协同过滤的美食推荐研究与应用(附件)
摘 要近几年经济和科学技术的迅猛发展将电子商务推到了风口浪尖。但是在电子商务发展的浪潮中，许多问题也慢慢浮现出来，其中最为显著的问题是针对客户群体的商品推荐问题。现在大多数的电子商务平台，如京东、淘宝、苏宁易购等都不同程度的进行了推荐服务的研究与应用，而且也取得不俗的成绩，获得了巨额的商业价值，证实了推荐服务在电子商务平台的发展潜力。因此拥有个性化的推荐系统无疑是电子商务平台提高竞争力的有效手段。面对网络上各种各样的美食商家，用户往往要花费很长的时间从大量商家中选择自己满意的，这使得用户的体验度急剧下降。为了减少用户无意义的浏览过程，节约用户时间，提高用户体验，必须要以一个好的推荐算法为依托。本设计针对推荐算法进行研究，以美食推荐为例，打破传统商务平台大多都是基于单一元素的推荐，综合考虑地址、人均消费价格、商家评分、餐厅人气指数等因素进行个性化推荐。运用协同过滤算法，考虑用户历史消费习惯，找出与用户评价较高的商家相似度最高的店家进行推荐，帮助用户完成购物行为。本设计在Windows10的系统环境下，采用的开发工具为PyCharm，采用的编程语言为Python，该设计立足生活，具有极强的实用价值。本设计可以使得用户获得更好的用户体验度，刺激用户的消费行为，同时使得用户、商家和电商平台同时获利，提高经济效益，同时提高用户体验度。
目 录
第1章 前言 1
1.1研究背景 1
1.2国内外研究现状 2
1.2.1国内研究现状 2
1.2.2国外研究现状 3
1.3研究的目的及意义 4
1.4文章的组织结构 4
第2章 数据挖掘概述 5
2.1数据挖掘的概念 5
2.2数据挖掘任务 5
2.2.1描述任务 5
2.2.2预测任务 5
2.3数据挖掘常用方法 5
2.4数据挖掘的常用算法 6
2.5数据预处理概念 7
2.6预处理内容 7
2.6.1数据审核 7
2.6.2数据筛选 7
2.6.3数据排序 7
2 *好棒文|www.hbsrm.com +Q: #351916072#
.7预处理的方法 7
2.7.1数据清理 7
2.7.2数据集成 7
2.7.3数据变换 7
2.7.4数据归约 8
第3章 网络爬虫概述 9
3.1网络爬虫 9
3.1.1爬虫技术概述 9
3.1.2爬虫原理 9
3.1.3爬虫的基本流程 9
3.2选用python爬虫的原因 10
3.3python爬虫框架 10
第4章 推荐系统 12
4.1推荐系统概述 12
4.2基于用户的协同过滤算法 12
4.3基于项目的协同过滤算法 13
第5章 数据的可视化 15
5.1数据可视化概述 15
5.2数据可视化的意义 15
5.2.1传递速度快 15
5.2.2数据展示的多维性 15
5.2.3更直观进行数据展示 15
5.2.4突破大脑记忆功能限制 15
5.3可视化工具Echarts 15
第6章 美食推荐 16
6.1源数据采集 16
6.2美食商家数据的预处理 17
6.2.1剔除唯一属性 17
6.2.2处理缺失值 17
6.2.3特征编码 18
6.2.4数据标准化、正则化 18
6.3商家数据的分析 19
6.3.1关于商家距离的计算 19
6.3.2归一化处理 20
6.4美食推荐具体实现 21
6.4.1商家相似度的计算 21
6.4.2推荐 21
6.5Echarts可视化 22
第7章 总结与展望 26
7.1总结 26
7.2展望 26
参考文献 27
致谢 28
第1章 前言
1.1研究背景
互联网诞生以来，人们的生活方式发生了巨大的改变。尤其是近年来，互联网的普及极大的影响了人们的生活方式。我们的沟通方式、支付方式、学习方式、购物方式等等方面都随之改变，尤为显著的是电子商务。随着互联网的广泛应用，电子商务网站平台和网络技术也日趋完善。过去人们的需求是在信息资源匮乏的现实生活中获取数据，现如今已经转变为如何在海量的数据中搜取自己所需要的数据。因此，现阶段的消费者们不仅仅要求电商的数量、种类以及质量，更对电商平台的用户体验有着更高的要求。
中国互联网络信息中心(CNNIC)今天在北京公布第42次《中国互联网络发展状况统计报告》。到2018年6月30日，我国网民数目已经突破了8亿，占到全部人口的57.7%。其中，手机用户占据绝大部分，高达7.88亿，可以说几乎所有的用户都是通过手机端来接入互联网的，因为其比例已经高达98.3%。而且通过互联网进行购物的人们数量不断增加，使得电子商务的市场越来越大。因此，面对数量如此庞大的网络用户，如何拉拢用户，刺激消费，提高商户的销售量成为重中之重。
随着信息的公开化以及电子商务的持续发展，用户的需求已转变为更加注重个性化的需求的实现。换句话说，用户需要的是为他们解决信息过载问题，提供决策帮助并且有着良好的用户体验的系统，以减轻他们的信息搜索工作，节约时间和精力。于是出现了推荐系统。
推荐系统帮助电子商务网站实现用户的个性化推荐需求，提高用户的决策效率，由此使用户拥有好的用户体验。它会依据每个用户的不同的喜好和消费历史，给用户提供满足他的需求的商家信息，提高用户体验度。这种好的用户体验大大提升了用户对网站的依赖程度，从而帮助电子商务网站收获众多忠实用户群体。
目 录
第1章 前言 1
1.1研究背景 1
1.2国内外研究现状 2
1.2.1国内研究现状 2
1.2.2国外研究现状 3
1.3研究的目的及意义 4
1.4文章的组织结构 4
第2章 数据挖掘概述 5
2.1数据挖掘的概念 5
2.2数据挖掘任务 5
2.2.1描述任务 5
2.2.2预测任务 5
2.3数据挖掘常用方法 5
2.4数据挖掘的常用算法 6
2.5数据预处理概念 7
2.6预处理内容 7
2.6.1数据审核 7
2.6.2数据筛选 7
2.6.3数据排序 7
2 *好棒文|www.hbsrm.com +Q: #351916072#
.7预处理的方法 7
2.7.1数据清理 7
2.7.2数据集成 7
2.7.3数据变换 7
2.7.4数据归约 8
第3章 网络爬虫概述 9
3.1网络爬虫 9
3.1.1爬虫技术概述 9
3.1.2爬虫原理 9
3.1.3爬虫的基本流程 9
3.2选用python爬虫的原因 10
3.3python爬虫框架 10
第4章 推荐系统 12
4.1推荐系统概述 12
4.2基于用户的协同过滤算法 12
4.3基于项目的协同过滤算法 13
第5章 数据的可视化 15
5.1数据可视化概述 15
5.2数据可视化的意义 15
5.2.1传递速度快 15
5.2.2数据展示的多维性 15
5.2.3更直观进行数据展示 15
5.2.4突破大脑记忆功能限制 15
5.3可视化工具Echarts 15
第6章 美食推荐 16
6.1源数据采集 16
6.2美食商家数据的预处理 17
6.2.1剔除唯一属性 17
6.2.2处理缺失值 17
6.2.3特征编码 18
6.2.4数据标准化、正则化 18
6.3商家数据的分析 19
6.3.1关于商家距离的计算 19
6.3.2归一化处理 20
6.4美食推荐具体实现 21
6.4.1商家相似度的计算 21
6.4.2推荐 21
6.5Echarts可视化 22
第7章 总结与展望 26
7.1总结 26
7.2展望 26
参考文献 27
致谢 28
第1章 前言
1.1研究背景
互联网诞生以来，人们的生活方式发生了巨大的改变。尤其是近年来，互联网的普及极大的影响了人们的生活方式。我们的沟通方式、支付方式、学习方式、购物方式等等方面都随之改变，尤为显著的是电子商务。随着互联网的广泛应用，电子商务网站平台和网络技术也日趋完善。过去人们的需求是在信息资源匮乏的现实生活中获取数据，现如今已经转变为如何在海量的数据中搜取自己所需要的数据。因此，现阶段的消费者们不仅仅要求电商的数量、种类以及质量，更对电商平台的用户体验有着更高的要求。
中国互联网络信息中心(CNNIC)今天在北京公布第42次《中国互联网络发展状况统计报告》。到2018年6月30日，我国网民数目已经突破了8亿，占到全部人口的57.7%。其中，手机用户占据绝大部分，高达7.88亿，可以说几乎所有的用户都是通过手机端来接入互联网的，因为其比例已经高达98.3%。而且通过互联网进行购物的人们数量不断增加，使得电子商务的市场越来越大。因此，面对数量如此庞大的网络用户，如何拉拢用户，刺激消费，提高商户的销售量成为重中之重。
随着信息的公开化以及电子商务的持续发展，用户的需求已转变为更加注重个性化的需求的实现。换句话说，用户需要的是为他们解决信息过载问题，提供决策帮助并且有着良好的用户体验的系统，以减轻他们的信息搜索工作，节约时间和精力。于是出现了推荐系统。
推荐系统帮助电子商务网站实现用户的个性化推荐需求，提高用户的决策效率，由此使用户拥有好的用户体验。它会依据每个用户的不同的喜好和消费历史，给用户提供满足他的需求的商家信息，提高用户体验度。这种好的用户体验大大提升了用户对网站的依赖程度，从而帮助电子商务网站收获众多忠实用户群体。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/xxaq/271.html
