基于個(gè)性化推薦的醫(yī)療美容應(yīng)用的設(shè)計(jì)與實(shí)現(xiàn)
發(fā)布時(shí)間:2020-07-01 17:01
【摘要】:隨著生活水平的提高,人們對(duì)于生活質(zhì)量有了更高的要求。尤其是對(duì)一些注重外表的人群來說,可以改變外貌成為了一件令人歡欣鼓舞的事情。在醫(yī)療美容蓬勃發(fā)展的趨勢(shì)下,國民對(duì)于我國醫(yī)療美容領(lǐng)域的認(rèn)知仍然停留在價(jià)格高昂,魚目混雜和技術(shù)落后的階段。因此本文中的醫(yī)療美容平臺(tái)在傳統(tǒng)的電商模式下,創(chuàng)新形成電商+社區(qū)的醫(yī)療美容模式。為醫(yī)療美容機(jī)構(gòu)、醫(yī)師和消費(fèi)者之間提供了一個(gè)對(duì)接平臺(tái),便于為客戶提供更周到的術(shù)前術(shù)后服務(wù),以及術(shù)后經(jīng)驗(yàn)分享。同時(shí)消費(fèi)者之間的溝通和反饋也能有效提升消費(fèi)者的信賴感和消費(fèi)體驗(yàn),這樣可以一改醫(yī)療美容行業(yè)信息不對(duì)稱的痛點(diǎn),助推行業(yè)形成健康的發(fā)展格局。本人主要負(fù)責(zé)系統(tǒng)中社區(qū)部分的設(shè)計(jì)與開發(fā)以及日記推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn),因此將對(duì)系統(tǒng)中社區(qū)部分進(jìn)行詳細(xì)介紹。社區(qū)部分的主要功能模塊包括日記模塊,問答帖模塊,好友模塊,我的消息模塊,日記推薦模塊以及個(gè)人中心模塊等主要模塊。個(gè)人中心模塊又分為日記管理子模塊,問答帖管理子模塊,相冊(cè)管理子模塊,訂單管理子模塊,會(huì)員中心子模塊,任務(wù)中心子模塊等。日記推薦模塊中的推薦系統(tǒng)架構(gòu)分為數(shù)據(jù)加載層,模型訓(xùn)練層和服務(wù)層,使用大數(shù)據(jù)平臺(tái)和相關(guān)技術(shù)進(jìn)行數(shù)據(jù)計(jì)算和存儲(chǔ)。模型訓(xùn)練層主要分為召回算法和排序算法。召回層采用協(xié)同過濾算法和基于內(nèi)容的推薦算法得出推薦列表。排序?qū)硬捎锰荻忍嵘龢浜瓦壿嫽貧w模型對(duì)得出的推薦列表進(jìn)行點(diǎn)擊率預(yù)測(cè),從而按照點(diǎn)擊率由高到低的順序?yàn)橛脩暨M(jìn)行展示。在協(xié)同過濾算法中,考慮到傳統(tǒng)的用戶評(píng)分矩陣稀疏性對(duì)推薦結(jié)果的影響,本文融入了聚類思想和Slope One算法來對(duì)評(píng)分矩陣進(jìn)行預(yù)測(cè)填充。并且在挖掘用戶聚類的過程中,融入了對(duì)用戶偏好的考慮。同時(shí)設(shè)置在線計(jì)算層,通過Kafka和Spark Streaming進(jìn)行實(shí)時(shí)推薦。推薦結(jié)果全部存入Redis中來獲取較高的實(shí)時(shí)性。本文中的醫(yī)療美容平臺(tái)考慮到安卓和IOS系統(tǒng)開發(fā)過程中存在的需要維護(hù)兩套代碼,浪費(fèi)開發(fā)人力的問題,選擇采用Ionic框架實(shí)現(xiàn)移動(dòng)跨平臺(tái),降低了維護(hù)成本,并且很好的保持了移動(dòng)端的原生特色。服務(wù)器端運(yùn)用SSM框架開發(fā)。
【學(xué)位授予單位】:北京交通大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2019
【分類號(hào)】:R-05;TP391.3
【圖文】:
為待推薦用戶推薦與其興趣相同的其他用戶喜歡的物品,或者與用戶興趣具有相逡逑似屬性的其他物品。協(xié)同過濾算法主要分為三個(gè)部分:輸入數(shù)據(jù),預(yù)測(cè)推薦,輸出逡逑數(shù)據(jù),具體流程如圖2-1所示:逡逑測(cè)逡逑喝邐邐逡逑[ 邋 ̄N邐1邐N逡逑—...1/邐推薦算法酬邐1邐1/邐v逡逑麟::丨
本文編號(hào):2737040
【學(xué)位授予單位】:北京交通大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位授予年份】:2019
【分類號(hào)】:R-05;TP391.3
【圖文】:
為待推薦用戶推薦與其興趣相同的其他用戶喜歡的物品,或者與用戶興趣具有相逡逑似屬性的其他物品。協(xié)同過濾算法主要分為三個(gè)部分:輸入數(shù)據(jù),預(yù)測(cè)推薦,輸出逡逑數(shù)據(jù),具體流程如圖2-1所示:逡逑測(cè)逡逑喝邐邐逡逑[ 邋 ̄N邐1邐N逡逑—...1/邐推薦算法酬邐1邐1/邐v逡逑麟::丨
本文編號(hào):2737040
本文鏈接:http://sikaile.net/yixuelunwen/yiyuanguanlilunwen/2737040.html
最近更新
教材專著