一種基于用戶隱式反饋的美食推薦算法研究.pdf

1、隨著大數據時代的到來以及人們移動性的日益增強，人們逐漸陷入信息海洋，如何為不同地理位置、不同興趣背景的用戶提供個性化的推薦服務是一個具有挑戰(zhàn)性的研究課題。已有研究大多針對電子商務、書本以及影音等推薦，針對美食行業(yè)的個性化推薦研究成果相對較少。同時，已有研究大多基于User-Item的二元結構且未結合地理位置信息，商品分類單一難以滿足如美食推薦等垂直類應用的要求。課題研究在深入分析傳統(tǒng)個性化推薦技術的基礎上，結合美食行業(yè)應用特點，設計一種

2、基于隱式用戶反饋的個性化美食推薦算法。
　　首先，本文對當前個性化推薦算法在國內外的發(fā)展現狀進行綜述，對主流的推薦算法及用戶模型進行了比較分析。
　　其次，通過顯性方式記錄用戶興趣和隱性方式來搜集用戶行為，同時結合地理位置信息，采用協(xié)同過濾及興趣聚類等方式構建用戶模型，基于商品森林體系設計了一個用戶-商品-商家多維空間結構，將有空間屬性的商家和無空間屬性的商品分開建模，并融合用戶的隱式數據。相對于傳統(tǒng)的推薦模型，經過對用戶隱

3、式行為數據的采集和分析以及商品模型的改進，在很大程度上提高了推薦效率。
　　再次，基于改進模型設計了一種針對美食特點的個性化推薦算法，主要包括基于用戶相似和基于商品相似兩種推薦算法及評分預測算法，通過模型和算法的改進，提高了商品推薦的精度，并創(chuàng)新性實現了從個性化商品推薦到個性化商家推薦的無縫銜接。
　　最后，論文通過模擬實驗及原型系統(tǒng)對改進模型及算法的性能進行驗證，主要包括用戶相似度和商品相似度的比較、商家推薦等，實驗結果表