發(fā)布時(shí)間：2020-03-26 00:42

【摘要】：隨著人口老齡化速度加快,對(duì)養(yǎng)老服務(wù)的需求越來(lái)越多,使得養(yǎng)老服務(wù)行業(yè)迅速發(fā)展,各大養(yǎng)老服務(wù)平臺(tái)涌現(xiàn)出大量養(yǎng)老服務(wù)且種類(lèi)繁多。然而,大部分養(yǎng)老服務(wù)平臺(tái)無(wú)法識(shí)別用戶真正需求且難以實(shí)現(xiàn)精準(zhǔn)化推薦,老年人及家屬無(wú)法從眾多養(yǎng)老服務(wù)中挑選合適可信的養(yǎng)老服務(wù),導(dǎo)致養(yǎng)老服務(wù)平臺(tái)的用戶粘性低。因此,了解老年人及家屬需求并推薦合適的養(yǎng)老服務(wù)已經(jīng)成為當(dāng)前養(yǎng)老服務(wù)行業(yè)研究的重要課題。本文將設(shè)計(jì)并實(shí)現(xiàn)基于供需交易主體畫(huà)像的養(yǎng)老服務(wù)推薦系統(tǒng),面向機(jī)構(gòu)養(yǎng)老服務(wù),將建立用戶畫(huà)像模型和養(yǎng)老服務(wù)提供商畫(huà)像模型,構(gòu)建基于用戶信任模型的可信網(wǎng)絡(luò),提出基于PersonalRank的養(yǎng)老服務(wù)推薦算法,詳細(xì)設(shè)計(jì)關(guān)鍵功能模塊并實(shí)現(xiàn)養(yǎng)老服務(wù)推薦系統(tǒng),主要從以下四個(gè)方面展開(kāi)工作:首先,針對(duì)供需交易主體畫(huà)像模型的研究,分別建立用戶和養(yǎng)老服務(wù)提供商畫(huà)像模型。分析用戶靜態(tài)信息和動(dòng)態(tài)行為,獲取用戶真實(shí)且動(dòng)態(tài)變化的需求,建立用戶畫(huà)像模型;分析養(yǎng)老服務(wù)提供商基礎(chǔ)信息及服務(wù)特征,獲取養(yǎng)老服務(wù)提供商特征,建立養(yǎng)老服務(wù)提供商畫(huà)像模型。從而,縮小向用戶推薦養(yǎng)老服務(wù)的范圍,提高推薦準(zhǔn)確度。其次,針對(duì)目前養(yǎng)老服務(wù)平臺(tái)精準(zhǔn)化推薦困難的問(wèn)題,提出基于可信網(wǎng)絡(luò)的養(yǎng)老服務(wù)推薦,計(jì)算用戶間信任度和用戶與養(yǎng)老服務(wù)間信任度,建立用戶信任模型進(jìn)而構(gòu)建可信網(wǎng)絡(luò),將基于PersonalRank的養(yǎng)老服務(wù)推薦算法應(yīng)用在每個(gè)可信網(wǎng)絡(luò)中,從而向用戶推薦個(gè)性化、可信任的養(yǎng)老服務(wù)。再次,從架構(gòu)、功能模塊及數(shù)據(jù)庫(kù)對(duì)養(yǎng)老服務(wù)推薦系統(tǒng)進(jìn)行設(shè)計(jì)。從總體結(jié)構(gòu)和軟件架構(gòu)設(shè)計(jì)養(yǎng)老服務(wù)推薦系統(tǒng)的架構(gòu)。針對(duì)系統(tǒng)中所需數(shù)據(jù)類(lèi)型及格式進(jìn)行定義,提供XML文件和API接口兩種方式導(dǎo)入數(shù)據(jù),并設(shè)計(jì)系統(tǒng)各功能的RESTful接口。此外,本文從類(lèi)圖、時(shí)序圖、數(shù)據(jù)庫(kù)實(shí)體關(guān)系三個(gè)方面對(duì)系統(tǒng)核心功能模塊進(jìn)行詳細(xì)設(shè)計(jì)。最后,基于上述畫(huà)像模型與養(yǎng)老服務(wù)推薦算法的研究,并根據(jù)對(duì)養(yǎng)老服務(wù)推薦系統(tǒng)的詳細(xì)設(shè)計(jì),實(shí)現(xiàn)了基于供需交易主體畫(huà)像的養(yǎng)老服務(wù)推薦系統(tǒng),同時(shí)對(duì)養(yǎng)老服務(wù)推薦系統(tǒng)功能和性能進(jìn)行測(cè)試。
【圖文】：

3-1 老年人畫(huà)像為顯性獲取和隱性獲取。直接向系統(tǒng)提供的信息，為兩種方法，第一種方別、所在地址等基本信如有獎(jiǎng)問(wèn)卷調(diào)查、調(diào)研，，方式較為簡(jiǎn)單，但獲取息的準(zhǔn)確性和用戶的滿抓取用戶動(dòng)態(tài)變化的需日志或者其它方式獲取用務(wù)的停留時(shí)間、下單并統(tǒng)上的行為從而發(fā)現(xiàn)用

示用戶對(duì)養(yǎng)老服務(wù)各個(gè)屬性偏好，養(yǎng)老服務(wù)提供商畫(huà)像模型表示所務(wù)各個(gè)屬性的特點(diǎn)，具體過(guò)程如下：計(jì)算服務(wù)提供商特征向量。根據(jù)前面建立的服務(wù)提供商畫(huà)像可以得到一個(gè)服務(wù)提供商都對(duì)應(yīng)唯一一個(gè)特征向量值。計(jì)算用戶特征向量。根據(jù)前面建立的用戶畫(huà)像可以得到特征向量，每應(yīng)唯一一個(gè)特征向量值。將用戶和養(yǎng)老服務(wù)提供商聚類(lèi)。使用 K-means 算法聚類(lèi)，經(jīng)實(shí)驗(yàn)驗(yàn)20 聚類(lèi)效果最佳，具體算法步驟如下：p1: 從數(shù)據(jù)集中選取 20 個(gè)作為初始中心；p2: 按照公式 = ( ) + ( ) 計(jì)算每一個(gè)點(diǎn)到聚類(lèi)中心一個(gè)點(diǎn)劃分到距離最小的簇內(nèi)，距離越近說(shuō)明相似度越高；p3: 調(diào)整重新計(jì)算聚類(lèi)中心，執(zhí)行 Step 2；p4: 計(jì)算標(biāo)準(zhǔn)函數(shù)，達(dá)到最大迭代次數(shù)停止，否則執(zhí)行 Step 3。百善網(wǎng)一個(gè)月的數(shù)據(jù)，經(jīng)數(shù)據(jù)清洗過(guò)濾映射后，實(shí)驗(yàn)聚類(lèi)結(jié)果如圖終將相似用戶和養(yǎng)老服務(wù)提供商聚類(lèi)到同一個(gè)簇中。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：TP391.3;D669.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉強(qiáng);;推薦系統(tǒng)的商業(yè)價(jià)值[J];軟件和集成電路;2019年04期

2 劉天嘯;;大數(shù)據(jù)背景下新聞推薦系統(tǒng)中的問(wèn)題以及解決對(duì)策[J];科技傳播;2019年13期

3 王月星;;國(guó)內(nèi)旅游推薦系統(tǒng)研究進(jìn)展[J];商場(chǎng)現(xiàn)代化;2017年10期

4 常亮;曹玉婷;孫文平;張偉濤;陳君同;;旅游推薦系統(tǒng)研究綜述[J];計(jì)算機(jī)科學(xué);2017年10期

5 王毅;;網(wǎng)絡(luò)推薦系統(tǒng)的三大挑戰(zhàn)——從用戶體驗(yàn)出發(fā)[J];清華管理評(píng)論;2013年06期

6 王海明;;基于大數(shù)據(jù)下電子商務(wù)商品推薦系統(tǒng)的分析[J];環(huán)球市場(chǎng)信息導(dǎo)報(bào);2017年27期

7 ;電商推薦系統(tǒng)進(jìn)階[J];IT經(jīng)理世界;2013年11期

8 王霞;;電子商務(wù)推薦系統(tǒng)評(píng)述[J];福建電腦;2006年08期

9 傅孟如;姜素蘭;閔婭萍;;VAX—11/750機(jī)學(xué)生測(cè)評(píng)、推薦系統(tǒng)的設(shè)計(jì)與應(yīng)用[J];計(jì)算技術(shù)與自動(dòng)化;1989年03期

10 張佳威;;美團(tuán)推薦系統(tǒng)實(shí)證系統(tǒng)[J];農(nóng)家參謀;2018年11期

相關(guān)會(huì)議論文 前10條

1 張燕;李燕萍;;基于內(nèi)容分析和點(diǎn)擊率記錄的混合音樂(lè)推薦系統(tǒng)[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

2 高夢(mèng)晨;;推薦系統(tǒng)用戶感知調(diào)研[A];工業(yè)設(shè)計(jì)研究（第六輯）[C];2018年

3 李成;胡文麗;;推薦系統(tǒng)體驗(yàn)?zāi)Ｐ吞剿鳌砸曨l推薦為例[A];工業(yè)設(shè)計(jì)研究（第六輯）[C];2018年

4 李成;馮青青;;推薦系統(tǒng)準(zhǔn)確度衡量方案——引入權(quán)重概念[A];工業(yè)設(shè)計(jì)研究（第五輯）[C];2017年

5 李曼玉;李雪峰;;科學(xué)研究趨勢(shì)測(cè)度路徑探索——以推薦系統(tǒng)研究為例[A];第十四屆（2019）中國(guó)管理學(xué)年會(huì)論文集[C];2019年

6 王曉光;施玉海;尹亞光;;面向廣電的節(jié)目推薦系統(tǒng)研究[A];中國(guó)新聞技術(shù)工作者聯(lián)合會(huì)2017年學(xué)術(shù)年會(huì)論文集（學(xué)術(shù)論文篇）[C];2017年

7 周小田;王宏志;郭翔宇;胡筱;董志鑫;李建中;高宏;;基于知識(shí)庫(kù)的互聯(lián)網(wǎng)商品信息分類(lèi)與推薦系統(tǒng)[A];第29屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

8 湯娟梅;唐嶺;;個(gè)性化英語(yǔ)閱讀文章推薦系統(tǒng)的設(shè)計(jì)[A];計(jì)算機(jī)與教育：理論、實(shí)踐與創(chuàng)新——全國(guó)計(jì)算機(jī)輔助教育學(xué)會(huì)第十四屆學(xué)術(shù)年會(huì)論文集[C];2010年

9 王雪;董愛(ài)華;吳怡之;;基于RFID技術(shù)的智能服裝推薦系統(tǒng)設(shè)計(jì)[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2011年

10 張玉連;張波;張敏;;改進(jìn)的個(gè)性化信息推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[A];2005年全國(guó)理論計(jì)算機(jī)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)重要報(bào)紙文章 前5條

1 記者 周源;知意圖發(fā)布推薦系統(tǒng)Etu Recommender[N];網(wǎng)絡(luò)世界;2012年

2 本報(bào)記者 鄒大斌;大數(shù)據(jù)：電商新武器[N];計(jì)算機(jī)世界;2012年

3 本報(bào)記者 馮衛(wèi)東;網(wǎng)絡(luò)導(dǎo)購(gòu)：找出你的最?lèi)?ài)[N];科技日?qǐng)?bào);2007年

4 本報(bào)記者 邱燕娜;精準(zhǔn)推薦 一客一市場(chǎng)[N];中國(guó)計(jì)算機(jī)報(bào);2012年

5 張秋明;用數(shù)據(jù)是新技能[N];福州日?qǐng)?bào);2015年

相關(guān)博士學(xué)位論文 前10條

1 夏彬;基于位置信息社交網(wǎng)絡(luò)的推薦系統(tǒng)研究[D];南京理工大學(xué);2018年

2 王夢(mèng)晗;推薦系統(tǒng)中數(shù)據(jù)缺失問(wèn)題的研究[D];浙江大學(xué);2019年

3 張亮;網(wǎng)絡(luò)推薦系統(tǒng)中基于時(shí)間信息的新穎性研究[D];廈門(mén)大學(xué);2017年

4 徐原博;推薦系統(tǒng)中面向評(píng)分和文本數(shù)據(jù)挖掘的若干關(guān)鍵技術(shù)研究[D];吉林大學(xué);2019年

5 蔣偉;推薦系統(tǒng)若干關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2018年

6 練建勛;基于多樣化內(nèi)容數(shù)據(jù)的個(gè)性化推薦系統(tǒng)[D];中國(guó)科學(xué)技術(shù)大學(xué);2018年

7 曹渝昆;基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的智能推薦系統(tǒng)研究[D];重慶大學(xué);2006年

8 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計(jì)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2007年

9 顏端武;面向知識(shí)服務(wù)的智能推薦系統(tǒng)研究[D];南京理工大學(xué);2007年

10 劉龍;一個(gè)能實(shí)現(xiàn)個(gè)性化實(shí)時(shí)路徑推薦服務(wù)的推薦系統(tǒng)框架[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 梁一敏;基于精彩評(píng)論的混合音樂(lè)推薦系統(tǒng)研究[D];云南財(cái)經(jīng)大學(xué);2019年

2 叢大瑋;基于細(xì)粒度情感分析的推薦系統(tǒng)[D];哈爾濱工業(yè)大學(xué);2019年

3 張大步;基于學(xué)習(xí)網(wǎng)絡(luò)表征的推薦系統(tǒng)實(shí)現(xiàn)及應(yīng)用[D];哈爾濱工業(yè)大學(xué);2019年

4 劉慧潔;基于深度學(xué)習(xí)融合模型的推薦系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2018年

5 匡容;基于學(xué)生成績(jī)分析的學(xué)習(xí)推薦系統(tǒng)研究[D];廣東工業(yè)大學(xué);2019年

6 董欣欣;基于供需交易主體畫(huà)像的養(yǎng)老服務(wù)推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2018年

7 王廣仲;基于機(jī)器學(xué)習(xí)的安全領(lǐng)域?qū)＜彝扑]系統(tǒng)的研究[D];上海應(yīng)用技術(shù)大學(xué);2019年

8 權(quán)靜月;融合多元關(guān)系的推薦系統(tǒng)[D];青島大學(xué);2019年

9 劉興姿;基于營(yíng)養(yǎng)飲食推薦系統(tǒng)研究[D];西安電子科技大學(xué);2019年

10 沈鵬;基于流計(jì)算平臺(tái)的推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京郵電大學(xué);2019年

本文編號(hào)：2600679