12、虚拟世界用户偏好模型与食谱推荐算法分析

虚拟世界用户偏好模型与食谱推荐算法分析

虚拟世界用户偏好模型

在虚拟世界中，为了构建用户偏好模型，人们进行了多方面的探索。首先在分析化身位置的匹配分数时，进行了不同情况的对比。
- 匹配分数对比 ：
- 最初对比了所有化身位置的分数，但其中包含了一些化身选择的地块。
- 去除选择地块后，平均分数降低。
- 最后与随机位置集进行对比。
- 包含化身选择地块的匹配分数相对稳定，而不包含选择地块时，随着用于构建配置文件的选择数量增加，匹配分数有所提升，但提升幅度不如留一法分析明显。这可能表明选择的地块会过时，不再反映用户兴趣。
- 基于观察位置的个性化分数 ：虽然选择是构建配置文件的自然来源，但很多用户从不添加，且可能随时间过时。因此考虑使用观察到的化身位置来构建配置文件。进行留一法分析时，由于观察到在多个地块上的化身相对较少，随着所需位置数量增加，可用于分析的数量减少。化身的观察位置显示出比选择更高的相似度，但对于超过 7 个位置，样本量太小难以得出明确结论。与基于选择的配置文件相比，基于观察位置的配置文件中，内容匹配相对平稳，而组匹配随着使用的位置增多而改善。这可能意味着内容对于用户选择配置文件中的项目更重要，而社交因素在用户定期访问的位置中影响更大。

食谱推荐算法

在食谱推荐领域，由于肥胖问题日益受到关注，在线饮食监测系统逐渐兴起，个性化食谱推荐服务变得尤为重要。但食物领域复杂多样，影响用户对食物看法的因素众多，如烹饪方法、食材、成本、烹饪复杂度、营养成分等。
- 相关工作 ：早期的食谱推荐系统