基于移動用戶標簽的個性化美食推薦方法
【技術(shù)領域】
[0001] 本發(fā)明屬于電子商務技術(shù)領域，涉及基于移動用戶標簽的個性化美食推薦方法。
【背景技術(shù)】
[0002] 信息技術(shù)特別是互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展使人類進人了信息爆炸的時代，給人們帶 來了很大的信息負擔。個性化推薦系統(tǒng)的出現(xiàn)為互聯(lián)網(wǎng)信息過載提供了一個有效的工具。 尤其在Web2. 0時代下，用戶使用社會標簽對信息進行分類，可自由組織、管理和搜索所需 的資源。易使用性使標簽成為信息分類與索引的重要方式，既能反映出用戶的興趣愛好，又 能體現(xiàn)資源特征。
[0003] 隨著移動互聯(lián)網(wǎng)的發(fā)展以及移動設備的迅速發(fā)展，迅速推動力移動電子商務的發(fā) 展。020(0nline To Offline)模式是近年來非常流行的一種電子模式，他將線下的商務 和傳統(tǒng)的互聯(lián)網(wǎng)結(jié)合起來，消費者可以在線上選擇自己需要的服務，然后線下來完成交易。 020模式中餐飲行業(yè)占了一個很重要的比重。因為俗話說："民以食為天"。吃飯是我們每 個人每天必不可少的事情，大家有時候會經(jīng)常為去哪里吃飯而發(fā)愁。這是020模式與傳統(tǒng) 的餐飲行業(yè)結(jié)合在一定程度上解決了用戶不知道去哪里吃飯的問題。用戶可以上網(wǎng)查看餐 廳，然后選擇自己滿意的餐廳就餐。但網(wǎng)上的餐廳數(shù)量大，用戶很難從大量的餐廳中找到符 合自己口味的餐廳，或者是由于網(wǎng)上找到的餐廳與自己的位置太遠，口味不符合自己等原 因。針對此問題，本文結(jié)合協(xié)同過濾算法，提出了一種基于移動用戶標簽和協(xié)同過濾的個性 化美食推薦方法。用戶無需自己去海量的餐館去尋找自己喜歡的餐廳，在使用美食訂餐軟 件的時候，通過制定推薦系統(tǒng)設置用戶標簽，并且該推薦系統(tǒng)會自動獲取用戶的位置信息， 后臺根據(jù)用戶標簽和位置以及商家標簽進行計算出用戶最可能感興趣的top-N家商家推 薦給用戶。此模型在很大程度上解決了傳統(tǒng)協(xié)同過濾的如冷啟動、矩陣稀疏等缺點。并且 隨著用戶使用此推薦系統(tǒng)的次數(shù)越來越多，推薦系統(tǒng)對用戶越了解，推薦的結(jié)果將會更加 精確。
[0004] 現(xiàn)有的推薦算法存在冷啟動，忽視用戶、資源自身的特征，不能反映出產(chǎn)品興趣愛 好及產(chǎn)品特征的不同，或者由于計算量較大，不能直接應用于實際推薦系統(tǒng)等問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供基于移動用戶標簽的個性化美食推薦方法，解決了目前用 常用算法進行推薦，推薦質(zhì)量低，計算量大推薦的速度慢，冷啟動的問題。
[0006] 本發(fā)明所采用的技術(shù)方案是按照以下步驟進行：
[0007] 步驟1 :求取用戶-餐廳位置偏好指數(shù)；
[0008] 步驟2 :求取餐廳-標簽偏好指數(shù)，獲取餐廳-標簽偏好向量；
[0009] 步驟3 :求取用戶-標簽偏好指數(shù)，獲取用戶-標簽偏好向量；
[0010] 步驟4 :根據(jù)餐廳-標簽偏好向量和用戶-標簽偏好向量，求取用戶-餐廳偏好 [0011]指數(shù)；
[0012] 步驟5 :根據(jù)用戶-餐廳偏好指數(shù)求取用戶之間的相似度；
[0013] 步驟6 :根據(jù)用戶之間的相似度求取目標用戶對目標餐廳的預測偏好指數(shù)；
[0014] 步驟7 :根據(jù)用戶-餐廳位置偏好指數(shù)和目標用戶對目標餐廳的預測偏好指
[0015] 數(shù)求取目標用戶\的平均絕對偏差，進而作出推薦。
[0016] 本發(fā)明的有益效果是結(jié)合用戶和商家的標簽以及位置對用戶進行個性化美食推 薦，提高推薦的質(zhì)量，加快推薦速度。
【附圖說明】
[0017] 圖1是本發(fā)明基于移動用戶標簽的個性化美食推薦方法步驟流程示意圖。
【具體實施方式】
[0018] 下面結(jié)合【具體實施方式】對本發(fā)明進行詳細說明。
[0019] 本發(fā)明結(jié)合標簽和協(xié)同過濾推薦提出了一種新的推薦算法如圖1所示。依據(jù)標簽 計算用戶偏好程度和資源特征相似度，結(jié)合基于資源的協(xié)同過濾推薦實現(xiàn)對資源的個性化 推薦。
[0020] 具體的推薦流程如下：用戶啟動軟件的時候會獲取用戶的位置經(jīng)煒度傳到后端， 后端會根據(jù)用戶經(jīng)煒度選取離用戶最近的N個商家或離用戶在k千米內(nèi)的商家進行推薦。 推薦模塊部分，基于用戶推薦，根據(jù)用戶對商家的評分計算目標用戶與其他用戶的相似度， 然后根據(jù)用戶的屬性計算目標用戶和其他用戶的屬性相似度，用一定的系數(shù)組合兩個相似 度，得出目標用戶的鄰近用戶。根據(jù)鄰近用戶計算用戶未評分的商家的預測評分，最后基于 用戶的Top-N推薦商家。基于商戶推薦，根據(jù)用戶對商家的評分計算商戶與其他商戶的相 似度，然后根據(jù)商戶的屬性計算商戶和其他商戶的屬性相似度，用一定的系數(shù)組合兩個相 似度，得出商戶的鄰近商戶。根據(jù)鄰近商戶計算用戶未評分的商家的預測評分，最后得出基 于用戶的Top-N推薦商家。用一定的系數(shù)組合基于用戶的推薦和基于項目的推薦以及用戶 商戶的位置的推薦，綜合三個推薦，將得出的結(jié)果推薦給用戶。
[0021] 本發(fā)明具體算法：
[0022] (1)用戶-餐廳位置偏好指數(shù)
[0023]
【主權(quán)項】
1.基于移動用戶標簽的個性化美食推薦方法，其特征在于：按照以下步驟進行： 步驟1:求取用戶-餐廳位置偏好指數(shù)； 步驟2 :求取餐廳-標簽偏好指數(shù)，獲取餐廳-標簽偏好向量； 步驟3 :求取用戶-標簽偏好指數(shù)，獲取用戶-標簽偏好向量； 步驟4 :根據(jù)餐廳-標簽偏好向量和用戶-標簽偏好向量，求取用戶-餐廳偏好指數(shù)； 步驟5 :根據(jù)用戶-餐廳偏好指數(shù)求取用戶之間的相似度； 步驟6 :根據(jù)用戶之間的相似度求取目標用戶對目標餐廳的預測偏好指數(shù)； 步驟7 :根據(jù)用戶-餐廳位置偏好指數(shù)和目標用戶對目標餐廳的預測偏好指數(shù)求取目 標用戶的平均絕對偏差，進而作出推薦。
【專利摘要】本發(fā)明公開了基于移動用戶標簽的個性化美食推薦方法，按照以下步驟進行：求取用戶-餐廳位置偏好指數(shù)；求取餐廳-標簽偏好指數(shù)，獲取餐廳-標簽偏好向量；求取用戶-標簽偏好指數(shù)，獲取用戶-標簽偏好向量；根據(jù)餐廳-標簽偏好向量和用戶-標簽偏好向量，求取用戶-餐廳偏好指數(shù)；根據(jù)用戶-餐廳偏好指數(shù)求取用戶之間的相似度；根據(jù)用戶之間的相似度求取目標用戶對目標餐廳的預測偏好指數(shù)；根據(jù)用戶-餐廳位置偏好指數(shù)和目標用戶對目標餐廳的預測偏好指數(shù)求取目標用戶ua的平均絕對偏差進而作出推薦。本發(fā)明的有益效果是結(jié)合用戶和商家的標簽以及位置對用戶進行個性化美食推薦，提高推薦的質(zhì)量，加快推薦速度。
【IPC分類】G06Q30-02
【公開號】CN104732422
【申請?zhí)枴緾N201510089708
【發(fā)明人】李中坤, 陳浩, 胡為
【申請人】湖南大學
【公開日】2015年6月24日
【申請日】2015年2月27日