一、绪论
今日, 人们的生活节奏越来越快, 人们已经不能长时间坐在电脑前提在网上冲浪或者进行其他的娱乐活动。与此同时, 关于提供食谱和推荐饮食的美食网站和应用很多, 其中的膳食信息量很大, 但是在这样大量的数据中, 用户很难排除掉冗余的或者是无用的信息, 这样就给用户的决策带来困扰, 也不能够给用户提供精准的个性化信息。在膳食结构上, 国外饮食结构和烹调手法相对简单, 所以其主要采用了基于遗传算法、基于案例或基于规则的方式来实现膳食推荐;而国内由于菜系众多、烹调方法多样, 各地风俗独特, 用料考究等因素, 相对来说膳食就更加复杂多样, 不好进行膳食推荐, 食谱推荐网站像“美食天下”等, 仅仅食谱比较完善, 目前还不能通过算法搭配膳食, 使我们的营养更加均衡。特别是在膳食的个性化推荐方面, 不论国内国外都很少。目前, 膳食推荐系统或多或者都存在如下的一些问题:一是有些推荐系统只考虑到了营养的平衡问题, 并没有考虑到每个用户的个性化需求;二是有些个性化推荐系统只是针对关键词等做简单推荐, 并没有深入挖掘;三是很多的膳食系统都是服务于一些特殊人群或者特殊机构, 像减肥类的饮食软件就特别普遍。
二、推荐模型研究
在这个商品寻找的过程中, 我们浏览了大量无用的或者不感兴趣的内容。为了解决寻找有价值信息难等问题, 就出现了个性化推荐系统。个性化推荐系统是根据用户的基本信息、兴趣特点、网页浏览日志和一些购买行为等, 有针对性的向用户主动推荐其感兴趣的一些商品、信息和服务等。个性化推荐算法是个性化推荐的核心, 目前常用的推荐算法可以分为四类:基于内容的推荐方法、基于知识的推荐方法、协同过滤推荐方法和混合推荐方法。由于到目前为止, 还没有一个构造本体的标准方法, 所以我们首先遵循上文提到的五条原则, 根据膳食领域的特点, 在建立膳食本体的时候, 我们是基于原型-迭代的思想进行。原型-迭代思想应用领域很广, 优点突出, 当我们开始先建立一个初步的模型之后, 这个模型肯定是不够精准和完善的, 然后我们不断的迭代更新它, 这样一个循环往复的过程, 使其更加趋于实际。
本文建立的推荐模型的基本思路是:首先, 我们根据系统中目标用户最近18条膳食采纳与否的记录, 利用粗糙集中的属性约简方法, 计算出来关键属性。与此同时, 建立用户兴趣模型是同步进行的, 然后我们根据已经计算出的关键属性, 计算用户兴趣相似度。另一方面, 我们建立用户模型, 然后计算用户基本信息相似度, 根据用户基本信息相似度和用户兴趣相似性, 计算出用户相似度, 根据用户相似度的排序, 我们选取最高的5位相似用户最近采纳的膳食记录, 把他们加入到最后的推荐结果集合中, 形成最终的膳食推荐结果。推荐模型的基本流程图见图1:
三、总体设计
本系统整体开发分为两大部分:
Android客户端的设计, 主要有用户管理模块、健康信息发布模块、个性化推荐模块、膳食记录和分析模块和辅助功能模块。服务器开发, 主要是管理员模块和用户模块。管理员实现管理员修改管理员信息、添加用户、删除用户、查询用户信息等功能;用户模块实现修改用户信息等功能。
本系统主要功能需求如下: (1) 用户管理。包括用户注册与登录, 输入个人身高、体重、职业、籍贯等个人信息; (2) 膳食个性化推荐。根据用户信息和兴趣信息, 给用户推荐膳食, 对于用户采纳的膳食进行记录。本系统附带商品推荐和购买功能, 用户通过接入支付宝的第三方支付, 实现在线购买功能; (3) 营养情况分析。输入用户一天所食用的食物, 分析出一天所摄入的各种营养是否全面够量。系统针对不同的年龄、不同的需求群体 (如减肥者) 做出不同的分析; (4) 根据你近七次输入的数据做出分析, 画出曲线图, 直观的告诉用户最近营养摄入过量和不足的分布情况, 让你从图上直观的做出日后饮食的调整; (5) 健康小常识等信息发布。发布一些生活中的饮食常识, 健康咨询等信息, 有助于用户更好的选择和搭配膳食; (6) 一些辅助性功能, 电子指南针、计算器、秒表、打车和软件使用说明等功能。
四、总结
针对目前膳食推荐系统存在的问题, 本文通过引入粗糙集理论, 充分考虑用户的个性化问题, 较好的解决了个人及家庭餐饮时的选择困难症, 通过个性化推荐系统做到满足个性化需求, 通过膳食分析模块实现保障营养丰富, 两者结合, 相得益彰, 具有良好的实用价值。
摘要：本文把粗糙集理论引入到膳食个性化推荐中来, 利用粗糙集的属性约简方法, 计算出关键属性, 从而避免了冗余属性的干扰。本文建立了膳食本体和用户模型, 用户模型又包括用户兴趣模型, 通过计算用户基本信息相似度和用户兴趣相似性, 综合得出用户相似度, 把相似度最高的5位用户最近采纳的膳食作为推荐结果。本文设计的系统较好解决了个人及家庭餐饮时的选择困难问题, 通过个性化推荐做到满足个性化需求, 通过膳食分析实现营养均衡, 两者结合, 相得益彰, 具有良好的实用价值。
关键词：粗糙集,膳食分析,个性化推荐
参考文献
[1] 王全丽.基于粗糙集理论的个性化推荐算法研究[D].天津:河北工业大学, 2011.
[2] 李伟涛.粗糙集与模糊粗糙集属性约简算法研究[D].重庆:重庆大学, 2011.
[3] 谢文玲.个性化信息服务系统中用户建模技术研究[D].上海:上海师范大学, 2011.
[4] 王娟.个性化旅游信息系统中用户建模技术的研究[D].北京:北京邮电大学, 2007.