一、緒論
今日, 人們的生活節奏越來越快, 人們已經不能長時間坐在電腦前提在網上沖浪或者進行其他的娛樂活動。與此同時, 關于提供食譜和推薦飲食的美食網站和應用很多, 其中的膳食信息量很大, 但是在這樣大量的數據中, 用戶很難排除掉冗余的或者是無用的信息, 這樣就給用戶的決策帶來困擾, 也不能夠給用戶提供精準的個性化信息。在膳食結構上, 國外飲食結構和烹調手法相對簡單, 所以其主要采用了基于遺傳算法、基于案例或基于規則的方式來實現膳食推薦;而國內由于菜系眾多、烹調方法多樣, 各地風俗獨特, 用料考究等因素, 相對來說膳食就更加復雜多樣, 不好進行膳食推薦, 食譜推薦網站像“美食天下”等, 僅僅食譜比較完善, 目前還不能通過算法搭配膳食, 使我們的營養更加均衡。特別是在膳食的個性化推薦方面, 不論國內國外都很少。目前, 膳食推薦系統或多或者都存在如下的一些問題:一是有些推薦系統只考慮到了營養的平衡問題, 并沒有考慮到每個用戶的個性化需求;二是有些個性化推薦系統只是針對關鍵詞等做簡單推薦, 并沒有深入挖掘;三是很多的膳食系統都是服務于一些特殊人群或者特殊機構, 像減肥類的飲食軟件就特別普遍。
二、推薦模型研究
在這個商品尋找的過程中, 我們瀏覽了大量無用的或者不感興趣的內容。為了解決尋找有價值信息難等問題, 就出現了個性化推薦系統。個性化推薦系統是根據用戶的基本信息、興趣特點、網頁瀏覽日志和一些購買行為等, 有針對性的向用戶主動推薦其感興趣的一些商品、信息和服務等。個性化推薦算法是個性化推薦的核心, 目前常用的推薦算法可以分為四類:基于內容的推薦方法、基于知識的推薦方法、協同過濾推薦方法和混合推薦方法。由于到目前為止, 還沒有一個構造本體的標準方法, 所以我們首先遵循上文提到的五條原則, 根據膳食領域的特點, 在建立膳食本體的時候, 我們是基于原型-迭代的思想進行。原型-迭代思想應用領域很廣, 優點突出, 當我們開始先建立一個初步的模型之后, 這個模型肯定是不夠精準和完善的, 然后我們不斷的迭代更新它, 這樣一個循環往復的過程, 使其更加趨于實際。
本文建立的推薦模型的基本思路是:首先, 我們根據系統中目標用戶最近18條膳食采納與否的記錄, 利用粗糙集中的屬性約簡方法, 計算出來關鍵屬性。與此同時, 建立用戶興趣模型是同步進行的, 然后我們根據已經計算出的關鍵屬性, 計算用戶興趣相似度。另一方面, 我們建立用戶模型, 然后計算用戶基本信息相似度, 根據用戶基本信息相似度和用戶興趣相似性, 計算出用戶相似度, 根據用戶相似度的排序, 我們選取最高的5位相似用戶最近采納的膳食記錄, 把他們加入到最后的推薦結果集合中, 形成最終的膳食推薦結果。推薦模型的基本流程圖見圖1:
三、總體設計
本系統整體開發分為兩大部分:
Android客戶端的設計, 主要有用戶管理模塊、健康信息發布模塊、個性化推薦模塊、膳食記錄和分析模塊和輔助功能模塊。服務器開發, 主要是管理員模塊和用戶模塊。管理員實現管理員修改管理員信息、添加用戶、刪除用戶、查詢用戶信息等功能;用戶模塊實現修改用戶信息等功能。
本系統主要功能需求如下: (1) 用戶管理。包括用戶注冊與登錄, 輸入個人身高、體重、職業、籍貫等個人信息; (2) 膳食個性化推薦。根據用戶信息和興趣信息, 給用戶推薦膳食, 對于用戶采納的膳食進行記錄。本系統附帶商品推薦和購買功能, 用戶通過接入支付寶的第三方支付, 實現在線購買功能; (3) 營養情況分析。輸入用戶一天所食用的食物, 分析出一天所攝入的各種營養是否全面夠量。系統針對不同的年齡、不同的需求群體 (如減肥者) 做出不同的分析; (4) 根據你近七次輸入的數據做出分析, 畫出曲線圖, 直觀的告訴用戶最近營養攝入過量和不足的分布情況, 讓你從圖上直觀的做出日后飲食的調整; (5) 健康小常識等信息發布。發布一些生活中的飲食常識, 健康咨詢等信息, 有助于用戶更好的選擇和搭配膳食; (6) 一些輔助性功能, 電子指南針、計算器、秒表、打車和軟件使用說明等功能。
四、總結
針對目前膳食推薦系統存在的問題, 本文通過引入粗糙集理論, 充分考慮用戶的個性化問題, 較好的解決了個人及家庭餐飲時的選擇困難癥, 通過個性化推薦系統做到滿足個性化需求, 通過膳食分析模塊實現保障營養豐富, 兩者結合, 相得益彰, 具有良好的實用價值。
摘要：本文把粗糙集理論引入到膳食個性化推薦中來, 利用粗糙集的屬性約簡方法, 計算出關鍵屬性, 從而避免了冗余屬性的干擾。本文建立了膳食本體和用戶模型, 用戶模型又包括用戶興趣模型, 通過計算用戶基本信息相似度和用戶興趣相似性, 綜合得出用戶相似度, 把相似度最高的5位用戶最近采納的膳食作為推薦結果。本文設計的系統較好解決了個人及家庭餐飲時的選擇困難問題, 通過個性化推薦做到滿足個性化需求, 通過膳食分析實現營養均衡, 兩者結合, 相得益彰, 具有良好的實用價值。
關鍵詞：粗糙集,膳食分析,個性化推薦
參考文獻
[1] 王全麗.基于粗糙集理論的個性化推薦算法研究[D].天津:河北工業大學, 2011.
[2] 李偉濤.粗糙集與模糊粗糙集屬性約簡算法研究[D].重慶:重慶大學, 2011.
[3] 謝文玲.個性化信息服務系統中用戶建模技術研究[D].上海:上海師范大學, 2011.
[4] 王娟.個性化旅游信息系統中用戶建模技術的研究[D].北京:北京郵電大學, 2007.