编写目的4 1.2 适用对象4 2 集团客户网络服务支撑工作内容分类4 3 基本要求与一般规范5 3.1 服务支撑人员定义5 3.2 服务支撑人员专业技能要求5 3.3 服务支撑人员仪表方面规范5 3.4 服务支撑人员外勤工作一般规范6 4 集团业务故障处理作业规范7 4.1 处理原则7 4.2 内部故障处理流程7 4.3 客户现场处理规范8 5 服务支撑人员例行维护与作业规范11 5.1 监控经管11 5.2 日常例行现场巡检规范11
1前言 在网络运维集中化的背景下，中国移动广东省公司确立了地市集中化工作转型的重要工作目标：服务下沉、支撑前移。为了建立和健全网络服务支撑的工作体系，进一步提升全省服务支撑人员的支撑能力，使得服务支撑人员能够为集团客户提供快速技术支撑，提高客户满意度，在“服务下沉、支撑前移”的指导思想下，全省各地市网络维护中心服务支撑室正逐步加强客户拜访工作的力度，与集团客户技术人员形成互动，为全省的集团客户提供更好的服务。 1.1编写目的 为指导深圳分公司网络维护中心员工，尤其是服务支撑室及其代维工作人员，在日常工作生产中凡涉及与集团客户交互的如客户拜访、故障抢修、例行维护以及电话邮件等工作，按照如下作业与行为规范如专业术语、礼貌用语、着装指引、施工抢修等方面操作实施。 1.2适用对象 本手册适用对象为深圳移动面向集团客户服务支撑的网络经管与维护人员，以及深圳移动合作单位的代维工作人员。 2集团客户网络服务支撑工作内容分类 按照省公司粤移网维通[2009]61号《关于明确网络服务支撑例行生产工作要求的通知》一文，网维中心服务支撑室主要承担以下工作： 1、售前、售中的网络支撑，其中包括技术方案制定和业务开通。 2、售后业务保障服务，其中包括告警监控、故障和投诉处理、业务分析与质量经管、 例行维护、差异化保障服务、客户服务和拜访、交流和知识共享、手段建设以及资 料经管9个方面。 因此，根据以上工作内容，涉及与集团客户交互主要涵盖以下几个方面： 1、集团客户拜访工作，如技术交流、故障归纳总结、差异化服务等。 2、集团业务维护工作，如例行维护、故障和投诉处理、设备安装与调测等。
手机移动支付的研究 1引言 随着时代的进步和科技的发展，移动支付已受到越来越大的关注。继上个世纪互联网技术引发“信息革命”之后，如今物联网又将再一次改变我们的生活。顾名思义，物联网即把一切物品都通过传感器接入互联网，实现监控、跟踪、信息交互等功能。通过手机等数码随身物品把银行卡与商家POS机连接起来，就形成了一个新的领于：移动支付。移动支付也称手机支付，允许用户使用其移动终端（通常是手机）对所消费的商品或服务进行账务支付的一种服务方式。[1] 整个移动支付价值链包括移动运营商、支付服务商、应用提供商、设备提供商、系统集成商、商家和终端用户。移动支付主要分为近场支付和远程支付两种，近场支付就是用手机刷卡的方式坐车、买东西等，很便捷。远程支付是指通过发送支付指令或借助支付工具进行的支付方式。而在这两种支付方式中手机支付存在着很重要的地位。2010年4月工信部科技司在“2010第二届中国移动支付产业论坛”上透露，工信部有关部门正在着手小额手机支付标准的研究制订工作。继卡类支付、网络支付后，手机支付俨然成为新宠。因此，我从手机支付方面着手，了解其支付方式、发展影响因素等，并对其作出以下总结与建议。 2手机支付方式 手机支付是一项跨行业的业务，是电子货币与移动通信业务相结合的产物。移动支付方式通常有以下几种： （1）手机钱包，又称为“小额移动支付”。该方式实施较容易，是目前国外较普遍采用的方式。手机钱包的特点是以客户的话费账户或是关联客户的银行卡账户进行消费购物。 （2）手机银行，通过移动通信网络将客户的手机连接至银行，通过手机界面直接完成各种金融理财业务。 （3）第三方手机支付，是在移动运营商和商业银行间加入了第三方，例如中国银联。它可以实施“一点接入，多点服务”的功能。由于有第三方的介入，银行和电信运营商间在技术、业务等方面更易协调。因此，第三方手机支付被认为更具有发展前途。[2]
https://www.doczj.com/doc/044140480.html,/p-72383087.html# 移动学习理论研究与实践现状概览 移动学习在我国校内外教育教学中的应用文献综述 个人日记2010-02-23 17:50:42 阅读16 评论0 字号：大中小订阅 一，移动学习理论以及国内学者的研究 Desmond Keegan 丁兴富译《从远程学习到电子学习再到移动学习》开放教育研究 2000年第五期： 移动学习的发展将使学生在远程学习上更加自由，只要能够实现其电话装置的无线通信连接，无论在飞机场、在床上或在他们选择的任何地方，都可以进行学习。 北京大学现代教育技术中心移动实验室给移动学习的定义： 移动教育是指依托目前比较成熟的无线移动网络、国际互联网以及多媒体技术，学生和教师通过使用移动设备（如手机）等来更方便灵活的实现交互式教学活动（崔光佐，2001） 北京大学教育学院教育技术系《移动教育—全球化学习的新方式》中国远程教育 2003： 移动教育是依托目前比较成熟的无线移动网络、国际互联网以及多媒体技术，学生和教师使用移动设备（如手机等）通过移动教学服务器实现交互式教学活动。一个实用的移动教学系统必须同时兼顾学生，教师和教育资源这三个方面，将他们有机结合起来。 提出了基于短信和浏览、连接的移动教育方案，分析了SMS\EMS\MMS以及WAP以及3G时代的三种标准等实现技术。 刘豫钧鬲淑芳《移动学习—国外研究现状之综述》现代教育技术2004，3 引述了国外不同专家从技术、远程教育思想等视角出发给定的移动学习的定义，并从数字化基础、学习方式的自由自在、随时随地、学习环境的可移动、学习的技术实现基础移动计算技术和移动互联技术等方面来把握移动学习。 并分五个方面，通过大量国外研究移动学习的事实介绍了国外移动学习研究的现状和成果： （1）移动设备应用于教育的可行性研究（2）移动学习资源开发（3）短信息服务（4）WAP教育网站的建设（5）与终身学习、PBL和协作学习等的结合。 叶成林，徐福荫等，移动学习研究综述，电化教育研究 2004年第三期定义： 移动学习是指利用无线移动通信网络技术以及网线移动通信设备（如移动电话、个人数字助理PDA、Podket PC等）获取教育信息、教育资源和教育服务的一种新型学习方式。移动学习具有学习便捷性、教学个性化、交互丰富性、情景相关性等特点。移动学习是网络学习和分布式学习的一种延伸。并指出移动学习研究的五个关键性问题是：移动学习系统相关技术研究、移动学习终端软件开发研究、移动学习课程开发研究、移动学习教学模式研究、移动学习系统的标准化研究。 叶成林，徐福荫，开放教育研究，2004年第三期： 移动学习的理论基础： 1.非正式学习，非正式学习是一种隐含式学习，源于直接的交互活动以及来自伙伴和教师的丰富的信息暗示，这些暗示的信息远远超过了明确教授的内容。非正式学习强调学习的泛在性，认为人际通信交流的本质就是学习。 2.情景认知与学习，学习是学习者基于一定的社会文化情景，在与学习环境的互动中自我建构意义、身份
随着3G无线通讯技术的推广运用,利用无线通讯技术高速传输图形图像、音频、视频等多媒体信息变成现实。同时移动终端的处理能力及显示能力的提高也为移动学习的开展提供了基本条件。 一、移动学习的定义及在我国发展现状 虽然国内外远程教育领域对于移动学习的研究已有几年的历史,但是到目前为止还没有一个准确的定义,关于移动学习的定义主要有: Alexzander Dye等人:移动学习是一种在移动计算设备帮助下能够在任何时间任何地点开展的学习,移动学习所使用的移动计算设备必须能够有效呈现学习内容并提供教师与学习者之间的双向交流。[1] Chabra和Figueiredo:移动学习就是能够使用任何设备,在任何时间、任何地点进行学习。[2] Paul Harris:移动学习是移动计算技术和E-learning的交点,它能够为学习者带来一种随时随地学习的体验。[3] 北京大学现代教育技术中心移动教育实验室:移动教育指依托目前比较成熟的无线移动网络、国际互联网和多媒体技术,学生和教师通过使用移动设备(如手机等)来更方便灵活地实现交互式教学活动。 综上所述,移动学习可概括为:使用移动设备,利用无线通讯技术、互联网技术以及多媒体技术,在任何时间、任何地点为学习者提供学习资源并为师生提供双向交流的一种学习方式。 在我国关于移动学习的研究主要分为三类。第一类是由教育机构进行的研究,主要内容包括:(1)基于短信息平台和GPRS平台向广大师生提供信息服务;(2)基于
GPRS技术建立移动教育平台,开发适合多种设备的教育资源,解决资源共享问题;(3)基于本体的教育资源制作、发布和浏览平台,提高教育资源和教育服务的开发规范、动态扩充和可定制性,并为教育语义Web打下基础;(4)教育语义网络平台,它主要利用语义Web技术提高教育服务平台的智能性;(5)基于无线局域网技术的多媒体移动教学系统,实现在校园中利用笔记本电脑随时随地的教学。第二类是由教育企业进行的移动教育产品的应用研究,这类产品主要是电子词典类,学习资源通过下载的方式存入到词典中以便进行移动学习。第三类是硕士论文方面的研究,主要集中在移动技术及教育理论方面的研究上,涉及实际移动学习方面的应用则比较少。 在现有的实际运用研究中,移动学习基本上有以下几种方式:(1)基于短信息、多媒体信息、移动邮箱的方式,教师通过短信息、多媒体信息服务或邮件将学习资源或作业发送给学生,学生则通过同样的方式学习、提交作业或与教师交流。校方通过短信息服务为师生提供公告、通知信息;(2)师生间通过手机移动QQ或移动MSN工具进行实时交流;(3)搭建WAP学习站点,为学生提供通知公告、学习资源等信息,并通过论坛实现师生间的异步交流。 通过上面分析可以看出,尽管通过多种方式实现了移动学习的功能,但存在以下缺点:(1)教学模式单一;(2)频繁使用短信息或多媒体信息服务,增加了教学成本;(3)尽管移动QQ或移动MSN可以实现师生间的实时互动,但容易受到其他朋友的干扰,从而影响学习效率和质量,同时也容易受到安全威胁;(4)受到通讯速率、手机性能的影响,WAP(无线应用协议)学习站点的功能较简单。可以看到还没有一个真正的移动学习平台投入到实际运用中。 目前,基于3G技术的高性能手机已经投入市场,为移动学习的开展创造了有利的条件。同时由于手机方便随身携带的特点,使得其必将成为移动学习的首选工具,
有关“微课程”的文献综述 随着信息技术与通讯技术的快速发展，人们之间的交流与学习变得越来越快速、高效。微博、微信、微电影、微杂志等的“微软件”似乎向人们宣告，世界已经进入一个崭新的“微时代”。然而，纵观中国的“微市场”众多的“微”软件、“微”网站都只是单纯的满足于人们休闲娱乐等方面的生活，而随着推出的“微课程”就很好的填补了中国微时代中教育领域的空白。 一、“微课程”的发展 其实“微课程”并不是一个新鲜事物，早在年美国新墨西哥州圣胡安学院的高级教案设计师、学院在线服务经理戴维·彭罗斯就提出了“微课程”的理念，他将建构主义方法转化为以在线学习或移动学习为目的的实际教案内容，并在此后将“微课程”理念在该学院得以应用。现在越来越多的学校、培训机构或网上学习资源里推出“提分微课程”该课程采用“题型精讲；方法传授；考点归纳”三位一体的教案模式，以重点常考题型为出发点，精讲解题方法及过程，将重点考点进行归纳，是一套真正符合现代学生学习特点的“学习时间短、学习见效快”的高清视频系列课程。微课程的出炉一般经过个过程：先寻找故事中的价值点，接着是梳理价值点，然后是提升价值点，最后是形成脚本，课程化开发。 二、国内外对于“微课程”的相关研究分析 在国内，微课程的概念佛山市教育局的胡铁生率先提出来的。在他看来，“‘微课’是按照新课程标准及教案实践要求，以教案视频为主要载体，反映教师在课堂教案过程中针对某个知识点或教案环节而开展教与学活动的各种教案资源有机组合”；“对教师而言，微课将革新传统的教案与教研方式，突破教师传统的听评课模式，教师的电子备课、课堂教案和课后反思的资源应用将更具有针对性和实效性，基于微课资源库的校本研修、区域网络教研将大有作为，并成为教师专业成长的重要途径之一”；“微课能更好的满足学生对不同学科知识点的个性化学习、按需选择学习，既可查缺补漏又能强化巩固知识，是传统课堂学习的一种重要补充和拓展资源。特别是随着手持移动数码产品和无线网络的普及，基于微课的移动学习、远程学习、在线学习、泛在学习将会越来越普及，微课必将成为一种新型的教案模式和学习方式”。 在国外，美国新墨西哥州圣胡安学院有一位课程设计师如是说：利用这些连续的微课程进行网上教案，并配上任务和讨论，可以达到和传统课程一样的学习效果。圣胡安学院是在“职业安全”这门新的在线学位课程里开始利用微课程进行教案的，现在已经在很多科目中使用它，如阅读，部落管理和兽医等科目的学习。由于“职业安全”这门课使用微课程教案，所以在第二学期招生时，学生迅速的激增到人，这给圣湖安学院的管理者留下了很深的印象。管理者们希望越来越多的在线班级可以使用微课程。 微课程的长度一般是—分钟，主要介绍关键词和概念。比如一个阅读教师迈克尔介绍说：学生通过听一个秒的微课程来学习单词构造，这个课程介绍了单词的组成并解释它们代表什么意思。然后同学们利用在线词典去找出个前缀，后缀和字根，并写下他们的查找的结果再通过留言板进行讨论。 圣胡安学院的延伸教育学院的院长桑德拉特雷西最初很怀疑微课程的有效性——这些课程似乎没有足够长的时间。而且有些人认为像文学分析和求解复杂
蜂窝网络服务功能介绍 蜂窝网络蜂窝网络或移动网络（Cellular network）是一种移动通信硬件架构，把移动电话的服务区分为一个个正六边形的小子区，每个小区设一个基站，形成了形状酷似蜂窝的结构，因而把这种移动通信方式称为蜂窝移动通信方式。 蜂窝网络又可分为模拟蜂窝网络和数字蜂窝网络，主要区别于传输信息的方式。 蜂窝网络组成部分 蜂窝网络组成主要有以下三部分：移动站，基站子系统，网络子系统。移动站就是网络终端设备，比如手机或者一些蜂窝工控设备。基站子系统包括移动基站（大铁塔）、无线收发设备、专用网络（一般是光纤）、无线的数字设备等等的。基站子系统可以看作是无线网络与有线网络之间的转换器。 蜂窝和频率重用 蜂窝网络 蜂窝：将一块大的区域划分为多个小的蜂窝，使用多个小功率发射器代替一个大功率发射机。一般使用正六边形来描述蜂窝形状。 频率复用：每一个蜂窝使用一组频道。如果两个蜂窝相隔足够远，则可以使用同一组频道。簇（cluster）：由N个蜂窝组成的蜂窝组，使用了全部的频率资源频率复用因子（reusefactor）：1/N对于正六边形的蜂窝，N=i +i*j+j ，i》=1，j》=1，当i》1时，j0或当j》1时，i0.因此，N=3，4，7，9，12.。。 蜂窝的几何表示 蜂窝通常使用正六边形来表示。为什么是正六边形而不是圆？顶点到几何中心等距的多边形中，能够完整（无重叠）地覆盖某一区域可能的几何形状有：正方形、等边三角形和正六边形三种形状。在正方形、等边三角形和正六边形中，正六边形的面积最大。 蜂窝坐标系 使用（i，j）表示某一蜂窝的坐标。例如：蜂窝A的坐标为（2，1）
互联网金融发展中的风险管理研究文献综述 一、互联网金融发展中的风险管理研究的写作意义 互联网金融作为互联网、移动互联网与金融相结合的新型模式，正在以飞快的速度改造着传统金融业。一方面，互联网企业借助电子商务和信息数据等优势大举进军金融领域；另一方面，传统金融机构加速互联网业务创新，加强与互联网企业的合作。互联网金融日新月异的创新与变革使我们面临着不同于传统金融的新的金融风险。认识互联网金融风险产生的原因和特点，对于健全和完善互联网金融风险的防范和管理机制，发挥互联网金融对经济发展的良性促进作用是十分必要的。 二、互联网金融发展中的风险管理国内研究现状 （一）我国互联网金融发展中的风险管理现状 互联网金融是金融与互联网的融合，是在互联网时代，实现资金快速配置与融通的新金融模式。目前，国内互联网金融除了传统的网上银行功能外，主要形式有金融理财产品的网上销售、网络保险产品销售、网络证券买卖、第三方电子支付和网络小额信贷等。以余额宝为例，自2013年6月13日支付宝推出新产品余额宝以来，余额宝的业务量已经发展到较大规模，而且显现出强劲高速的发展势头，其他互联网金融也呈现突飞猛进发展趋势。 目前互联网金融的发展没有，也很难改变金融行业高风险的属性，在优化资源配置效率、提升金融效率的同时，也带来了不少的风险。从2013年以来，我国互联网金融风险开始暴露出来，案件频发，消费者权益受到侵害的事件时有发生，在2013年10月到11月末，就有39家P2P借贷平台陷入困境和倒闭。（二）专家、学者对互联网金融发展中的风险管理问题及对策分析 乔玉梅（2014）指出，随着信息技术和网络技术的普及和应用，互联网金融对银行业沿袭多年的经营范围、运作模式、管理理念和竞争格局提出了前所未有的挑战，深入研究互联网金融风险与监管问题，保证互联网金融业务的健康运行、避免各种风险带来的损失，对我国互联网金融业务发展具有重要的理论和实践意义。[1] 朱治豪（2014）指出，互联网金融在中国发展的如火如荼，扩大了金融服务的边界和市场。但是互联网金融业有相应的信用风险、市场选择风险、技术风险和法律风险，这些风险都加大了金融市场不稳定的可能性。故互联网金融企业应加强安全体系、风险控制体系建设，政府加大立法力度，共同防范互联网金融
移动学习资源与应用模式研究 文献综述 一、前言 信息技术的迅猛发展，推进了整个社会的信息化进程，也加快了教育迈向现代化、信息化的步伐。远程教育作为现代社会的一种重要教育形式，也随着信息技术的发展而得到了快 速的发展。计算机技术、多媒体技术、有线通信技术的成熟，使得远程教育的手段有了质的 飞跃，促使远程教育在近些年得到了长足的发展和巨大的成功。随着移动学习终端的普及和 移动通信网络的发展，移动学习逐渐成为了远程教育中研究和应用的趋势和热点。 移动学习(Mobile Learning，简称M一Leaming)是数字化学习(E一leaming)和无线通信技术两者相结合的产物，它是以手机、PDA等移动终端为学习工具，通过无线通信技术来传 递教学信息，学习者可以随时随地进行学习的一种学习方式l2]。它具有灵活性、高效性、 交互性、广泛性、个性化等特点，可以给学习者带来随时随地随身进行学习的全新感受。智 能手机移动学习作为一个新兴的研究领域，对它的研究还非常有限。到目前为止，还没有实现具体、理想的广域或区域的移动学习系统的应用。因此，关于移动学习的研究和系统设计 开发，对移动学习的发展、学习社会的建立都具有重要意义。 二、主题 （一）关于移动学习的界定及内涵 通过对移动学习相关文献的调研，了解到目前有很多专家学者对移动学习的概念及其内 涵进行了研究。移动学习起源于2000年美国加州大学伯克利分校的研究项目，近年来其发展速度出人意料。国际远程教育学家戴斯蒙德·基更（Desmond Keegan ）在2000年庆祝上海电视大学建校40周年的学术报告中首次将移动学习的概念介绍到中国。移动学习，在今天的教育技术领域已经成为一个激动人心的话题，吸引了大量的研究者进入这个领域。【1】目前，关于目前关于移动学习还没有一个明确、统一的定义，众多定义从不同角度阐释了移动学习。 国内外较权威的定义有： （1）芬兰的TelenorWAP移动学习研究项目的报告中给移动学习定义是：由于人们地理空间流动性和弹性学习需求的增加而使用移动终端设备进行一种新型学习方式。 （2）Alexzander Dye等人在它们的题为《Mobile Education-aglanceat the future》的文章中对作了一个较具体的定义：移动学习是一种在移动计算设备帮助下的能够在任何 时间任何地点开展的学习，移动学习所使用的移动计算设备必须有效呈现学习内容并提供教 师与学习者之间的双向交流。 （3）PaulHarris对移动学习的定义是：移动学习是移动计算技术和E-learning的交点，它能够为学习者带来一种随时随地学习的体验。 （4）Chabra和Figueiredo 的定义：移动学习就是能够使用任何设备，在任何时间、任何地点进行学习。 （5）ClarkQuinn从技术的角度对移动学习作了这样的定义：移动学习是通过IA （Information Applications）设备实现的数字化学习。 （6）北京大学现代教育技术中心移动教育实验室给移动教育的定义是：移动教育指依托目前比较成熟的无线移动网络、国际互联网和多媒体技术，学生和教师通过使用移动设备（如手机等）来更为方便灵活地实现交互式教学活动。【2】【3】【4】 正确理解移动学习的内涵应该从以下几个方面来把握：
移动学习研究综述 叶成林1，徐福荫2，许 骏2 （1深圳大学师范学院 广东深圳 518060） （2华南师范大学教育信息技术学院 广东广州 510631） 摘要：上个世纪末，利用移动通信设备开展学习活动的研究开始兴起，短短几年时间，移动学习已经成为远程教育与数字化学习领域的一个研究热点。本文首先论述了移动学习的概念及其定义，然后介绍国际上该领域的一些研究现状，最后指出移动学习研究中几个关键性问题。 关键词：移动学习 研究现状 综述 追溯人类社会的发展，首先是一部知识和智慧经验积累的历史，也是一部人类学习的历史。学习技术和方式经历了从简单到复杂、从低级到高级的发展阶段。决定学习技术与方式的主要因素，一是媒体技术，从口头语言、文字语言、印刷材料、广播电视到计算机；第二是通信与传播技术，从口耳相传、文字记录、大众传媒、无线电广播通信到计算机网络通信。这两种因素综合起来，使学习技术与方式从单一认知、学徒、班级集中学习、远程学习、计算机辅助学习发展为基于Internet的数字化学习。随着移动通信技术与计算机技术的融合，出现了一种新型的学习技术与方式——移动学习。上个世纪末，利用移动通信设备开展学习活动的研究开始兴起，短短几年时间，移动学习已经成为远程教育与数字化学习领域中的一个研究热点。 一、移动学习及其定义 目前关于移动学习还没有统一的、明确的定义。挪威NKI远程教育公司Truls Fagerberg等人关于移动学习的概念作过分析与论述。并指出，学习是一种活动或过程，并表现为个人在感知、情感态度、认知技能或体能方面的变化。因此，学习不可能是电子的，也不可能是移动的；数字化学习或电子化学习（Ｅ-Learning）和移动学习（Ｍ-Learning）的提法是值得商榷的。如果移动学习中的移动是指学习者在学习过程中的移动，那么最早的远程函授学习也应属于移动学习。Sariola等人也对此提出质疑，并指出，移动学习更像是一个商业炒作的概念，而不是一个严肃的教育专业术语。上述分析指出人们用媒体与传播技术来对学习进行分类的随意性与不尽科学性，但却忽视了概念与定义的功能在于表述与交流，并不在于构成概念或定义的语义。学习当然不可能是电子的，但是学习资源可以是数字化的，学习工具也可以是数字化的；移动学习当然不是仅仅指在移动中学习。 那么，什么是移动学习呢？远程学习、数字化学习的概念均来自于实践，作为一个术语已经被人们普遍接受了。移动学习由于出现的时间较短，现在进行的相关研究均从各自的研究兴趣去给出关于移动学习的界定。对于移动学习，目前明显存在三种不同的认识与理解取向。第一，是将移动学习理解为远程学习的一种形式，如远程教育学家戴斯蒙德·基更（Desmond Keegan）提出远程学习、数字化学习和移动学习是远程教育的三个发展阶段的观点。第二，认为移动学习是数字化学习的扩展，学习内容与数字化学习相同，只是信息与知识获取的方式借助于移动通信网络和移动通信设备，如欧盟《数字化欧洲行动研究计划》中特别开展的一项名为“MOB Ilearn行动”的移动学习专项研究计划中对移动学习的界定。第三，从认知与学习的角度来开展研究，认为从内容与形式方面看，移动学习与数字化学习、网络学习没有本质区别，但是移动学习的移动性、情境相关的特点
中国移动集团客户 网络服务等级协议（SLA）规范（2013年修订版） 中国移动通信有限公司网络部 2013年11月
目录 第1章网络服务等级定义 (2) 第2章售前支撑响应 (8) 第3章业务开通服务 (10) 第4章业务变更服务 (13) 第5章投诉与故障处理服务 (14) 第6章信息通告服务 (17) 第7章日常维护服务 (18) 第8章延伸服务 (22) 第9章集团客户网络服务标准 (23)
前言 根据中国移动对集团客户实行差异化服务的要求，特制定《中国移动集团客户网络服务等级协议(SLA)规范》（以下简称SLA），对集团客户从售前到售后的全程网络服务进行规范，通过显现化的各项措施，提高品牌客户、重要客户的差异化网络服务的感知，起到维系客户、增加客户粘性和提高满意度的目的。 本SLA对集团客户按服务级别实施差异化网络服务，包含售前支撑响应、业务开通、投诉与故障处理、信息通告、日常维护等服务环节，各个环节相关标准和规范，将作为集团客户网络服务质量考核依据。SLA适用于中国移动所有集团客户的基础通信类业务的网络服务，主要包括数据专线、语音专线、互联网专线、集团E 网（APN专线）、集团短彩信、MPLS VPN 等基础通信类业务，文中所指集团客户及业务均只包含使用以上业务的集团客户。其他业务服务标准应参照相关部门要求。 SLA对各服务环节按照客户服务承诺制定服务规范标准，客户服务承诺作为业务部门向客户提供标准服务承诺的依据。集团客户网络服务工作是跨部门、跨专业、跨区域的长流程工作，牵涉了业务部门、工程部门、网络部门、合作单位等多方面，为表述方便文中所指工程部门即包含所有工程建设相关部门，所指网络部门即包含所有网络维护相关部门。 为突出外部服务承诺，本修订版本将原2010版SLA规范中涉及内部服务标准的内容整合至《中国移动集团客户网络服务等级协议（SLA）保障指导意见》。 SLA中各等级客户接触节点服务标准将根据各阶段实际情况进行相应调整，疏漏及未完善之处将在实施过程中不断完善。
文献综述 例数世界经济变革，每一次都伴随着货币的改革与支付形式的变更。如今科技的进步使得经济愈来愈趋于全球化、科技化，在以往最为基础的货币支付形式上衍生出了与科技紧密相关的移动支付，并且，移动支付这种支付方式逐渐跻身于主流支付方式中。移动支付的出现，为经济全球化提供了技术支持，使人们的支付渠道更加多变，支付方式更加快捷。 一、外国文献综述 Black Clifford (1995)的《网络付款的要求》以及Upkar Varshney(2002)的《移动支付》，这两篇文章均简单讲述了移动支付的定义以及基本概念，同时向读者介绍了非接触式付费方式的技术研究，以及移动支付的有关科学技术的解释。Terri Bradford（2007）在《复杂现状：日本、韩国和美国的移动支付产业》一文中，分别从日本、韩国和美国三国在发展移动支付产业方面不同的社会环境背景入手，详细的讲述了三个国家移动支付产业的发展现状，并且从资金、科技以及市场营运三个方面分析了三个国家分别具有不同的移动支付产业发展态势的原因。 二、国内文献综述 国内学者的研究更切合中国的实际，比如，刘婧雯（2014）在《移动支付的现状及发展探析》一文中，通过分析我国移动支付产业现在的发展现状以及中国刚开始移动支付产业的起步，条理清晰的总结了目前中国移动支付产业的现状，同时通过分析现状，对中国移动支付产业未来的发展作出预测。在《浅谈移动支付的现状与发展》中，李琪（2008）指出了中国目前的移动支付产业的发展现状，通过与国际上各国横向比较，简单明了的分析了几国之间的优势与劣势，同时以中国目前的发展走向为分析主线，简明扼要的从中国接触世界贸易，引入非接触式支付概念为契机，阐述了中国自主发展移动支付产业的情况。 三、中国移动支付产业的技术发展 吴霞（2013）通过在《基于J2ME的移动支付系统的设计与实现》一文中指出，2011年与2012年是中国移动支付行业无法忽略的两年，在这两年里，中国
网络。 应用更广泛。 4G 手机智能化程度更高，通话只是最最基本的功能 之一，更多的功能体现在多媒体应用方面。 二、4G 通信的关键技术 4G 通信技术综述 移动通信技术已经历了三个主要发展阶段。每一代的发展都是技术的突破和观念的创新。第一代起源于 20 世纪80年代，主要采用模拟和频分多址 （FDMA 技术。第二代（2G ）起源于90年代初期，主要采用时分多址 仃DMA ）和码分多址（CDMA 技术。第三代移动通信系统（3G ）可以提供更宽的频带，不仅传输话音，还能传输 高速数据，从而提供快捷方便的无线应用。然而，第三代移动通信系统仍是基于地面标准不一的区域性通 信系统，尽管其传输速率可高达 2 Mb/s ，但仍无法满足多媒体通信的要求， 因此，第四代移动通信系统（4G ） 的研究随之应运而生。 一、 4G 通信技术的概念 4G 的定义到目前为止依然有待明确，它的技术参数、国际标准、网络结构、乃至业务内容均未有明确说法。 在2002年底Wi-Fi 热潮中，Wi-Fi 被视作4G 技术。但4G 技术的提倡者认为，4G 与Wi-Fi 不同。 2004年6月，市场研究公司 Forrester 的分析师预测，4G 移动服务将是3G 与WiMax 结合在一起的技术。 4G 将提供以太网的接入速度（如 10Mb/s ）,并且通过在一部手机中把 3G 和WiMax 技术结合在一起，提供集 成无线局域网和广域网的服务。 WiMax （或者说是802.16标准）能够提供无线宽带网服务，最远距离可达 30英里，速率大约是10 Mb/s 。在2004年富士通发布的白皮书中，将 WiMAX 旨为“ 4G'无线技术。 另外，也有很多专家对 LAS-CDMA 十分看好，认为LAS-CDMA 弋表着4G 水平。 4G 到底是什么样的技术呢？目前普遍描述如下: 4G 是集3G 与WLAf 于一体，并能够传输高质量视频图像，它的图像传输质量与高清晰度电视不相上下。 4G 系统能够以100Mb/s 的速率下载，比目前的拨号上网快 2000倍，上传的速度也能达到 20Mb/s ，并能够满 足几乎所有用户对于无线服务的要求。而在用户最为关注的价格方面， 4G 与固定宽带网络在价格方面不相 上下，而且计费方式更加灵活机动，用户完全可以根据自身的需求确定所需的服务。此外， 4G 可以在DSL 和有线电视调制解调器没有覆盖的地方部署， 然后再扩展到整个地区。很明显，4G 有着不可比拟的优越性。 4G 与3G 之间的主要区别在于终端设备的类型、网络拓扑的结构以及构成网络的技术类型。终端设备除了 手机之外应当包括头戴式话机、 PDA 终端、膝上机、手表式话机、电视机、游戏机、 DVD 零售机，甚至宠 物机等等，凡是人所能构想的和能够识别 IP 地址的无线电收发信机。其次， 4G 是由多种技术组成的，包 括彼此似乎不相干的技术，如 Wi-Fi 、 超宽带无线电、便携式电脑、软件无线电等技术构成的高速全球通 与3G 手机相比，4G 手机的功能更强大,
近十年移动学习研究现状评述 一、引言 近几年，随着网络通信技术的飞速发展以及移动设备（如智能手机、Pad等）的普及，移动学习受到研究者的极大关注。对于移动学习，目前研究者有三种不同的认知取向：第一种，认为移动学习是远程学习的一种新形式；第二种，将移动学习看成是数字化学习的扩展；第三种，基于移动学习的移动性、情境性等特点将移动学习看作是一种全新的学习技术与学习方式（叶成林等，2004）。本研究认为，移动学习是指学习者在网络和终端设备（智能手机、Pad、电子阅读器等）的支持下，学习者根据自身需求能够在任何地点、任何时间获得信息、资源或服务，它是远程学习的一种新形式，为学习者的终身学习提供了可能。 随着教育信息化的推进，学习者学习需求的变化，成人教育、企业培训、农民工培训、学校教育等开始关注和研究移动学习，学校和移动设备生产商纷纷开始探索移动学习的实践形式（王佑镁等，2013），移动学习已渐渐成为学术研究的热点。如何理解移动学习？移动学习包含哪些关键要素、现状如何？它的研究热点和趋势是什么？为深入研究这些问题，本研究对近十年来发表在国内学术期刊上的论文进行了定量统计和定性分析，对移动学习的研究现状进行有效梳理，并提出未来几年移动学习在国内发
展的趋势和建议，希望能够为移动学习在我国可持续发展提供有益参考。 二、数据来源、研究方法与研究工具 （一）文献数据来源 我国各类期刊上刊登的关于移动学习的论文很多，近几年来移动学习大有被基于智能手机或基于微信的学习所代替的趋势，为了使研究的数据完整、准确并具有较高的可信度，本研究以国内最大的学术期刊数据库——中国知网（CNKI）为数据来源，对“篇名为‘移动学习’”或者“篇名中含‘智能手机’并含‘学习’”或者“篇名中含‘微信’并含‘学习’”，时间跨度从2006年1月1日至2015年12月5日的文献进行检索，共检索出1，669篇论文。为保证数据的准确可靠，通过人工方法删除重复发表的论文、通知、采访稿、相关度不大的论文等58篇，得到有效论文1，611篇。 （二）研究方法和工具 本研究主要采用文献计量法对近十年移动学习相关论文从发文数量、发文期刊、作者及作者单位、高被引、研究主题、研究热点（关键词）六个维度进行分析和梳理。文献计量法是学科领域文献研究常用的一种分析方法，以文献计量学的相关理论为前提，借助文献体系及数量特征，采用统计学和数学等计量方法来描述、分析、评价和预测某学科领域的发展现状和发展趋势（黄维等，2010）。
安卓论文参考文献范例 的引用应当实事求是、科学合理，不可以为了凑数随便引用，下面是搜集整理的安卓论文参考文献范例，供大家阅读查看。 论文参考文献一： [1]沈丽云，尹孟征，郭凤仙，严佳玲，刘鹏.基于Android的康复医疗机器人控制系统设计与实现[J].装备机械，2016,01:37-41. [2]李赫，赵晋睿.基于Android系统的地籍调查平台[J].中国新技术新产品， 2016,09:30-31. [3]陈红梅.基于Android的科目三模拟考试系统[J].智能计算机与应用，2016,02:55-57. [4]胡伟峰，辛向阳.智能手机iOS&Android系统功能交互行为对比研究[J].装饰，2016,04:82-83. [5]徐昕军，袁媛，苏剑臣，杨峰.基于Android平台的行为分析系统研究[J].计算机应用与软件，2016,04:223-226. [6]李永宝，崔广章，陈琛，李岱英.基于Android的校园订餐系统[J].物联网技术，2016,04:71-75+78. [7]王慧兰.基于Android平台的图书管理系统手机客户端开发[J].中外企业家，2016,11:204. [8]祁洋，曹红根，朱长水，陈佳鑫.基于Android平台家校通的设计与实现[J].软件工程，2016,04:33-35. [9]徐雪丽.基于Android平台的虚拟试衣关键技术研究[J].西安文理学院学报(自然科学版)，2016,02:47-51. [10]牛嘉祥，张红雨.基于Android平台的GPS防盗器软件设计[J].电子质量，2016,04:30-35+39. [11]韦江华，李福章，林川.基于Android平台定位系统的客户端设计[J].信息系统工程，2016,04:102-103. [122]吴成玉，吴飞青，章丽姣.Android系统上基于图像颜色特征的检索研究[J].安徽电子信息职业技术学院学报，2016,02:1-4.
文献综述 电子商务 消费者使用移动支付影响因素研究 一、国内外研究现状及成果 李林和陈吉慧（2010）在《移动支付需建立全新的商业模式》中认为移动支付在日本、韩国发展比较成熟，日本移动支付业务商业模式是以运营商为核心商业模式，而韩国主要使用以银行为核心的商业模式。文献中概况了移动支付在各个地区的发展状况。 师群昌和帅青红（2009）在《移动支付及其在中国发展探析》中认为目前，我国移动支付发展的情况来看，移动支付主要集中在电子产品的购买、公共事业费用的缴纳等小额交易方而，具有的形式主要有通过电话费进行扣除缴纳和手机号码与银行绑定或第三方支付账号绑定的方式缴纳。分析了国内移动支付的主要形式。 兰静（2010）在《移动电子商务支付模式及应用探析》中认为移动支付的业务范因包括公共交通、乎机购票、乎机银行激费和POS机支付等,此项应用在口韩、欧关等国家已得到广泛应用。中国现今仍处十移动支付应用的初级阶段。指出了三种支付的方式：1、手机钱包，在可识别的读卡器上刷乎机即可减掉相应消费费用。2、WAP支付，可运行十各种无线网络之上。3、手机客户端支付，一般是提供某种服务，象订票系统、订餐系统、手机线上游戏、酒店订房等。文章从技术的角度指出了移动支付的发展状况，以及移动支付现有的几种方式。 胡君（2009）在《中国移动支付产业商业模式研究》指出了移动支付的几种的技术1、SMS:SMS分上行、下行两种通道，用户使用短信发送到指定特服号完成支付。 2、WAP:这种方式是通过手机内嵌的WAP浏览器访问网站，来实现移动支付的流程。 3、STK:这种模式是使用银行提供的STK(SIMToolKit，用户识别应用开发工具)卡替换客户的SIM卡事先在STK卡中存储银行的应用前端程序和客户的基本信息客户使用该卡完成银行交易业务 4、红外/射频 5、基于GSM用SSD的实现方式 6、Java/BREW。文章的中间部分介绍了那些新的形式的支付，让读者明白支付方式的各种不同。 袁琦（2010）在《移动支付业务的应用与发展分析》分类出了支付的几种形式银行卡账户支付、话费账户小额支付、中间账户支付、离线移动支付：离线移动支付可以通过近距离通信(NFC)技术完成NFC是基于RFID技术发展起来的一种近距离无线通信技。
移动通信3G技术概述 2004-3-14 中国移动与中国联通在移动通信市场的竞争日趋激烈，竞争领域从原先的话音业务发展到增值业务。伴随着移动增值业务的不断发展，迈向3G（3rd Generation，第三代移动通信）则是两大移动运营商的必然选择。与前两代系统相比，第三代移动通信系统的主要特征是可提供丰富多彩的移动多媒体业务，其传输速率在高速移动环境中支持144kb/s，步行慢速移动环境中支持384kb/s，静止状态下支持2Mb/s。其设计目标是为了提供比第二代系统更大的系统容量、更好的通信质量，而且要能在全球范围内更好地实现无缝漫游及为用户提供包括话音、数据及多媒体等在内的多种业务，同时也要考虑与已有第二代系统的良好兼容性。 目前国际电联接受的3G标准主要有以下三种：WCDMA、CDMA2000与TD-SCDMA。CDMA是Code Division Multiple Access（码分多址）的缩写，是第三代移动通信系统的技术基础。第一代移动通信系统采用频分多址（FDMA）的模拟调制方式，这种系统的主要缺点是频谱利用率低，信令干扰话音业务。第二代移动通信系统主要采用时分多址（TDMA）的数字调制方式，提高了系统容量，并采用独立信道传送信令，使系统性能大为改善，但TDMA 的系统容量仍然有限，越区切换性能仍不完善。CDMA系统以其频率规划简单、系统容量大、频率复用系数高、抗多径能力强、通信质量好、软容量、软切换等特点显示出巨大的发展潜力。 1、WCDMA 全称为Wideband CDMA，这是基于GSM网发展出来的3G技术规范，是欧洲提出的宽带CDMA技术，它与日本提出的宽带CDMA技术基本相同，目前正在进一步融合。该标准提出了GSM（2G）—GPRS—EDGE—WCDMA（3G）的演进策略。GPRS是General Packet Radio Service（通用分组无线业务）的简称，EDGE是Enhanced Data rate for GSM Evolution （增强数据速率的GSM演进）的简称，这两种技术被称为代移动通信技术。目前中国移动正在采用这一方案向3G过渡，并已将原有的GSM网络升级为GPRS网络。 2、CDMA2000 CDMA2000是由窄带CDMA（CDMA IS95）技术发展而来的宽带CDMA技术，由美国主推，该标准提出了从CDMA IS95（2G）—CDMA20001x—CDMA20003x（3G）的演进策略。CDMA20001x被称为代移动通信技术。CDMA20003x与CDMA20001x的主要区别在于应用了多路载波技术，通过采用三载波使带宽提高。目前中国联通正在采用这一方案向3G过渡，并已建成了CDMA IS95网络。 3、TD-SCDMA 全称为Time Division-Synchronous CDMA（时分同步CDMA），是由我国大唐电信公司提出的3G标准，该标准提出不经过代的中间环节，直接向3G过渡，非常适用于GSM系统向3G升级。但目前大唐电信公司还没有基于这一标准的可供商用的产品推出。 三个技术标准的比较
国内移动学习应用文献综述 个人日记2010-02-23 17:04:53 阅读7 评论0 字号：大中小订阅 王小根移动教育在课程教学中的实践和思考教学与管理２００５.１１ 移动教育的主要特点：探索性，即探索不同德教育方式，教育系统以及不同的教育内容在提高教学灵活性提高教学效果方面的作用和存在的问题。技术相关性，与技术密切相关。教学灵活性，任务驱动性。 多媒体技术基础课程的实践：通过提供学习网站，开通学生宿舍、图书馆等场所的网络链接，使用手机短信，移动邮件以及QQ群进行沟通和交流，开展了移动学习的教学实践，效果良好。 黄德群移动学习研究对远程教育的影响中国远程教育2005.12 国外移动学习的研究方向有：移动学习系统的体系结构，最新的无线移动通信技术，普适计算技术和学习环境，无线移动技术在学习中的创新使用，移动学习代理。 王伟等大学生移动学习实证研究开放教育研究2009.4 采用移动学习系统“大学英语精读掌中宝”通过受访者亲身体验移动学习，填写体验问卷以及接受深度访谈，深入了解受访者对移动学习的需求和认可程度，期望的移动学习实施方式，应用移动学习的主要情境，移动学习的课程需求以及限制大学生实施移动学习的因素等并据此取得切实可信的数据。 在东北师范大学软件学院进行，受访者是软件工程专业在校学生（1，2年级） 沈娅芳丁革建移动学习在现代远程教育中的应用研究远程教育杂志 提出了一个基于移动学习的远程自主学习模型 周济等引入移动学习技术满足学生随时之需中国远程教育 2007.8 深圳电大移动学习网的构建于应用，通过实现教务信息查询服务，搭建课程平台两期工程的建设，采用WAP PUSH技术，实现手机SMS短信与WAP方式的结合，加强与银行合作开通手机支付功能探索了移动学习。 国内移动学习资源建设研究文献综述 个人日记2010-02-23 17:36:45 阅读1 评论0 字号：大中小订阅 鲁萍移动教育及其资源的构建研究中小学电教 2006.10 从人才资源，技术资源，知识资源和评价资源四个方面建设移动学习资源库。 李瑞等移动学习资源建设策略探讨现代教育科学 2007.6 从制定移动学习资源建设的统一标准和规范，以及移动学习的特点（学习的移动性，时间的片段性，环境的复杂性，呈现终端的特性等）建设移动学习资源两个方面出发提出了移动学习资源建设策略。 张合斌等移动学习资源的建设模式教育信息化 2006.8 提出了校校联合，校企联合以及校企政联合开发移动学习资源的思路。