遗传聚类的协同推荐方法在点餐系统中的应用设计

摘要

电子信息服务平台的普及，使用户数据急剧增长，如何在有限的时间里，寻找用户需要的信息是当前推荐系统应用的研究热点。协同过滤推荐技术是当前应用最为广泛的推荐技术，但其存在两大重要问题，即扩展性问题和推荐质量问题。目前大部分研究都是集中在推荐质量问题上，对扩展性问题的研究较少。扩展性问题导致推荐响应时间的增长，用户能否忍受长时间的等待，是衡量推荐系统性能的根本指标。
　　本文分析了协同推荐技术中推荐质量与扩展性两大问题，为较好解决这两大问题，提出在传统协同过滤推荐技术中引入遗传操作的方法。该方法过程分为两步：首先，对原始数据进行遗传聚类得到初始集；其次，在初始集的基础上进行融合遗传算法的协同过滤推荐。通过采用国际通用的Glass、Heart、Soybean、MovieLens等数据样本集进行实验验证，实验结果数据显示该方法有效地解决了传统协同过滤推荐系统的扩展性问题和推荐质量问题。
　　在验证本文提出的推荐方法有效性的基础上，把该融合遗传聚类的协同推荐方法设计应用于点餐系统中。该点餐系统主要由用户点餐模块、系统后台管理模块、服务员功能管理模块、厨师功能管理模块构成。智能推荐模块是用户点餐模块的核心子模块，通过应用本文所述方法，该子模块实现了基于用户评价、菜品属性加权的协同过滤推荐。

目录

声明

第1章 绪论

1.1 课题研究背景

1.2 国内外研究现状

1.3 研究内容

1.4 特色及创新

1.5 论文的组织结构

第2章 融合遗传聚类的协同推荐方法设计

2.1 遗传算法

2.2 评价指标的定义

2.3 融合遗传机制的聚类集成算法

2.4 协同推荐系统

2.5 融合遗传聚类的协同推荐方法设计

2.6 本章小结

第3章 方法验证与结果分析

3.1 方法验证流程

3.2 实验环境

3.3 遗传聚类集成方法实验设计

3.4 融合遗传聚类的协同推荐方法实验设计

3.5 实验结论

3.6 本章小结

第4章 推荐方法在点餐系统中的应用设计

4.1 系统需求分析

4.2系统概要设计

4.3 数据库设计

4.4 本章小结

第5章 点餐系统的实现与测试

5.1 系统概述

5.2 系统典型模块实现

5.3 系统测试

5.4 主要技术应用

5.5 本章小结

第6章 总结与展望

6.1 主要工作总结

6.2 课题展望

参考文献

致谢

个人简历、在学期间发表的学术论文及研究成果