基于LDA模型的餐厅推荐方法研究

随着网络的飞速发展,餐饮类的评价信息数量急剧增加。对餐饮评价进行有效分析不仅能够帮助消费者进行用餐选择,还可以帮助商家对餐厅服务进行改进。为此,提出了一种基于LDA(Latent Dirichlet Allocation)模型的餐厅推荐方法。首先,对餐厅评价信息进行情感分类,获取积极评价和好评率;其次,根据LDA模型对积极评价信息文本进行聚类,生成餐厅标签;最后,计算用户需求与餐厅标签的相似度,根据相似度和好评率向用户推荐餐厅。基于通过网络获取的真实餐饮评价信息进行实验,结果表明,该方法生成的餐厅标签的效果好,能准确地向用户推荐餐厅。

基于BiLSTM的智能语音餐厅推荐方法

为了方便人们在就餐前选择餐厅,提高就餐效率,文中提出一种基于双向长短时记忆网络的智能语音餐厅推荐方法。首先利用长短时记忆网络进行意图识别,再利用BiLSTM实现餐厅推荐系统中的实体提取,便于系统根据用户所提供的实体信息结合用户意图做出相应反馈。根据意图识别在餐厅推荐系统中的实际应用情况,准备充分的意图识别数据,确定意图识别方案。同时,文中采用基于Rasa_Core的对话管理机制制定对话场景来训练对话管理模型,在用户意图的指引下利用训练好的模型可以选择最优的反馈动作,达到机器与人的有效沟通。