基于用户特征的无人超市推荐系统设计与实现

发布时间：2023-06-02 21:03

　　“新零售”是将互联网领域的新思维、新技术应用于传统的商品销售领域。无人超市作为“新零售”的代表,必须依托互联网,利用先进技术,让消费者可以享受更加舒适并且高效的购物体验。为构建无人超市推荐系统,本文开展如下工作:(1)针对无人超市推荐系统无法像电商平台一样通过用户注册信息获取用户特征的问题,利用人脸特征识别技术,通过图像预处理、特征提取、分类训练等环节,最终实现了推荐系统对用户特征的实时获取。其中,测试表明设计的性别识别方法,即较传统方法,准确率提高了0.3%以上。(2)设计并实现了满足无人超市需求的推荐系统:首先,针对相同特征用户偏好的商品具有相似性的特点,本文将用户特征因素结合到商品推荐算法模型中,其中,该模型以基于用户的协同过滤算法为主算法;其次,针对无人超市用户对推荐商品时效性要求高的问题,以时间段对用户消费记录进行划分,构建更加准确的用户-商品评价矩阵;然后,针对无人超市希望利用促销手段提高销售额的需求,使用K-Means算法设计了多种促销方式的商品促销模块;接着,在上述两个模型的基础上,分别对推荐系统进行整体和各功能模块进行设计,并用序列图描述模块之间信息传递过程。最后,利...

【文章页数】：93 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 消费者购物分析
    1.4 本文研究内容
        1.4.1 研究目标
        1.4.2 结构安排
    1.5 本章小结
第2章 推荐系统和特征识别技术理论及算法
    2.1 引言
    2.2 推荐系统介绍
        2.2.1 推荐系统原理
        2.2.2 常见推荐算法和技术
        2.2.3 协同过滤推荐算法
    2.3 图像的特征提取和降维介绍
        2.3.1 常用的特征提取算法
        2.3.2 特征降维
    2.4 本章小结
第3章 推荐系统特征识别功能实现
    3.1 引言
    3.2 整体设计
    3.3 OpenCV开源库
    3.4 前置处理实现
        3.4.1 前置处理流程
        3.4.2 haar分类器训练
    3.5 性别识别设计及实现
        3.5.1 识别库选取
        3.5.2 方法设计
        3.5.3 特征提取
        3.5.4 分类训练
        3.5.5 测试结果
    3.6 年龄识别设计及实现
        3.6.1 方法设计
        3.6.2 特征提取
        3.6.3 特征训练
        3.6.4 测试结果
    3.7 多用户属性识别实现
    3.8 测试结果分析
    3.9 本章小结
第4章 推荐系统整体设计及实现
    4.1 引言
    4.2 推荐系统分析与设计
        4.2.1 需求分析
        4.2.2 设计思路
    4.3 商品推荐算法模型构建
        4.3.1 基于用户特征的用户相似度计算
        4.3.2 基于历史评分的用户相似度计算
        4.3.3 用户复合相似度矩阵计算
        4.3.4 最近邻选取
        4.3.5 产生推荐
        4.3.6 算法检验
    4.4 商品促销模型构建
        4.4.1 数据库设计
        4.4.2 不同特征用户促销设计
        4.4.3 接近保质期商品促销设计
        4.4.4 上新商品促销设计
    4.5 推荐系统整体设计
        4.5.1 推荐系统详细结构
        4.5.2 人机交互模块设计
        4.5.3 用户信息记录模块设计
        4.5.4 推荐引擎模块设计
    4.6 推荐系统实现
        4.6.1 开发环境与框架配置
        4.6.2 人机交互模块实现
        4.6.3 用户信息记录模块实现
        4.6.4 推荐引擎模块实现
    4.7 本章小结
第5章 推荐系统测试与相关装置设计
    5.1 引言
    5.2 装置设计
        5.2.1 售货装置设计
        5.2.2 特征识别装置设计
    5.3 系统测试
        5.3.1 测试评估标准
        5.3.2 测试方案
        5.3.3 算法测试结果分析
        5.3.4 应用结果分析
    5.4 本章小结
第6章 结论与展望
    6.1 结论
    6.2 展望
参考文献
致谢
攻读学位期间参加的科研项目和成果



本文编号：3828039