移动互联网的飞速发展促进了很多行业的经营模式改革和发展,很多传统行业也逐渐加入到互联网中,其中餐饮行业就是其中之一。但促进发展的同时也带来了问题——信息超载,用户面对着这些过载的信息,很难快速找到自己想要的信息,进而对信息的有效使用会降低。如何让用户在这些海量的信息中快速找到自己感兴趣的餐厅,这正是餐饮推荐需要解决的问题。由于进行餐饮活动大部分是以群组的形式进行的,而目前大部分餐饮推荐系统,比如我们熟知的美团点评等都是对单个用户进行推荐的,针对这个问题,本文对群组用户的餐饮推荐展开了相关研究,在群组推荐算法的基础上进行了改进,提出了一个基于用户签到数据的群组餐饮推荐算法(GCRA-BC),并对群组餐饮推荐系统进行了设计与实现,详细内容如下所示:(1)基于用户签到数据的群组餐饮推荐算法(GCRA-BC)通过用户的签到数据分析用户的偏好信息,在群组偏好融合时采用了加权混合融合策略进行群组推荐,以将群组推荐效果达到最优化,根据用户活跃度不同给用户分配不同的权重,活跃度用签到次数反映,签到次数越多代表用户越活跃,然后计算群组成员间的分歧程度,通过分歧度的不同而选取不同的偏好融合策略进行群组推荐。考虑到群组用户之间的交互行为会给群组推荐带来影响,对群组推荐算法进行了进一步改进,将用户之间的偏好交互融入进上述推荐算法中,最后对本文提出的算法在数据集Yelp上与不同的算法进行了比较实验,实验结果显示GCRA-BC算法具有更高的准确性。(2)餐饮推荐系统的设计与实现在验证了算法的有效性后,本文设计并实现了一个针对群组用户的餐饮推荐系统,将提出的改进算法运用于餐饮推荐系统的推荐模块中,通过系统推荐模块对群组用户进行餐饮推荐服务。系统验证了本文提出的改进算法在现实生活中也同样具有意义。该论文有31幅图,表17个,参考文献64篇