مهر ماه 1388

 

 

 

 

 

• چکیده
• استفاده از زمینه، به عنوان اطلاعات پویایی که توصیف­گر وضعیت کاربران و اقلام بوده و بر فرایند تصمیم ­گیری و انتخاب کاربران تاثیر­گذار است، توسط سیستم­های پیشنهاد­دهنده در تجارت سیار، در جهت ارتقاء کیفیت مناسب پیشنهاد­دهی ضروری است. در این تحقیق یک روش جدید چند­بعدی برای پیشنهاد­دهی آگاه از زمینه در تجارت سیار ارائه­ شده است. در این روش اطلاعات کاربران، اقلام، پارامتر­های زمینه و ارتباط میان آنها در یک فضای چند­بعدی نمایش ­داده می­ شود که به آن مکعب چند­بعدی امتیازات گفته می­ شود. در این فضا زمینه ­های مشابه به­ طور جداگانه برای هر کاربر شناسایی می­شوند که این کار با شناسایی الگوهای مصرف متفاوت کاربران در شرایط زمینه­ای مختلف انجام می­ شود. با بدست آوردن این اطلاعات، یک فضای جدید دوبعدی ایجاد­شده و پیشنهاد­دهی نهایی با بهره گرفتن از یک روش فیلتر­سازی مشارکتی در این فضا انجام می­گیرد. ارزیابی روش از طریق پیاده­سازی آن در یک سیستم پیشنهاد­دهی محصولات غذایی رستوران­ها شامل پارامتر­های زمینه­ای روز، زمان، آب و هوا و همراه علاوه بر پارامتر­های کاربر و اقلام و مقایسه آن با روش سنتی پیشنهاد­دهی و بدون در­نظر­­گرفتن اطلاعات زمینه انجام گرفته­است. برای پیاده­سازی روش فیلتر­سازی مشارکتی از شبکه­ های خود­سازمانده استفاده­شده­است. شبکه­ های خود­سازمانده، نوعی از شبکه­ های عصبی بدون ناظر هستند. مقایسه و ارزیابی نتایج با بهره گرفتن از محاسبه شاخص F1 که یکی از شاخص ­های استاندارد و پر استفاده برای ارزیابی پیشنهاد­دهنده­ها است، انجام گرفته­است. بر اساس این نتایج، روش پیشنهاد­دهی چند­بعدی در حدود شانزده درصد بهبود نسبت به روش سنتی پیشنهاد­دهی را نمایش می­دهد که همین مساله کارایی روش را از نظر کیفیت پیشنهاد­دهی تایید می­ کند.
• كلمات كلیدی: سیستم­های پیشنهاد­دهنده آگاه از زمینه، تجارت سیار، نقشه خود­سازمان­ده، روش چندبعدی پیشنهاد­دهی، فیلتر­سازی مشارکتی.

 

 

 

 

 

 

 

فهرست مطالب

عنوان                                                                                                                           صفحه

 

     فصل اول: مقدمه

1-1 مقدمه.. 1

1-2 موضوع تحقیق.. 3

1-3 موضوع تحقیق.. 4

1-4 اهمیت و ارزش تحقیق.. 6

1-5 اهداف تحقیق.. 6

1-6 کاربرد نتایج تحقیق.. 6

1-7 مروری بر ساختار پایان نامه .. 7

 

     فصل دوم: تجارت سیار

2-1 مقدمه.. 8

2-2 تجارت سیار.. 9

2-3 دسته­بندی ادبیات تحقیقاتی تجارت سیار.. 11

2-3-1 حوزه تحقیقات نظری.. 11

2-3-2 شبکه بی­سیم.. 12

2-3-3 میان­افزار سیار.. 13

2-3-4 زیر­بنای کاربری بی­سیم.. 14

2-3-5 کاربرد­های تجارت سیار.. 14

2-4 فناوری­های تجارت سیار.. 16

2-5 استاندارد­های بی­سیم.. 18

2-6 بستر پیاده­سازی کاربرد­های تجارت سیار.. 19

2-6-1 زبان­های برنامه­نویسی موبایل.. 22

2-7 جمع­بندی.. 23

 

  عنوان                                                                                                                          صفحه

 

   فصل سوم: زمینه

3-1 مقدمه.. 25

3-2 زمینه.. 26

3-2-1 تعاریف پارامتریک.. 26

3-2-2 تعاریف کلی.. 27

3-3 دسته­بندی اطلاعات زمینه.. 28

3-4 آگاهی از زمینه.. 31

3-5 طراحی زمینه.. 32

3-6 جمع­بندی.. 33

 

     فصل چهارم: سیستم­های پیشنهاد­دهنده

4-1 مقدمه.. 35

4-2 بررسی عملکرد سیستم­های پیشنهاد­دهنده.. 36

4-2-1 روش­های مبتنی بر محتوا.. 38

4-2-1-1 مشکلات و محدودیت­­های روش­های مبتنی بر محتوا.. 41

4-2-2 روش­های فیلترسازی مشارکتی.. 42

4-2-2-1 مشکلات و محدودیت­­های روش­های فیلتر­سازی مشارکتی   46

4-2-3 روش­های ترکیبی.. 48

4-3 ارزیابی سیستم­های پیشنهاد­دهنده.. 49

4-4 بسط قابلیت­های سیستم­های پیشنهاد­دهنده.. 51

4-4-1 شرکت­دادن شناختی جامع از کاربران و اقلام در فرایند پیشنهاد­دهی   51

4-4-2 امتیاز­گذاری چند­معیاری.. 52

4-4-3 پیشنهاد­دهنده­های غیر­تداخلی.. 53

4-4-4 انعطاف­پذیری.. 53

 

عنوان                                                                                                                           صفحه

 

 

4-4-5 توسعه شاخص ­های ارزیابی.. 54

4-4-6 استفاده از اطلاعات زمینه در پیشنهاد­دهنده­ها.. 55

4-4-7 سایر گزینه­ ها برای بسط و توسعه سیستم­های پیشنهاد­دهنده   55

4-5 جمع­بندی.. 55

 

    فصل پنجم: روش جدید چند­بعدی برای پیشنهاد­دهی آگاه از زمینه

5-1 مقدمه.. 57

5-2 سیستم­های پیشنهاد­دهنده آگاه­از­زمینه در تجارت سیار.. 58

5-3 مدل­سازی اطلاعات زمینه.. 59

5-4 روش چند­بعدی در سیستم­های توصیه­گرسیار آگاه از زمینه.. 61

5-5 جمع­بندی.. 68

 

     فصل ششم: ارزیابی  

6-1 مقدمه.. 69

6-2 روش ارزیابی.. 69

6-2-1 پیاده­سازی سیستم جمع­آوری داده.. 70

6-3 پیاده­سازی روش پیشنهاد­دهی.. 72

6-3-1 پیاده­سازی روش پیشنهاد­دهی دو­بعدی.. 73

6-3-2 پیاده­سازی روش پیشنهاد­دهی چند­بعدی.. 78

6-4 جمع­بندی.. 82

 

     فصل هفتم: جمع­بندی و راهکار­های آینده  

7-1 مقدمه.. 84

7-2 راهکار­های آینده.. 85

 

.. 87

فهرست شکل­ها

عنوان                                                                                                                            صفحه

   

شکل 2-1 خصوصیات تجارت سیار.. 10

شکل 2-2 دسته­بندی ادبیات تحقیقاتی تجارت سیار   12

شکل 3-1 فضای سلسله­مراتبی زمینه.. 29

شکل 3-2 معماری سطح بالا از یک سیستم آگاه از زمینه   32

شکل 4-1 نمونه ­ای از زبان RQL.. 54

شکل 5-1 مدل چند­بعدی پیشنهاد­دهی برای فضای سه­بعدیUser×Item×Time     60

شکل 5-2 ساختار رابطه­ای مدل داده چند­بعدی برای ذخیره­سازی اطلاعات کاربران، اقلام و زمینه .. 62

شکل 5-3 روش چند­بعدی پیشنهاد­دهی.. 63

شکل 5-4 ساختار رابطه­ای نگهداری کلیه شرایط زمینه­ای سیستم    64

شکل 5-5 ساختار رابطه­ای نگهداری خوشه­بندی اطلاعات زمینه­ای برای کاربران    65

شکل 5-6 ایجاد کاربران معادل کاربر c­i با توجه به الگوی مصرف وی   67

شکل 5-7 ساختار رابطه­ای کاربران و امتیازات جدید    66

شکل 6-1 ساختار رابطه­ای مجموعه داده جمع­آوری­شده بدون در نظر گرفتن شرایط زمینه­ای .. 71

شکل 6-2 ساختار چند­بعدی مجموعه داده جمع­آوری­شده با در نظر گرفتن شرایط زمینه­ای .. 72

شکل 6-3 نقشه خود­سازمانده.. 74

شکل 6-4 میانگین شاخص F1 در روش پیشنهاد­دهی سنتی در مجموعه داده شماره(1)   76

شکل 6-5 میانگین شاخص F1 برای خوشه ­های مجزا در مجموعه داده شماره (1)   77

شکل 6-6 میانگین شاخص F1 در روش پیشنهاد­دهی سنتی در مجموعه داده شماره(2)   78

شکل 6-7 میانگین شاخص F1 برای خوشه ­های مجزا در مجموعه داده شماره (2)   78

شکل 6-8 ساختار رابطه­ای نهایی برای نگهداری اطلاعات سیستم پیشنهاد­دهنده    80

شکل 6-9 میانگین شاخص F1  در روش پیشنهاد­دهی چندبعدی   81

شکل 6-10 میانگین شاخص F1 در روش پیشنهاد­دهی چندبعدی برای خوشه ­های مجزا    82

 

 

 

فهرست جدول­ها

عنوان                                                                                                                            صفحه

 

جدول 2-1 دسته­بندی کاربرد­های تجارت سیار.. 15

جدول 4-1 نمونه ­ای از ماتریس کاربر- اقلام برای یک سیستم پیشنهاد­دهنده فیلم   37

جدول 6-1 مشخصات شبکه نقشه خود­سازمانده در مرحله شناسایی کاربران مشابه در روش سنتی.. 76

جدول 6-2 مشخصات شبکه نقشه خود­سازمانده برای شناسایی الگوی مصرف و شناسایی کاربران مشابه 81

 

 

 

 

فصل اول: مقدمه

1-1 مقدمه

سیستم­های پیشنهاد­دهنده در تجارت سیار از جمله موضوعات پر­اهمیت سال­های اخیر بوده ­اند که با ظهور تکنولوژی­های بی­سیم و تسهیل حرکت تجارت الکترونیکی از محیط­های سیمی به سوی بی­سیم­ مورد توجه قرار­گرفته­اند. تجارت سیار به­معنای انجام فعالیت­های تجارت­الکترونیک از طریق محیط­های بی­سیم، به­ طورخاص اینترنت بی­سیم، و وسایل دستی سیار می­باشد که با­ پیدایش تکنولوژی بی­سیم در عرصه اینترنت و استفاده روزافزون از وسایل سیار توجه به آن رو به افزایش است[1,2]. به کاربرد­های تجارت سیار دو خصوصیت ویژه تحرک[1] و دسترسی وسیع[2] نسبت داده­شده­است[1,3] که اولین خصوصیت بر امکان از بین رفتن محدودیت­های مکانی و دومین خصوصیت بر امکان از بین رفتن محدودیت­های زمانی در استفاده کاربران از خدمات این نوع کاربرد­ها تاکید دارد[1,3,4,5]. این­که کاربران برای انجام فعالیت هایی چون بانکداری الکترونیکی یا خرید الکترونیکی محصولات، قادر به جایگزینی وسایلی چون تلفن­های سیار و ­همراه­های شخصی دیجیتال (پی.دی.اِی)[3]  به­جای کامپیوتر­های شخصی باشند،  تسهیلات زیادی را برای آنها و فرصت­های جدیدی را نیز  برای کسب وکار­ها فراهم­­­خواهد­کرد و لزوم توجه به این عرصه را برای محققان نمایان می­سازد[1,3].

 

اما پیاده­سازی سیستم­های پیشنهاد­دهنده در محیط­های سیار بدون در­نظر­گرفتن پارامتر­های تاثیر­گذار در این محیط چندان مناسب­نخواهد­بود. مجموعه این پارامتر­ها، اطلاعات زمینه را تشکیل می­ دهند [6].

عملکرد سیستم­های پیشنهاد­دهنده معرفی منابع مورد نیاز کاربران به آنهاست. این منابع می­توانند مواردی مانند اطلاعات خاص مورد نیاز کاربر و یا کالاها­یی مانند کتاب یا فیلم مورد علاقه یک کاربر را  از میان انبوه کالاهایی که کاربر با اطلاعات آن­ها روبروست، در­بر­گیرند[7,8,9]. درسیستم­های پیشنهاد­دهنده، سه مجموعه داده اصلی یعنی مجموعه کاربران ©، مجموعه اقلام قابل توصیه(S) (مانند کتاب، فیلم، موسیقی و غیره) و مجموعه داده ­هایی که رابطه میان دو مجموعه قبلی را تعریف می­ کنند، وجود­دارند. مجموعهS  می ­تواند شامل صد­ها، هزار­ها و حتی میلیون­ها کالا در کاربرد­های مختلف بوده و  به­ طور مشابه مجموعه C نیز می ­تواند چنین وضعیتی را داشته باشد. ارتباط میان دو مجموعهC  و S مبتنی بر ساختار امتیاز­گذاری است که میزان مفید بودن یا مورد علاقه بودن کالا را برای کاربر مشخص می کند. این ارتباط با تابعی تحت­عنوان تابع سودمندی، u، به صورت رابطه زیر تعریف می­ شود[7]:

 

(1-1)

که در آن Ratings، مجموعه مرتبی مانند اعداد صحیح غیر­منفی یا مجموعه اعداد حقیقی در بازه­ای معین می­باشد.

در سیستم­های پیشنهاد­دهنده مقادیر u معمولاً فقط بر روی زیر مجموعه ­ای از دامنه C×S تعریف­شده­است و نه بر تمام آن و قسمت های نامشخص این دامنه را باید با ­استفاده از داده ­های موجود به­صورت تخمینی مشخص نمود. هدف نهایی سیستم­های توصیه­کننده با ارائه پیشنهاد  اقلام با بالاترین امتیازات تخمینی به کاربران محقق می­ شود به­ طوریکه برای هر کاربر ، اقلام  با حداکثر میزان سودمندی انتخاب و معرفی می­گردد[7].

تا به امروز روش­های پیشنهاد­دهی زیادی ارائه شده­است که این روش­ها و متدولوژی­ها در دسته­بندی­های زیر قرار می­گیرند[7,9,10]:

• مبتنی بر محتوا[4] : در این گروه از روش­ها، عمل پیشنهاد­دهی با بهره گرفتن از یافتن اقلامی انجام می­گیرد که بیشترین تشابه را با اقلامی داشته باشند که در­گذشته مورد­علاقه کاربر بوده ­اند. به عبارت دیگر u(c,s)، سودمندی کالای s برای کاربر c، بر اساس کلیه مقادیر موجود u(c,si) هایی که si مشابه به s بوده و si جزء کالاهای مورد علاقه کاربر هستند،­ برآورد می­ شود.
• فیلترسازی مشارکتی : در این گروه از روش­ها، عمل پیشنهاد­دهی با بهره گرفتن از یافتن اقلامی انجام می­گیرد که مورد علاقه کاربران با سلایق مشابه کاربر بوده ­اند. کاربران با سلایق مشابه یعنی کاربرانی که اقلام یکسانی را امتیاز­دهی مشابه کرده باشند. به­عبارت دیگر u (c, s) بر اساس مقادیر موجودu(cj ,s) بدست می ­آید که  cj  کاربران مشابه با c می­باشند.
• مدل ترکیبی[5]: روش­هایی که دو روش مبتنی­بر­محتوا و فیلتر­سازی مشارکتی را ترکیب می­ کنند و به این صورت از مزایای هر دو روش در جهت شناسایی و معرفی کالاها بهره می­گیرند.

در نگاهی دیگر روش­های پیشنهاد­دهی، اعم از مبتنی بر محتوا و فیلتر­سازی مشارکتی به دو دسته روش­های مبتنی بر حافظه[6]و مبتنی بر مدل[7] تقسیم می­شوند. در­مقایسه با الگوریتم­های مبتنی بر حافظه، الگوریتم­های مبتنی بر مدل، با بهره گرفتن از روش­های یادگیری ماشین[8] مدلی را با بهره گرفتن از مجموعه امتیازات موجود ایجاد کرده و از آن به­منظور پیشگویی امتیازات استفاده می­ کنند[7,10,11].

1-2 موضوع تحقیق

موضوع این تحقیق، ارائه روشی برای پیشنهاد­دهی آگاه از زمینه در تجارت سیار می­باشد. با­ پیدایش تکنولوژی بی­سیم در عرصه اینترنت و استفاده روزافزون از وسایل سیار، پیاده­سازی سیستم­های پیشنهاد­دهنده در محیط­های سیار با توجه به محدودیت­های خاص آن چون هزینه­بر بودن زمان اتصال و تبادل داده، محدودیت پهنای باند، کیفیت پایین اتصال و محدودیت­های ورودی و خروجی وسایل سیار، نیاز به بررسی بیشتر را در جهت ارائه اطلاعات مرتبط­تر و شخصی­سازی­شده­تر می­طلبد. بررسی تاثیر اطلاعات زمینه به­عنوان شرایط و محیط دربرگیرنده کاربر و به­عنوان اطلاعاتی که بر فرایند تصمیم ­گیری وی تاثیر­گذارند، برخروجی این­گونه کاربرد­ها، مساله­ای است که در این تحقیق مورد بررسی قرار گرفته­است.

1-3 پیشینه تحقیق

ظهور تکنولوژی­های بی­سیم و استفاده رو به­افزایش وسایل سیار، فرصت­های زیادی را پیش روی کاربرد­های تجارت الکترونیک قرار­داده­است. با توجه به محدودیت­های خاص محیط­های سیار، ارائه اطلاعات به­صورت شخصی­سازی­شده­تر و سفارشی­شده­تر یکی از اهداف مهم کاربرد­های تجارت سیار است. در­نظرگرفتن اطلاعات زمینه به­عنوان شرایط و محیط دربرگیرنده کاربر و به­عنوان اطلاعاتی که بر فرایند تصمیم ­گیری وی تاثیر­گذارند، در ارائه خروجی این­گونه کاربرد­ها از جمله مواردی است که می­توان از آن در جهت ارائه اطلاعات مرتبط­تر به کاربران بهره گرفت.

سیستم­های پیشنهاد­دهنده همواره از جمله موضوعات پر اهمیت در حوزه تجارت الکترونیک بوده ­است. سیستم­های پیشنهاد­دهنده سیار آگاه از زمینه در آغاز راه هستند. دسته مهمی از سیستم­های آگاه از زمینه را  سیستم­های آگاه از مکان تشکیل می­دهند. یانگ، چنگ، و دایا[12]، یک سیستم پیشنهاد­دهنده آگاه از مکان برای محیط­های سیار ارائه­داده­اند که هدف آن توصیه وب­سایت فروشندگان با در نظر­گرفتن علایق و پیش­فرض­های مشتری و همچنین فاصله مکانی وی با مکان فیزیکی مشخص­شده در وب­سایت­ها می­باشد. در روش مزبور، دو فاکتور فوق به­ طور جداگانه محاسبه­ شده و سپس بر اساس ترکیبی از آنها به پیشنهاد وب­سایت­ها پرداخته می­ شود. یکی دیگر از این نوع سیستم­ها پروکسیمو[13] است که یک سیستم پیشنهاد­دهنده آگاه از مکان برای محیط­های داخلی چون موزه­ها و گالری­ها است. این سیستم بر اساس علایق و پیش­فرض­های کاربر به پیشنهاد اقلام پرداخته و مکان اقلام را بر روی نقشه­ای بر روی وسیله همراه کاربر نمایش می­دهد.

استفاده از سایر اطلاعات زمینه­ای علاوه­بر مکان نیز مورد توجه توسعه­دهندگان این نوع سیستم­ها قرار­گرفته­است. پخش موسیقی یکی از حوزه های کاربردی پر­مصرف در میان کاربران سیار می­باشد و به همین دلیل استفاده از پیشنهاد­دهنده­های آگاه از زمینه در این حوزه مورد توجه قرار­گرفته است. از آنجایی که تاثیر موسیقی بر روح و جسم انسان ثابت شده­است، انتخاب موسیقی با توجه به شرایط می ­تواند وضعیت دوست­داشتنی­تری را فراهم­کند و افراد را در انجام فعالیت­هایشان یاری رساند. مثلاً موسیقی می ­تواند کارایی فرد را در حال انجام تمرینات فیزیکی بهبود بخشد، اضطراب را کاهش دهد و میزان یادگیری را بهبود بخشد. [14] یکی از تحقیقاتی است که در این حوزه ارائه­شده­است. در این تحقیق علاوه­بر بررسی روش­های فیلتر­سازی مبتنی­بر زمینه و مرور پیشنهاد­دهنده­های سیار آگاه از زمینه موسیقی، پیشنهاد­دهنده سیار آگاه از زمینه AndroMedia  ارائه شده­است. پیشنهادات با توجه به زمینه جاری کاربر که با بهره گرفتن از حسگر­های بلوتوث در سمت برنامه مشتری بدست می­آیند و همچنین سلایق کاربر تهیه می­شوند. همچنین در مرجع [15]  نیز پیشنهاد­دهی آگاه از زمینه موسیقی در محیط­های سیار مورد بررسی قرار­گرفته­است. در تحقیق پارک، یو و چو[16]  نیز یک سیستم آگاه از زمینه موسیقی با بهره گرفتن از شبکه­ های بیزین فازی و تئوری سودمندی ارائه­شده­است. فرایند پیشنهاد­دهی تحلیل شده و سودمندی آن مورد ارزیابی قرار­گرفته­است.

گردشگری نیز یکی از حوزه های جذاب برای پیاده­سازی پیشنهاد­دهنده­های سیار آگاه از زمینه می­باشد. امروزه گردشگران انتظار دارند که دسترسی شخصی به اطلاعات گردشگری در هر زمان، هر مکان و در هر شرایطی را داشته­باشند. راهنما­های گردشگری سیار، چنین اطلاعاتی را در اختیار کاربران قرار می­دهند. در مرجع [17] خلاصه­ای از کار­های انجام­شده در زمینه راهنماهای گردشگری سیار تحت وب انجام گرفته­است. همچنین در مرجع[18]   تاثیر آگاهی از زمینه در سیستم­های اطلاعاتی گردشگری سیار مورد بررسی قرار گرفته­است. در [19]  نیز یک کاربرد توریستی سیار با نام COMPASS ارائه­شده­است. در این تحقیق به بررسی ترکیب آگاهی از زمینه با سیستم­های پیشنهاد­دهنده پرداخته شده­است. پارامتر­های زمینه­ای این تحقیق شامل زمان و مکان می­باشند. این سیستم خدمات خود را با نیاز­های کاربر که بر اساس علایق و زمینه جاری وی مشخص می­ شود، تطبیق می­دهد.

در [20] نیز یک سیستم پیشنهاد­دهنده تصاویر با بهره گرفتن از یک روش داده ­کاوی که ترکیبی از روش­های مبتنی­بر­محتوا و مبتنی­بر اطلاعات زمینه می­باشد ارائه­شده­است. اطلاعات زمینه استفاده­شده در این تحقیق شامل زمان و مکان هستند. لی، ونگ، جنگ و دای[21]، یک سیستم توصیه­کننده آگاه از زمینه برای کاربرد­های تجارت سیار ارائه­داده­اند. در این تحقیق از مدل چند­بعدی موجود در سیستم­های OLAP برای نمایش فضای توصیه­گری و از روش مبتنی بر کاهش فضا به­منظور کاهش فضای توصیه­گری به فضای دو­بعدی و انجام عملیات توصیه­گری در فضای مزبور استفاده­کرده ­اند.

استفاده از آنتولوژی و وب معنایی در سیستم­های پیشنهاد­دهنده سیار آگاه از زمینه نیز در تحقیقات بسیاری مورد توجه­قرار­گرفته­است[22,23,24]. تکنولوژی­های وب معنایی، دسترسی هوشمند و کارا به اطلاعات را بهبود بخشیده­اند. از آنتولوژی می­توان برای مدل­سازی زمینه و همچنین برای مدل­سازی ارتباط زمینه با سایر مجموعه­داده ­ها استفاده­نمود. در تحقیق حاضر، یک روش جدید پیشنهاد­دهی آگاه از زمینه در تجارت سیار ارائه­شده­است.

1-4 اهمیت و ارزش تحقیق

استفاده از سیستم­های پیشنهاد­دهنده آگاه از زمینه در تجارت سیار یک فرصت است. با توجه به افزایش کمی کاربران وسایل سیار درکشور و گسترش کمی و کیفی زیر­بنایی تجهیزات سیار، آشنایی با مفاهیم، اصول و کاربرد­های تجارت سیار