The invention discloses a method of user interest based personalized recommendation, including the classification of dishes; users to expert users category in each restaurant; for each user interest modeling; select the restaurant to the user interest candidate that has the authority of experts, and access to the user's initial candidate experts recommend; similarity calculate the user and the candidate expert; the final recommended dishes. The method of the invention is combined with the user's preference distribution, the expert user opinions and user dining time, recommended dishes to meet their individual needs for users, improve the efficiency and accuracy of the recommended dishes, to achieve real-time recommendation to users of the dishes, but also through the introduction of the time factor, improved interest perception algorithm and food preference the prediction effect, to further improve the accuracy of recommendation.
【技术实现步骤摘要】
基于用户兴趣的个性化推荐方法
本专利技术具体涉及一种基于用户兴趣的个性化推荐方法。
技术介绍
随着经济技术的发展和人们生活水平的提高,消费者对于更高品质的生活的追求也越来越明显。中国作为一个餐饮大国,菜品的种类和样式随着经济的发展不断增加和丰富,各式各样的餐厅、饭店等餐饮服务场所越来越多,同时随着互联网经济和网上消费的发展,海量的在线餐饮服务平台也如雨后春笋般出现。然而,伴随着各种不同的餐饮服务平台的出现,越来越多的用户在就餐时,对于菜品的选择则花费了更多的时间和精力。推荐系统在电子商务领域有广泛的应用,也有针对美食和餐厅的推荐系统,但还没有真正意义上针对菜品的推荐系统,能够为用户某次就餐提供菜品的推荐。而且,现在推荐系统普遍采用协同过滤算法,该算法是一种基于“人以群分”理念的算法,即兴趣偏好相同的人对商品的偏好也是相似的。因此,协同过滤推荐最重要的是找到和目标用户兴趣相似的最近邻居,根据最近邻居对推荐对象的评分来预测目标用户对未评分的推荐对象的评分,选择预测评分最高的的若干个推荐对象作为推荐结果反馈给用户。但协同过滤推荐算法存在冷启动、数据稀疏和系统可扩展性等问题:传统协同过滤算法中存在的问题在菜品推荐时尤为突出,新用户就餐时常常需要推荐,但此时新用户还没有产生就餐记录;用户点菜数相对较少,导致用户菜品矩阵稀疏;餐厅中用户数量和菜品数会随着时间逐渐增加,推荐系统中的数据量会因此骤增,传统算法的应对能力也会因此下降。此外,即使传统算法能处理海量的数据,但是由于基于用户的协同过滤中“最近邻搜索”过程随着用户数量的增加,计算量也会线性增长,如何实时的为上千万的 ...
【技术保护点】
一种基于用户兴趣的个性化推荐方法,包括如下步骤:对菜品进行分类的步骤;获取每个用户在每个餐厅的就餐数据,并依据用户的就餐数据将用户在每个餐厅进行专家用户类别划分;依据每个用户的兴趣,为每个用户进行兴趣建模的步骤;当用户在某餐厅发起菜品推荐请求时,选取当前餐厅中对用户兴趣具有权威的候选专家用户,并获取该候选专家用户的初步推荐菜品的步骤;计算用户与候选专家的相似度的步骤;依据用户与候选专家的相似度,进行最终的菜品推荐的步骤。
【技术特征摘要】
1.一种基于用户兴趣的个性化推荐方法,包括如下步骤:对菜品进行分类的步骤;获取每个用户在每个餐厅的就餐数据,并依据用户的就餐数据将用户在每个餐厅进行专家用户类别划分;依据每个用户的兴趣,为每个用户进行兴趣建模的步骤;当用户在某餐厅发起菜品推荐请求时,选取当前餐厅中对用户兴趣具有权威的候选专家用户,并获取该候选专家用户的初步推荐菜品的步骤;计算用户与候选专家的相似度的步骤;依据用户与候选专家的相似度,进行最终的菜品推荐的步骤。2.根据权利要求1所述的基于用户兴趣的个性化推荐方法,其特征在于所述的对菜品进行分类为按照层次进行分类,具体分为两类:第一层分类为按照烹饪方法、主食、饮品和外国菜进行分类,第二层分类为依据食材进行分类。3.根据权利要求2所述的基于用户兴趣的个性化推荐方法,其特征在于所述的将用户在每个餐厅进行专家用户类别划分,具体为采用如下步骤进行分类:1.依据获取的每个用户在每个餐厅的就餐数据,将餐厅中所有的数据划分为n个用户菜品矩阵,所述n为预定义的菜品种类个数,用户菜品矩阵中的每一项对应用户对某种菜品的品尝次数;2.利用HITS模型计算每个用户在不同类别的专家权威度。4.根据权利要求3所述的基于用户兴趣的个性化推荐方法,其特征在于所述的利用HITS模型计算每个用户在不同类别的专家权威度,具体为采用如下步骤进行计算:1)设置初始权威值和枢纽值为用户点菜次数;2)采用如下公式计算某一类别中某菜品的权威值:式中dc.a表示类别c中菜品d的权威值;uc.h表示用户对类别c的枢纽值,且3)用An和Hn分别表示餐厅中第n轮的权威值和枢纽值,M表示用户菜品矩阵,并通过下述两个公式的迭代计算得到最终每个用户和菜品的相应得分:An=MT·M·An-1Hn=M·MT·Hn-14)选取拥有较高枢纽分数的用户作为某类型的专家用户。5.根据权利要求1~4之一所述的基于用户兴趣的个性化推荐方法,其特征在于所述的为每个用户进行兴趣建模,具体为采用用户就餐数据中的菜品信息构建种类权重树对用户兴趣进行建模。6.根据权利要求5所述的基于用户兴趣的个性化推荐方法,其特征在于所述的利用种类权重树对用户兴趣进行建模,具体为采用如下步骤进行建模:A.利用用户就餐数据中的点菜记录映射到一个偏好权重树,所述偏好权重树中的节点权重值TF表示用户对该类菜品的原始偏好;B.计算菜品的逆向文件频率IDF;C.将步骤A得到的节点权重值和步骤B得到的逆向文件频率相乘得到用户种类权重树的每个节点的权重值,具体为采用如下算式进行计算:式中第一部分是用户u点菜记录中种类c'的TF值,第二部分表示该种类的IDF值;|{u.di:di.c=c'}|表示用户对种类c’的品尝次数,|u.D|表示用户点的所有菜品的总数,{uj.c′:uj∈U}表示餐厅所有用户u中点过种类c’菜品的用户总和。7.根据权利要求1~4之一所述的基于用户兴趣的个性化推荐方法,其特征在于所述的选取当前餐厅中对用户兴趣具有权威的候选专家用户,并获...
【专利技术属性】
技术研发人员:陈雯姝,范顺忠,周蔚,李一凡,
申请(专利权)人:正源信用北京科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。