基于上下文感知的餐饮O2O本体建模与推荐方法研究

发布时间：2022-04-23 12:59

　　随着移动互联网的发展,面向餐饮等服务业的O2O电子商务模式逐渐凸显它的价值和发展潜力。但由于O2O平台所承载的数据量不断增长,导致了“数据爆炸但知识贫乏”的困境,信息过载问题日益凸显。为解决该问题,个性化推荐系统通过信息过滤从海量的资源中提取符合用户需求的信息,在各类电子商务网站上得到了广泛应用。餐饮O2O电子商务的线上线下交互更加情景化和多元化,用户的个性化需求具有上下文敏感性,因此O2O推荐与传统推荐在数据的维度与稀疏性、用户偏好特征、推荐实时性等方面存在区别,对用户的动态偏好分析与挖掘提出了更高的要求。不过,普适计算的发展为更全面、更实时的上下文信息的获取提供了基础。在此背景下,本文通过本体建模对用户的上下文与餐饮领域推荐资源进行知识表示与推理,并对将上下文信息融入推荐模型的方法进行研究,主要研究内容如下:首先,研究了基于上下文感知的餐饮O2O推荐本体。在设计了两层本体结构的上下文服务模型的基础上,对上下文建模信息获取方法进行了分析。通过上下文本体和餐饮领域本体的概念和属性类、属性、实例等详细描述了餐饮O2O推荐中实体概念之间的交互关系,并在此基础上利用本体的属性与规则建立餐饮领... 

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 基于上下文感知的推荐方法的研究综述
        1.2.2 餐饮推荐方法的研究综述
        1.2.3 研究述评
    1.3 研究内容与技术路线
    1.4 本文的主要创新点
第二章 基于上下文感知的推荐相关理论研究
    2.1 上下文感知的相关概念
        2.1.1 上下文与上下文感知的定义
        2.1.2 餐饮O2O推荐的上下文分类
    2.2 基于上下文感知的个性化推荐技术
        2.2.1 传统的个性化推荐模式
        2.2.2 融入上下文信息的个性化推荐技术
    2.3 基于上下文感知的本体建模方法
        2.3.1 上下文模型的构建方法
        2.3.2 本体建模方法
    2.4 本章小结
第三章 基于上下文感知的餐饮O2O推荐本体建模
    3.1 上下文服务模型设计
    3.2 上下文建模信息获取
        3.2.1 上下文信息获取的原则
        3.2.2 直接上下文获取的理论方法
        3.2.3 非直接上下文获取的理论方法
    3.3 餐饮O2O推荐本体构建
        3.3.1 本体模型构建方法
        3.3.2 上下文本体
        3.3.3 餐饮领域本体
    3.4 基于本体的知识推理方法
        3.4.1 SWRL规则的定义与推理
        3.4.2 健康餐饮知识获取方法
    3.5 本章小结
第四章 上下文后过滤的协同过滤推荐方法
    4.1 上下文后过滤的推荐算法
    4.2 基于商品属性的近邻搜索
        4.2.1 评分矩阵的基本数据结构
        4.2.2 基于TF-IDF算法的属性效用分析
        4.2.3 用户偏好相似度计算
    4.3 上下文后过滤的推荐生成过程
        4.3.1 基于贝叶斯方法的动态偏好分析
        4.3.2 基于KL散度的上下文加权方法
        4.3.3 推荐结果排序
    4.4 实验及结果分析
        4.4.1 实验流程
        4.4.2 实验结果分析
    4.5 本章小结
第五章 餐饮O2O推荐流程与系统实现
    5.1 融合知识过滤的混合推荐方法
    5.2 推荐系统设计
        5.2.1 系统环境架构
        5.2.2 上下文信息获取的实现
        5.2.3 基于Jena的本体模块
    5.3 客户端实现效果
    5.4 本章小结
结论与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢
附件


【参考文献】：
期刊论文
[1]基于情境感知的资源推荐研究综述与实践进展[J]. 杨金庆,程秀峰,周玮珽.  现代情报. 2020(02)
[2]情境感知的移动阅读个性化推荐算法研究[J]. 谢修娟,莫凌飞,李香菊,操凤萍.  高技术通讯. 2019(07)
[3]融合多种数据信息的餐馆推荐模型[J]. 戴琳,孟祥武,张玉洁,纪威宇.  软件学报. 2019(09)
[4]基于TF-IDF的情境后过滤推荐算法研究——以餐饮业O2O为例[J]. 殷聪,张李义.  数据分析与知识发现. 2018(11)
[5]情境本体驱动的多源知识融合框架[J]. 唐旭丽,张斌,傅维刚.  图书情报工作. 2018(22)
[6]基于认知计算与情境感知的个性化信息自适应推荐模式框架研究[J]. 武慧娟,孙鸿飞.  情报科学. 2018(05)
[7]基于本体的移动图书馆用户情景模型构建研究[J]. 侯力铁,李贺,袁翠敏.  图书馆学研究. 2018(03)
[8]基于LDA模型的餐厅推荐方法研究[J]. 张晓阳,秦贵和,邹密,孙铭会,高庆洋.  计算机科学. 2017(07)
[9]本体研究综述[J]. 王向前,张宝隆,李慧宗.  情报杂志. 2016(06)
[10]基于情景的医药信息服务本体建模及规则推理研究[J]. 李枫林,李娜.  情报理论与实践. 2016(05)

博士论文
[1]普适学习系统中的情境管理研究[D]. 刘晓东.大连理工大学 2013
[2]基于商品属性的电子商务推荐系统研究[D]. 胡新明.华中科技大学 2012

硕士论文
[1]基于本体的餐饮O2O智能推荐方法研究[D]. 朱伟权.华南理工大学 2019
[2]健康餐饮专家系统研究与实现[D]. 卢剑锋.华南理工大学 2018
[3]基于用户兴趣感知的个性化美食推荐算法研究与应用[D]. 范顺忠.湖南大学 2017
[4]基于模糊决策的体质学饮食推荐建模及其系统实现[D]. 付德坤.电子科技大学 2013



本文编号：3647224