《微信小程序设计文献综述》4000字

PAGE1微信小程序的设计与实现文献综述1.电影推荐系统研究综述推荐系统发展至今已有二十多年的历史，形成了一个巨大的算法和研发体系，这个系统的核心是推荐算法。MariaN.Moreno,SaddysSegrera,VivianF.L6pez,MariaDoloresMuioz,AngelLuisSanchez（2016）认为推荐算法是一类与实际生活联系非常紧密的机器学习算法。它是指不需要用户提供明确的需求，而是通过分析用户的历史行为给用户的兴趣建模﹐从而主动给用户推荐能够满足他们兴趣和需求的商品的一类算法。传统的推荐算法有协同过滤推荐算法、基于内容的推荐算法和基于知识的推荐算法，其中协同过滤算法是现今推荐系统中使用最为广泛的算法。传统推荐算法经过不断的发展与改进，现在已经应用在了各个行业当中，其中电子商务和信息检索应用领域发展最为迅速。但是传统的推荐算法的推荐系统多是非个性化推荐系统和半个性化推荐系统﹐随着信息量的爆炸式增长，传统的推荐算法已经渐渐不能足以提供准确的信息，用户需要更为准确的推荐结果。完全个性化推荐系统通常是基于注册用户实施的,这些用户的各种行为数据都以缓存或云端的方式存储，有相对较为完整的数据资料。而构建完全个性化推荐系统最大的问题就是难以获取大量的用户行为数据。我国推荐系统由于发展较晚、缺乏理论研究与国外水平差距很大。差距主要体现在两个方面:一是推荐个性化程度较低，参考亚马逊网站的推荐系统，我国很多电商网站对于不同用户的需求,推荐内容过于同质化。二是推荐的全面性差，对于很多即时推荐系统而言,缺乏对历史数据的计算,不能记录以前的用户行为。国内视频网站对电影推荐方面的研究也取的了不少成果，这些视频网站也都有自己的一套推荐系统。如:爱奇艺，优酷，豆瓣等网站在电影推荐方面使用的算法也各不相同。优酷网的电影推荐算法主要使用的是Content_based方法。VasanthakumarGU,PriyankaR,RajK,etal（2016）在文中的主要思想就是给用户做推荐时，将与用户之前打高分的事务的相似事务推荐给用户，用户在被视频网站推荐电影时就可以根据用户之前所看电影的演员，编剧之类的与电影相关的事务，推荐与相关事务一样的电影。例如:根据演员，导演，推荐另一部该演员，导演的作品。这种方法推荐的视频具有较高的相似度。爱奇艺根据现有的推荐算法进行了改进，针对不同算法的优缺点，使用了三种不一样的推荐算法，组成了自己独有的一套推荐系统，前两种算法主要是使用协同过滤算法和基于个性化推荐的推荐算法。爱奇艺先通过对当前的众多用户的习惯进行分析，挑选出其中一些大多数用户都喜欢看的视频推荐给新的用户。相对于前两套电影推荐系统，第三套的电影推荐系统是根据用户在影评区的交流，经过对评论进行分析以及反复计算后，针对用户的爱好进行的个性化推荐。豆瓣网的推荐算法使用的是CF算法，ParkY,ParkS,JungW,etal（2015）和FetcherKK,LiuXF（2015）认为该算法虽然会为用户带来相应的推荐，但是会导致热门的电影全都被推荐。为了解决了这个问题，豆瓣针对电影的标签进行了大范围的优化，根据电影的标签先对电影进行分组，然后在每个组里使用CF算法产生推荐结果，最后通过加权组合的方式将电影推荐系统进一步的优化，使整个电影系统推荐简单化，规范化。通过上述例子可以看出虽然我国在数据挖掘方向研究的比较晚，但是经过十几年的发展，我们已经可以根据现有的成果较好的应用在电影推荐上面了。2.微信小程序研究综述微信小程序一经推出便受到了学者们的关注，2021年围绕其展开研究的文章呈快速增长态势，期刊载文数量达127篇，预计2022年学界仍保有较高的研究兴趣。相对而言，小程序的前身—一轻应用概念则早在2013年就引发学者们的思考，但由于轻应用先驱者百度轻应用和HTML5应用市场表现欠佳，未能引发现象级讨论。在这里将学者对小程序和轻应用的研究成果共同进行梳理。学者对微信小程序的相关研究主要包括对小程序概念的界定和应用前景两个个方面。在小程序的概念界定方面。在轻应用的概念阐述方面，张云泉(2013)认为轻应用就是介于网址链接与应用之间的一种存在，它为用户提供了原生应用和浏览器网页之外第三种获取内容和服务的方式。唐文捷等（2014）认为Lapp（即轻应用）是一种兼具WebAPP(网页应用）和NativeAPP（原生应用）双重优点的浏览器类应用程序，可实现无需下载，即搜即用和通过移动搜索智能分发。王巧莉(2015）在学位论文中通过整理资料界定轻应用是一种依赖云端技术的低成本跨平台HTML5应用，这个定义预见了轻应用对未来移动互联网的重大价值和轻应用对云端技术的高度依赖，但同时受限于当时的技术条件，该研究对HTML5跨平台的应用前景过于乐观。本次研究探讨的微信小程序与HTML5应用表现形式相似，但技术原理和底层代码有本质区别，相似之处是对云计算技术的高依赖性。微信小程序可以看作轻应用的一种，但微信并非第一个发布轻应用的互联网厂商。早在2013百度世界大会上，百度公司就在最新版手机百度APP“轻应用尝鲜版”中推出轻应用功能，其主打“无需下载，即搜即用，破壳检索，智能分发”，与如今的微信小程序有相似之处，但由于当时APP尚处于人口红利期且流量资费价格较高,百度轻应用未能形成现象级规模。与百度轻应用的失利不同，微信小程序的推出恰逢其时，且微信牢牢把握着移动APP月度独立设备数和月度总有效时长（2022年第一季度）第一把交椅，身处移动流量中心为微信小程序的分发推广提供流量保证。因而从外部环境和内部优势两方面看微信小程序将超越轻应用，更符合当下和未来的用户需求。在小程序的概念阐述方面,微信创始人张小龙对小程序自我定位是一种无需安装下载、触手可及、用完即走、无需卸载的轻型应用”。与张小龙对自家产品定义相似，学者匡文波（2021）认为微信小程序是一种不需要下载、即开即使用的线上应用，可通过扫二维码或群聊私聊分享的方式获得。郭全中(2021）认为微信小程序是以用户价值为依归、让创造发挥价值的效率提升型工具，该定义突出微信小程序去中心化的产品理念。学者喻国明（2021）则从更为宏观的产业视角和更高的理论次层为小程序定义，在《小程序与轻应用:基于场景的社会嵌入与群体互动》一文中，其认为小程序指的是以提供丰富的服务能力、释放累积粉丝消费潜力为功能性目标，以实现移动互联网时代的服务需求对接和内容迭代的新型样式的信息承载体和数字化展示平台。参考学界和业界对微信小程序和轻应用的定义，并结合本文的研究目的，此处定义微信小程序是指在微信上运行，依托云计算技术随取随用的轻型应用。在小程序的应用前景方面。在界定概念的同时,学者就轻应用和小程序的产生背景和未来趋势进行了分析。在轻应用诞生之初，其应用前景尚不明朗，研究者多从产品的技术性优势分析轻应用诞生原因，王巧莉(2015）提出轻应用出现的背景包括移动互联网的持续发展、传统应用分发的长尾困境以及NativeAPP和WebAPP的固有缺陷，其认为轻应用的出现将有效克服原生应用的长尾困境和固有缺陷,同时为移动互联网带来新的商机，并丰富移动营销的工具和领域。在移动互联网商业模式出现转折点的今天，微信小程序的推出更凸显了对未来布局的战略意义，学者喻国明(2021)提出个性化需求和场景化服务是小程序诞生的核心动因，场景适配将成为移动互联网的核心目标,微信小程序轻量化和随取随用的优势将在场景时代取得较强的竞争力。在微信小程序的应用前景分析中，主要有有宏观和微观两种视角，宏观视角从小程序的推出对整个互联网行业的影响出发，唐文捷等(2014)认为轻应用将成为移动互联网新的入口，给用户和开发者带来新的生活方式和机遇挑战。肖卓明(2021）认为微信小程序并不能取代原生应用，微信小程序的最佳使用场景是在线下，因而其认为微信小程序最大的价值是成为传统媒体的营销利器，通过小程序引流推广自家应用。学者喻国明（2021)认为小程序是一种针对利基市场的轻应用，分别从界面理论、马斯洛需求层次理论和弱连接理论对小程序应用场景的界面类型、场景功能和连接形式进行论述，最后提出以微信小程序为代表的轻应用将通过“场景服务”不断深化用户与社会的嵌入、互动关系。微观视角则从小程序与某一行业的结合出发，王天泥（2016）从图书馆学角度对微信小程序进行审视,其认为微信小程序将在缩短服务路径和提升用户体验两个方面对图书馆服务能力进行补充，图书馆可以在原有的图书馆APP和公众号的基础上，利用小程序拓宽服务渠道，进而提升图书馆对各读者群体、各需求层次、各种服务场景的覆盖完整度。田志友等(2022）认为微信小程序对传统媒体尤其是地方媒体意义重大，微信小程序的传播功能赋予其强大的媒体价值，相比高成本的网站主页和原生应用，微信小程序有着不可比拟的优势，微信小程序将是传统媒体接入移动互联网的一次机遇。除了对小程序的产生背景和应用前景分析，学者匡文波(2021）发现微信小程序符合戴维斯提出的技术接受模型，从理论上提出微信小程序在感知易用性和感知有用性的推动作用下,将进一步影响用户对小程序的使用态度、使用意愿和使用行为。综合以上文献回顾可以发现，社会科学层面的小程序研究主要包括概念界定、产生背景和应用前景三种情况，研究方法均采用质性分析。本文将从微信小程序用户持续使用意愿的角度入手，以技术接受模型和信息系统持续使用意愿模型为理论基础,采用量化分析的方式,探究影响用户持续使用微信小程序的影响因素。参考文献[1]MariaN.Moreno,SaddysSegrera,VivianF.L6pez,MariaDoloresMuioz,AngelLuisSanchez.Webminingbasedframeworkforsolvingusualproblemsinrecommendersystems.Acasestudyformovies’recommendation[JJ.Neurocomputing,2016,176:72-80.[2]VasanthakumarGU,PriyankaR,RajK,etal.PTMIB:Profilingtopmostinfluentialbloggerusingcontentbaseddataminingapproach[C]1/2016InternationalConferenceonDataScienceandEngineering(ICDSE),2016.[3]ParkY,ParkS,JungW,etal.ReversedCF:Afastcollaborativefilteringalgorithmusingak-nearestneighborgraph[J].ExpertSystemswithApplications,2015,42(8):4022-4028.[4]FetcherKK,LiuXF.ACollaborativeFilteringMethodforPersonalizedPreference-BasedServiceRecommendation[C]I/IEEEInternationalConferenceonWebServices.IEEE,2015.[5]张云泉.201,3年中国高性能计算机发展现状分析与展望[J].科研信息化技术与应用,2013,4(6):9.[6]唐文捷,刘士成,张伍菲,等.轻应用(Lapp)——App未来发展趋势[J].三峡大学学报：人文社会科学版,2014(S2):3.[7]王巧莉.我国移动互联网轻应用发展研究[D].暨南大学.[8]郭全中.小程序及其未来[J].新闻与写作,2