📄Работа №206984
Тема: Разработка мобильного приложения с рекомендательной системой для сети ресторанов
Характеристики работы
Тип работы
Дипломные работы, ВКР
Предмет
Прикладная информатика
Объем:
52 листов
Год:
2020
Просмотров:
37
4520
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
АННОТАЦИЯ 2
ВВЕДЕНИЕ 7
1 АНАЛИЗ ТРЕБОВАНИЙ К ПРИЛОЖЕНИЮ И МЕТОДОВ
ПОСТРОЕНИЯ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ 8
1.1 Постановка задачи 8
1.2 Методы рекомендательных систем 8
1.2.3 Рекомендательные системы, основанные на контенте 9
1.2.2 Коллаборативные рекомендательные системы 10
1.2.3 Гибридные рекомендательные системы 11
1.3 Алгоритмы фильтрации 11
1.3.1 Корреляция Пирсона 11
1.3.2 Метод, вычисляющий евклидово расстояние 12
1.3.3 GroupLens алгоритм 12
1.3.4 Сингулярное разложение матрицы 13
1.3.5 Классификатор Байеса 14
1.4 Интегрированные среды разработки 14
1.4.1 Программа Eclipse 14
1.4.2 IntelliJ Idea 15
1.4.3 Android Studio 16
1.5 Обоснование выбора среды разработки приложения 17
1.6 Аналоги приложений, реализованных на Android 18
1.6.1 TripAdvisor 18
1.6.2 Яндекс-карты 19
1.6.3 Foodspotting 19
1.7 Система управления базами данных 20
1.8 Выводы к первой главе 21
2 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ РЕКОМЕНДАТЕЛЬНОЙ СИСТЕМЫ 23
2.1 Алгоритм работы системы 23
2.2 Алгоритм работы системы для проблемы холодного старта 23
2.3 Вывод ко второй главе 24
3 РАЗРАБОТКА ПРИЛОЖЕНИЯ 25
3.1 Диаграмма вариантов использования 25
3.2 Диаграмма классов 28
3.3 Диаграмма базы данных 31
3.4 Клиент-серверное приложение 34
3.5 Общий алгоритм системы 36
3.6 Алгоритм выполнения действия 37
3.7 Выводы к третьей главе 38
4 ОПИСАНИЕ И ТЕСТИРОВАНИЕ ПРИЛОЖЕНИЯ 40
4.1 Тестирование системы 40
4.2 Описание пользовательского интерфейса 40
4.3 Вывод к четвёртой главе 46
ЗАКЛЮЧЕНИЕ 47
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 48
ПРИЛОЖЕНИЕ
ВВЕДЕНИЕ 7
1 АНАЛИЗ ТРЕБОВАНИЙ К ПРИЛОЖЕНИЮ И МЕТОДОВ
ПОСТРОЕНИЯ РЕКОМЕНДАТЕЛЬНЫХ СИСТЕМ 8
1.1 Постановка задачи 8
1.2 Методы рекомендательных систем 8
1.2.3 Рекомендательные системы, основанные на контенте 9
1.2.2 Коллаборативные рекомендательные системы 10
1.2.3 Гибридные рекомендательные системы 11
1.3 Алгоритмы фильтрации 11
1.3.1 Корреляция Пирсона 11
1.3.2 Метод, вычисляющий евклидово расстояние 12
1.3.3 GroupLens алгоритм 12
1.3.4 Сингулярное разложение матрицы 13
1.3.5 Классификатор Байеса 14
1.4 Интегрированные среды разработки 14
1.4.1 Программа Eclipse 14
1.4.2 IntelliJ Idea 15
1.4.3 Android Studio 16
1.5 Обоснование выбора среды разработки приложения 17
1.6 Аналоги приложений, реализованных на Android 18
1.6.1 TripAdvisor 18
1.6.2 Яндекс-карты 19
1.6.3 Foodspotting 19
1.7 Система управления базами данных 20
1.8 Выводы к первой главе 21
2 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ РЕКОМЕНДАТЕЛЬНОЙ СИСТЕМЫ 23
2.1 Алгоритм работы системы 23
2.2 Алгоритм работы системы для проблемы холодного старта 23
2.3 Вывод ко второй главе 24
3 РАЗРАБОТКА ПРИЛОЖЕНИЯ 25
3.1 Диаграмма вариантов использования 25
3.2 Диаграмма классов 28
3.3 Диаграмма базы данных 31
3.4 Клиент-серверное приложение 34
3.5 Общий алгоритм системы 36
3.6 Алгоритм выполнения действия 37
3.7 Выводы к третьей главе 38
4 ОПИСАНИЕ И ТЕСТИРОВАНИЕ ПРИЛОЖЕНИЯ 40
4.1 Тестирование системы 40
4.2 Описание пользовательского интерфейса 40
4.3 Вывод к четвёртой главе 46
ЗАКЛЮЧЕНИЕ 47
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 48
ПРИЛОЖЕНИЕ
📖 Аннотация
В данной работе представлена разработка мобильного приложения с интегрированной рекомендательной системой для сети ресторанов. Актуальность исследования обусловлена проблемой информационной перегрузки пользователей при выборе заведений общественного питания и высокой востребованностью персонализированных сервисов в сфере гостеприимства. В результате проведенного анализа методов построения рекомендательных систем был выбран и адаптирован коллаборативный подход на основе пользовательских оценок. Разработан оригинальный математический алгоритм для вычисления схожести профилей пользователей в условиях неполных данных, спроектирована архитектура клиент-серверного приложения и реляционная база данных. Практическим итогом является функционирующее мобильное приложение для платформы Android, реализующее базовый функционал регистрации, авторизации, выставления оценок и отзывов, а также персонализированные рекомендации заведений. Научная значимость работы заключается в предложенном методе оценки схожести векторов, а практическая — в создании готового к внедрению инструмента для повышения лояльности клиентов и оптимизации выбора ресторана. Теоретической основой послужили исследования в области рекомендательных систем, такие как работы М. Джонса, посвященные алгоритмам и открытым механизмам, Н.Н. Глибовец и М.О. Сидоренко по созданию рекомендательных систем на основе фреймворков, а также классические подходы, включая коллаборативную фильтрацию и анализ контента.
📖 Введение
Выбор куда пойти и где лучше провести своё свободное время всегда остро стоял перед людьми. Среди миллионов рекламных билбордов и вывесок, которые нас окружают, можно легко запутаться, а от разнообразия выбора может закружиться голова.
На сегодняшний день существует огромное количество ресторанов, представляющих кухни всех стран мира. В таком изобилии выбора человеку легко потеряться. Здесь на помощь и приходят рекомендательные системы.
Главное различие от поисковых систем состоит в том, что для рекомендательной системы не нужен чёткий запрос. На основании оценённых пользователем объектов строятся предположения, затем происходит возврат наиболее близких к ним результатов.
Поскольку рекомендательные системы остро востребованы в данный момент, приложение для сети ресторанов будет главным помощником для граждан средневысокого класса в непростом выборе.
Приложение должно обладать следующим функционалом:
- регистрация;
- авторизация пользователя;
- добавление отзыва ресторану;
- выставление оценки ресторану;
- настройка своих предпочтений по критериям.
На сегодняшний день существует огромное количество ресторанов, представляющих кухни всех стран мира. В таком изобилии выбора человеку легко потеряться. Здесь на помощь и приходят рекомендательные системы.
Главное различие от поисковых систем состоит в том, что для рекомендательной системы не нужен чёткий запрос. На основании оценённых пользователем объектов строятся предположения, затем происходит возврат наиболее близких к ним результатов.
Поскольку рекомендательные системы остро востребованы в данный момент, приложение для сети ресторанов будет главным помощником для граждан средневысокого класса в непростом выборе.
Приложение должно обладать следующим функционалом:
- регистрация;
- авторизация пользователя;
- добавление отзыва ресторану;
- выставление оценки ресторану;
- настройка своих предпочтений по критериям.
✅ Заключение
Данная работа посвящена разработке рекомендательной системы для мобильного приложения. В результате работы:
- проведен анализ методов построения рекомендательных систем;
- разработан математический алгоритм нахождения схожести пользователей и ресторанов;
- предложена оценка схожести двух векторов профилей пользователей в условиях отсутствия полной информации по параметрам;
- спроектирована база данных;
- спроектирована архитектура клиент-серверного приложения;
- разработано мобильное приложение и проведено тестирование системы;
Все поставленные задачи выполнены и все цели достигнуты.
- проведен анализ методов построения рекомендательных систем;
- разработан математический алгоритм нахождения схожести пользователей и ресторанов;
- предложена оценка схожести двух векторов профилей пользователей в условиях отсутствия полной информации по параметрам;
- спроектирована база данных;
- спроектирована архитектура клиент-серверного приложения;
- разработано мобильное приложение и проведено тестирование системы;
Все поставленные задачи выполнены и все цели достигнуты.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.