融合朴素贝叶斯与情感计算的校园周边美食推荐系统

经济管理学院

Food recommendation system around campus integrating naive Bayes and affective computing

美团、饿了么信息冗杂且对象广泛。我们打算设计一款更综合、更可信、更实用、更简洁的校园周边美食推荐系统，更符合同学们的个性化需求。这个集成性美食推荐小程序可以通过数据的分析处理计算出多种推荐指数。系统会综合爬取到的各类平台上的信息，包括店铺销售量、价格、距离、评论等，尽量使信息更加全面、综合。并会通过筛选各网站的评论，让评分更加符合真实体验，防止实际体验与网站评论产生较大出入。运用朴素贝叶斯分类算法对评论进行情感分类，分为“实惠”、“美味”、“差评”、“适合学生”等类别，来对店铺进行分类，对每个类别赋予分数，综合以上数据并设计函数计算出综合推荐指数。同学们可以选择某一类别，系统可对单一类别计算推荐指数，使其更符合同学们的个性化需求。通过数据可视化将推荐指数多维呈现，并使用户自行选择呈现何种指数，提升使用者用户体验。