融合用戶行為網絡信息的個性化餐館推薦

傅晨波，鄭永立，周鳴鳴，宣 琦

(浙江工業大學 信息工程學院，浙江 杭州 310023)

近年來，隨著互聯網技術的快速發展，在線餐飲平臺服務越來越受到人們的喜愛，但是大量用戶和商家菜品信息的涌入，也造成了信息過載的問題。因此，推薦系統作為一種高效的信息過濾系統對食物信息的搜尋者和傳播者顯得十分重要。目前，推薦系統已經廣泛應用于各種在線餐飲服務中，如Yelp，OpenTable，以及國內的大眾點評網，餓了嗎等餐飲平臺。

推薦系統主要是從大量的用戶信息中，挖掘探索用戶的就餐喜好模式或者用戶之間相似性等進行推薦。其中，所需要的用戶信息包括顯式信息和隱式信息，顯式信息比較準確，例如用戶評分和評論等，隱式信息如瀏覽歷史，用戶資料，位置信息、社會關系等難以準確描述用戶喜好。由于隱式輔助信息種類眾多，處理方法各有不同，仍然是個性化餐館推薦研究領域關注的熱點。筆者從用戶的行為信息和復雜網絡的角度，挖掘了用戶就餐序列之間的行為網絡的拓撲結構關系，提出了一種融合用戶行為網絡信息的個性化餐館推薦系統。筆者將首先介紹推薦系統的相關工作；然后介紹研究的數據集和融合用戶行為網絡信息的餐館推薦模型，包括就餐位置轉移網絡和口味轉移網絡的構建，網絡表征及用戶行為信息的融合；接下來介紹模型對比方法、評價指標、實驗設計參數及實驗結果分析；最后進行總結和展望。……