一種基于位置的個(gè)性化美食推薦方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電子商務(wù)技術(shù)領(lǐng)域，涉及一種基于位置的個(gè)性化美食推薦方法。
【背景技術(shù)】
[0002] 協(xié)同過濾算法是一種基于"人以群分"理念的算法，即興趣偏好相同的人對(duì)商品的 偏好也是相似的，也就是說，如果某一類型的用戶有相同的興趣偏好，則該類用戶對(duì)商品對(duì) 象的評(píng)分也會(huì)相近.因此，協(xié)同過濾推薦最重要的是要找到和目標(biāo)用戶興趣偏好相似的最 近鄰居，根據(jù)最近鄰居對(duì)推薦對(duì)象的評(píng)分來預(yù)測目標(biāo)用戶對(duì)未評(píng)分的推薦對(duì)象的評(píng)分，選 擇預(yù)測評(píng)分最高的若干個(gè)推薦對(duì)象作為推薦結(jié)果反饋給用戶，目前主要有兩類協(xié)同過濾推 薦算法：基于用戶的協(xié)同過濾推薦算法和基于項(xiàng)目的協(xié)同過濾推薦算法.基于用戶的協(xié)同 過濾推薦算法基于這樣一個(gè)假設(shè)，即如果用戶對(duì)一些項(xiàng)目的評(píng)分比較相似，則他們對(duì)其他 項(xiàng)目的評(píng)分也比較相似.。算法根據(jù)目標(biāo)用戶的最近鄰居（最相似的若干用戶）對(duì)某個(gè)項(xiàng) 目的評(píng)分逼近目標(biāo)用戶對(duì)該項(xiàng)目的評(píng)分.基于項(xiàng)目的協(xié)同過濾推薦算法認(rèn)為，用戶對(duì)不同 項(xiàng)目的評(píng)分存在相似性，當(dāng)需要估計(jì)用戶對(duì)某個(gè)項(xiàng)目的評(píng)分時(shí)，可以用戶對(duì)該項(xiàng)目的若干 相似項(xiàng)目的評(píng)分進(jìn)行估計(jì)。雖然協(xié)同過濾算法已經(jīng)得到了廣泛的應(yīng)用，但是隨著互聯(lián)網(wǎng)的 發(fā)展，提供的服務(wù)種類越來越豐富，站點(diǎn)的用戶數(shù)量也在不停的增長，另外用戶的個(gè)性化需 求可能也在發(fā)生著變化，這都給現(xiàn)有的協(xié)同過濾提出了新的挑戰(zhàn)。1.可擴(kuò)展性與實(shí)時(shí)性的 平衡：在線推薦系統(tǒng)一般需要為用戶提供實(shí)時(shí)的個(gè)性化推薦服務(wù)，如今比較大的網(wǎng)絡(luò)站點(diǎn)， 如Amazon，提供的商品數(shù)量有上百萬，而用戶更是以千萬來計(jì)算的，傳統(tǒng)的基于項(xiàng)目，基于 用戶的協(xié)同過濾中"最近鄰搜索"過程隨著用戶數(shù)量的增加，計(jì)算量也會(huì)線性增長，如何實(shí) 時(shí)的為上千萬的用戶提供推薦，并且能夠應(yīng)對(duì)新用戶的注冊(cè)和新商品的添加則是現(xiàn)在大多 推薦系統(tǒng)都面臨的嚴(yán)重的問題。2.推薦精度與推薦多樣性的平衡：數(shù)據(jù)稀疏性是協(xié)同過濾 算法面臨的典型問題，但是協(xié)同過濾算法的計(jì)算方式又決定了精度與數(shù)據(jù)稀疏性有必然的 聯(lián)系，因此提高推薦系統(tǒng)的精度是學(xué)者和電商必須解決的問題。而多樣性則有助于商家發(fā) 掘用戶的潛在需求，提高電商的利潤，但很多學(xué)者已經(jīng)證明多樣性和精確性之間是成反比 例關(guān)系的，因此如何很好地平衡推薦的精度和推薦的多樣性，以達(dá)到雙贏的局面，是在商業(yè) 界廣泛應(yīng)用的協(xié)同過濾算法需要考慮的。3.智能自動(dòng)化的推薦：現(xiàn)在大多的協(xié)同過濾推薦 系統(tǒng)都需要用戶顯示輸入評(píng)分信息才能為其提供服務(wù)，雖然在獲取信息方面有用戶的積極 參與可以提高信息的準(zhǔn)確度，但是給用戶使用系統(tǒng)也帶來了不便，另外用戶的參與程度也 參差不齊，獲取信息的全面性也大打折扣。目前也有許多研宄采用Web挖掘技術(shù)來隱式獲 取用戶行為信息，取得了一定的效果。因此對(duì)如何全面正確地收集用戶的行為信息，為用戶 提供一個(gè)完全自動(dòng)化、智能化的推薦也需要進(jìn)一步的研宄。針對(duì)此問題，本文結(jié)合協(xié)同過濾 算法，提出了一種基于位置的個(gè)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(shí)候，軟件自動(dòng)獲取用戶的位置信息。并根據(jù)用戶 注冊(cè)的時(shí)候填寫的用戶年齡、職業(yè)、性別等信息，就可以給給用戶推薦出多個(gè)商家供用戶選 擇。并且隨著用戶使用此模型的次數(shù)越來越多，推薦系統(tǒng)系統(tǒng)對(duì)用戶越了解，推薦的結(jié)果會(huì) 越來越準(zhǔn)確。同時(shí)此模型解決了傳統(tǒng)協(xié)同過濾的如冷啟動(dòng)、矩陣稀疏等問題。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的在于提供一種基于位置的個(gè)性化美食推薦方法。主要解決了傳統(tǒng)協(xié) 同過濾算法沒有考慮移動(dòng)端的可以隨時(shí)獲取用戶位置的特性，
[0004] 本發(fā)明所采用的技術(shù)方案是按照以下步驟進(jìn)行：
[0005] 步驟1 :計(jì)算用戶和商家之間的距離相似度；
[0006] 步驟2 :計(jì)算用戶Ui和用戶u j的相似度；
[0007] 步驟3 :根據(jù)用戶Ui和用戶的相似度計(jì)算目標(biāo)用戶對(duì)餐廳的預(yù)測偏好指數(shù)；
[0008] 步驟4 :計(jì)算項(xiàng)目i和項(xiàng)目j的相似度；
[0009] 步驟5 :根據(jù)項(xiàng)目i和項(xiàng)目j的相似度，計(jì)算基于項(xiàng)目t對(duì)用戶U的推薦偏好指數(shù)； [0010] 步驟6 :根據(jù)用戶和商家之間的距離相似度、目標(biāo)用戶對(duì)餐廳的預(yù)測偏好指數(shù)和 基于項(xiàng)目t對(duì)用戶u的推薦偏好指數(shù)給出推薦結(jié)果。
[0011] 本發(fā)明的有益效果是結(jié)合用戶當(dāng)前所處位置、用戶對(duì)商家評(píng)分以及用戶和商家的 屬性，為之推薦滿足用戶需求的個(gè)性化的餐廳，提高美食推薦的效率和準(zhǔn)確度。同時(shí)，精確 的推薦結(jié)果可轉(zhuǎn)化為消費(fèi)行為，提高用戶滿意度和商家效益。
【附圖說明】
[0012] 圖1是本發(fā)明方法步驟流程示意圖；
[0013] 圖2是職業(yè)樹示意圖；
[0014] 圖3是項(xiàng)目類別示意圖。
【具體實(shí)施方式】
[0015] 下面結(jié)合【具體實(shí)施方式】對(duì)本發(fā)明進(jìn)行詳細(xì)說明。
[0016] 本發(fā)明基于位置的個(gè)性化美食推薦方法的結(jié)構(gòu)如圖1所示。推薦系統(tǒng)一般由三部 分組成，即輸入功能模塊、推薦引擎模塊與輸出功能模塊。本推薦方法主要的輸入信息包括 用戶注冊(cè)的時(shí)候個(gè)人信息和用戶啟動(dòng)軟件獲取到的用戶位置。推薦引擎模塊是本推薦方法 的核心，結(jié)合了基于用戶和基于項(xiàng)目的混合推薦方法。輸出模塊主要是推薦的TopN商家。 具體的推薦流程如下：用戶啟動(dòng)軟件的時(shí)候會(huì)獲取用戶的位置經(jīng)煒度傳到后端，后端會(huì)根 據(jù)用戶經(jīng)煒度選取離用戶最近的N個(gè)商家或離用戶在k千米內(nèi)的商家進(jìn)行推薦。推薦模塊 部分，基于用戶推薦，根據(jù)用戶對(duì)商家的評(píng)分計(jì)算目標(biāo)用戶與其他用戶的相似度，然后根據(jù) 用戶的屬性計(jì)算目標(biāo)用戶和其他用戶的屬性相似度，用一定的系數(shù)組合兩個(gè)相似度，得出 目標(biāo)用戶的鄰近用戶。根據(jù)鄰近用戶計(jì)算用戶未評(píng)分的商家的預(yù)測評(píng)分，最后基于用戶的 TopN推薦商家?；谏虘敉扑]，根據(jù)用戶對(duì)商家的評(píng)分計(jì)算商戶與其他商戶的相似度，然 后根據(jù)商戶的屬性計(jì)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(gè)相似度，得 出商戶的鄰近商戶。根據(jù)鄰近商戶計(jì)算用戶未評(píng)分的商家的預(yù)測評(píng)分，最后得出基于用戶 的TopN推薦商家。用一定的系數(shù)組合基于用戶的推薦和基于項(xiàng)目的推薦以及用戶商戶的 位置的推薦，綜合三個(gè)推薦，將得出的結(jié)果推薦給用戶。
[0017] 步驟I :計(jì)算用戶和商家之間的距離相似度WW%c?：atMmCT ll:h
[0018] 計(jì)算兩點(diǎn)的距離，原理如下：假如U (xt，yt)，S (xu，yu)是用戶U和商家S的位置，其 中 X 表不諱度，y 表不經(jīng)度。設(shè) a = cos (xt_xu)、b = cos (yt_yu)，Cxtu= cos (X t) · cos (Xu)， R代表地球半徑。那么當(dāng)前用戶和商家的距離如下公式：
[0019]
【主權(quán)項(xiàng)】
1. 一種基于位置的個(gè)性化美食推薦方法，其特征在于：按照以下步驟進(jìn)行： 步驟1:計(jì)算用戶和商家之間的距離相似度； 步驟2 :計(jì)算用戶Ui和用戶h的相似度； 步驟3 :根據(jù)用戶Ui和用戶h的相似度計(jì)算目標(biāo)用戶對(duì)餐廳的預(yù)測偏好指數(shù)； 步驟4 :計(jì)算項(xiàng)目i和項(xiàng)目j的相似度； 步驟5 :根據(jù)項(xiàng)目i和項(xiàng)目j的相似度，計(jì)算基于項(xiàng)目t對(duì)用戶u的推薦偏好指數(shù)； 步驟6 :根據(jù)用戶和商家之間的距離相似度、目標(biāo)用戶對(duì)餐廳的預(yù)測偏好指數(shù)和基于 項(xiàng)目t對(duì)用戶u的推薦偏好指數(shù)給出推薦結(jié)果。
【專利摘要】本發(fā)明公開了一種基于位置的個(gè)性化美食推薦方法。計(jì)算用戶和商家之間的距離相似度；計(jì)算用戶ui和用戶uj的相似度；根據(jù)用戶ui和用戶uj的相似度計(jì)算目標(biāo)用戶對(duì)餐廳的預(yù)測偏好指數(shù)；計(jì)算項(xiàng)目i和項(xiàng)目j的相似度；根據(jù)項(xiàng)目i和項(xiàng)目j的相似度，計(jì)算基于項(xiàng)目t對(duì)用戶u的推薦偏好指數(shù)；根據(jù)用戶和商家之間的距離相似度、目標(biāo)用戶對(duì)餐廳的預(yù)測偏好指數(shù)和基于項(xiàng)目t對(duì)用戶u的推薦偏好指數(shù)給出推薦結(jié)果。本發(fā)明的有益效果是結(jié)合用戶當(dāng)前所處位置、用戶對(duì)商家評(píng)分以及用戶和商家的屬性，為之推薦滿足用戶需求的個(gè)性化的餐廳，提高美食推薦的效率和準(zhǔn)確度。同時(shí)，精確的推薦結(jié)果可轉(zhuǎn)化為消費(fèi)行為，提高用戶滿意度和商家效益。
【IPC分類】G06F17-30
【公開號(hào)】CN104731866
【申請(qǐng)?zhí)枴緾N201510089873
【發(fā)明人】胡為, 陳浩, 李中坤
【申請(qǐng)人】湖南大學(xué)
【公開日】2015年6月24日
【申請(qǐng)日】2015年2月27日