劉思宇 陳挺
摘 ?要:在“互聯(lián)網(wǎng)+”時代,消費者外出就餐時更多的傾向于通過美食類網(wǎng)站或者APP選擇餐廳。但在群體外出就餐時如何高效、迅速地找到大部分人滿意的餐廳給現(xiàn)有的餐廳推薦系統(tǒng)帶來了新的挑戰(zhàn)。文章從社交網(wǎng)絡(luò)的角度,在分析餐廳群體就餐信息的基礎(chǔ)上,構(gòu)建了基于協(xié)同過濾算法的餐廳推薦模型,在此基礎(chǔ)上提出了餐廳群體推薦系統(tǒng)設(shè)計方案。融合社交網(wǎng)絡(luò)的餐廳群體推薦算法顯著提高了群體推薦的效率,基于此設(shè)計的系統(tǒng)實現(xiàn)了推薦餐廳排序、就餐攻略分享、就餐體驗評價等功能。
關(guān)鍵詞:社交網(wǎng)絡(luò);群體推薦系統(tǒng);餐廳;系統(tǒng)設(shè)計
中圖分類號:C912 ? ? ? ? 文獻(xiàn)標(biāo)志碼:A ? ? ? ? 文章編號:2095-2945(2019)18-0027-04
Abstract: In the "Internet Plus" era, consumers tend to choose restaurants through gourmet websites or APP when they eat out. However, how to efficiently and quickly find restaurants that most people are satisfied with when groups go out to eat has brought new challenges to the existing restaurant recommendation system. From the point of view of social network, based on the analysis of restaurant group dining information, this paper constructs a restaurant recommendation model on the basis of collaborative filtering algorithm, and puts forward the design scheme of restaurant group recommendation system. The restaurant group recommendation algorithm based on social network significantly improves the efficiency of group recommendation. The system based on this design realizes the functions of recommended restaurant ranking, dining strategy sharing, dining experience evaluation and so on.
Keywords: social network; group recommendation system; restaurant; system design
1 概述
在經(jīng)濟(jì)快速發(fā)展的“互聯(lián)網(wǎng)+”時代,人們更加注重生活的品質(zhì),外出就餐的次數(shù)增多,對餐廳的要求也進(jìn)一步提升,人們更傾向于通過美食類網(wǎng)站或APP選擇合適的餐廳。然而,已有的餐廳推薦工具(如:美團(tuán)、大眾點評等)大多針對個人用戶,無法滿足群體外出聚餐情景下的推薦需求,推薦結(jié)果不能讓聚餐群體達(dá)成滿意的共識。
隨著社交網(wǎng)絡(luò)的普及和發(fā)展,人們習(xí)慣于在社交網(wǎng)絡(luò)上分享衣食住行,于是,基于社交網(wǎng)絡(luò)推薦餐廳成為可能,張重騏[1]對推薦系統(tǒng)的需求分析與再設(shè)計是基于社交網(wǎng)絡(luò)模型的進(jìn)行的。相比于簡單加權(quán)處理的群體推薦,基于社交網(wǎng)絡(luò)的餐廳群體推薦系統(tǒng)更能從用戶的行為數(shù)據(jù)中挖掘出用戶的價值,創(chuàng)造經(jīng)濟(jì)利益。此外,基于社交網(wǎng)絡(luò)的餐廳群體推薦系統(tǒng)還有以下優(yōu)點:第一,基于社交網(wǎng)絡(luò)的餐廳群體推薦系統(tǒng)可以根據(jù)用戶的社交圈給用戶提供他更感興趣更信任的餐廳信息/評價內(nèi)容,例如信息內(nèi)容、評價的發(fā)布者不同用戶的信任度和主觀滿意度也不同。第二,基于社交網(wǎng)絡(luò)的餐廳群體推薦系統(tǒng)中可以挖掘出更深層次的用戶關(guān)系,所有用戶在此系統(tǒng)中的關(guān)系形成一張網(wǎng),產(chǎn)生群聚效應(yīng)。例如根據(jù)共同好友的多少分析單個用戶之間的交集,推薦他們共同感興趣的餐廳信息。第三,基于社交網(wǎng)絡(luò)的餐廳群體推薦系統(tǒng)推薦效率更高。隨著系統(tǒng)內(nèi)用戶增長,得到推薦結(jié)果的時間也會增加,但基于社交網(wǎng)絡(luò)的群體餐廳推薦系統(tǒng)可以利用用戶的關(guān)系網(wǎng)劃分用戶的等級,減少時間成本。
多數(shù)個人推薦系統(tǒng)使用的推薦算法為協(xié)同過濾算法,對群體推薦算法的研究也已經(jīng)起步。協(xié)同過濾算法可分為以用戶為基礎(chǔ)的協(xié)同過濾、以項目為基礎(chǔ)的協(xié)同過濾、以模型為基礎(chǔ)的協(xié)同過濾。基于用戶的協(xié)同過濾首先收集用戶信息,主要是用戶的評分和歷史瀏覽記錄,其次,尋找與用戶評分高、瀏覽次數(shù)多的相似物品,最后根據(jù)相似度從高到低排序形成推薦集合向用戶進(jìn)行展示。Castro等提出了共識驅(qū)動的群體推薦決策模型,并探討了其在向群體用戶推薦電影中的應(yīng)用。李汶華等[2]提出了一種基于案例推理和協(xié)商的群體推薦決策模型。王茜等[3]提出了一種考慮群體用戶接受度及相似度的群體推薦決策模型。陳俠和樊治平[4]通過定義有關(guān)區(qū)間數(shù)決策矩陣的區(qū)間數(shù)向量,給出了決策個體與群體判斷的共識性分析方法和基于區(qū)間數(shù)決策矩陣的群體判斷共識性的判別方法。
當(dāng)群體外出就餐時,群體滿意度不高的原因是選擇餐廳產(chǎn)生分歧時處理分歧的隨意性。群體用戶在選擇餐廳出現(xiàn)分歧,最終的選擇一般都是隨機(jī)法或者是群體中的一個或極少數(shù)人決定的,選擇的餐廳受隨機(jī)因素的影響較大,整個群體的就餐滿意度并不高。然而,現(xiàn)有的餐廳推薦系統(tǒng)大多只能針對個體進(jìn)行推薦,不能很好地解決這個問題。因此,需要一個客觀而科學(xué)的群體就餐推薦系統(tǒng),通過科學(xué)理性的運(yùn)算來平衡就餐者之間的口味偏好、餐館的人均價格和距離遠(yuǎn)近等因素,提高人們的就餐滿意度。
攻略分享功能:同城用戶可以在平臺上分享用餐攻略,分享自己的用餐經(jīng)歷或體驗他人的美好用餐回憶。
餐廳發(fā)現(xiàn)功能:用戶點擊地圖上已登入本系統(tǒng)的餐廳,可以看到餐廳內(nèi)部實景、評分、口味傾向、用戶主觀評價以及適合何種群體聚餐等信息,用戶也可標(biāo)注新餐廳并獲得獎勵。
就餐體驗評價功能:用戶在前往本系統(tǒng)推薦的餐廳用餐后,用戶在用餐后對餐廳環(huán)境、食物質(zhì)量、口味等做出評價,并記錄用餐滿意度,系統(tǒng)通過計算優(yōu)化在注冊時采集的用戶用餐偏好信息。
個人信息維護(hù)功能:用戶可以修改更新系統(tǒng)中的個人信息,也可以重新進(jìn)行用餐偏好采集,使推薦結(jié)果更適合自己。
意見反饋功能:用戶可以向我們反饋意見或建議,包括小程序存在的程序問題、希望添加的功能等。
(2)群體用戶功能設(shè)計
群組信息維護(hù)功能:用于維護(hù)群組信息,可修改群組類別、群組名稱,設(shè)置群主、管理員等。其中群組類別等的準(zhǔn)確設(shè)置可以使推薦結(jié)果更適合本群體。
推薦方式設(shè)置功能:用于設(shè)置餐廳推薦方式,用戶可選擇更適合本群體的推薦方式,使推薦結(jié)果更令人滿意。在每次發(fā)起推薦前,可再次選擇。
數(shù)據(jù)處理與分析功能:群體用戶中有人修改了自己的用餐偏好后,群體的偏好也可能發(fā)生變化。為減少推薦時花費的時間,需要進(jìn)行數(shù)據(jù)預(yù)處理。群體用戶發(fā)起聚餐時,根據(jù)設(shè)置的推薦方式以及去過的餐廳等發(fā)起參數(shù)不同,仍然需要再次處理數(shù)據(jù),從而生成推薦結(jié)果。
餐廳推薦結(jié)果展示功能:系統(tǒng)生成推薦結(jié)果后,采用簡潔、美觀、圖文并茂的方式展示推薦結(jié)果,同事顯示用戶所關(guān)心的距離遠(yuǎn)近、人均價格、餐廳風(fēng)格等信息,并根據(jù)群體信息和偏好列舉推薦原因。
推薦結(jié)果評價功能:用戶在看到推薦結(jié)果時、前往餐廳就餐后均可就推薦的餐廳與自身、群體偏好之間的吻合度分別進(jìn)行評價,評價數(shù)據(jù)用于推薦方式的優(yōu)化調(diào)整。
5 結(jié)論
本文分析了在社交網(wǎng)絡(luò)基礎(chǔ)上的群體推薦的信息需求,構(gòu)建了基于協(xié)同過濾的推薦模型,提出了系統(tǒng)的總體設(shè)計和詳細(xì)設(shè)計方案。發(fā)現(xiàn)用戶希望此系統(tǒng)具有餐廳價格對比、就餐攻略、用戶評價等信息,社交網(wǎng)絡(luò)加速了這些信息的傳播;社交網(wǎng)絡(luò)更好展示了用戶間的關(guān)系,使得基于協(xié)同過濾的推薦模型得出的結(jié)果更加滿足群體用戶的期待;基于此的系統(tǒng)設(shè)計極大滿足了用戶的實際需求,提高了推薦結(jié)果的準(zhǔn)確度和效率。對群體餐廳推薦系統(tǒng)的研究是群體推薦系統(tǒng)的進(jìn)一步發(fā)展,一定程度上加快了餐廳群體推薦系統(tǒng)開發(fā)的步伐。
參考文獻(xiàn):
[1]張重騏.基于社交網(wǎng)絡(luò)模型推薦系統(tǒng)的需求分析與再設(shè)計[A].清華大學(xué).設(shè)計驅(qū)動商業(yè)創(chuàng)新:2013清華國際設(shè)計管理大會論文集(中文部分)[C].清華大學(xué):清華大學(xué)美術(shù)學(xué)院工業(yè)設(shè)計系,2013:8.
[2]李汶華,熊曉棟,郭均鵬.一種基于案例推理和協(xié)商的群體推薦算法[J].系統(tǒng)工程,2013,7:93-98.
[3]王茜,鄧偉偉,喻繼軍.一種考慮群成員接受度及相似度的群體推薦算法[J].計算機(jī)應(yīng)用研究,2017,34(11):3285-3290,3298.
[4]陳俠,樊治平.關(guān)于區(qū)間數(shù)決策矩陣的專家群體判斷共識性研究[J].運(yùn)籌與管理,2008,17:127-133.
[5]李奕杭,于世東.基于社交網(wǎng)絡(luò)的群體推薦系統(tǒng)[J].科技創(chuàng)新與應(yīng)用,2014(15):61.
[6]張雪文.智能推薦系統(tǒng)中協(xié)同過濾算法的研究[D].上海交通大學(xué),2008.
[7]趙欣.基于社交網(wǎng)絡(luò)的群體推薦系統(tǒng)[D].電子科技大學(xué),2013.