基于协同过滤混合算法的餐饮推荐系统设计与实现

发布时间：2021-12-18 07:34

　　为了改善单一协同过滤算法在餐饮推荐系统中存在的"数据稀疏"问题,采用基于用户的协同过滤算法和基于物品的协同过滤算法相融合的方式,两种算法之间取长补短,设计餐饮推荐系统推荐引擎架构,实现基于协同过滤混合算法的餐饮推荐系统。

【文章来源】： 计算机时代. 2020(02)

【文章页数】：3 页

【文章目录】：
0 引言
1 协同过滤混合算法的设计
    1.1 协同过滤算法的分类
    1.2 对比User CF与Item CF的优缺点，为融合两种算法提供依据
2 基于协同过滤混合算法的餐饮推荐系统设计
    2.1 餐饮推荐系统的架构设计
    2.2 推荐引擎设计
3 关键技术的实现
    3.1 计算用户的偏好数据
    3.2 计算相似的用户
    3.3 计算用户与物品之间的相似度
    3.4 利用Mahout构建推荐系统引擎
4 餐饮推荐系统核心模块的实现
    4.1 用户请求推荐模块
    4.2 特色菜肴推荐模块
    4.3 最新菜肴推荐模块
5 结束语


【参考文献】：
期刊论文
[1]基于人脸识别的商品推荐系统的设计与实现 [J]. 陈果,周志锋,杨小波,王成,欧阳纯萍.  计算机时代. 2018(11)
[2]个性化推荐系统综述 [J]. 刘辉,郭梦梦,潘伟强.  常州大学学报(自然科学版). 2017(03)
[3]两种协同过滤推荐算法的比较研究 [J]. 周海平,黄凑英.  贵阳学院学报(自然科学版). 2015(01)
[4]互联网推荐系统比较研究 [J]. 许海玲,吴潇,李晓东,阎保平.  软件学报. 2009(02)

博士论文
[1]基于协同过滤的推荐算法研究[D]. 刘青文.中国科学技术大学. 2013



本文编号：3541924