关键词：
粒计算
三支决策
多属性决策
属性权重
推荐系统
摘要：
随着互联网的快速崛起,电子商务对我国经济的影响日益突出。由于现代人生活节奏快、闲暇时间少,在网上订餐、在平台上点外卖已成为人们生活不可缺少的一部分。为了满足人们“食”的日常需求,电商平台美食频道也纷纷推出了不同种类、各式各样的美食供大众选择,这自然也催生了对顾客的精准推荐问题。利用用户评论的文本数据来实现个性化美食推荐也成为解决上述问题的重要途径之一。然而,现有基于用户评论的个性化美食推荐方法研究主要以静态文本挖掘为主,忽略了推荐过程的动态性特征;同时基于餐厅属性的个性化美食推荐方法研究大多关注推荐结果的准确性,较少考虑推荐过程中各属性的重要度排序。基于此,为了体现序贯决策的美食筛选过程,本研究将粒计算思想引入到基于美食的电子商务推荐中,同时引入多属性决策的方法,为基于餐厅属性的个性化美食推荐方法研究提供了一条新思路。
首先,基于粒计算思想生成数据粒化模型。针对美食推荐动态性特征,对商家的属性信息数据进行粒化处理,用粒子对其进行描述和解释,然后通过属性粒子数量的增减形成不同层次的粒层,并据此得到了相应的数据粒化模型。
其次,引入多属性决策思想提出个性化美食推荐方法。在粒化模型的基础上,提出了一种多层次的动态决策框架,根据用户的个性化需求,在各粒层上根据不同的属性子集,结合三支决策和多属性决策的方法进行商家的筛选,最终得到美食推荐中的属性重要度排序、最优粒度以及相应的推荐结果列表。
然后,利用大众点评网上的真实数据集,对本文提出的个性化美食推荐方法的有效性进行了验证。本文将大众点评美食推荐作为应用场景,从两个不同的维度进行综合评估。研究结果表明,本文方法在提高推荐多样性的同时,也得到了美食推荐过程中属性重要度排序,以及推荐的最优粒度。
最后,分析了不同菜系下用户偏好的差异,并对企业提出了有效建议,帮助其更好地进行精准营销,以提高对消费者的吸引力。
欢迎来到三峡大学图书馆！
