移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展促進(jìn)了很多行業(yè)的經(jīng)營(yíng)模式改革和發(fā)展,很多傳統(tǒng)行業(yè)也逐漸加入到互聯(lián)網(wǎng)中,其中餐飲行業(yè)就是其中之一。但促進(jìn)發(fā)展的同時(shí)也帶來(lái)了問(wèn)題——信息超載,用戶面對(duì)著這些過(guò)載的信息,很難快速找到自己想要的信息,進(jìn)而對(duì)信息的有效使用會(huì)降低。如何讓用戶在這些海量的信息中快速找到自己感興趣的餐廳,這正是餐飲推薦需要解決的問(wèn)題。由于進(jìn)行餐飲活動(dòng)大部分是以群組的形式進(jìn)行的,而目前大部分餐飲推薦系統(tǒng),比如我們熟知的美團(tuán)點(diǎn)評(píng)等都是對(duì)單個(gè)用戶進(jìn)行推薦的,針對(duì)這個(gè)問(wèn)題,本文對(duì)群組用戶的餐飲推薦展開(kāi)了相關(guān)研究,在群組推薦算法的基礎(chǔ)上進(jìn)行了改進(jìn),提出了一個(gè)基于用戶簽到數(shù)據(jù)的群組餐飲推薦算法(GCRA-BC),并對(duì)群組餐飲推薦系統(tǒng)進(jìn)行了設(shè)計(jì)與實(shí)現(xiàn),詳細(xì)內(nèi)容如下所示:(1)基于用戶簽到數(shù)據(jù)的群組餐飲推薦算法(GCRA-BC)通過(guò)用戶的簽到數(shù)據(jù)分析用戶的偏好信息,在群組偏好融合時(shí)采用了加權(quán)混合融合策略進(jìn)行群組推薦,以將群組推薦效果達(dá)到最優(yōu)化,根據(jù)用戶活躍度不同給用戶分配不同的權(quán)重,活躍度用簽到次數(shù)反映,簽到次數(shù)越多代表用戶越活躍,然后計(jì)算群組成員間的分歧程度,通過(guò)分歧度的不同而選取不同的偏好融合策略進(jìn)行群組推薦...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 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 主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
2 相關(guān)知識(shí)
    2.1 推薦系統(tǒng)概述
    2.2 傳統(tǒng)推薦算法
    2.3 群組推薦
    2.4 本章小節(jié)
3 基于用戶簽到數(shù)據(jù)的群組餐飲推薦算法
    3.1 算法提出背景
    3.2 基于用戶簽到數(shù)據(jù)的群組餐飲推薦
    3.3 實(shí)驗(yàn)與分析
    3.4 本章小結(jié)
4 餐飲推薦系統(tǒng)的總體設(shè)計(jì)
    4.1 可行性分析
    4.2 需求分析
    4.3 總體架構(gòu)設(shè)計(jì)
    4.4 功能模塊
    4.5 數(shù)據(jù)庫(kù)設(shè)計(jì)
    4.6 本章小結(jié)
5 餐飲推薦系統(tǒng)的詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)詳細(xì)設(shè)計(jì)
    5.2 系統(tǒng)實(shí)現(xiàn)
    5.3 系統(tǒng)測(cè)試
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 研究展望
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3906157