基于協(xié)同過濾算法的食堂菜品智能推薦程序

肖力郎 黃慶鳳 鄒俊軒 劉之暢 姜濤 雷晨捷

摘? 要：傳統(tǒng)的菜品評(píng)測(cè)軟件存在著功能冗余，安裝繁瑣等降低用戶黏性的固有缺點(diǎn)，而微信小程序這一新的開發(fā)方式，給了我們解決該問題的新途徑。本文以學(xué)校食堂菜品推薦為背景設(shè)計(jì)了新的菜品推薦評(píng)測(cè)微信小程序。該程序選擇基于用戶相似度的協(xié)同過濾算法，針對(duì)每位用戶進(jìn)行智能推薦，具有用戶目標(biāo)明確、程序輕量化、推薦個(gè)性化的特點(diǎn)。

關(guān)鍵詞：微信小程序? 智能推薦? 協(xié)同過濾? 飲食推薦

中圖分類號(hào)：TP39? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ?文章編號(hào)：1674-098X（2020）08（a）-0251-03

Abstract： Traditional dish evaluation software has inherent disadvantages such as redundant functions and cumbersome installation to reduce user stickiness， while WeChat applets， a new development method， give us a new way to solve this problem. We design a new WeChat program for the food evaluation based on the background of school canteen food recommendation. This program selects a collaborative filtering algorithm based on user similarity， and makes intelligent recommendations for each user. This program has the characteristics of clear user target， lightweight and personalized recommendation.

Key Words： WeChat applets; Intelligent recommendation; Collaborative filtering; Dietary recommendation

華中科技大學(xué)占地面積廣大，擁有食堂多達(dá)34所，師生分布在學(xué)校東西中三個(gè)區(qū)域內(nèi)。當(dāng)同學(xué)老師及訪客由于某些原因去往不熟悉的食堂，或者對(duì)常去的食堂產(chǎn)生厭倦時(shí)，即出現(xiàn)了了解新食堂及其菜品的需求。如果專門為此設(shè)計(jì)應(yīng)用軟件又難免存在下載安裝過程繁瑣導(dǎo)致用戶吸引力降低的問題。

為解決該問題，我們?cè)O(shè)計(jì)了基于微信小程序[1]的食堂菜品推薦程序。本文將論述該程序的主要功能模塊，實(shí)現(xiàn)智能推薦的主要算法，數(shù)據(jù)庫(kù)的搭建等并根據(jù)實(shí)際情況反饋對(duì)該設(shè)計(jì)的優(yōu)缺點(diǎn)進(jìn)行了討論。

1? 實(shí)現(xiàn)功能

本設(shè)計(jì)主要實(shí)現(xiàn)以下功能以解決相關(guān)訴求。

1.1 主頁(yè)面智能推薦

根據(jù)用戶所在區(qū)域，智能推薦食堂與菜品。

針對(duì)的是想要嘗試新食堂但又沒有具體想法的用戶。

1.2 用戶手動(dòng)選擇食堂，智能推薦菜品

針對(duì)有心中有大概想法但又無(wú)法做出具體選擇的用戶。

1.3 用戶留言點(diǎn)評(píng)菜肴

讓同學(xué)通過評(píng)論與打分的方式給出評(píng)測(cè)，程序進(jìn)行智能分析并進(jìn)一步修正數(shù)據(jù)庫(kù)以便做出更優(yōu)的推薦。

2? 推薦算法選擇

當(dāng)前經(jīng)典的推薦算法包括topN算法、矩陣算法、內(nèi)容關(guān)聯(lián)算法、協(xié)同過濾算法、神經(jīng)網(wǎng)絡(luò)矩陣分解法、用戶行為軌跡分析法等。此外還存在著混合推薦算法。由于本次設(shè)計(jì)中評(píng)價(jià)對(duì)象相對(duì)較少，我們采用了基于用戶相似度的協(xié)同過濾算法。

2.1 主流協(xié)同過濾推薦算法的分析

目前主流的協(xié)同過濾推薦算法分為基于用戶的協(xié)同過濾推薦算法及基于項(xiàng)目的協(xié)同過濾推薦算法?；谟脩舻膮f(xié)同過濾推薦算法依賴于用戶對(duì)項(xiàng)目的評(píng)價(jià)矩陣，進(jìn)而產(chǎn)生用戶的推薦集合，對(duì)評(píng)價(jià)的數(shù)目有很高的要求，即需要大量評(píng)價(jià)數(shù)據(jù)，否則會(huì)對(duì)推薦的準(zhǔn)確性產(chǎn)生很大的影響?；陧?xiàng)目的協(xié)同過濾推薦算法對(duì)用戶已評(píng)分的項(xiàng)目的相似項(xiàng)目的評(píng)價(jià)進(jìn)行預(yù)測(cè)，進(jìn)而減輕了系統(tǒng)對(duì)原始評(píng)分?jǐn)?shù)據(jù)的依賴。但該算法推薦集覆蓋率低，用戶滿意度較低。

2.2 選擇基于用戶相似度的協(xié)同過濾推薦算法的理由

傳統(tǒng)協(xié)同過濾推薦算法在實(shí)際運(yùn)用中逐漸表現(xiàn)出一些問題[2]：傳統(tǒng)算法沒有利用到社交網(wǎng)絡(luò)中大量存在的用戶交互信息。這反映在食堂推薦程序中則為將同一菜品的評(píng)價(jià)視為平行關(guān)系，忽略了用戶之間的互動(dòng)，即參與評(píng)價(jià)的用戶之間的相關(guān)性。而基于用戶相似度的協(xié)同過濾推薦算法（如圖1）綜合利用用戶注冊(cè)信息，對(duì)主體的評(píng)價(jià)信息及用戶互動(dòng)信息，提高推薦質(zhì)量和準(zhǔn)確度，進(jìn)而提升用戶滿意度。

2.3 步驟說明

根據(jù)前述說明，用戶信息可以分為用戶屬性和用戶互動(dòng)信息。用戶屬性即用戶的基本注冊(cè)信息，用戶互動(dòng)信息即用戶對(duì)其他菜品的瀏覽信息，或者是反映瀏覽同一菜品的用戶之間的相關(guān)性的信息。對(duì)兩類信息分配合理的權(quán)重，進(jìn)行線性擬合得到用戶間的相似度，進(jìn)而生成推薦集信息。

（1）用戶相似度計(jì)算。采用歐幾里得距離，計(jì)算用戶的相似度。應(yīng)用中希望相似度與返回值正相關(guān)，并且值在0到1之間，故我們?nèi)『瘮?shù)值加1取倒數(shù)的形式計(jì)算相似度[3]。

（2）尋找相似用戶。我們希望尋找與目標(biāo)用戶相似的用戶，采用的方法是：根據(jù)用戶間的相似系數(shù)，對(duì)相似用戶進(jìn)行排序，并且選擇相似用戶的前n名。

（3）生成推薦集。根據(jù)上述求得的相似用戶的加權(quán)平均，并且排除目標(biāo)用戶已經(jīng)瀏覽過的菜品，即得到對(duì)目標(biāo)用戶的推薦菜品。

3? 基于用戶的協(xié)同過濾算法實(shí)現(xiàn)過程

算法總體流程框圖如圖2所示[4-5]。

在本軟件中算法的核心實(shí)現(xiàn)思路為首先分析數(shù)據(jù)， 建立用戶-菜品評(píng)分矩陣模型， 接著通過計(jì)算用戶對(duì)菜品瀏覽頻率之間的相似性， 尋找目標(biāo)用戶的最近鄰居， 最后根據(jù)最近鄰居的評(píng)分向目標(biāo)用戶產(chǎn)生推薦菜品。

3.1 評(píng)分矩陣的建立

根據(jù)用戶瀏覽菜品的次數(shù)， 建立用戶-菜品標(biāo)準(zhǔn)化瀏覽頻率矩陣，用戶-菜品瀏覽頻率矩陣是一個(gè)矩陣，表示用戶數(shù)，表示菜品數(shù)，表示第個(gè)用戶對(duì)第? ? 個(gè)菜品課程的瀏覽頻率。

3.2 相似度計(jì)算

用戶與用戶之間的相似度可表示為：

本程序還通過隨機(jī)推薦方法以修正沒有其他用戶瀏覽過當(dāng)前用戶未瀏覽菜品的問題

3.3 推薦列表的產(chǎn)生

我們從矩陣中找到與目標(biāo)用戶最相似的個(gè)用戶，并去除用戶已經(jīng)瀏覽過的菜品，用集合表示， 對(duì)每門候選菜品，用戶對(duì)它的感興趣的程度用以下公式計(jì)算：

其中代表了前名相似用戶的推薦權(quán)重。

4? 推薦系統(tǒng)的具體構(gòu)建

4.1 程序的運(yùn)行流程

程序通過獲取用戶的反饋來(lái)不斷更新數(shù)據(jù)庫(kù)，從而達(dá)到優(yōu)化推薦的目的。根據(jù)這一思路設(shè)計(jì)出的程序運(yùn)行模式如圖3所示。

4.2 主要環(huán)節(jié)設(shè)計(jì)

（1）數(shù)據(jù)庫(kù)設(shè)計(jì)。我們?cè)O(shè)計(jì)了一個(gè)數(shù)據(jù)庫(kù)來(lái)存儲(chǔ)菜品的各項(xiàng)信息，各項(xiàng)菜品的基礎(chǔ)信息由人工采集錄入作為基礎(chǔ)信息，評(píng)價(jià)與分?jǐn)?shù)可以由用戶反饋進(jìn)行修改最終得到實(shí)際評(píng)價(jià)[6]，同時(shí)我們還設(shè)計(jì)了用戶提交窗口，由用戶幫助我們完善數(shù)據(jù)庫(kù)。

數(shù)據(jù)庫(kù)由以下三張表組成：

·Canteen：canteenName（食堂名稱），geo（地理位置），canteenPicture（食堂圖片）

·Dish： _id（菜品編號(hào)），canteenName（食堂名稱），dishName（菜品名稱），windowName（窗口名稱），windowPicture（窗口圖片），price（價(jià)格），unit（單位），dishPicture（菜品圖片），timeFor（出現(xiàn)時(shí)間），rate（評(píng)價(jià)）

·DishProperty： dishid（菜品id），openid，statue（評(píng)分），comment（評(píng)論）

由上述內(nèi)容可知，菜品通過canteenName來(lái)表示歸屬的食堂，windowName來(lái)表示所在窗口，通過timeFor來(lái)界定該菜品在三餐中的出現(xiàn)時(shí)間。DishProperty則用于存儲(chǔ)菜品的評(píng)價(jià)類的屬性諸如評(píng)分與評(píng)論內(nèi)容等。

（2）具體功能實(shí)現(xiàn)。

顯示菜品功能：使用wxml和wxss顯示數(shù)據(jù)庫(kù)Dish中的菜品信息在同名js文件中讀取數(shù)據(jù)庫(kù)信息，對(duì)dishname等變量進(jìn)行賦值，再通過wxml顯示在界面上。

搜索菜品功能：當(dāng)有輸入時(shí)，點(diǎn)擊搜索按鈕跳轉(zhuǎn)至搜索結(jié)果頁(yè)，再在結(jié)果頁(yè)用正則表達(dá)式搜索后用wxml顯示搜索結(jié)果。

云函數(shù)搜索：使用微信給出的云開發(fā)api，選擇正則表達(dá)式的大小寫不敏感的匹配模式，在dish數(shù)據(jù)庫(kù)中搜索目標(biāo)菜名。

用戶上傳功能：使用api獲取用戶設(shè)備照片文件，和用戶填寫菜品信息一起上傳至服務(wù)器上傳文件和添加數(shù)據(jù)是通過2個(gè)api實(shí)現(xiàn)，上傳圖片為uploadFile，上傳到云數(shù)據(jù)路徑。添加數(shù)據(jù)則使用collection.add添加用戶上傳數(shù)據(jù)至dishUserUpload數(shù)據(jù)庫(kù)。

智能推薦功能：使用前述的歐幾里得距離的變形計(jì)算用戶間的相似度，推薦相似度最高的用戶所瀏覽的目標(biāo)用戶未瀏覽的菜品。

5? 結(jié)語(yǔ)

選擇微信小程序的主要優(yōu)點(diǎn)在于其輕量快捷，無(wú)需繁瑣的下載安裝過程，降低了使用門檻。同時(shí)，微信小程序本身也提供了基本的服務(wù)框架，方便開發(fā)。我們?cè)谠O(shè)計(jì)中采用新潮的智能推薦算法進(jìn)行用戶的個(gè)性化推薦，有效解決了本校師生就餐選擇難的問題，并為師生跨校區(qū)就餐提供了指導(dǎo)。另外，開放式的評(píng)論系統(tǒng)也有助于學(xué)校官方了解相關(guān)情況，及時(shí)做出相應(yīng)調(diào)整。

本程序依然存在一些不足，諸如：用戶的自發(fā)更新缺乏動(dòng)力，數(shù)據(jù)擴(kuò)大后程序響應(yīng)緩慢，缺乏審核渠道，缺乏有效推廣渠道等。這也是未來(lái)準(zhǔn)備繼續(xù)改善的地方。

參考文獻(xiàn)

[1] 孫旻.廣播微信小程序的設(shè)計(jì)與實(shí)現(xiàn)[J].廣播電視信息，2019（9）：69-73.

[2] 蒲鮮霖.智能推薦系統(tǒng)中協(xié)同過濾算法綜述[J].中國(guó)新通信，2018，20（23）：31-32.

[3] 周鯤.基于用戶相似度的協(xié)同過濾推薦算法研究[D].成都：西南交通大學(xué)，2016.

[4] 宋勇建，宋金玲，張正陽(yáng)，等.基于項(xiàng)目評(píng)分預(yù)測(cè)與用戶多相似度的協(xié)同過濾推薦算法[J].現(xiàn)代化農(nóng)業(yè)，2019（3）：60-62.

[5] 陳思，田敬陽(yáng).基于協(xié)同過濾算法的旅游景點(diǎn)推薦模型研究[J].現(xiàn)代電子技術(shù)，2020，43（11）：132-135.

[6] 劉禹.基于微信小程序的圖書薦選程序設(shè)計(jì)及實(shí)現(xiàn)[J].長(zhǎng)春工程學(xué)院學(xué)報(bào)：自然科學(xué)版，2019，20（2）：59-62.