Yelp餐饮社区网络数据挖掘研究

发布时间：2024-06-10 17:22

　　近年来,餐饮行业的电子商务发展迅猛。线上订餐平台给用户就餐选择带来便利的同时,也引来了信息过载(information overload)的困扰。对用户来说,筛选有价值的就餐决策信息是不小的任务;对平台管理者而言,向亿量级用户提供检索服务,运营管理千万量级餐馆,更是极大的挑战。鉴于上述原因,越来越多的企业、研究单位通过数据挖掘、机器学习等手段解决餐饮行业遇到的技术难题。因此,本文根据在线餐饮平台的用户就餐数据集,对用户的就餐行为进行了一系列的研究分析。本文主要研究内容及成果包括:1.用户就餐行为规律:本研究分别从地理移动与口味转移等角度,用信息熵的度量方法刻画用户就餐行为的约束性、偏好性现象,并归纳了用户就餐行为规律中的拓展性与可预测性,分析了用户就餐行为与其社区声誉的内在关联。2.用户间行为影响:本研究分别从不同性别朋友的就餐行为,以及本人自我中心网络(ego network)的模体单元等角度,分析了这些外部因素对用户本人就餐行为的影响效应。本研究发现了在线餐饮社区用户间的就餐行为影响具有异质性。3.餐馆推荐算法:本研究改进了传统推荐算法只使用用户评分数据建模的特点,根据用户就餐序列...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图2-1用户评论数据与Yelp网页上显示内容之间的关联

采用的Yelp数据集是Yelp官方发布的第8届YelpDatasetChallenge竞赛数/www.yelp.com/dataset/challenge），其中包含了2004年10月12日至2015的用户评论信息，以及相关联的用户属性信息与餐....

图2-2用户属性数据与Yelp网页上显示内容之间的关联

stars被评论餐馆的评分，区间在1至5之间date评论时间，格式：年-月-日text评论的文本信息useful其他用户的点赞（“有用”）数量funny其他用户的点赞（“有趣”）数量cool其他用户的点赞（“酷”）数量（2）用户属性数据记录了用户名，用户地理位置，好友数量....

图2-3餐馆属性数据与Yelp网页上显示内容之间的关联

yelping_since用户注册时间，格式：年-月-日friends用户朋友列表useful评论的文本信息funny用户集赞（“有用”）总数cool用户集赞（“有趣”）总据fans用户集赞（“酷”）总据elite用户成为社区精英的年份，格式：年average_stars所有评论....

图4-1用户本人的自我中心网络

11niiizzxx本数据，很容易获得(4-10)中的IV估计量。0类行为影响的研究，例如，用户情感在脸书社的扩散[58]等相关工作，本章的研究内容侧重两影响，以及（2）用户自我中心网络（如图4-1。由于在社交网络中，Yelp用户与其朋友在就行为的传播....

本文编号：3991657