17、餐厅推荐系统与水下传感器网络研究

餐厅推荐系统与水下传感器网络研究

1. 餐厅推荐系统构建

1.1 数据集概述

使用 ML.NET 为餐厅数据集构建推荐系统，数据集时间跨度为 2010 年 7 月至 2011 年 2 月。在此期间，用户通过填写 21 个属性对新老餐厅进行添加和评分，其中 19 个属性在用户登录系统时提供。数据包含 138 个独特用户对 130 家餐厅的评价，共积累了 1161 条评分。评分值可能为 0、1 和 2，0 表示用户不喜欢该餐厅，2 表示高度偏好。

1.2 数据集准备

• 数据划分 ：将数据集分为训练集（占原始数据的 80%）和测试集（占 20%）。
• 用户表 ：包含 19 个用户属性，如 userID、纬度、经度、是否吸烟、饮酒水平、着装偏好等。
• 餐厅数据集 ：用 23 个属性描述每家餐厅，例如菜系、是否提供酒精、吸烟情况、着装要求、接受的支付类型、停车情况等。
• 评分表 ：收集用户、餐厅以及用户对特定餐厅的评分，包含 1161 条评分。将评分列转换为名为“recommended”的新二进制列，用于指示该餐厅是否可推荐给指定用户。由于列值大多为文本数据，需使用多种技术将其转换为数值形式。

<

数据集类型	属性数量	备注