隨著互聯(lián)網(wǎng)進(jìn)入Web2.0時(shí)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(lái)方便的同時(shí),也為商家創(chuàng)造了利潤(rùn),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(guò)載問(wèn)題。推薦系統(tǒng)作為一種解決該問(wèn)題的有效手段得以廣泛應(yīng)用。本文對(duì)O2O餐廳領(lǐng)域的個(gè)性化推薦進(jìn)行了研究,主要工作內(nèi)容如下:1.針對(duì)傳統(tǒng)的餐廳推薦系統(tǒng)中存在用戶—餐廳評(píng)分?jǐn)?shù)據(jù)稀疏性問(wèn)題,本文提出了一種基于條件概率填充的協(xié)同過(guò)濾推薦算法pf_UCF。該算法首先從用戶評(píng)價(jià)過(guò)的餐廳中選取與待評(píng)價(jià)餐廳的平均評(píng)分相同的所有餐廳,并計(jì)算用戶對(duì)這些餐廳評(píng)1~5分的統(tǒng)計(jì)概率;然后,選取最大概率值對(duì)應(yīng)的評(píng)分作為用戶對(duì)待評(píng)價(jià)餐廳的預(yù)測(cè)評(píng)分,并填充到用戶—餐廳評(píng)分矩陣中;最后在填充完成的評(píng)分矩陣上應(yīng)用協(xié)同過(guò)濾算法進(jìn)行餐廳推薦。實(shí)驗(yàn)證明,pf_UCF算法可以降低評(píng)分?jǐn)?shù)據(jù)的稀疏性,提高餐廳推薦精度。2.針對(duì)傳統(tǒng)的協(xié)同過(guò)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(wèn)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(píng)價(jià)... 

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)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(guó)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(jiǎn)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(guò)濾的推薦算法
        2.2.3 混合推薦算法
    2.3 相似度計(jì)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(píng)價(jià)指標(biāo)
        2.4.1 預(yù)測(cè)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(guò)濾推薦算法
    3.1 數(shù)據(jù)稀疏性問(wèn)題
    3.2 基于條件概率填充的協(xié)同過(guò)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(cè)評(píng)分
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.3.2 實(shí)驗(yàn)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(shí)驗(yàn)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(guò)濾算法
        5.3.3 預(yù)測(cè)評(píng)分
    5.4 實(shí)驗(yàn)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(lái)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(jì)算機(jī)應(yīng)用. 2018(03)
[2]融合社區(qū)劃分的個(gè)性化美食推薦算法[J]. 陳誠(chéng),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(jì)算機(jī)與數(shù)字工程. 2017(02)
[4]基于信任和近鄰評(píng)分填充的協(xié)同過(guò)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(guò)濾算法[J]. 李熠晨,陳莉,石晨晨,蘭小艷.  計(jì)算機(jī)應(yīng)用研究. 2018(01)
[6]一種改進(jìn)的協(xié)同過(guò)濾推薦算法[J]. 劉藝,馮鈞,魏童童,陳志飛,徐歡,張立霞.  計(jì)算機(jī)與現(xiàn)代化. 2017(01)
[7]基于地理位置和協(xié)同過(guò)濾的移動(dòng)推薦算法[J]. 孫禮輝.  新鄉(xiāng)學(xué)院學(xué)報(bào). 2016(09)
[8]基于協(xié)同過(guò)濾的美食推薦算法[J]. 熊聰聰,鄧瀅,史艷翠,陶鑫,陳亞瑞.  計(jì)算機(jī)應(yīng)用研究. 2017(07)
[9]基于地理位置的個(gè)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(jì)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(shí)例[J]. 代晨旭,周熙晨.  電腦知識(shí)與技術(shù). 2015(25)

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



本文編號(hào)：3693688