[发明专利]基于移动用户标签的个性化美食推荐方法

说明书

技术领域

本发明属于电子商务技术领域，涉及基于移动用户标签的个性化美食推荐方法。

背景技术

信息技术特别是互联网技术的飞速发展使人类进人了信息爆炸的时代，给人们带来了很大的信息负担。个性化推荐系统的出现为互联网信息过载提供了一个有效的工具。尤其在Web2.0时代下，用户使用社会标签对信息进行分类，可自由组织、管理和搜索所需的资源。易使用性使标签成为信息分类与索引的重要方式，既能反映出用户的兴趣爱好，又能体现资源特征。

随着移动互联网的发展以及移动设备的迅速发展，迅速推动力移动电子商务的发展。O2O(Online To Offline)模式是近年来非常流行的一种电子模式，他将线下的商务和传统的互联网结合起来，消费者可以在线上选择自己需要的服务，然后线下来完成交易。O2O模式中餐饮行业占了一个很重要的比重。因为俗话说：“民以食为天”。吃饭是我们每个人每天必不可少的事情，大家有时候会经常为去哪里吃饭而发愁。这是O2O模式与传统的餐饮行业结合在一定程度上解决了用户不知道去哪里吃饭的问题。用户可以上网查看餐厅，然后选择自己满意的餐厅就餐。但网上的餐厅数量大，用户很难从大量的餐厅中找到符合自己口味的餐厅，或者是由于网上找到的餐厅与自己的位置太远，口味不符合自己等原因。针对此问题，本文结合协同过滤算法，提出了一种基于移动用户标签和协同过滤的个性化美食推荐方法。用户无需自己去海量的餐馆去寻找自己喜欢的餐厅，在使用美食订餐软件的时候，通过制定推荐系统设置用户标签，并且该推荐系统会自动获取用户的位置信息，后台根据用户标签和位置以及商家标签进行计算出用户最可能感兴趣的top-N家商家推荐给用户。此模型在很大程度上解决了传统协同过滤的如冷启动、矩阵稀疏等缺点。并且随着用户使用此推荐系统的次数越来越多，推荐系统对用户越了解，推荐的结果将会更加精确。

现有的推荐算法存在冷启动，忽视用户、资源自身的特征，不能反映出产品兴趣爱好及产品特征的不同，或者由于计算量较大，不能直接应用于实际推荐系统等问题。

发明内容

本发明的目的在于提供基于移动用户标签的个性化美食推荐方法，解决了目前用常用算法进行推荐，推荐质量低，计算量大推荐的速度慢，冷启动的问题。

本发明所采用的技术方案是按照以下步骤进行：

步骤1：求取用户-餐厅位置偏好指数；

步骤2：求取餐厅-标签偏好指数，获取餐厅-标签偏好向量；

步骤3：求取用户-标签偏好指数，获取用户-标签偏好向量；

步骤4：根据餐厅-标签偏好向量和用户-标签偏好向量，求取用户-餐厅偏好

指数；

步骤5：根据用户-餐厅偏好指数求取用户之间的相似度；

步骤6：根据用户之间的相似度求取目标用户对目标餐厅的预测偏好指数；

步骤7：根据用户-餐厅位置偏好指数和目标用户对目标餐厅的预测偏好指

数求取目标用户u_a的平均绝对偏差进而作出推荐。

本发明的有益效果是结合用户和商家的标签以及位置对用户进行个性化美食推荐，提高推荐的质量，加快推荐速度。

附图说明

图1是本发明基于移动用户标签的个性化美食推荐方法步骤流程示意图。

具体实施方式

下面结合具体实施方式对本发明进行详细说明。

本发明结合标签和协同过滤推荐提出了一种新的推荐算法如图1所示。依据标签计算用户偏好程度和资源特征相似度，结合基于资源的协同过滤推荐实现对资源的个性化推荐。

具体的推荐流程如下：用户启动软件的时候会获取用户的位置经纬度传到后端，后端会根据用户经纬度选取离用户最近的N个商家或离用户在k千米内的商家进行推荐。推荐模块部分，基于用户推荐，根据用户对商家的评分计算目标用户与其他用户的相似度，然后根据用户的属性计算目标用户和其他用户的属性相似度，用一定的系数组合两个相似度，得出目标用户的邻近用户。根据邻近用户计算用户未评分的商家的预测评分，最后基于用户的Top-N推荐商家。基于商户推荐，根据用户对商家的评分计算商户与其他商户的相似度，然后根据商户的属性计算商户和其他商户的属性相似度，用一定的系数组合两个相似度，得出商户的邻近商户。根据邻近商户计算用户未评分的商家的预测评分，最后得出基于用户的Top-N推荐商家。用一定的系数组合基于用户的推荐和基于项目的推荐以及用户商户的位置的推荐，综合三个推荐，将得出的结果推荐给用户。

本发明具体算法：

(1)用户-餐厅位置偏好指数