基于用户信任和位置偏好的餐厅推荐算法研究
发布时间：2022-10-19 16:14
随着互联网进入Web2.0时代,O2O电子商务快速兴起并渗入到人们生活服务的方方面面,在为用户带来方便的同时,也为商家创造了利润,餐饮领域就是其中重要的一部分。然而,网络用户数量的持续增加,导致O2O网站产生了严重的信息过载问题。推荐系统作为一种解决该问题的有效手段得以广泛应用。本文对O2O餐厅领域的个性化推荐进行了研究,主要工作内容如下:1.针对传统的餐厅推荐系统中存在用户—餐厅评分数据稀疏性问题,本文提出了一种基于条件概率填充的协同过滤推荐算法pfUCF。该算法首先从用户评价过的餐厅中选取与待评价餐厅的平均评分相同的所有餐厅,并计算用户对这些餐厅评1~5分的统计概率;然后,选取最大概率值对应的评分作为用户对待评价餐厅的预测评分,并填充到用户—餐厅评分矩阵中;最后在填充完成的评分矩阵上应用协同过滤算法进行餐厅推荐。实验证明,pfUCF算法可以降低评分数据的稀疏性,提高餐厅推荐精度。2.针对传统的协同过滤餐厅推荐算法中未考虑用户就餐选择受上下文因素影响的问题,本文提出了一种基于用户位置偏好的餐厅推荐算法ULPRR。该算法首先根据用户的历史评价...
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文主要工作
1.4 论文组织结构
第2章 推荐系统相关概念及技术
2.1 推荐系统简介
2.2 推荐系统相关技术
2.2.1 基于内容的推荐算法
2.2.2 基于协同过滤的推荐算法
2.2.3 混合推荐算法
2.3 相似度计算方法
2.3.1 欧几里德相似度
2.3.2 余弦相似度
2.3.3 皮尔逊相关系数
2.3.4 结构相似度
2.4 推荐算法评价指标
2.4.1 预测准确度
2.4.2 分类准确度
2.4.3 覆盖率
2.4.4 多样性
2.5 本章小结
第3章 基于条件概率填充的协同过滤推荐算法
3.1 数据稀疏性问题
3.2 基于条件概率填充的协同过滤推荐算法
3.2.1 基于条件概率的填充方法
3.2.2 预测评分
3.3 实验结果与分析
3.3.1 实验数据集
3.3.2 实验描述及结果分析
3.4 本章小结
第4章 基于用户位置偏好的餐厅推荐算法
4.1 引言
4.2 相关工作介绍
4.3 基于用户位置偏好的餐厅推荐算法
4.3.1 用户位置特征向量模型
4.3.2 用户相似度
4.3.3 产生推荐
4.4 实验结果与分析
4.5 本章小结
第5章 基于用户信任关系的餐厅推荐算法
5.1 引言
5.2 基于信任的推荐系统
5.2.1 相关工作介绍
5.2.2 信任的表示与分类
5.2.3 基于信任的推荐模型
5.3 基于用户信任关系的餐厅推荐算法
5.3.1 用户信任度的构建
5.3.2 基于改进用户信任的协同过滤算法
5.3.3 预测评分
5.4 实验结果与分析
5.5 本章小结
第6章 总结与展望
6.1 工作总结
6.2 未来展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]结合概率矩阵分解的混合型推荐算法[J]. 杨丰瑞,郑云俊,张昌. 计算机应用. 2018(03)
[2]融合社区划分的个性化美食推荐算法[J]. 陈诚,袁圆,余法红,蒋涛,周伟,潘海涛,滕泽伟,元丹. 福建电脑. 2017(07)
[3]一种基于特征的混合推荐方法[J]. 王盛,文卫东. 计算机与数字工程. 2017(02)
[4]基于信任和近邻评分填充的协同过滤算法[J]. 罗群,邓开发. 电子科技. 2017(02)
[5]采用信任网络增强的协同过滤算法[J]. 李熠晨,陈莉,石晨晨,兰小艳. 计算机应用研究. 2018(01)
[6]一种改进的协同过滤推荐算法[J]. 刘艺,冯钧,魏童童,陈志飞,徐欢,张立霞. 计算机与现代化. 2017(01)
[7]基于地理位置和协同过滤的移动推荐算法[J]. 孙礼辉. 新乡学院学报. 2016(09)
[8]基于协同过滤的美食推荐算法[J]. 熊聪聪,邓滢,史艳翠,陶鑫,陈亚瑞. 计算机应用研究. 2017(07)
[9]基于地理位置的个性化新闻混合推荐研究[J]. 陶永才,李俊艳,石磊,卫琳. 小型微型计算机系统. 2016(05)
[10]一种基于内容的新闻推荐系统实例[J]. 代晨旭,周熙晨. 电脑知识与技术. 2015(25)
硕士论文
[1]推荐系统中协同过滤算法研究[D]. 江南.重庆大学 2015
本文编号：3693688
【文章页数】：68 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文主要工作
1.4 论文组织结构
第2章 推荐系统相关概念及技术
2.1 推荐系统简介
2.2 推荐系统相关技术
2.2.1 基于内容的推荐算法
2.2.2 基于协同过滤的推荐算法
2.2.3 混合推荐算法
2.3 相似度计算方法
2.3.1 欧几里德相似度
2.3.2 余弦相似度
2.3.3 皮尔逊相关系数
2.3.4 结构相似度
2.4 推荐算法评价指标
2.4.1 预测准确度
2.4.2 分类准确度
2.4.3 覆盖率
2.4.4 多样性
2.5 本章小结
第3章 基于条件概率填充的协同过滤推荐算法
3.1 数据稀疏性问题
3.2 基于条件概率填充的协同过滤推荐算法
3.2.1 基于条件概率的填充方法
3.2.2 预测评分
3.3 实验结果与分析
3.3.1 实验数据集
3.3.2 实验描述及结果分析
3.4 本章小结
第4章 基于用户位置偏好的餐厅推荐算法
4.1 引言
4.2 相关工作介绍
4.3 基于用户位置偏好的餐厅推荐算法
4.3.1 用户位置特征向量模型
4.3.2 用户相似度
4.3.3 产生推荐
4.4 实验结果与分析
4.5 本章小结
第5章 基于用户信任关系的餐厅推荐算法
5.1 引言
5.2 基于信任的推荐系统
5.2.1 相关工作介绍
5.2.2 信任的表示与分类
5.2.3 基于信任的推荐模型
5.3 基于用户信任关系的餐厅推荐算法
5.3.1 用户信任度的构建
5.3.2 基于改进用户信任的协同过滤算法
5.3.3 预测评分
5.4 实验结果与分析
5.5 本章小结
第6章 总结与展望
6.1 工作总结
6.2 未来展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果
【参考文献】：
期刊论文
[1]结合概率矩阵分解的混合型推荐算法[J]. 杨丰瑞,郑云俊,张昌. 计算机应用. 2018(03)
[2]融合社区划分的个性化美食推荐算法[J]. 陈诚,袁圆,余法红,蒋涛,周伟,潘海涛,滕泽伟,元丹. 福建电脑. 2017(07)
[3]一种基于特征的混合推荐方法[J]. 王盛,文卫东. 计算机与数字工程. 2017(02)
[4]基于信任和近邻评分填充的协同过滤算法[J]. 罗群,邓开发. 电子科技. 2017(02)
[5]采用信任网络增强的协同过滤算法[J]. 李熠晨,陈莉,石晨晨,兰小艳. 计算机应用研究. 2018(01)
[6]一种改进的协同过滤推荐算法[J]. 刘艺,冯钧,魏童童,陈志飞,徐欢,张立霞. 计算机与现代化. 2017(01)
[7]基于地理位置和协同过滤的移动推荐算法[J]. 孙礼辉. 新乡学院学报. 2016(09)
[8]基于协同过滤的美食推荐算法[J]. 熊聪聪,邓滢,史艳翠,陶鑫,陈亚瑞. 计算机应用研究. 2017(07)
[9]基于地理位置的个性化新闻混合推荐研究[J]. 陶永才,李俊艳,石磊,卫琳. 小型微型计算机系统. 2016(05)
[10]一种基于内容的新闻推荐系统实例[J]. 代晨旭,周熙晨. 电脑知识与技术. 2015(25)
硕士论文
[1]推荐系统中协同过滤算法研究[D]. 江南.重庆大学 2015
本文编号：3693688
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3693688.html
