基于用户评价的个性化饮食推荐方法研究
这是一篇关于饮食推荐,偏好兴趣模型,协同过滤推荐,多目标优化的论文, 主要内容为随着生活水平的不断提高,多样化多口味的饮食成了人们关注的话题。由于个人的饮食知识水平的有限,人们大都通过搜索引擎或美食网站来查找信息,选择菜谱,规划饮食。但是搜索引擎冗余信息太多,使用不方便,而饮食推荐系统能根据用户基本信息、偏好信息等提供饮食推荐,因而越来越受到人们的青睐。目前国内的饮食推荐系统大多是基于美食网站和手机APP的,通过用户提供个人信息进行推荐,但当前的饮食推荐服务存在以下几个问题及难点:第一,用户对菜谱偏好的不确定性和描述上的模糊性导致对用户偏好度建模困难;第二,由于用户-菜谱评分矩阵数据稀疏的问题,导致协同过滤推荐用户评分预测准确度低;第三,现有菜谱推荐没有考虑营养均衡问题,不符合现代人的饮食观念。针对当前饮食推荐方法存在的问题,本文在前人研究基础上进行了研究,本文的贡献和创新点包括以下几点:(1)采用构建用户偏好模型的方法进行个性化菜谱推荐。首先,选择菜谱的部分特征属性来描述菜谱,包括烹饪方式、烹饪难度、口味等;然后综合用户已经评价过的菜谱特征和评分,使用机器学习方法拟合出用户偏好模型,最后,通过偏好模型计算用户对未知的菜谱评分,将高评分菜谱推荐给用户。(2)采用基于偏好模型填充的协同过滤推荐算法进行菜谱推荐。首先,为解决偏好模型推荐结果往往会过度特殊化,缺乏对用户潜在的挖掘能力的问题,本文选择了基于用户的协同过滤进行菜谱推荐;然后,为了解决协同过滤推荐中用户-项目评分矩阵过度稀疏的问题,本文选择了评分填充的方法,对每个用户构建偏好模型,预测未评分项目的评分,以填充后的评分矩阵计算用户相似度并找出最近邻,最后采用平均加权的策略,预测菜谱评分,将高评分菜谱推荐给用户。(3)提出了营养均衡优先和喜好度优先的菜谱组合推荐模型。以中国膳食营养摄入量为标准,结合用户个人信息,以菜谱的营养含量表为解空间使用多目标遗传算法求解,得出符合营养摄入要求的菜谱和对应的食用量进行推荐。
基于情境感知的老人饮食推荐系统的设计与实现
这是一篇关于饮食推荐,情境感知,协同过滤,规则推荐的论文, 主要内容为“民以食为天”,“食”是人们生活中必不可少的一部分,不良饮食习惯会引起许多健康问题,糖尿病、高血压等慢性疾病也可以通过良好的饮食来预防和控制。但是人们对自己饮食的健康状况缺乏判断,需要外界的支持进行改善,因此,饮食推荐系统成为帮助实现个性化饮食的有效工具。现有的饮食推荐多用于电子商务和美食社区,较少考虑目标用户的情境信息,推荐的饮食只关注用户的偏好,忽略了用户的情境需求。针对这些问题,本文开发基于情境感知的老人饮食推荐系统,引入情境信息、饮食偏好和健康知识,为老人实现准确、健康的饮食推荐服务。首先,对课题背景和国内外研究现状进行调研,结合老人饮食需求,提出基于C/S、B/S混合架构的系统总体方案。系统主要分为界面表示层、业务逻辑层和数据服务层,将系统关键的智能推荐模块放在业务逻辑层处理。然后,对基于情境感知的老人饮食推荐算法进行分析和研究。为了使推荐结果更加符合用户当前情境,提高推荐准确性。本文将传统的“项目-用户”推荐提升为“情境-项目-用户”推荐,使用混合推荐模式将多角度信息整合起来为老人进行饮食推荐。混合推荐模式包括的推荐方法是基于情境建模的协同过滤推荐和基于规则的推荐。最后,对系统进行详细设计与实现。本系统由后台服务端、移动客户端两部分组成,后台服务端主要完成饮食推荐功能和后台管理功能,客户端面向老龄用户,完成与饮食推荐系统的交互。为了测试系统的有效性,本文从功能和非功能角度设计合理的测试方案完成对系统的测试和分析。测试结果表明系统能够稳定可靠地运行,满足预期的功能需求和非功能需求。
基于用户评价的个性化饮食推荐方法研究
这是一篇关于饮食推荐,偏好兴趣模型,协同过滤推荐,多目标优化的论文, 主要内容为随着生活水平的不断提高,多样化多口味的饮食成了人们关注的话题。由于个人的饮食知识水平的有限,人们大都通过搜索引擎或美食网站来查找信息,选择菜谱,规划饮食。但是搜索引擎冗余信息太多,使用不方便,而饮食推荐系统能根据用户基本信息、偏好信息等提供饮食推荐,因而越来越受到人们的青睐。目前国内的饮食推荐系统大多是基于美食网站和手机APP的,通过用户提供个人信息进行推荐,但当前的饮食推荐服务存在以下几个问题及难点:第一,用户对菜谱偏好的不确定性和描述上的模糊性导致对用户偏好度建模困难;第二,由于用户-菜谱评分矩阵数据稀疏的问题,导致协同过滤推荐用户评分预测准确度低;第三,现有菜谱推荐没有考虑营养均衡问题,不符合现代人的饮食观念。针对当前饮食推荐方法存在的问题,本文在前人研究基础上进行了研究,本文的贡献和创新点包括以下几点:(1)采用构建用户偏好模型的方法进行个性化菜谱推荐。首先,选择菜谱的部分特征属性来描述菜谱,包括烹饪方式、烹饪难度、口味等;然后综合用户已经评价过的菜谱特征和评分,使用机器学习方法拟合出用户偏好模型,最后,通过偏好模型计算用户对未知的菜谱评分,将高评分菜谱推荐给用户。(2)采用基于偏好模型填充的协同过滤推荐算法进行菜谱推荐。首先,为解决偏好模型推荐结果往往会过度特殊化,缺乏对用户潜在的挖掘能力的问题,本文选择了基于用户的协同过滤进行菜谱推荐;然后,为了解决协同过滤推荐中用户-项目评分矩阵过度稀疏的问题,本文选择了评分填充的方法,对每个用户构建偏好模型,预测未评分项目的评分,以填充后的评分矩阵计算用户相似度并找出最近邻,最后采用平均加权的策略,预测菜谱评分,将高评分菜谱推荐给用户。(3)提出了营养均衡优先和喜好度优先的菜谱组合推荐模型。以中国膳食营养摄入量为标准,结合用户个人信息,以菜谱的营养含量表为解空间使用多目标遗传算法求解,得出符合营养摄入要求的菜谱和对应的食用量进行推荐。
基于情境感知的老人饮食推荐系统的设计与实现
这是一篇关于饮食推荐,情境感知,协同过滤,规则推荐的论文, 主要内容为“民以食为天”,“食”是人们生活中必不可少的一部分,不良饮食习惯会引起许多健康问题,糖尿病、高血压等慢性疾病也可以通过良好的饮食来预防和控制。但是人们对自己饮食的健康状况缺乏判断,需要外界的支持进行改善,因此,饮食推荐系统成为帮助实现个性化饮食的有效工具。现有的饮食推荐多用于电子商务和美食社区,较少考虑目标用户的情境信息,推荐的饮食只关注用户的偏好,忽略了用户的情境需求。针对这些问题,本文开发基于情境感知的老人饮食推荐系统,引入情境信息、饮食偏好和健康知识,为老人实现准确、健康的饮食推荐服务。首先,对课题背景和国内外研究现状进行调研,结合老人饮食需求,提出基于C/S、B/S混合架构的系统总体方案。系统主要分为界面表示层、业务逻辑层和数据服务层,将系统关键的智能推荐模块放在业务逻辑层处理。然后,对基于情境感知的老人饮食推荐算法进行分析和研究。为了使推荐结果更加符合用户当前情境,提高推荐准确性。本文将传统的“项目-用户”推荐提升为“情境-项目-用户”推荐,使用混合推荐模式将多角度信息整合起来为老人进行饮食推荐。混合推荐模式包括的推荐方法是基于情境建模的协同过滤推荐和基于规则的推荐。最后,对系统进行详细设计与实现。本系统由后台服务端、移动客户端两部分组成,后台服务端主要完成饮食推荐功能和后台管理功能,客户端面向老龄用户,完成与饮食推荐系统的交互。为了测试系统的有效性,本文从功能和非功能角度设计合理的测试方案完成对系统的测试和分析。测试结果表明系统能够稳定可靠地运行,满足预期的功能需求和非功能需求。
面向营养学文本的知识挖掘及饮食推荐技术研究与实现
这是一篇关于知识图谱,实体抽取,LSTM,随机森林,饮食推荐的论文, 主要内容为随着生活水平的提高,人们不仅追求生活基础需要,也越来越关注健康问题。营养学饮食是治疗的辅助手段与预防疾病的重要途径,如果能够通过计算机方法自动进行营养学饮食推荐,不仅可以降低营养师的工作强度、提高工作效率,还能让普通居民更加方便地明确自己预防疾病的饮食习惯。本文制定了营养学知识图谱的构建模式,以期为严谨且丰富的饮食推荐系统提供良好的数据支持,并对实体及关系进行了定义,给出了标注规范及标注样例。结合目标文本实际情况,分析实体抽取任务适合的模型,使用LSTMCRF对营养学专业文本进行实体抽取,并通过对比试验证明LSTM-CRF适用于在营养学专业文本上的实体抽取任务。利用从哈医大附属第一医院获得的营养病志数据,使用随机森林算法训练初步的饮食推荐模型,并与其他分类模型进行对比试验,证明随机森林适用于基于营养病志数据的饮食推荐任务。结合实际情况,对营养师日常工作进行需求分析,设计营养病志及饮食推荐系统,将构造的饮食推荐模型使用到营养病志录入及饮食推荐系统中,使用Springboot+Django的跨语言调用服务结构解决良好的网站开发框架与科学计算类程序相结合的任务。
基于多目标进化和神经Bandits的个性化饮食搭配方法研究
这是一篇关于饮食推荐,多目标进化算法,推荐系统,协同过滤,多臂老虎机算法,决策树的论文, 主要内容为近年来,随着物质水平的提高与日渐丰富的食物种类出现,由不健康饮食导致的肥胖和超重已经成为了一个主要的公共卫生问题。有研究表明,饮食管理是很多疾病的关键防治手段。基于保持健康以及控制疾病的需求,人们已经日渐意识到饮食搭配与管理的重要性。同时,除了满足人体营养需求,个人的口味偏好也不能忽视。如果餐厅能为用户提供满足其特定营养健康需求,同时兼顾用户口味个性化的食谱,将很大程度提升用户体验,对于商家而言也可以增加其商业竞争力与用户粘性。本文提出一种个性化饮食搭配方法,可根据用户营养需求定制饮食方案,并考虑用户的口味偏好,提供个性化的饮食推荐建议。本文提出的个性化饮食搭配方法由两部分组成:饮食搭配模块和个性化模块。其中,饮食搭配问题被建模为多目标进化问题,个性化模块的核心是个性化推荐算法。同时以高脂血症为例,对其风险因子进行分析,佐证了饮食对于高脂血症的影响。主要工作如下:1)提出了一种基于多目标进化算法的饮食搭配方法:以非支配排序遗传算法为基本框架,针对饮食搭配问题定义了R支配规则,并基于Pareto支配和R支配实现高维目标空间种群个体的非支配排序;为解决因解空间庞大引起的搜索效率低的问题,本文采用基于假设约束和聚类的方法以降低解空间规模,提升搜索速率;定义基于基因突变和交叉的种群更新方式。在大规模食物数据集上,定义饮食搭配问题,将本文算法与两种目前广泛应用的多目标进化算法NSGAII和NSGAIII进行比较,结果证明本文算法在收敛性和均匀性上都优于NSGAII算法,且在收敛性和均匀性上均接近或略优于NSGAIII算法。2)提出一种融合协同过滤的神经Bandits个性化饮食推荐算法:针对数据稀疏性和“冷启动”问题对协同过滤的限制以及现有的协同多臂老虎机算法不适用于非线性奖励函数的问题,本文提出一种融合协同过滤的神经Bandits推荐算法COEENet。采用双神经网络结构学习预期奖励及潜在增益,同时考虑邻居用户的协同作用,并构造决策器进行最终决策。COEENet基于用户对上下文信息的关注度寻找邻居用户以解决数据稀疏问题,并采用多臂老虎机算法在尽量少的次数内快速试探用户喜好,在保证推荐多样性的同时缓解冷启动问题。同时,通过决策器可以平衡探索网络、利用网络以及协同作用的强度以保证用户自身的决定性作用以及推荐的多样性。最后,在真实数据集上将所提算法与四种基线算法进行比较,结果表明所提算法具有更小的累积遗憾,推荐效果更优。3)基于决策树探究谷氨酰基转移酶联合血糖状况对高脂血症的影响:比较基线数据中高脂血症和非高脂血症人群在生化、糖化血红蛋白等指标上的差异;对谷氨酰基转移酶浓度以及血糖水平进行分层以探究两者的阶段性升高与高脂血症患病率之间的关系;利用Spearman相关性分析确定甘油三酯与各变量的相关性,利用Logistic回归分析确定甘油三酯的独立相关因素;最后,利用决策树对未患高脂血症人群的一般规律进行提取,得到不同血糖状况人群中谷氨酰基转移酶的相对安全范围,以对高脂血症的早期发现和干预提供指导。以饮食与血糖水平、谷氨酰基转移酶浓度密切相关为前提,依此佐证了饮食对高脂血症的影响。
面向营养学文本的知识挖掘及饮食推荐技术研究与实现
这是一篇关于知识图谱,实体抽取,LSTM,随机森林,饮食推荐的论文, 主要内容为随着生活水平的提高,人们不仅追求生活基础需要,也越来越关注健康问题。营养学饮食是治疗的辅助手段与预防疾病的重要途径,如果能够通过计算机方法自动进行营养学饮食推荐,不仅可以降低营养师的工作强度、提高工作效率,还能让普通居民更加方便地明确自己预防疾病的饮食习惯。本文制定了营养学知识图谱的构建模式,以期为严谨且丰富的饮食推荐系统提供良好的数据支持,并对实体及关系进行了定义,给出了标注规范及标注样例。结合目标文本实际情况,分析实体抽取任务适合的模型,使用LSTMCRF对营养学专业文本进行实体抽取,并通过对比试验证明LSTM-CRF适用于在营养学专业文本上的实体抽取任务。利用从哈医大附属第一医院获得的营养病志数据,使用随机森林算法训练初步的饮食推荐模型,并与其他分类模型进行对比试验,证明随机森林适用于基于营养病志数据的饮食推荐任务。结合实际情况,对营养师日常工作进行需求分析,设计营养病志及饮食推荐系统,将构造的饮食推荐模型使用到营养病志录入及饮食推荐系统中,使用Springboot+Django的跨语言调用服务结构解决良好的网站开发框架与科学计算类程序相结合的任务。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设项目助手 ，原文地址：https://m.bishedaima.com/lunwen/50216.html
