隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展,面向餐飲等服務(wù)業(yè)的O2O電子商務(wù)模式逐漸凸顯它的價(jià)值和發(fā)展?jié)摿Α５捎贠2O平臺(tái)所承載的數(shù)據(jù)量不斷增長(zhǎng),導(dǎo)致了“數(shù)據(jù)爆炸但知識(shí)貧乏”的困境,信息過載問題日益凸顯。為解決該問題,個(gè)性化推薦系統(tǒng)通過信息過濾從海量的資源中提取符合用戶需求的信息,在各類電子商務(wù)網(wǎng)站上得到了廣泛應(yīng)用。餐飲O2O電子商務(wù)的線上線下交互更加情景化和多元化,用戶的個(gè)性化需求具有上下文敏感性,因此O2O推薦與傳統(tǒng)推薦在數(shù)據(jù)的維度與稀疏性、用戶偏好特征、推薦實(shí)時(shí)性等方面存在區(qū)別,對(duì)用戶的動(dòng)態(tài)偏好分析與挖掘提出了更高的要求。不過,普適計(jì)算的發(fā)展為更全面、更實(shí)時(shí)的上下文信息的獲取提供了基礎(chǔ)。在此背景下,本文通過本體建模對(duì)用戶的上下文與餐飲領(lǐng)域推薦資源進(jìn)行知識(shí)表示與推理,并對(duì)將上下文信息融入推薦模型的方法進(jìn)行研究,主要研究?jī)?nèi)容如下:首先,研究了基于上下文感知的餐飲O2O推薦本體。在設(shè)計(jì)了兩層本體結(jié)構(gòu)的上下文服務(wù)模型的基礎(chǔ)上,對(duì)上下文建模信息獲取方法進(jìn)行了分析。通過上下文本體和餐飲領(lǐng)域本體的概念和屬性類、屬性、實(shí)例等詳細(xì)描述了餐飲O2O推薦中實(shí)體概念之間的交互關(guān)系,并在此基礎(chǔ)上利用本體的屬性與規(guī)則建立餐飲領(lǐng)... 

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于上下文感知的推薦方法的研究綜述
        1.2.2 餐飲推薦方法的研究綜述
        1.2.3 研究述評(píng)
    1.3 研究?jī)?nèi)容與技術(shù)路線
    1.4 本文的主要?jiǎng)?chuàng)新點(diǎn)
第二章 基于上下文感知的推薦相關(guān)理論研究
    2.1 上下文感知的相關(guān)概念
        2.1.1 上下文與上下文感知的定義
        2.1.2 餐飲O2O推薦的上下文分類
    2.2 基于上下文感知的個(gè)性化推薦技術(shù)
        2.2.1 傳統(tǒng)的個(gè)性化推薦模式
        2.2.2 融入上下文信息的個(gè)性化推薦技術(shù)
    2.3 基于上下文感知的本體建模方法
        2.3.1 上下文模型的構(gòu)建方法
        2.3.2 本體建模方法
    2.4 本章小結(jié)
第三章 基于上下文感知的餐飲O2O推薦本體建模
    3.1 上下文服務(wù)模型設(shè)計(jì)
    3.2 上下文建模信息獲取
        3.2.1 上下文信息獲取的原則
        3.2.2 直接上下文獲取的理論方法
        3.2.3 非直接上下文獲取的理論方法
    3.3 餐飲O2O推薦本體構(gòu)建
        3.3.1 本體模型構(gòu)建方法
        3.3.2 上下文本體
        3.3.3 餐飲領(lǐng)域本體
    3.4 基于本體的知識(shí)推理方法
        3.4.1 SWRL規(guī)則的定義與推理
        3.4.2 健康餐飲知識(shí)獲取方法
    3.5 本章小結(jié)
第四章 上下文后過濾的協(xié)同過濾推薦方法
    4.1 上下文后過濾的推薦算法
    4.2 基于商品屬性的近鄰搜索
        4.2.1 評(píng)分矩陣的基本數(shù)據(jù)結(jié)構(gòu)
        4.2.2 基于TF-IDF算法的屬性效用分析
        4.2.3 用戶偏好相似度計(jì)算
    4.3 上下文后過濾的推薦生成過程
        4.3.1 基于貝葉斯方法的動(dòng)態(tài)偏好分析
        4.3.2 基于KL散度的上下文加權(quán)方法
        4.3.3 推薦結(jié)果排序
    4.4 實(shí)驗(yàn)及結(jié)果分析
        4.4.1 實(shí)驗(yàn)流程
        4.4.2 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 餐飲O2O推薦流程與系統(tǒng)實(shí)現(xiàn)
    5.1 融合知識(shí)過濾的混合推薦方法
    5.2 推薦系統(tǒng)設(shè)計(jì)
        5.2.1 系統(tǒng)環(huán)境架構(gòu)
        5.2.2 上下文信息獲取的實(shí)現(xiàn)
        5.2.3 基于Jena的本體模塊
    5.3 客戶端實(shí)現(xiàn)效果
    5.4 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝
附件


【參考文獻(xiàn)】：
期刊論文
[1]基于情境感知的資源推薦研究綜述與實(shí)踐進(jìn)展[J]. 楊金慶,程秀峰,周瑋珽.  現(xiàn)代情報(bào). 2020(02)
[2]情境感知的移動(dòng)閱讀個(gè)性化推薦算法研究[J]. 謝修娟,莫凌飛,李香菊,操鳳萍.  高技術(shù)通訊. 2019(07)
[3]融合多種數(shù)據(jù)信息的餐館推薦模型[J]. 戴琳,孟祥武,張玉潔,紀(jì)威宇.  軟件學(xué)報(bào). 2019(09)
[4]基于TF-IDF的情境后過濾推薦算法研究——以餐飲業(yè)O2O為例[J]. 殷聰,張李義.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2018(11)
[5]情境本體驅(qū)動(dòng)的多源知識(shí)融合框架[J]. 唐旭麗,張斌,傅維剛.  圖書情報(bào)工作. 2018(22)
[6]基于認(rèn)知計(jì)算與情境感知的個(gè)性化信息自適應(yīng)推薦模式框架研究[J]. 武慧娟,孫鴻飛.  情報(bào)科學(xué). 2018(05)
[7]基于本體的移動(dòng)圖書館用戶情景模型構(gòu)建研究[J]. 侯力鐵,李賀,袁翠敏.  圖書館學(xué)研究. 2018(03)
[8]基于LDA模型的餐廳推薦方法研究[J]. 張曉陽(yáng),秦貴和,鄒密,孫銘會(huì),高慶洋.  計(jì)算機(jī)科學(xué). 2017(07)
[9]本體研究綜述[J]. 王向前,張寶隆,李慧宗.  情報(bào)雜志. 2016(06)
[10]基于情景的醫(yī)藥信息服務(wù)本體建模及規(guī)則推理研究[J]. 李楓林,李娜.  情報(bào)理論與實(shí)踐. 2016(05)

博士論文
[1]普適學(xué)習(xí)系統(tǒng)中的情境管理研究[D]. 劉曉東.大連理工大學(xué) 2013
[2]基于商品屬性的電子商務(wù)推薦系統(tǒng)研究[D]. 胡新明.華中科技大學(xué) 2012

碩士論文
[1]基于本體的餐飲O2O智能推薦方法研究[D]. 朱偉權(quán).華南理工大學(xué) 2019
[2]健康餐飲專家系統(tǒng)研究與實(shí)現(xiàn)[D]. 盧劍鋒.華南理工大學(xué) 2018
[3]基于用戶興趣感知的個(gè)性化美食推薦算法研究與應(yīng)用[D]. 范順忠.湖南大學(xué) 2017
[4]基于模糊決策的體質(zhì)學(xué)飲食推薦建模及其系統(tǒng)實(shí)現(xiàn)[D]. 付德坤.電子科技大學(xué) 2013



本文編號(hào)：3647224