【摘要】：電子信息服務(wù)平臺的普及,使用戶數(shù)據(jù)急劇增長,如何在有限的時(shí)間里,尋找用戶需要的信息是當(dāng)前推薦系統(tǒng)應(yīng)用的研究熱點(diǎn)。協(xié)同過濾推薦技術(shù)是當(dāng)前應(yīng)用最為廣泛的推薦技術(shù),但其存在兩大重要問題,即擴(kuò)展性問題和推薦質(zhì)量問題。目前大部分研究都是集中在推薦質(zhì)量問題上,對擴(kuò)展性問題的研究較少。擴(kuò)展性問題導(dǎo)致推薦響應(yīng)時(shí)間的增長,用戶能否忍受長時(shí)間的等待,是衡量推薦系統(tǒng)性能的根本指標(biāo)。本文分析了協(xié)同推薦技術(shù)中推薦質(zhì)量與擴(kuò)展性兩大問題,為較好解決這兩大問題,提出在傳統(tǒng)協(xié)同過濾推薦技術(shù)中引入遺傳操作的方法。該方法過程分為兩步:首先,對原始數(shù)據(jù)進(jìn)行遺傳聚類得到初始集;其次,在初始集的基礎(chǔ)上進(jìn)行融合遺傳算法的協(xié)同過濾推薦。通過采用國際通用的Glass、Heart、Soybean、Movie Lens等數(shù)據(jù)樣本集進(jìn)行實(shí)驗(yàn)驗(yàn)證,實(shí)驗(yàn)結(jié)果數(shù)據(jù)顯示該方法有效地解決了傳統(tǒng)協(xié)同過濾推薦系統(tǒng)的擴(kuò)展性問題和推薦質(zhì)量問題。在驗(yàn)證本文提出的推薦方法有效性的基礎(chǔ)上,把該融合遺傳聚類的協(xié)同推薦方法設(shè)計(jì)應(yīng)用于點(diǎn)餐系統(tǒng)中。該點(diǎn)餐系統(tǒng)主要由用戶點(diǎn)餐模塊、系統(tǒng)后臺管理模塊、服務(wù)員功能管理模塊、廚師功能管理模塊構(gòu)成。智能推薦模塊是用戶點(diǎn)餐模塊的核心子模塊,通過應(yīng)用本文所述方法,該子模塊實(shí)現(xiàn)了基于用戶評價(jià)、菜品屬性加權(quán)的協(xié)同過濾推薦。
[Abstract]:......
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TH692

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 畢凱;王曉丹;邢雅瓊;;基于證據(jù)空間有效性指標(biāo)的聚類選擇性集成[J];通信學(xué)報(bào);2015年08期

2 劉嘯;;MD5算法在Web開發(fā)中的應(yīng)用[J];計(jì)算機(jī)安全;2014年08期

3 盧志茂;李純;張琦;;近鄰傳播的文本聚類集成譜算法[J];哈爾濱工程大學(xué)學(xué)報(bào);2012年07期

4 鄧曉政;焦李成;盧山;;基于非負(fù)矩陣分解的譜聚類集成SAR圖像分割[J];電子學(xué)報(bào);2011年12期

5 李泉溪;吳碩;;ZigBee無線點(diǎn)餐系統(tǒng)研究[J];河南科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

6 張超群;鄭建國;錢潔;;遺傳算法編碼方案比較[J];計(jì)算機(jī)應(yīng)用研究;2011年03期

7 嵇曉聲;劉宴兵;羅來明;;協(xié)同過濾中基于用戶興趣度的相似性度量方法[J];計(jì)算機(jī)應(yīng)用;2010年10期

8 黃國言;李有超;高建培;常旭亮;;基于項(xiàng)目屬性的用戶聚類協(xié)同過濾推薦算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年05期

9 呂宗磊;王建東;李瑩;宰云峰;;一種基于模態(tài)邏輯的聚類結(jié)果評價(jià)方法[J];計(jì)算機(jī)研究與發(fā)展;2008年09期

10 羅會蘭;孔繁勝;李一嘯;;聚類集成中的差異性度量研究[J];計(jì)算機(jī)學(xué)報(bào);2007年08期

相關(guān)碩士學(xué)位論文 前9條

1 徐佳殠;基于餐飲消費(fèi)數(shù)據(jù)的加權(quán)關(guān)聯(lián)模式挖掘[D];云南大學(xué);2015年

2 李旋;聚類成員生成以及帶約束的聚類融合選擇研究[D];廈門大學(xué);2013年

3 周靜;基于信任的協(xié)同過濾推薦算法研究[D];燕山大學(xué);2013年

4 李曉麗;電子商務(wù)個性化推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];河南大學(xué);2013年

5 張川;基于矩陣分解的協(xié)同過濾推薦算法研究[D];吉林大學(xué);2013年

6 谷鵬花;聚類集成及差異性的研究[D];西南交通大學(xué);2012年

7 王穎;基于遺傳算法的數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究[D];浙江理工大學(xué);2012年

8 肖丹萍;基于用戶特征和偏好的協(xié)同過濾推薦算法[D];暨南大學(xué);2011年

9 吳香庭;基于遺傳算法的K-means聚類方法的研究[D];山東科技大學(xué);2010年

，

本文編號：2305732