隨著互聯(lián)網(wǎng)進(jìn)入Web2.0時代,O2O電子商務(wù)快速興起并滲入到人們生活服務(wù)的方方面面,在為用戶帶來方便的同時,也為商家創(chuàng)造了利潤,餐飲領(lǐng)域就是其中重要的一部分。然而,網(wǎng)絡(luò)用戶數(shù)量的持續(xù)增加,導(dǎo)致O2O網(wǎng)站產(chǎn)生了嚴(yán)重的信息過載問題。推薦系統(tǒng)作為一種解決該問題的有效手段得以廣泛應(yīng)用。本文對O2O餐廳領(lǐng)域的個性化推薦進(jìn)行了研究,主要工作內(nèi)容如下:1.針對傳統(tǒng)的餐廳推薦系統(tǒng)中存在用戶—餐廳評分?jǐn)?shù)據(jù)稀疏性問題,本文提出了一種基于條件概率填充的協(xié)同過濾推薦算法pf_UCF。該算法首先從用戶評價過的餐廳中選取與待評價餐廳的平均評分相同的所有餐廳,并計算用戶對這些餐廳評1~5分的統(tǒng)計概率;然后,選取最大概率值對應(yīng)的評分作為用戶對待評價餐廳的預(yù)測評分,并填充到用戶—餐廳評分矩陣中;最后在填充完成的評分矩陣上應(yīng)用協(xié)同過濾算法進(jìn)行餐廳推薦。實驗證明,pf_UCF算法可以降低評分?jǐn)?shù)據(jù)的稀疏性,提高餐廳推薦精度。2.針對傳統(tǒng)的協(xié)同過濾餐廳推薦算法中未考慮用戶就餐選擇受上下文因素影響的問題,本文提出了一種基于用戶位置偏好的餐廳推薦算法ULPRR。該算法首先根據(jù)用戶的歷史評價... 

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要工作
    1.4 論文組織結(jié)構(gòu)
第2章 推薦系統(tǒng)相關(guān)概念及技術(shù)
    2.1 推薦系統(tǒng)簡介
    2.2 推薦系統(tǒng)相關(guān)技術(shù)
        2.2.1 基于內(nèi)容的推薦算法
        2.2.2 基于協(xié)同過濾的推薦算法
        2.2.3 混合推薦算法
    2.3 相似度計算方法
        2.3.1 歐幾里德相似度
        2.3.2 余弦相似度
        2.3.3 皮爾遜相關(guān)系數(shù)
        2.3.4 結(jié)構(gòu)相似度
    2.4 推薦算法評價指標(biāo)
        2.4.1 預(yù)測準(zhǔn)確度
        2.4.2 分類準(zhǔn)確度
        2.4.3 覆蓋率
        2.4.4 多樣性
    2.5 本章小結(jié)
第3章 基于條件概率填充的協(xié)同過濾推薦算法
    3.1 數(shù)據(jù)稀疏性問題
    3.2 基于條件概率填充的協(xié)同過濾推薦算法
        3.2.1 基于條件概率的填充方法
        3.2.2 預(yù)測評分
    3.3 實驗結(jié)果與分析
        3.3.1 實驗數(shù)據(jù)集
        3.3.2 實驗描述及結(jié)果分析
    3.4 本章小結(jié)
第4章 基于用戶位置偏好的餐廳推薦算法
    4.1 引言
    4.2 相關(guān)工作介紹
    4.3 基于用戶位置偏好的餐廳推薦算法
        4.3.1 用戶位置特征向量模型
        4.3.2 用戶相似度
        4.3.3 產(chǎn)生推薦
    4.4 實驗結(jié)果與分析
    4.5 本章小結(jié)
第5章 基于用戶信任關(guān)系的餐廳推薦算法
    5.1 引言
    5.2 基于信任的推薦系統(tǒng)
        5.2.1 相關(guān)工作介紹
        5.2.2 信任的表示與分類
        5.2.3 基于信任的推薦模型
    5.3 基于用戶信任關(guān)系的餐廳推薦算法
        5.3.1 用戶信任度的構(gòu)建
        5.3.2 基于改進(jìn)用戶信任的協(xié)同過濾算法
        5.3.3 預(yù)測評分
    5.4 實驗結(jié)果與分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合概率矩陣分解的混合型推薦算法[J]. 楊豐瑞,鄭云俊,張昌.  計算機(jī)應(yīng)用. 2018(03)
[2]融合社區(qū)劃分的個性化美食推薦算法[J]. 陳誠,袁圓,余法紅,蔣濤,周偉,潘海濤,滕澤偉,元丹.  福建電腦. 2017(07)
[3]一種基于特征的混合推薦方法[J]. 王盛,文衛(wèi)東.  計算機(jī)與數(shù)字工程. 2017(02)
[4]基于信任和近鄰評分填充的協(xié)同過濾算法[J]. 羅群,鄧開發(fā).  電子科技. 2017(02)
[5]采用信任網(wǎng)絡(luò)增強(qiáng)的協(xié)同過濾算法[J]. 李熠晨,陳莉,石晨晨,蘭小艷.  計算機(jī)應(yīng)用研究. 2018(01)
[6]一種改進(jìn)的協(xié)同過濾推薦算法[J]. 劉藝,馮鈞,魏童童,陳志飛,徐歡,張立霞.  計算機(jī)與現(xiàn)代化. 2017(01)
[7]基于地理位置和協(xié)同過濾的移動推薦算法[J]. 孫禮輝.  新鄉(xiāng)學(xué)院學(xué)報. 2016(09)
[8]基于協(xié)同過濾的美食推薦算法[J]. 熊聰聰,鄧瀅,史艷翠,陶鑫,陳亞瑞.  計算機(jī)應(yīng)用研究. 2017(07)
[9]基于地理位置的個性化新聞混合推薦研究[J]. 陶永才,李俊艷,石磊,衛(wèi)琳.  小型微型計算機(jī)系統(tǒng). 2016(05)
[10]一種基于內(nèi)容的新聞推薦系統(tǒng)實例[J]. 代晨旭,周熙晨.  電腦知識與技術(shù). 2015(25)

碩士論文
[1]推薦系統(tǒng)中協(xié)同過濾算法研究[D]. 江南.重慶大學(xué) 2015



本文編號：3693688