“新零售”是將互聯(lián)網(wǎng)領(lǐng)域的新思維、新技術(shù)應(yīng)用于傳統(tǒng)的商品銷售領(lǐng)域。無人超市作為“新零售”的代表,必須依托互聯(lián)網(wǎng),利用先進(jìn)技術(shù),讓消費(fèi)者可以享受更加舒適并且高效的購(gòu)物體驗(yàn)。為構(gòu)建無人超市推薦系統(tǒng),本文開展如下工作:(1)針對(duì)無人超市推薦系統(tǒng)無法像電商平臺(tái)一樣通過用戶注冊(cè)信息獲取用戶特征的問題,利用人臉特征識(shí)別技術(shù),通過圖像預(yù)處理、特征提取、分類訓(xùn)練等環(huán)節(jié),最終實(shí)現(xiàn)了推薦系統(tǒng)對(duì)用戶特征的實(shí)時(shí)獲取。其中,測(cè)試表明設(shè)計(jì)的性別識(shí)別方法,即較傳統(tǒng)方法,準(zhǔn)確率提高了0.3%以上。(2)設(shè)計(jì)并實(shí)現(xiàn)了滿足無人超市需求的推薦系統(tǒng):首先,針對(duì)相同特征用戶偏好的商品具有相似性的特點(diǎn),本文將用戶特征因素結(jié)合到商品推薦算法模型中,其中,該模型以基于用戶的協(xié)同過濾算法為主算法;其次,針對(duì)無人超市用戶對(duì)推薦商品時(shí)效性要求高的問題,以時(shí)間段對(duì)用戶消費(fèi)記錄進(jìn)行劃分,構(gòu)建更加準(zhǔn)確的用戶-商品評(píng)價(jià)矩陣;然后,針對(duì)無人超市希望利用促銷手段提高銷售額的需求,使用K-Means算法設(shè)計(jì)了多種促銷方式的商品促銷模塊;接著,在上述兩個(gè)模型的基礎(chǔ)上,分別對(duì)推薦系統(tǒng)進(jìn)行整體和各功能模塊進(jìn)行設(shè)計(jì),并用序列圖描述模塊之間信息傳遞過程。最后,利...

【文章頁數(shù)】：93 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 消費(fèi)者購(gòu)物分析
    1.4 本文研究?jī)?nèi)容
        1.4.1 研究目標(biāo)
        1.4.2 結(jié)構(gòu)安排
    1.5 本章小結(jié)
第2章 推薦系統(tǒng)和特征識(shí)別技術(shù)理論及算法
    2.1 引言
    2.2 推薦系統(tǒng)介紹
        2.2.1 推薦系統(tǒng)原理
        2.2.2 常見推薦算法和技術(shù)
        2.2.3 協(xié)同過濾推薦算法
    2.3 圖像的特征提取和降維介紹
        2.3.1 常用的特征提取算法
        2.3.2 特征降維
    2.4 本章小結(jié)
第3章 推薦系統(tǒng)特征識(shí)別功能實(shí)現(xiàn)
    3.1 引言
    3.2 整體設(shè)計(jì)
    3.3 OpenCV開源庫
    3.4 前置處理實(shí)現(xiàn)
        3.4.1 前置處理流程
        3.4.2 haar分類器訓(xùn)練
    3.5 性別識(shí)別設(shè)計(jì)及實(shí)現(xiàn)
        3.5.1 識(shí)別庫選取
        3.5.2 方法設(shè)計(jì)
        3.5.3 特征提取
        3.5.4 分類訓(xùn)練
        3.5.5 測(cè)試結(jié)果
    3.6 年齡識(shí)別設(shè)計(jì)及實(shí)現(xiàn)
        3.6.1 方法設(shè)計(jì)
        3.6.2 特征提取
        3.6.3 特征訓(xùn)練
        3.6.4 測(cè)試結(jié)果
    3.7 多用戶屬性識(shí)別實(shí)現(xiàn)
    3.8 測(cè)試結(jié)果分析
    3.9 本章小結(jié)
第4章 推薦系統(tǒng)整體設(shè)計(jì)及實(shí)現(xiàn)
    4.1 引言
    4.2 推薦系統(tǒng)分析與設(shè)計(jì)
        4.2.1 需求分析
        4.2.2 設(shè)計(jì)思路
    4.3 商品推薦算法模型構(gòu)建
        4.3.1 基于用戶特征的用戶相似度計(jì)算
        4.3.2 基于歷史評(píng)分的用戶相似度計(jì)算
        4.3.3 用戶復(fù)合相似度矩陣計(jì)算
        4.3.4 最近鄰選取
        4.3.5 產(chǎn)生推薦
        4.3.6 算法檢驗(yàn)
    4.4 商品促銷模型構(gòu)建
        4.4.1 數(shù)據(jù)庫設(shè)計(jì)
        4.4.2 不同特征用戶促銷設(shè)計(jì)
        4.4.3 接近保質(zhì)期商品促銷設(shè)計(jì)
        4.4.4 上新商品促銷設(shè)計(jì)
    4.5 推薦系統(tǒng)整體設(shè)計(jì)
        4.5.1 推薦系統(tǒng)詳細(xì)結(jié)構(gòu)
        4.5.2 人機(jī)交互模塊設(shè)計(jì)
        4.5.3 用戶信息記錄模塊設(shè)計(jì)
        4.5.4 推薦引擎模塊設(shè)計(jì)
    4.6 推薦系統(tǒng)實(shí)現(xiàn)
        4.6.1 開發(fā)環(huán)境與框架配置
        4.6.2 人機(jī)交互模塊實(shí)現(xiàn)
        4.6.3 用戶信息記錄模塊實(shí)現(xiàn)
        4.6.4 推薦引擎模塊實(shí)現(xiàn)
    4.7 本章小結(jié)
第5章 推薦系統(tǒng)測(cè)試與相關(guān)裝置設(shè)計(jì)
    5.1 引言
    5.2 裝置設(shè)計(jì)
        5.2.1 售貨裝置設(shè)計(jì)
        5.2.2 特征識(shí)別裝置設(shè)計(jì)
    5.3 系統(tǒng)測(cè)試
        5.3.1 測(cè)試評(píng)估標(biāo)準(zhǔn)
        5.3.2 測(cè)試方案
        5.3.3 算法測(cè)試結(jié)果分析
        5.3.4 應(yīng)用結(jié)果分析
    5.4 本章小結(jié)
第6章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間參加的科研項(xiàng)目和成果



本文編號(hào)：3828039