计算机毕业设计hadoop+spark+hive美食推荐系统 知识图谱美团餐厅推荐系统 美团推荐系统 美食价格预测 美团爬虫 美食数据分析 美食可视化大屏 机器学习 深度学习 人工智能 大数据毕业设计
计算机毕业设计hadoop+spark+hive美食推荐系统 知识图谱美团餐厅推荐系统 美团推荐系统 美食价格预测 美团爬虫 美食数据分析 美食可视化大屏 机器学习 深度学习 人工智能 大数据毕业设计
毕业论文(设计)开题报告
学 号 | 姓 名 | ||||
论文(设计)题目 | 基于vue的养生美食系统的设计与实现 | ||||
命题来源 | £教师课题 £教师命题 £学生自主命题 | ||||
选题意义(不少于300字): 近年来,随着人民生活质量逐渐提高,人们对于美食也越加讲究,不仅食物要满足顾客的味蕾,服务与价格也要符合顾客的期望。 我国的美食行业发展较为迅速,我国正迎来一个美食大发展的关键时期,市场潜力巨大,前景非常可观。美食行业必须依据自己条件和环境因素等条件,看清美食市场的发展前景与趋势,选择适当的经营方法,才有可能在激烈的市场竞争中获得成功。在目前,有各种各样美食推广网站,形形色色的,例如:美团、饿了么、百度糯米、大众点评等相关网站,都可以在你想吃饭的周围搜素你要吃的食物,搜素商家,为你推荐各种美食。因此,开发一款养生美食系统不仅可以帮助用户提取用户感兴趣的美食信息,也可帮助用户做出更多的用户的个性化抉择。 | |||||
研究综述(前人的研究现状及进展情况,不少于600字): 信息爆炸的现代互联网时代,简单搜索引擎已无法满足用户在海量信量中获取信息的需要,信息的利用率降低。为解决这一问题,研究人员提出了个性化推荐系统,可有效地解决在单个的互联网用户在海量信息中的获取有用信息的问题。个性化推荐系统是通过分析用户的历史行为,提示用户习惯和喜好,建立相应的推荐算法,为每个用户产生一个推荐列表,使其可以快速地找到自己感兴趣的信息。上世纪末,推荐系统主要应用于音乐、电影、书籍等产品的推荐。近年来,推荐系统已被广泛地应用于电子商务领域,成为电子商务中不可缺少的一部分,各大电子商务网站,如Amazon、ebay都不同程度的使用了推荐系统,显著地提高了电子商务企业的销售额,同时也为用户搜索商品提供了方便。与此同时对推荐系统的研究在理论上促进了多学科的交叉发展。设计出更优秀的推荐算法已经成为理论界关注的热点。目前为止,学者们提出了基于内容的推荐算法、协同过滤推荐算法、基于复杂网络的推荐算法、混合推荐算法等不同的算法,数据挖掘领域、机器学习领域的一些新方法也被应用到推荐算法中。 随着社会和经济的发展,在人们生活条件日渐改善的同时,越来越多的人进入了亚健康行列,一些健康问题总是在困扰和考验我们的身体。据了解,导致我们亚健康甚至是不健康的最主要因素就是饮食。不健康饮食的危害巨大。2019年4月3日,发表在著名医学期刊《柳叶刀》上的一项追踪研究分析了195个国家和地区在30年间因饮食结构造成的死亡率和疾病负担。结果显示,全球22%的死亡跟不合理饮食有关。其中,中国是吃饭思路错误的重灾区。《柳叶刀》在2017年的统计中,中国因为饮食结构问题造成的心血疾病死亡率、癌症死亡率都是世界人口前20的大国中的第一名。为此,通过各种有效手段和途径引导大众健康饮食已刻不容缓。 现今市场上的美食类应用系统大都功能齐全,能较大程度地满足人们的日常生活需求,成为人们获取去哪吃,吃什么的主要信息来源。当然传统的美食网站上边都是千篇一律的菜品,价钱等,展示给所有用户的都是一样的。又或者仅限于提供菜谱教程、美食社区等主流功能,有其局限性,大多服务范围狭窄。因此,设计并实现一个除综合式美食系统是很有必要的。为响应党的十九大报告中提出的“健康中国”战略,通过合理饮食促进健康生活,特提出基于Vue的养生美食推荐系统。 | |||||
研究的目标和主要内容(不少于400字) 一.研究目标 为了解决现如今餐饮中面临的这些新需求,本文主要是以基于协同过滤推荐算法为基础,应用到了养生美食菜品推荐中,目的是设计并实现一个养生美食推荐的系统,方便用户更好的寻找自己喜欢的美食。本文的工作主要是以下几个方面进行的: (1)首先,对推荐系统的应用背景以及目前的研究方向进行了探讨与了解,并搞清楚本设计与应用的目的与意义。; (2)然后,分析了协同过滤算法应用到美食推荐中面临的挑战,并根据挑战一一提出改进方法。 (3)分析和设计系统的主要功能。 (4)实现协同过滤算法在系统的应用,完成养生美食推荐功能。 (5)利用Express技术搭建web接口,用Vue.js构建前台页面,完成系统的功能开发。 二.研究的主要内容 首页:搜索美食注册界面(有验证码)、登录界面(账号密码/邮箱/)、忘记密码。 个人中心:购物车、订单、地址、点赞收藏、评论修改密码。 后台管理:登录、注销、数据的统计(最受欢迎美食)、管理美食,管理用户,管理评论、管理订单。 | |||||
拟采用的研究方法
| |||||
研究工作的进度安排 2022年12月25前提交河池学院本科生毕业论文(设计)选题审批稿。 2021年1月15日前完成开题。 2021年3月30日前完成毕业论文(设计)的初稿。 2021年4月1日至5月10日之间反复修改初稿(要求不少于5次)。 2021年5月20日前提交毕业论文(设计)定稿。 2021年5月30日前完成论文答辩。 | |||||
参考文献目录(作者、书名或论文题目、出版社或刊号、出版年月日或出版期号) [1]基于位置的医生推荐系统的研究与设计[D].张慧娟河北工业大学2016[2]推荐系统中非随机缺失机制的解释和应用[D].刘杜钢.厦门大学2019 [3]基于Spark机器学习的推荐系统的研究与实现[D].周坚中南民族大学2019[4]基于资源代理的停车位推荐系统的设计与实现[D].李美娟.电子科技大学2019 [5]个性化电影主题播单推荐系统的设计与实现[D].张雪纯北京交通大学2019 [6]个性化电影推荐系统的研究与设计[D].郝亮电子科技大学2019 [7]电影推荐系统微信小程序的设计与实现[D].康健.西北民族大学2019 [8]基于多重粒度召回的短视频推荐系统的设计与实现[D].齐德法.山东师范大学2019 [9]基于标签的专家信息推荐系统的研究[D].陈俊然安徽理工大学2019 [10]基于Hadoop平台的个性化新闻推荐系统的设计与实现[D].杨凯,北京交通大学2019 |
核心算法代码分享如下:
在yarn-site.xml中加入如下配置:
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>20480</value>
</property>
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>2048</value>
</property>
<property>
<name>yarn.nodemanager.vmem-pmem-ratio</name>
<value>2.1</value>
</property>
开放原子开发者工作坊旨在鼓励更多人参与开源活动,与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动,如meetup、训练营等,主打技术交流,干货满满,真诚地邀请各位开发者共同参与!
更多推荐
所有评论(0)