个性化的智能饮食推荐系统开发

发布时间：2017-04-20 06:02

  本文关键词：个性化的智能饮食推荐系统开发，由笔耕文化传播整理发布。

【摘要】：随着电子商务的快速发展及数据挖掘技术的巨大进步,推荐服务越来越受到广大民众的欢迎。为了方便广大消费者从大量商品信息中找到适合自己的产品,节省用户寻宝时间、提高用户体验的推荐系统应运而生。本文设计的个性化智能饮食推荐系统是根据用户的体质、以往饮食喜好,通过关联规则算法推荐出适合用户的健康饮食菜单。其中,系统对每个菜品设置相关的健康属性,对用户关注的菜品进行跟踪。当用户登录时,首先检测用户的体质,根据该用户以往的饮食习惯判断用户的饮食喜好,最后根据用户体质及喜好属性智能推荐菜品。在判断用户饮食喜好时,提出了改进的Apriori算法。其是在分析经典的Apriori算法的基础上,第一次查询数据库找出候选1-项集,并对该项集分析,然后列出所有可能的k-项集,第二次查询数据库得出所有项集的支持度,再对比分析出得到最终项集。改进后的算法减少了数据库的查询次数,并减少频繁集的生成,从而提高算法效率。随后用Apriori算法与改进后的算法对同一实例进行对比分析,证明该算法在挖掘效率上存在优势,并将该算法运用到个性化智能饮食推荐系统当中。经过对用户关注饮食的菜品属性进行分析,挖掘到用户在饮食过程中的饮食喜好,从而能结合中医体质实现个性化菜品推荐。
【关键词】：饮食推荐系统 体质检测 数据挖掘 Apriori算法
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 课题研究的背景及意义9-10
• 1.2 国内外研究现状和发展趋势10-12
• 1.2.1 理论基础：推荐算法的研究现状10-11
• 1.2.2 应用现状：国内外智能饮食推荐系统研究现状11-12
• 1.3 课题主要研究内容12-13
• 1.4 论文章节安排13-14
• 第二章 系统相关技术介绍14-25
• 2.1 MyBatis框架14-16
• 2.1.1 MyBatis简介14-15
• 2.1.2 MyBatis框架原理15
• 2.1.3 MyBatis框架优缺点15-16
• 2.2 Web Service技术16-19
• 2.2.1 Web Service基本概念16-17
• 2.2.2 Web Service工作原理17-18
• 2.2.3 Web Service优缺点18-19
• 2.3 体质检测技术19-20
• 2.4 Fragment框架20-24
• 2.4.1 Android Fragment产生与介绍20-21
• 2.4.2 Fragment原理21-24
• 2.5 本章小结24-25
• 第三章 智能推荐系统的关联规则及其算法改进25-43
• 3.1 关联规则25-29
• 3.1.1 关联规则的介绍25-26
• 3.1.2 关联规则定义26-27
• 3.1.3 关联规则分类27-28
• 3.1.4 关联规则挖掘方法28-29
• 3.2 关联规则主要算法29-30
• 3.3 Apriori算法30-38
• 3.3.1 Apriori算法思想30-36
• 3.3.2 Apriori算法的实现36-37
• 3.3.3 Apriori算法的缺陷37-38
• 3.4 Apriori算法的改进38-42
• 3.4.1 改进Apriori算法描述38-39
• 3.4.2 算法实现实例39-40
• 3.4.3 Apriori算法改进前后效率分析40-42
• 3.5 本章小结42-43
• 第四章 智能饮食推荐系统的需求分析43-56
• 4.1 智能饮食推荐系统的总体架构43-44
• 4.2 系统的设计目标44-45
• 4.2.1 系统的功能目标44-45
• 4.2.2 系统的性能目标45
• 4.3 系统的模块需求分析45-54
• 4.3.1 客户端模块45-47
• 4.3.2 服务器模块47-49
• 4.3.3 数据库模块49-51
• 4.3.4 数据库逻辑设计51-54
• 4.4 开发与运行环境54-55
• 4.4.1 系统开发环境54
• 4.4.2 系统运行环境54-55
• 4.5 本章小结55-56
• 第五章 个性化智能饮食推荐系统的实现56-63
• 5.1 客户端实现56-61
• 5.1.1 首页展示模块实现56-59
• 5.1.2 个人中心模块实现59-60
• 5.1.3 推荐模块实现60-61
• 5.2 用户推荐结果展示61-62
• 5.3 本章小结62-63
• 第六章 总结与展望63-65
• 6.1 本文研究工作总结63
• 6.2 存在的不足和今后工作展望63-65
• 致谢65-66
• 学术成果66-67
• 参考文献67-70

【相似文献】

中国期刊全文数据库 前10条

1 米可菲;张勇;邢春晓;蔚欣;;面向大数据的开源推荐系统分析[J];计算机与数字工程;2013年10期

2 脱建勇;王嵩;李秀;刘文煌;;精品课共享中的推荐系统框架与实现[J];计算机工程与设计;2006年17期

3 苏冠贤;张丽霞;林丕源;刘吉平;;生物信息学推荐系统的设计与实现[J];计算机应用研究;2007年05期

4 王改芬;;推荐系统研究综述[J];软件导刊;2007年23期

5 叶群来;;营销与网络推荐系统[J];电子商务;2007年10期

6 李媚;;个性化网络学习资源推荐系统研究[J];福建电脑;2008年12期

7 潘冉;姜丽红;;基于经济学模型的推荐系统的研究[J];计算机应用与软件;2008年03期

8 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期

9 刘小燕;陈艳丽;贾宗璞;沈记全;;基于增强学习的旅行计划推荐系统[J];计算机工程;2010年21期

10 曹畋;;智能推荐系统在知识浏览领域的应用[J];硅谷;2011年21期

中国重要会议论文全文数据库 前8条

1 张燕;李燕萍;;基于内容分析和点击率记录的混合音乐推荐系统[A];2009年通信理论与信号处理学术年会论文集[C];2009年

2 赵欣;寇纲;邬文帅;卢艳群;;基于时间密集性的推荐系统攻击检测[A];第六届（2011）中国管理学年会论文摘要集[C];2011年

3 张玉连;张波;张敏;;改进的个性化信息推荐系统的设计与实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年

4 王君;许洁萍;;层次音乐推荐系统的研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

5 潘宇;林鸿飞;杨志豪;;基于用户聚类的电子商务推荐系统[A];第三届学生计算语言学研讨会论文集[C];2006年

6 尤忠彬;陈越;张英;朱扬勇;;基于Web服务的技术转移平台推荐系统研究[A];第二十二届中国数据库学术会议论文集（技术报告篇）[C];2005年

7 王国霞;刘贺平;李擎;;二部图影射及其在推荐系统中的应用[A];第25届中国控制与决策会议论文集[C];2013年

8 王雪;董爱华;吴怡之;;基于RFID技术的智能服装推荐系统设计[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年

中国重要报纸全文数据库 前2条

1 ;大数据如何“落地”[N];中国新闻出版报;2014年

2 本报记者 邹大斌;大数据：电商新武器[N];计算机世界;2012年

中国博士学位论文全文数据库 前10条

1 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年

2 杨东辉;基于情感相似度的社会化推荐系统研究[D];哈尔滨工业大学;2014年

3 曹渝昆;基于神经网络和模糊逻辑的智能推荐系统研究[D];重庆大学;2006年

4 王立才;上下文感知推荐系统若干关键技术研究[D];北京邮电大学;2012年

5 刘龙;一个能实现个性化实时路径推荐服务的推荐系统框架[D];中国科学技术大学;2014年

6 李涛;推荐系统中若干关键问题研究[D];南京航空航天大学;2009年

7 刘士琛;面向推荐系统的关键问题研究及应用[D];中国科学技术大学;2014年

8 李方方;非独立同分布推荐系统研究[D];北京理工大学;2014年

9 李晓建;基于语义的个性化资源推荐系统中关键技术研究[D];武汉大学;2010年

10 张尧;B2C环境下用户感知可信的推荐系统理论及其关键方法研究[D];哈尔滨工业大学;2013年

中国硕士学位论文全文数据库 前10条

1 朱孔真;基于云计算的电子商务智能推荐系统研究[D];武汉理工大学;2014年

2 郭敬泽;基于赋权评分和Dpark的分布式推荐系统研究与实现[D];天津理工大学;2015年

3 周俊宇;信息推荐系统的研究与设计[D];江南大学;2015年

4 李炜;基于电子商务平台的保险推荐系统的设计与实现[D];复旦大学;2013年

5 车丰;基于排序主题模型的论文推荐系统[D];大连海事大学;2015年

6 秦大路;基于因式分解机模型的上下文感知推荐系统研究[D];郑州大学;2015年

7 徐霞婷;动态路网监控与导航推荐系统的设计与实现[D];苏州大学;2015年

8 黄学峰;基于Hadoop的电影推荐系统研究与实现[D];南京师范大学;2015年

9 路小瑞;基于Hadoop平台的职位推荐系统的设计与实现[D];上海交通大学;2015年

10 李爱宝;基于组合消费行为分析的团购推荐系统的设计与实现[D];哈尔滨工业大学;2015年

  本文关键词：个性化的智能饮食推荐系统开发，，由笔耕文化传播整理发布。

本文编号：318014