1、隨著互聯(lián)網(wǎng)技術和信息技術的迅猛發(fā)展，人們進入信息過載的時代。為了使用戶在大量信息中迅速找到自己想要的信息，個性化推薦系統(tǒng)應運而生。雖然推薦系統(tǒng)在一定程度上緩解了信息過載問題，但還存在數(shù)據(jù)稀疏性、通過用戶行為難以關聯(lián)相似物品、推薦物品較為單一、很難發(fā)現(xiàn)用戶新的興趣點等問題。這些問題嚴重制約著推薦系統(tǒng)的性能。
　　為了從準確性、覆蓋率和多樣性等不同層面對現(xiàn)有推薦算法進行優(yōu)化與改進，本文通過對Word2Vec模型進行大量研究與實驗后，提

2、出一種基于Word2Vec的推薦模型。該推薦模型的核心思想是將每個用戶去過的餐廳看作語言模型要訓練的上下文數(shù)據(jù)，通過Word2Vec模型的反復訓練得到每個餐廳的向量。根據(jù)用戶對餐廳的評分數(shù)據(jù)以及餐廳向量得到用戶向量。利用餐廳向量和用戶向量分別計算餐廳相似度與用戶相似度，最后結合傳統(tǒng)推薦算法得到最終的推薦結果。
　　本文完成的主要工作如下：
　?、俳榻B了個性化餐飲推薦系統(tǒng)的研究背景、意義以及國內外研究現(xiàn)狀。
　?、趯Ρ疚?/p>

3、所用到的個性化推薦理論與算法、Word2Vec語言模型、個性化推薦工程技術和推薦評價指標等相關技術進行研究與分析。
　　③提出一種基于Word2Vec的推薦模型。為了驗證該推薦模型的可行性，完成了六種算法從準確率、覆蓋率、多樣性三個方面的對比實驗，實驗結果表明：該推薦模型相對于傳統(tǒng)推薦，推薦性能有所提升。
　　④對基于Word2Vec的個性化餐飲推薦系統(tǒng)進行需求分析，并針對該推薦模型設計了系統(tǒng)的客戶端和服務器端?？蛻舳擞糜谑?/p>