王福 劉宇霞 康麗琴

摘 要：[目的/意義]雖然移動政務(wù)系統(tǒng)資源的碎片化，功能的交互化以及服務(wù)的個性化程度越來越高，但是其被棄用和卸載的情形時有發(fā)生，究其原因是因為移動政務(wù)系統(tǒng)并沒有為用戶在合適的時間和合適的地點推送合適的信息，表現(xiàn)為其所提供服務(wù)的同質(zhì)化現(xiàn)象較為嚴(yán)重。[方法/過程]為此，采用最大頻繁模式挖掘的方法對移動政務(wù)系統(tǒng)場景化服務(wù)進行深入研究，在對不同用戶聚類的基礎(chǔ)上挖掘不同類型用戶頻繁接入的場景，并基于挖掘出的規(guī)律為用戶提供針對性的服務(wù)。[結(jié)果/結(jié)論]移動政務(wù)系統(tǒng)的場景化服務(wù)既能為用戶在任何時間、任何地點提供任何信息，也可以為用戶在適當(dāng)?shù)臅r間和地點推送適當(dāng)?shù)男畔?，移動政?wù)系統(tǒng)場景化服務(wù)就是要從滿足用戶的多元化和個性化服務(wù)的方式轉(zhuǎn)向滿足用戶的場景化信息需求，由以用戶為中心轉(zhuǎn)向于以場景為中心，最終提升移動政務(wù)用戶信息接受的愉悅度。

關(guān)鍵詞：移動政務(wù);數(shù)據(jù)挖掘;場景化服務(wù);最大頻繁模式;精準(zhǔn)化服務(wù)

DOI：10.3969/j.issn.1008-0821.2020.01.005

〔中圖分類號〕G203 〔文獻標(biāo)識碼〕A 〔文章編號〕1008-0821（2020）01-0041-08

Research on Scenario Service of Mobile Government Based on

Maximum Frequent Pattern Mining

Wang Fu Liu Yuxia Kang Liqin

（School of Economics and Management，Inner Mongolia University of Technology，Hohhot 010051，China）

Abstract：[Purpose/Significance]Despite the fragmentation of resources，the interaction of functions and the increasing individualization of services in mobile government system，the? situation of mobile government system was discarded and uninstalled from time to time.The reason is that mobile government system does not push appropriate information for users at the right time and place，and the homogeneity of services show seriously.[Methods/Processes]The maximum frequent pattern mining method was used to conduct in-depth research on scenario-based services of mobile government system，mining scenarios of frequent access of different types of users on the basis of clustering of different users，and providing targeted services for users based on the mining rules.[Methods/Processes]Scenario service of mobile government system could not only provide users with any information at any time and anywhere，but also push appropriate information for users at the appropriate time and place.Scenario service of mobile government system was to change from satisfying users diversified and personalized service to satisfying users scenario information needs，from user-centered to user-centered.In the scenario-centered，ultimately enhanced the pleasure of mobile government users information acceptance.

Key words：mobile government;data mining;scenario services;maximum frequent patterns;precision services

近年來，受微媒體、多媒體和新媒體等的影響，使得移動政務(wù)系統(tǒng)逐漸表現(xiàn)出資源情境的碎片化，技術(shù)情境的交互化以及服務(wù)情境個性化的特征，且這些情境特征越來越明顯，移動政務(wù)正在改變著人們信息接受的體驗。然而，移動政務(wù)系統(tǒng)被棄用和卸載的情況時有發(fā)生，這不得不引起學(xué)界和業(yè)界的重視，探究移動政務(wù)系統(tǒng)在什么地方出了問題，以及需要如何改進以提升用戶對移動政務(wù)系統(tǒng)的滿意度。為此，筆者對移動政務(wù)系統(tǒng)的相關(guān)研究成果進行如下梳理：1）移動政務(wù)系統(tǒng)的信息接受意愿較低。鄭躍平等認(rèn)為現(xiàn)有移動政務(wù)面臨服務(wù)平臺建設(shè)差、公眾信息接受意愿低下，用戶隱私保護和信息安全保障不足，公眾體驗性較差、信任感低等問題[1]。2）移動政務(wù)系統(tǒng)發(fā)展存在阻礙。朱琳指出移動政務(wù)系統(tǒng)在發(fā)展中存在阻力，宏觀方面表現(xiàn)為系統(tǒng)基礎(chǔ)設(shè)施不健全、政府宣傳力度不夠、開設(shè)業(yè)務(wù)少、個人隱私和安全保障的不健全和群眾參與意識不強5個方面;微觀方面主要表現(xiàn)為移動終端的尺寸限制以及移動政務(wù)的收費問題[2]。3）移動政務(wù)系統(tǒng)功能有待完善。陳則謙調(diào)研發(fā)現(xiàn)已經(jīng)建成的政務(wù)APP質(zhì)量參差不齊，普遍存在易獲取性和可使用性方面的問題，大部分移動政務(wù)APP的交流互動和網(wǎng)上辦事的功能都有待完善[3]。4）移動政務(wù)系統(tǒng)成功因素。趙蓉總結(jié)了移動政務(wù)的整體框架，提出了移動政務(wù)系統(tǒng)的4大關(guān)鍵成功因素，即：成熟的通訊技術(shù)應(yīng)用水平、合適的移動政務(wù)應(yīng)用服務(wù)、市民的信任和參與、系統(tǒng)的雙向互動能力[4]。由上述對移動政務(wù)現(xiàn)有研究成果的梳理發(fā)現(xiàn)目前制約移動政務(wù)發(fā)展的因素主要包括以下幾個方面：1）場景意識缺乏。雖然目前移動政務(wù)在新媒體、微媒體等的刺激下不斷改變其功能和服務(wù)，但是用戶仍舊對其并不看好的原因在于現(xiàn)有移動政務(wù)系統(tǒng)的建設(shè)并沒有緊跟時代的發(fā)展。隨著大數(shù)據(jù)、社交媒體、傳感器、移動設(shè)備和定位系統(tǒng)功能的不斷發(fā)展，其在各行各業(yè)嵌入的程度不斷加深，場景已成為移動政務(wù)未來服務(wù)的主要方向。但是現(xiàn)有移動政務(wù)系統(tǒng)似乎并未對其有深刻的認(rèn)識和刻意的采用，由于沒有抓住未來和現(xiàn)有市場的主流，使得移動政務(wù)從發(fā)展上就沒有與時代緊密結(jié)合，致使用戶對其的感知較差，進而出現(xiàn)了棄用和卸載的情形。2）情境配置粗放。移動政務(wù)系統(tǒng)現(xiàn)有基本情境包括了資源情境、技術(shù)情境、服務(wù)情境。隨著場景化要素在移動政務(wù)系統(tǒng)中的不斷嵌入，使得移動政務(wù)相同的情境越來越豐富，由原來的技術(shù)情境和服務(wù)情境衍生出移動情境、社交情境和終端情境等輔助情境。然而，由于目前移動政務(wù)系統(tǒng)尚未對此進行關(guān)注和應(yīng)用，也就是尚未對現(xiàn)有情境做精細(xì)化配置，使得其實際配置效用較差，致使實際服務(wù)效果較差。3）服務(wù)同質(zhì)化嚴(yán)重。移動政務(wù)系統(tǒng)由于缺乏場景意識以及對情境的精細(xì)化配置，使得其同質(zhì)化服務(wù)比較嚴(yán)重，表現(xiàn)為移動政務(wù)系統(tǒng)對用戶的位置感知靈敏性較差，不能對用戶所處的位置結(jié)合其歷史場景的信息接受偏好為其提供精準(zhǔn)化的服務(wù)。4）創(chuàng)新觀念缺乏?，F(xiàn)有移動政務(wù)由于上述原因缺乏創(chuàng)新性，移動政務(wù)服務(wù)急需要樹立場景服務(wù)理念，針對用戶在不同場景的信息需求期望為其提供針性的服務(wù)。

1 移動政務(wù)系統(tǒng)場景化服務(wù)內(nèi)涵

1.1 移動政務(wù)系統(tǒng)場景化服務(wù)概念

為了更好地了解和把握移動政務(wù)場景化研究的現(xiàn)狀，筆者以（主題=‘移動政務(wù)and 主題=‘場景）為檢索式，不限檢索時間，發(fā)現(xiàn)目前CNKI中并未有移動政務(wù)場景的相關(guān)文獻，這說明目前移動政務(wù)的場景化服務(wù)尚未引起業(yè)界的足夠重視，值得進行深入研究。借鑒相關(guān)領(lǐng)域的場景化服務(wù)概念的定義，筆者認(rèn)為移動政務(wù)的場景化服務(wù)就是移動政務(wù)系統(tǒng)能利用移動終端的定位系統(tǒng)實時跟蹤用戶的位置變化，并利用移動終端的傳感器感知用戶在某個場景的身體狀態(tài)，進而用大數(shù)據(jù)挖掘用戶在這個場景的信息需求期望、信息搜索習(xí)慣和信息接受偏好，為其所處場景快速配置其信息接受所需要的情境，使用戶感覺到移動政務(wù)系統(tǒng)似乎是在為其個人提供專屬的VIP定制服務(wù)。移動政務(wù)場景化服務(wù)的實質(zhì)就是要挖掘用戶利用移動政務(wù)系統(tǒng)接入某個場景的頻繁程度，筆者將用戶信息接受的場景分為重要場景、一般場景和非重要場景。通過分析用戶在這3類場景中的信息需求期望、信息搜索習(xí)慣和信息接受偏好，為其進行個性化的信息接受情境配置。另外還可以分析用戶利用移動政務(wù)頻繁接入某個場景的此前接入場景和次后接入場景是否存在著一定的關(guān)聯(lián)性，以便于移動服務(wù)系統(tǒng)對用戶的場景化信息接受行為進行調(diào)節(jié)，使其可以提前或推后進入某個接入場景，也可以使其提前或推后離開某個接入場景，以盡可能使其在場景化的信息接受中具有暢體驗或沉浸體驗。

1.2 移動政務(wù)系統(tǒng)場景化服務(wù)方向

現(xiàn)有移動政務(wù)系統(tǒng)由于上述原因而缺乏創(chuàng)新性，移動政務(wù)系統(tǒng)需要樹立場景服務(wù)理念，針對用戶在不同的場景的信息需求為其提供針對性的服務(wù)。這就需要移動政務(wù)能夠感知用戶頻繁接入的場景，以及在不同場景所需要被提供的信息服務(wù)[5]。隨著場景化時代的到來，移動政務(wù)系統(tǒng)在不同場景積累了大量的用戶行為數(shù)據(jù)，用戶也不再局限于簡單的利用信息內(nèi)容。移動政務(wù)系統(tǒng)應(yīng)能充分利用現(xiàn)代技術(shù)對用戶場景化數(shù)據(jù)進行分析處理，挖掘用戶場景化信息需求期望、信息搜索習(xí)慣和信息接受偏好，從而更好地為用戶提供多元化的一站式服務(wù)和精準(zhǔn)的個性化服務(wù)。移動政務(wù)場景化服務(wù)改變了傳統(tǒng)政務(wù)系統(tǒng)被動服務(wù)方式，變被動服務(wù)為主動服務(wù)，需要移動政務(wù)系統(tǒng)挖掘用戶歷史接入場景的信息接受期望，進而挖掘歷史場景的信息接受規(guī)律，為用戶在合適的時間和地點推送合適的服務(wù)[6]。為此，需要移動政務(wù)系統(tǒng)能夠感知用戶接入場景的頻繁性，以及在頻繁接入場景所需要的信息服務(wù)。移動政務(wù)系統(tǒng)由原來的被動服務(wù)向主動服務(wù)發(fā)展，再由主動服務(wù)向個性化服務(wù)方向發(fā)展，進而實現(xiàn)以用戶為中心的服務(wù)轉(zhuǎn)向以場景為中心的服務(wù)模式上來，這樣使移動政務(wù)服務(wù)不再是千人一面而是千人千面或千人萬面，激活了移動政務(wù)系統(tǒng)的服務(wù)創(chuàng)新思路。

2 基于FP-tree的最大頻繁模式挖掘算法

移動政務(wù)場景化服務(wù)改變了政務(wù)的傳統(tǒng)被動服務(wù)方式，變被動服務(wù)為主動服務(wù)，需要移動政務(wù)系統(tǒng)挖掘與圖書館個性化信息服務(wù)的相關(guān)理論，進而介紹了數(shù)據(jù)挖掘技術(shù)在移動政務(wù)系統(tǒng)的個性化信息服務(wù)中的應(yīng)用，其次利用歷史化場景數(shù)據(jù)分析了基于FP-Tree的最大頻繁模式挖掘算法，最后介紹了移動政務(wù)系統(tǒng)的場景化服務(wù)過程[7]。宋余慶等指出最大頻繁項目集是多種數(shù)據(jù)挖掘應(yīng)用中的關(guān)鍵問題，并提出了一種快速的基于頻繁模式樹（FP-tree）的最大頻繁項目集挖掘DMFIA及其更新算法UMFIA，充分利用挖掘結(jié)果來減少在更新的數(shù)據(jù)庫中發(fā)現(xiàn)新的最大頻繁項目集的費用[8]。劉君強等認(rèn)為在數(shù)據(jù)庫中發(fā)現(xiàn)頻繁模式和關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘領(lǐng)域的最基本、最重要的問題，基于此對關(guān)聯(lián)規(guī)則的基本概念和類型、重要挖掘算法、特別是近年來相關(guān)研究的新進展做了全面綜述與深入分析，并指出了未來的研究方向[9]。馮志新等在FP-tree結(jié)構(gòu)的基礎(chǔ)上提出了最大頻繁模式挖掘算法FP-Max。實驗表明，算法FP-Max在挖掘密集型數(shù)據(jù)集方面是高效的[10]。敖富江等提出了數(shù)據(jù)流頻繁模式挖掘算法的通用數(shù)據(jù)流處理模型，詳細(xì)總結(jié)了數(shù)據(jù)流頻繁模式挖掘算法的3種分類方式：“窗口模型”、“結(jié)果集類型”和“結(jié)果集精確性”?；谶@些分類方法提出了數(shù)據(jù)流頻繁模式挖掘算法的設(shè)計立方體，該立方體涵蓋了現(xiàn)有的數(shù)據(jù)流[11]。

2.1 基于FP-tree的FP-growth算法

FP-tree最早是由Han提出的一種不產(chǎn)生候選項集的關(guān)聯(lián)規(guī)則挖掘算法，他按頻繁項集的支持度遞減的順序?qū)?shù)據(jù)庫排序之后，將數(shù)據(jù)庫壓縮到一棵頻繁模式樹，然后把樹分成一組條件數(shù)據(jù)庫，每個數(shù)據(jù)庫關(guān)聯(lián)一個頻繁項，分別挖掘每個條件數(shù)據(jù)庫[12]。在生成頻繁樹時，為方便遍歷，創(chuàng)建1個項目頭表Htable，它有3個域組成，分別是項目名稱（item_name）、該項目的支持樹、下一節(jié)點指針（item_next），指向該項在樹中的第一位置，并且每個節(jié)點由4個域組成，分別是節(jié)點名稱（node_name）、節(jié)點計數(shù)（node_count）、節(jié)點鏈（node_link）及父節(jié)點（node_parent）指針[13]。FP-tree是一個存儲事務(wù)數(shù)據(jù)庫的項關(guān)聯(lián)及其程度的緊湊樹結(jié)構(gòu)，構(gòu)造FP-tree需要2次數(shù)據(jù)庫掃描：首先掃描數(shù)據(jù)庫一次生成1-頻繁集，并把他們按降序排列，放入到項頭表中;再掃描數(shù)據(jù)庫1次，對每個數(shù)據(jù)庫的元組進行掃描，把它對應(yīng)項目集的關(guān)聯(lián)和頻度放入到FP-tree中，對應(yīng)算法稱之為頻繁模式樹構(gòu)造算法FP-growth如下：

1）掃描事務(wù)數(shù)據(jù)庫D1次，產(chǎn)生頻繁項集合F及它們支持?jǐn)?shù)。對F按支持?jǐn)?shù)降序排列，生成頻繁項目列表LDF[14]。

2）創(chuàng)建FP-tree的根節(jié)點，標(biāo)號為root，其值為空。對D中每個事務(wù)執(zhí)行：將事務(wù)s按LDF的次序排列頻繁項，設(shè)排列后的結(jié)果為[p|P]，其中p是第一個項，P是剩余項的列表。調(diào)用insert_tree（[p|P]，T），如果T有子女N使得N.item_name=p.item_name，則N的計數(shù)加1;否則，創(chuàng)建1個新節(jié)點N，故其名稱node_name、節(jié)點計數(shù)node_count分別設(shè)為p和1，父節(jié)點指針node_parent鏈接到T，節(jié)點鏈node_link鏈接到具有相同item_name的節(jié)點。若P非空，遞歸地調(diào)用insert_tree（P，N）[15]。假設(shè)某個移動政務(wù)系統(tǒng)所有用戶集合中在不同的時間接入移動政務(wù)系統(tǒng)進行信息接受，形成的移動政務(wù)場景化信息接受事務(wù)表如表1所示。

由此算法，筆者針對表1的移動政務(wù)場景化信息接受事務(wù)信息表，利用FP-growth算法構(gòu)造的FP-tree樹如圖1所示，其中項目頭表的順序是C11、E11、A16、B12、D13。

3）對FP樹通過FP-growth（FP-tree，null）對項目頭表中的每個項目遞歸地產(chǎn)生頻繁模式樹，最終得到頻繁項集。FP-tree算法的優(yōu)點是數(shù)據(jù)挖掘過程中僅掃描2次數(shù)據(jù)庫，節(jié)約了時間，而且不生成候選項集，提高了挖掘效率，于是可將這種算法思想應(yīng)用于項約束的關(guān)聯(lián)規(guī)則挖掘中[16]。對于FP-growth算法而言挖掘的是所有的頻繁模式，而在移動政務(wù)場景化服務(wù)中向用戶推薦的只要足夠多的數(shù)目即可，所以只要挖掘出最大頻繁模式即包含數(shù)目最多的信息接受模式即可?；贔P-tree的最大頻繁模式挖掘算法與FP-growth算法相比較，其不同在于得到的頻繁模式需與最大頻繁項目集進行比較，檢驗是否為最大模式，若頻繁模式不是最大頻繁項目的子集，則將其加入到最大頻繁項目集中，否則舍棄[17]。

2.2 最大頻繁模式挖掘算法舉例

由表2，我們對某個移動政務(wù)系統(tǒng)用戶接入場景接受信息時對算法進行分析，為了簡介，用戶接入移動政務(wù)進行信息接受的的內(nèi)容以及編號如下：1）信息公開（基礎(chǔ)信息公開A11、行政權(quán)力公開A12、行政決策公開A13、財政資金公開A14、企事業(yè)單位公開A15、依申請公開A16、公開保障A17）;2）政策引導(dǎo)（決策解讀B11、新聞發(fā)布會B12、熱點專題B13、網(wǎng)絡(luò)輿情B14）;3）互動交流（政務(wù)咨詢C11、投訴舉報C12、在線訪談C13、民意征集C14）;4）在線辦事（辦事指南D11、表格下載D12、查詢服務(wù)D13、在線申請D14）;5）快速鏈接（業(yè)務(wù)導(dǎo)航E11、智能搜索E12、專業(yè)搜索E13）。若移動政務(wù)系統(tǒng)用戶的信息接受事物如表2所示，則其最小支持度計數(shù)為2[18]。

其挖掘過程如下：

步驟1：第一次掃描事務(wù)數(shù)據(jù)庫，生成1-頻繁項集L=[A16∶7，B12∶6，B14∶2，D13∶2，E13∶1]，根據(jù)最小支持度計數(shù)去掉不頻繁的項額E13，整理后見表3[19]。

步驟2：第2此掃描事務(wù)數(shù)據(jù)庫，創(chuàng)建FP-tree，如圖2所示。

步驟3：從項頭表的最后一項開始，構(gòu)造條件模式基、條件FP-tree、頻繁模式及最大頻繁模式。首先看項頭表的最后一項T。從FP-tree中可以看出有2個分支，分別是{A16，B12，D13∶1}和{A16，B12，B14，D13∶1}，T的條件模式基為{（A16B12∶1）（A16B12B14∶1）}，由于K的支持度計數(shù)為1，小于最小支持度計數(shù)，所以條件FP-tree只包含單個路徑{A16∶2，B12∶2}，所以產(chǎn)生的頻繁模式為{A16D13∶2}{B12D13∶2}{A16B12D13∶2}。因為模式{A16D13∶2}和{B12D13∶2}是{A16B12D13∶2}的子模式，所以最大頻繁模式為{A16B12D13∶2}。對于B14、B11、B12、A16為后綴的最大頻繁模式挖掘過程同D13，不同在于生成的頻繁模式必須與最大頻繁模式對比，若是最大頻繁模式的子集則舍棄，否則添加，在挖掘到I時沒生成頻繁模式{A16B12∶4}是最大頻繁模式中{A16B12D13∶2}或{A16B12B11∶2}的子集，則舍棄之[20]（見表4）。

由表4的挖掘結(jié)果，筆者得到了不同事務(wù)項的最大頻繁集，這些頻繁集的內(nèi)涵表示為：1）{A16B12D13∶2}，該最大頻繁集項表明移動政務(wù)用戶接入場景進行信息查詢時，不僅查看依申請的公開信息，還會觀看新聞發(fā)布會，其頻繁閾值是2。2）{A16B12D13∶2}{A16B14∶2}，該最大頻繁集項表明移動政務(wù)用戶接入場景進行網(wǎng)絡(luò)輿情信息瀏覽時，有

兩類關(guān)聯(lián)。其一是查詢依申請公開的信息和觀看新聞發(fā)布會;其二是查詢依申請公開的信息及網(wǎng)絡(luò)輿情。3）{A16B12D13∶2}{A16B14∶2}{A16B12B11∶2}，該最大頻繁集項表明移動政務(wù)用戶接入場景查看政策解讀時，有三類關(guān)聯(lián)。其一是查詢依申請公開的信息和觀看新聞發(fā)布會;其二是查詢依申請公開的信息及網(wǎng)絡(luò)輿情;其三是查詢依申請公開的信息和觀看新聞發(fā)布會以及觀看政策解讀的內(nèi)容。4）{A16B12D13∶2}{A16B14∶2}{A16B12B11∶2}，該最大頻繁集項表明移動政務(wù)用戶接入場景查看新聞發(fā)布會時，有三類關(guān)聯(lián)。其一是查詢依申請公開的信息和觀看新聞發(fā)布會;其二是查詢依申請公開的信息及網(wǎng)絡(luò)輿情;其三是查詢依申請公開的信息和觀看新聞發(fā)布會以及觀看政策解讀的內(nèi)容。由此，根據(jù)挖掘出的關(guān)聯(lián)規(guī)則對用戶進行個性化服務(wù)，進而可以提升用戶的移動政務(wù)場景化信息接受意愿，最終提升用戶的信息接受愉悅度。

3 移動政務(wù)場景化適配服務(wù)

移動政務(wù)場景化信息接受的頻繁接入表明了用戶對某個場景的依賴程度，但是目前移動政務(wù)服務(wù)同質(zhì)化的現(xiàn)象嚴(yán)重制約了其發(fā)展和服務(wù)創(chuàng)新。由此，需要根據(jù)上述對用戶接入移動政務(wù)的頻繁程度對用戶所處場景的情境配置，充分調(diào)動大數(shù)據(jù)、移動設(shè)備、社交媒體、傳感器和定位系統(tǒng)在移動政務(wù)的嵌入程度，逐漸滿足用戶在特定場景的信息需求期望、信息搜索習(xí)慣和信息接受偏好[21]。為此，移動政務(wù)要進一步提升用戶獲取政務(wù)信息和服務(wù)的便捷度和用戶體驗。移動政務(wù)客戶端不僅要提供靜態(tài)信息查詢、業(yè)務(wù)信息查詢、在線提交等功能，還應(yīng)該基于用戶地理位置服務(wù)、微博分享、個性化訂閱、消息推送、離線緩存等功能的提供情況。移動政務(wù)客戶端對政務(wù)信息公開，提供便民查詢等服務(wù)。移動政務(wù)客戶端應(yīng)能保障不被用戶惡意入侵和發(fā)布渠道安全等[22]。

3.1 基于用戶場景化信息需求適配

移動政務(wù)場景化信息需求適配就是要根據(jù)用戶接入某個場景頻繁程度下的信息需求期望實現(xiàn)“場景—需求—情境”配置，其配置的目的是要實現(xiàn)以下幾個方面的目標(biāo)：1）可感知性。移動政務(wù)系統(tǒng)應(yīng)能通過定位系統(tǒng)實時感知用戶所處的位置及位置變化，運用傳感器感知用戶接入移動政務(wù)系統(tǒng)的身體狀態(tài)，預(yù)測其信息需求期望，為用戶提供針對化的信息接受[23]。2）可操作性。移動政務(wù)為用戶所處的場景提供技術(shù)情境，通過不斷豐富其技術(shù)情境，實現(xiàn)技術(shù)情境的可用性、有用性和易用性，為用戶信息接受提供便利，并應(yīng)該能防止和糾正用戶的操作失誤提供措施的情況[24]。3）可理解性。移動政務(wù)系統(tǒng)將用戶所需要的信息內(nèi)容通過運用HTML5的形式，以可視化的形式呈現(xiàn)在移動終端，其內(nèi)容的布置和功能便于用戶理解和使用的情況。4）兼容性。移動政務(wù)系統(tǒng)資源情境足夠豐富和強壯，可滿足不同用戶在不同場景的信息需求期望，實現(xiàn)“場景—需求—情境”的適配[25]。

3.2 基于用戶場景化信息搜索適配

移動政務(wù)場景化信息搜索就是要根據(jù)用戶接入某個場景頻繁程度下的信息搜索習(xí)慣實現(xiàn)“場景—搜索—情境”配置，其配置的過程是為了實現(xiàn)以下幾個方面的目標(biāo)：1）內(nèi)部搜索。移動政務(wù)APP系統(tǒng)搜索技術(shù)情境需要基于用戶信息搜索習(xí)慣進行配置，并可以通過關(guān)鍵詞進行文字、語音等的檢索，也可以通過移動政務(wù)APP根據(jù)用戶信息需求偏好為其進行信息導(dǎo)航。以滿足用戶利用移動政務(wù)系統(tǒng)滿足其多元化的一站式服務(wù)和精準(zhǔn)的個性化服務(wù)方式。2）公共搜索?？疾煲苿诱?wù)系統(tǒng)的信息資源情境在主流公共搜索引擎中的檢索情況，包括站點檢索、重點服務(wù)檢索和時政熱點檢索。如用戶在公共搜索框中輸入關(guān)鍵詞，移動政務(wù)在檢索結(jié)果中的優(yōu)先展現(xiàn)和資源整合，移動政務(wù)還可以圍繞重點業(yè)務(wù)在搜索框中輸入關(guān)鍵詞，以移動政務(wù)相關(guān)業(yè)務(wù)的優(yōu)先級進行可視化呈現(xiàn)，以體現(xiàn)系統(tǒng)的實用化程度。為此，移動政務(wù)系統(tǒng)基于用戶在搜索框中輸入的檢索，通過資源情境配置，進而有針對性地對檢索結(jié)果進行整合和展現(xiàn)[26]。3）結(jié)果搜索。移動政務(wù)應(yīng)能提供行政辦事狀態(tài)查詢或結(jié)果查詢，辦事狀態(tài)查詢和結(jié)果查詢是否與實際辦理情況保持一致，包括內(nèi)容一致、更新時間是否一致等。4）便民查詢。移動政務(wù)應(yīng)能結(jié)合用戶所處的場景為其提供便民服務(wù)，做到人性化和個性化相統(tǒng)一。

3.3 基于用戶場景化信息接受適配

移動政務(wù)場景化信息接受就是要根據(jù)用戶接入某個場景頻繁程度下的信息接受偏好實現(xiàn)“場景—接受—情境”配置，其配置的過程也正是實現(xiàn)以下幾個方面目標(biāo)的過程：1）信息分享。移動政務(wù)系統(tǒng)應(yīng)能將系統(tǒng)內(nèi)的信息通過轉(zhuǎn)發(fā)功能將其分享至微博、微信、QQ等社交媒體，也可以在移動政務(wù)系統(tǒng)內(nèi)進行分享[27]。2）位置服務(wù)。移動政務(wù)系統(tǒng)應(yīng)該能提供基于地理位置服務(wù)，通過調(diào)用百度、谷歌等地圖進行位置服務(wù)。3）信息推送。根據(jù)對用戶歷史場景化信息接受的挖掘結(jié)果，為用戶在適當(dāng)?shù)膱鼍巴扑瓦m量的信息，以實現(xiàn)多元化的信息覆蓋[28]。4）資源覆蓋?？蛻舳税l(fā)布的重要政務(wù)信息，應(yīng)包括文字新聞、圖片新聞、通知公告等動態(tài)信息，并且對同一主題的信息對不同類型的資源進行語義和關(guān)聯(lián)聚合，以提升用戶信息接受的持續(xù)意愿[29]。5）信息安全。移動政務(wù)系統(tǒng)應(yīng)該判斷某個客戶端是否存在惡意扣費、隱私竊取、遠(yuǎn)程控制、惡意傳播、資費消耗、系統(tǒng)破壞、誘騙欺詐、流氓行為等惡意行為。由此，移動政務(wù)的場景化適配服務(wù)應(yīng)該從“場景—需求—情境”“場景—搜索—情境”“場景—接受—情境”的三維一景適配。具體的配置方法是實現(xiàn)情境與場景基于用戶信息接受的配置，使得移動圖書館場景化信息接受情境在配置過程中既不浪費情境也不會造成情境不足，實現(xiàn)場景化信息接受的正適配，而非欠適配和過適配[30]。

4 結(jié)束語

隨著場景化要素在移動政務(wù)系統(tǒng)嵌入程度的逐漸深入，以及移動政務(wù)系統(tǒng)場景化信息接受情境的不斷豐富，移動政務(wù)場景化信息接受的績效取決于移動政務(wù)系統(tǒng)場景化的信息接受情境配置的程度。為地，基于頻繁接入模式的方法進行場景化信息接受的挖掘，形成FP-tree，并利用FP-growth算法對用戶的接入場景的頻繁程度進行挖掘，以確定用戶頻繁接入場景的信息接受期望、信息接受習(xí)慣和信息接受偏好，為用戶在某個場景時為其配置信息接受情境，使移動政務(wù)信息接受情境既不浪費也不會不足，從而避免了現(xiàn)有移動政務(wù)場景化信息接受情境在場景中不斷碰撞和游離的狀態(tài)，使得移動政務(wù)場景功效更為突出。

參考文獻

[1]鄭躍平，黃博涵.“互聯(lián)網(wǎng)+政務(wù)”報告（2016）——移動政務(wù)的現(xiàn)狀與未來[J].電子政務(wù)，2016，（9）：16-31.

[2]朱琳.電子政務(wù)環(huán)境下移動政務(wù)發(fā)展研究[J].上海行政學(xué)院學(xué)報，2011，12（3）：23-30.

[3]陳則謙.中國移動政務(wù)APP客戶端的典型問題分析[J].電子政務(wù)，2015，（3）：12-17.

[4]趙蓉.移動政務(wù)關(guān)鍵成功因素研究[J].上海行政學(xué)院學(xué)報，2008，（5）：28-34.

[5]Inokuchi A，Washio T，Motoda H.Complete Mining of Frequent Patterns from Graphs[J].Machine Learning，2003，50（3）：321-354.

[6]Ghoting A，Buehrer G，Parthasarathy S，et al.Cache-conscious Frequent Pattern Mining on Modern and Emerging Processors[J].Vldb Journal，2007，16（1）：77-96.

[7]Tanbeer S K，Ahmed C F，Jeong B S，et al.Efficient Single-pass Frequent Pattern Mining Using a Prefix-tree[J].Information Sciences，2009，179（5）：559-583.

[8]宋余慶，朱玉全，孫志揮，等.基于FP-Tree的最大頻繁項目集挖掘及更新算法[J].軟件學(xué)報，2003，（9）：1586-1592.

[9]劉君強，孫曉瑩，王勛，等.挖掘最大頻繁模式的新方法[J].計算機學(xué)報，2004，（10）：1328-1334.

[10]馮志新，鐘誠.基于FP-tree的最大頻繁模式挖掘算法[J].計算機工程，2004，（11）：123-124.

[11]敖富江，顏躍進，黃健，等.數(shù)據(jù)流頻繁模式挖掘算法設(shè)計[J].計算機科學(xué)，2008，（3）：1-5.

[12]章志剛，吉根林.一種基于FP-Growth的頻繁項目集并行挖掘算法[J].計算機工程與應(yīng)用，2014，50（2）：103-106.

[13]姬浩，蘇兵，呂美.基于FP-growth算法的高校群體性突發(fā)事件關(guān)聯(lián)規(guī)則分析[J].中國安全科學(xué)學(xué)報，2012，22（12）：144-151.

[14]陸楠，王喆，周春光.基于FP-tree頻集模式的FP-Growth算法對關(guān)聯(lián)規(guī)則挖掘的影響[J].吉林大學(xué)學(xué)報：理學(xué)版，2003，（2）：180-185.

[15]何中勝，莊燕濱.基于Apriori & Fp-growth的頻繁項集發(fā)現(xiàn)算法[J].計算機技術(shù)與發(fā)展，2008，（7）：45-47，52.

[16]鄧玲玲，婁淵勝，葉楓.FP-growth算法改進與分布式Spark研究[J].微型電腦應(yīng)用，2016，32（5）：9-11，19.

[17]李良，米智偉，向新.基于FP-Growth的戰(zhàn)略績效關(guān)聯(lián)分析算法研究[J].微計算機應(yīng)用，2011，32（2）：1-8.

[18]霍緯綱，邵秀麗.基于TD-FP-growth的模糊關(guān)聯(lián)規(guī)則挖掘算法[J].控制與決策，2009，24（10）：1504-1508.

[19]石云平.FP-Growth關(guān)聯(lián)算法應(yīng)用研究[J].計算機與信息技術(shù)，2008，（7）：12-14.

[20]張星，李蓓.FP-Growth關(guān)聯(lián)規(guī)則挖掘的改進算法[J].平頂山工學(xué)院學(xué)報，2008，（1）：21-24.

[21]王福，畢強，張艷英.移動圖書館場景化信息接受內(nèi)容適配剖析[J].圖書情報工作，2018，62（11）：16-22.

[22]李金娟，王衛(wèi)鋒.基于FP-growth算法在學(xué)生成績中的關(guān)聯(lián)規(guī)則分析[J].巢湖學(xué)院學(xué)報，2007，（6）：30-33.

[23]王福.移動圖書館場景化信息需求特征及其規(guī)律研究[J].圖書情報工作，2018，62（9）：36-46.

[24]王福，劉姝瑾.基于信息接受規(guī)律的移動圖書館場景重構(gòu)[J].情報資料工作，2018，（5）：50-56.

[25]王福，聶蘭渤，郝喜鳳.移動圖書館場景化信息接受適配功能設(shè)計研究[J].圖書館建設(shè)，2018，（3）：65-71，80.

[26]王福，彭正玲.基于情境的移動圖書館信息搜索特征及其規(guī)律研究[J].圖書館建設(shè)，2017，（8）：62-68，73.

[27]王福，畢強.移動圖書館場景化信息接受情境聚合研究[J].情報理論與實踐，2018，41（6）：8-13.

[28]王福，畢強.移動圖書館場景化信息接受情境聚合適配研究[J].情報理論與實踐，2018，41（6）：22-27，21.

[29]王福，聶蘭渤.移動圖書館場景化信息接受特征及其規(guī)律研究[J].情報理論與實踐，2018，41（1）：122-128，110.

[30]王福，聶蘭渤，郝喜鳳.移動圖書館場景化信息接受暢融合研究[J].圖書館學(xué)研究，2018，（2）：77-83.

（責(zé)任編輯：郭沫含）