基于Android的美食推荐系统设计与实现.docx

PAGE34

PAGE2

摘要

随着互联网技术发展及其应用水平的提高，互联网上的数据量经历了爆炸性的增长。互联网以各种形式满足人们对食物、衣服、住房和交通的需求，于此同时也带来了“信息过载”等问题。为了提升用户体验，提高用户发现信息的效率，一般通过推荐系统解决该问题。推荐系统的主要功能是根据物品属性信息和用户行为信息预测用户潜在的偏好，从而向用户推荐他们可能喜欢的物品。

本文基于Android平台来设计和实现推荐系统，选择SQLite来存储app的相关数据，采用C/S架构以及MVC模式作为开发模式。首先，对系统进行需求分析，并由此得出系统架构。然后，进行功能设计和数据库设计。最后，在系统中实现了文章、订单的搜索与展示功能以及用户信息维护功能，当用户选择地理位置时，为用户进行位置推荐。

对系统进行了测试，测试结果表明各项功能符合预期。

关键词：移动互联网；地方美食推荐系统；安卓

第1章绪论

1.1研究背景

在具有定位功能的手机、平板等移动设备的数量日益增多的背景下，信息技术与通信技术的联系更加紧密。网络的大范围覆盖和新的媒体形式的发展规模不断扩大，智能手机已经渗透到工作、生活、消费和娱乐等各类生活需求中，改变着人们传统的生活方式，它已经成为每个人不可或缺的交流工具。移动通讯技术与互联技术相辅相成，创造出巨大的潜力。人们可以通过智能手机随时随地传输信息、订购商品，新型的电子商务模式极大地提高了办事效率，同时也潜移默化地影响着传统的商业模式。

民以食为天，基于社会化网络的美食服务可以与互联网技术相结合，形成一种新型的食品经济产业链。在现今繁忙社会里，每当到了用餐时间，社会大众一般都会苦恼吃些什么，哪一家餐厅比较好。最近几年，基于位置的社交网络越来越流行，受到的关注也日益高涨。以美团外卖为例，作为我国领先的生活服务电子商务平台，现在涉及到了各个方面，它的服务涵盖了200多个类别，例如餐饮外卖，到店，出租车，新服务及美团单车，酒店及旅游，电影，美团优选，猫眼，休闲和娱乐。美团的外卖可以看作是它的最大业务，截至2019年9月30日，在美团外卖上产生交易的用户总数再创历史新高，达到了4.4亿，用户的渗透率也达到了79.9%，平台上的年度活跃商家总数达到590万，平均每个用户交易量为26.5笔，位居行业首位。但是，随着用户和企业数量的增加，用户之间以及用户与企业之间的数据量呈指数增长。因此，如何帮助用户过滤掉无效信息，为用户留下有用的信息，向用户推荐满足用户喜好的高价值的APP已成为亟待解决的问题。因此，一种新的研究方向——基于位置信息的推荐系统应运而生。

在科技发展如此迅速的时代，人人都在追求新时代的科学技术，将新时代的科技与饮食相结合，由此催生出了基于Android的美食推荐系统，在满足人们日常线上浏览美食等功能的基础上,提供更多形式更高质量的亲民的服务。

海量的移动应用在日益满足人们各种各样的需求的同时，产生了一个令人头疼的问题：用户无法通过自己的时间和精力，探索用户能够接触到的全部应用。更不必说仅仅依靠用户自身的经验，就可以找到用户最喜欢的应用，这种现象被称为“移动信息过载”。受到这个问题的影响，用户在数量众多的应用面前，需要花费比平常更多的时间和精力才可以获取到用户感兴趣的内容。因此，怎样才能够准确、快速地从各式各样、数量众多的应用中找到自身喜欢的应用，已然成为移动互联网世界中的重大挑战之一。

1.2国内外研究现状

1.2.1国内外研究进展

近年来，国内外对推荐系统的内容进行了大量的研究。有很多算法融合的办法是在单一算法不足的情况下提出来的，如陈清浩为了解决传统的协同过滤推荐技术在数据稀疏性和规模可扩展性方面存在的问题，利用隐含语义分析技术和K近邻分类算法来使奇异值分解算法有所进步，综合考虑不同模型的情况，并把它们的结果融合在一起，可以发现，推荐算法融合与传统的协同过滤算法相比，性能得到了一定程度的改进，结合了不同推荐算法的优点，而缺点被弱化。另外的一篇文章则是针对协同过滤的数据稀疏性问题、多内容问题以及可扩展性问题，提出了新用户偏好模型、在线评价方法、推荐解释概念模型、协同过滤推荐的隐私保护问题、协同过滤与云计算技术的结合以及识别核心用户。

2.2美食推荐系统应用现状分析

互联网的飞速发展，个人手持网络设备页日趋强大，智能终端产品走向大众化，同时也在日常生活中充当了人们的左膀右臂，而娱乐是人们的一项乐此不疲的活动，因此智能终端产品的娱乐服务在未来还有更大的发展空间，而现在市面上基于GPS的定位服务的大众服务的大众消费软件主要有饿了么、美团外卖、大众点评和阿里口碑等。

上述的几款大众消费终端APP其中就包含了附近美食服务，当前基于GPS的附近发现服务竞争激烈，就大