IPv6網絡環境下推薦系統在智慧社區中的應用

◆李佳雯

（濟南大學信息科學與工程學院 山東 250000）

1 概念介紹

1.1 智慧社區

社區是在一定的領域中，由許多社會群體或社會組織形成的一個在生活上相互關聯的大集體，它是社會的縮影[1]。在百度百科中，智慧社區的定義是在新形勢下的一種社區管理的新理念和新模式，在智能樓宇、智能家居、路網監控等領域充分使用互聯網、物聯網、云計算等新技術。近年來，智慧社區的發展如火如荼。在2017年6月中共中央國務院印發的《關于加強和完善城鄉社區治理的意見》中提到了要實施“互聯網+社區”行動計劃。智慧社區的發展方便了居民的社區生活，居民家庭中的設施更加智能化，智慧社區的涉及范圍也逐漸擴大。隨著智慧社區的不斷發展，居民對生活的要求和質量也不斷提高，在社區中逐漸形成居住、生活、娛樂、交流為一體的社區生態鏈。

1.2 IPv6

IPv6是一種用來代替IPv4的互聯網協議。IPv4使用32位地址，最多有4294967296個地址。隨著網絡用戶的不斷增加，IPv4的地址已經遠遠不夠，許多設備必須共享同一個地址，這使互聯網的發展受到了阻礙，同時網絡安全管理的難度也增加。IPv6協議很好地解決了地址分配不足的情況，IPv6的地址采用十六進制表示，地址長度為128b，是IPv4地址長度的4倍。使用IPv6互聯網協議的優點是能夠保證每個設備都能分配一個地址，這增強了網絡的安全性。將此平臺建在 IPv6網絡環境下，不僅可以使平臺更加安全，而且迎合了我國進入IPv6時代的發展趨勢。

1.3 系統介紹

用戶可以通過手機APP端使用社區服務接入到IPv6網絡，使用過程中會與服務器產生信息交互，如登錄的地點、訪問過的店鋪、消費過的店鋪、消費金額、購買種類、購買評價以及發表的論壇。通過機器學習和大數據分析服務器對用戶的行為進行具體的分析，對用戶進行標簽化處理，為每一位用戶建立畫像，根據對用戶的標簽和畫像，利用協同過濾算法為用戶提供可能喜歡的店鋪。本文的主要創新點表現在：

（1）本文將整個社區中“吃”這一行為，通過推薦系統連接在一起。根據對社區居民日常生活的分析，居民的吃主要集中在點外賣、堂食、菜市場買菜和超市購物。通過數據挖掘技術對用戶的行為數據進行分析，進而使用推薦算法為用戶推薦他可能喜歡的店鋪和菜譜。

（2）根據用戶的歷史數據，推薦的側重點也有所改變，推薦側重點幫助用戶實現飲食均衡。

2 相關工作

近年來，關于智慧社區相關內容的研究越來越多。有的針對智慧社區中的養老服務體系，有的針對某一地區的智慧社區的發展，有的針對智慧社區智能化的研究等等。對于智慧社區的研究越來越廣泛，也越來越深入。

人們的網絡消費需求推動了智慧社區的發展，使人們的消費環境更加智慧化。鄭嫻、楊一丁在《互聯網+智慧菜場初探——掛廣州細崗菜場的雙平臺改造》中通過建立了個人菜場實現了顧客的第三方線上交易托管平臺，菜場的購買方式更加多樣，形成了現場買菜、烹飪、飲用的一連串服務[2]。智慧菜場的推出，使菜市場更加智能化和智慧化。

目前，推薦系統是很多應用中必不可少的一部分。國內外有很多團隊開展了關于推薦系統相關內容的研究，Grouplens[3]將基于評分的協同過濾算法應用到電商平臺中，俞騁超[4]使用DeepSession算法來解決個性化推薦的問題，邵方舒[5]使用基于協同過濾和關聯規則算法實現了個性化圖書推薦，然而對于智慧社區中的飲食推薦相關研究還比較少。

在今后的智慧社區發展中，智慧社區的服務將更加方便于居民的衣、食、住、行，居民的生活會更加智能化。本文主要研究智慧社區中服務居民的飲食活動，根據分析用戶的飲食歷史記錄，來通過基于關聯規則的推薦算法和協同過濾推薦算法為用戶推薦更加符合用戶需求更加人性化的店鋪和能讓用戶飲食均衡的菜譜。本文將智慧社區的發展和美食推薦緊密地結合在一起，有關這方面的研究還比較少，這有利于將社區周邊的美食餐館、外賣店鋪、超市和菜市場通過推薦系統關聯起來。

3 方法論

3.1 推薦系統在智慧社區中的應用

本案例主要采用基于關聯規則的推薦和協同過濾算法，選取智慧社區中的外賣店鋪、美食餐館、菜市場和超市作為主要研究對象，對使用 IPv6網絡環境下的智慧社區平臺的社區居民的飲食信息進行數據分析，為用戶提供更加合適、健康的店鋪。

IPv6網絡環境下的智慧社區平臺是在IPv6的網絡接入環境下建立的一個為社區居民提供方便的社區服務平臺，該平臺給用戶的日常生活提供了便利。社區居民的飲食購買信息是在商家推薦板塊中，居民可以進行線上訂餐和線上購買。

圖1 推薦系統整體圖

3.2 基于關聯規則的推薦算法的應用

基于關聯規則最先想到的是“尿布與啤酒的故事”，美國沃爾瑪超市對顧客的購物歷史信息進行分析，發現與尿布一起購買最多的是啤酒。關聯規則的挖掘過程主要有兩個階段，這兩個階段分別是從歷史數據中找出高頻項目組、由高頻項目組產生關聯規則[6]。

基于關聯規則的推薦的基礎是關聯規則，在大量的交易數據庫中挖掘不同商品之間的強關聯規則[7]，從而發現顧客群體之間的購買習慣和內在共性，可以使用戶發現更多的興趣點。

關聯規則分析中有三個關鍵的指標：支持度（Support）、置信度（Confidence）、提升度（Lift）。

（1）支持度是兩種商品同時購買的概率，計算公式可以表示為商品A、B同時出現的次數與購買商品總數的比值；

（2）置信度是一種商品購買后，另一種商品也會購買的概率，這是一種條件概率；

（3）提升度是用來判斷使用規則后的效果，即使用規則后商品購買的次數是否高于商品單獨購買的頻率，來判斷使用的規則是否可行。

本文采用的是 Apriori算法，發現數據集中的頻繁項集是工作的基礎，通過逐層遍歷找到候選項集，通過迭代解出事物項集之間的關聯關系。

圖2 基于關聯規則過程圖

3.3 協同過濾算法的應用

協同過濾算法是通過對用戶歷史行為數據的挖掘，發現用戶對物品的喜好特點，基于不同的喜好對用戶進行劃分并推薦類別相似的物品。協同過濾算法分為兩類：基于用戶的協同過濾（Userbased collaborative filtering）、基于物品的協同過濾（Item-based collaborative filtering）。本文采用基于物品的協同過濾算法（Itembased collaborative filtering）。其算法流程如下：

（1）相似度計算

使用基于關聯的相似度計算，計算兩個向量之間的關聯度，公式：

其中sim(i,j)表示菜系i和菜系j的相似度，表示用戶u對菜系i的打分，表示第i個菜系打分的平均值。用戶對菜系的打分主要是通過用戶在外賣店鋪、餐館、超市購買菜系品類的次數、頻率、評價和金額來獲得。

（2）預測值計算

根據菜系之間的相似度，對用戶沒有打分的菜系進行推測。對用戶已打分的菜系對評分進行加權求和，權值為各個菜系與菜系i的相似度，然后對菜系相似度的和求平均值，從而求得用戶可能購買i菜系的概率，其公式如下：

通過基于物品的協同過濾算法，我們可以分析出用戶喜歡的菜系品類，從而可以為用戶提供用戶喜歡的菜譜，進而推薦社區附近的菜市場。

4 結束語

本文主要將基于關聯規則的推薦算法和協同過濾算法應用在智慧社區的飲食推薦系統上，為用戶的飲食提供了方便，同時也為用戶的合理飲食提供了參考。