摘要：近几年经济和科学技术的迅猛发展将电子商务推到了风口浪尖。但是在电子商务发展的浪潮中，许多问题也慢慢浮现出来，其中最为显著的问题是针对客户群体的商品推荐问题。现在大多数的电子商务平台，如京东、淘宝、苏宁易购等都不同程度的进行了推荐服务的研究与应用，而且也取得不俗的成绩，获得了巨额的商业价值，证实了推荐服务在电子商务平台的发展潜力。因此拥有个性化的推荐系统无疑是电子商务平台提高竞争力的有效手段。面对网络上各种各样的美食商家，用户往往要花费很长的时间从大量商家中选择自己满意的，这使得用户的体验度急剧下降。为了减少用户无意义的浏览过程，节约用户时间，提高用户体验，必须要以一个好的推荐算法为依托。

本设计针对推荐算法进行研究，以美食推荐为例，打破传统商务平台大多都是基于单一元素的推荐，综合考虑地址、人均消费价格、商家评分、餐厅人气指数等因素进行个性化推荐。运用协同过滤算法，考虑用户历史消费习惯，找出与用户评价较高的商家相似度最高的店家进行推荐，帮助用户完成购物行为。本设计在Windows10的系统环境下，采用的开发工具为PyCharm，采用的编程语言为Python，该设计立足生活，具有极强的实用价值。

本设计可以使得用户获得更好的用户体验度，刺激用户的消费行为，同时使得用户、商家和电商平台同时获利，提高经济效益，同时提高用户体验度。

关键词：美食推荐；协同过滤算法；个性化推荐；Python；PyCharm

目录

摘要

ABSTRACT

第1章 前言- 1 -

1.1研究背景- 1 -

1.2国内外研究现状- 2 -

1.2.1国内研究现状- 2 -

1.2.2国外研究现状- 3 -

1.3研究的目的及意义- 4 -

1.4文章的组织结构- 4 -

第2章 数据挖掘概述- 5 -

2.1数据挖掘的概念- 5 -

2.2数据挖掘任务- 5 -

2.2.1描述任务- 5 -

2.2.2预测任务- 5 -

2.3数据挖掘常用方法- 5 -

2.4数据挖掘的常用算法- 6 -

2.5数据预处理概念- 7 -

2.6预处理内容- 7 -

2.6.1数据审核- 7 -

2.6.2数据筛选- 7 -

2.6.3数据排序- 7 -

2.7预处理的方法- 7 -

2.7.1数据清理- 7 -

2.7.2数据集成- 7 -

2.7.3数据变换- 7 -

2.7.4数据归约- 8 -

第3章 网络爬虫概述- 9 -

3.1网络爬虫- 9 -

3.1.1爬虫技术概述- 9 -

3.1.2爬虫原理- 9 -

3.1.3爬虫的基本流程- 9 -

3.2选用python爬虫的原因- 10 -

3.3python爬虫框架- 10 -

第4章 推荐系统- 12 -

4.1推荐系统概述- 12 -

4.2基于用户的协同过滤算法- 12 -

4.3基于项目的协同过滤算法- 13 -

第5章 数据的可视化- 15 -

5.1数据可视化概述- 15 -

5.2数据可视化的意义- 15 -

5.2.1传递速度快- 15 -

5.2.2数据展示的多维性- 15 -

5.2.3更直观进行数据展示- 15 -

5.2.4突破大脑记忆功能限制- 15 -

5.3可视化工具Echarts- 15 -

第6章 美食推荐- 16 -

6.1源数据采集- 16 -

6.2美食商家数据的预处理- 17 -

6.2.1剔除唯一属性- 17 -

6.2.2处理缺失值- 17 -

6.2.3特征编码- 18 -

6.2.4数据标准化、正则化- 18 -

6.3商家数据的分析- 19 -

6.3.1关于商家距离的计算- 19 -

6.3.2归一化处理- 20 -

6.4美食推荐具体实现- 21 -

6.4.1商家相似度的计算- 21 -

6.4.2推荐- 21 -

6.5Echarts可视化- 22 -

第7章 总结与展望- 26 -

7.1总结- 26 -

7.2展望- 26 -

参考文献- 27 -

致谢- 28 -