發(fā)布時(shí)間：2024-06-10 17:22

　　近年來,餐飲行業(yè)的電子商務(wù)發(fā)展迅猛。線上訂餐平臺(tái)給用戶就餐選擇帶來便利的同時(shí),也引來了信息過載(information overload)的困擾。對用戶來說,篩選有價(jià)值的就餐決策信息是不小的任務(wù);對平臺(tái)管理者而言,向億量級用戶提供檢索服務(wù),運(yùn)營管理千萬量級餐館,更是極大的挑戰(zhàn)。鑒于上述原因,越來越多的企業(yè)、研究單位通過數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等手段解決餐飲行業(yè)遇到的技術(shù)難題。因此,本文根據(jù)在線餐飲平臺(tái)的用戶就餐數(shù)據(jù)集,對用戶的就餐行為進(jìn)行了一系列的研究分析。本文主要研究內(nèi)容及成果包括:1.用戶就餐行為規(guī)律:本研究分別從地理移動(dòng)與口味轉(zhuǎn)移等角度,用信息熵的度量方法刻畫用戶就餐行為的約束性、偏好性現(xiàn)象,并歸納了用戶就餐行為規(guī)律中的拓展性與可預(yù)測性,分析了用戶就餐行為與其社區(qū)聲譽(yù)的內(nèi)在關(guān)聯(lián)。2.用戶間行為影響:本研究分別從不同性別朋友的就餐行為,以及本人自我中心網(wǎng)絡(luò)(ego network)的模體單元等角度,分析了這些外部因素對用戶本人就餐行為的影響效應(yīng)。本研究發(fā)現(xiàn)了在線餐飲社區(qū)用戶間的就餐行為影響具有異質(zhì)性。3.餐館推薦算法:本研究改進(jìn)了傳統(tǒng)推薦算法只使用用戶評分?jǐn)?shù)據(jù)建模的特點(diǎn),根據(jù)用戶就餐序列...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2-1用戶評論數(shù)據(jù)與Yelp網(wǎng)頁上顯示內(nèi)容之間的關(guān)聯(lián)

采用的Yelp數(shù)據(jù)集是Yelp官方發(fā)布的第8屆YelpDatasetChallenge競賽數(shù)/www.yelp.com/dataset/challenge），其中包含了2004年10月12日至2015的用戶評論信息，以及相關(guān)聯(lián)的用戶屬性信息與餐....

圖2-2用戶屬性數(shù)據(jù)與Yelp網(wǎng)頁上顯示內(nèi)容之間的關(guān)聯(lián)

stars被評論餐館的評分，區(qū)間在1至5之間date評論時(shí)間，格式：年-月-日text評論的文本信息useful其他用戶的點(diǎn)贊（“有用”）數(shù)量funny其他用戶的點(diǎn)贊（“有趣”）數(shù)量cool其他用戶的點(diǎn)贊（“酷”）數(shù)量（2）用戶屬性數(shù)據(jù)記錄了用戶名，用戶地理位置，好友數(shù)量....

圖2-3餐館屬性數(shù)據(jù)與Yelp網(wǎng)頁上顯示內(nèi)容之間的關(guān)聯(lián)

yelping_since用戶注冊時(shí)間，格式：年-月-日friends用戶朋友列表useful評論的文本信息funny用戶集贊（“有用”）總數(shù)cool用戶集贊（“有趣”）總據(jù)fans用戶集贊（“酷”）總據(jù)elite用戶成為社區(qū)精英的年份，格式：年average_stars所有評論....

圖4-1用戶本人的自我中心網(wǎng)絡(luò)

11niiizzxx本數(shù)據(jù)，很容易獲得(4-10)中的IV估計(jì)量。0類行為影響的研究，例如，用戶情感在臉書社的擴(kuò)散[58]等相關(guān)工作，本章的研究內(nèi)容側(cè)重兩影響，以及（2）用戶自我中心網(wǎng)絡(luò)（如圖4-1。由于在社交網(wǎng)絡(luò)中，Yelp用戶與其朋友在就行為的傳播....

本文編號(hào)：3991657