摘 要

在当前的安卓手机应用市场，了解并学习饮食建议的类别，大多数推荐系统都是使用协同过滤的推荐算法。冷启动问题和许多难以发现的新项目仍然困扰着行业。

本设计论文改变思路，基于对安卓应用的基础应用和前景展望，将多种推荐的算法进行比较，找到了适合于本系统（应用设计）的最佳的思路策略，从而在不丢失基本功能的前提下，可以对含有特征的食品进行筛选推荐，并在自行设计的基于安卓平台应用程序中返回结果。

研究过程中使用Java语言来实现应用程序系统设计，使用Android Studio 3.4开发软件xml设计应用程序的交互界面，推荐的算法用Java语句实现，用AVD和安卓实机测试应用程序系统，穿插使用SQLite轻量数据库并通过Java连接，主要开发工具为Android Studio。

关键词：推荐算法；SQLite应用；安卓界面设计；字符文本比较

Abstract

In the current Android mobile phone application market, it is subdivided into the category of dietary recommendation. Most recommendation systems use collaborative filtering recommendation algorithm, which results in less user behavior and difficult recommendation. The problems of cold start and many new items are still troubling the industry.

Based on the basic applications and prospects of Android applications, this paper compares several recommended algorithms and finds the best strategy for the system (application design). Thus, without losing the basic functions, we can select and recommend food with characteristics, and return to the Android platform application program designed by ourselves. Return results.

In the process of research, Java language is used to realize the design of application system. Android Studio 3.4 is used to develop software XML to design the interactive interface of application program. The recommended algorithm is implemented in Java statements. The application system is tested by AVD and Android real-time machine. The lightweight database of SQLite is interpolated and connected through Java. The main development tool is Android Studio.

Key Words：Recommendation Algorithms； SQLite Applications； Android Interface Design； Character Text Comparison

目 录

第1章 绪论 1

1.1 本文设计目的及意义 1

1.1.1 设计思路来源 1

1.1.2 设计论文的目的和意义 1

1.2 境内外研究的现状 2

1.3 主要工作与本文提纲 3

1.3.1 设计完成的主要工作 3

1.3.2 设计论文提纲 3

第2章 系统相关技术与需求分析 5

2.1 安卓应用系统开发简介 5

2.2 软件开发工具和环境介绍 5

2.2.1 开发工具Android Studio的使用 5

2.2.2 环境安装与调整 6

2.3 轻型数据库SQLite 7

2.4 测试环节的环境和设备 8

2.4.1 安卓模拟器AVD的使用 8

2.4.2 实机的使用和调试 8

2.5 推荐方法的分析和选择 8

2.5.1 基于标签的推荐算法 8

2.5.2 利用SQLite的推荐方法 10

2.6 需求分析 10

2.6.1 功能需求分析 10

2.6.2 性能需求分析 11

第3章 系统的设计与实现 12

3.1 总体设计 12

3.2 主页面MainApp设计与实现 13

3.3 食品列表FoodListView设计与实现 16

3.4 食品详情FoodInfo设计与实现 20

3.5 食品推荐FoodPick设计与实现 22

第4章 系统测试 27

4.1 用户交互界面（UI）体验测试与功能改进 27

4.2 主页面功能测试与功能改进 28

4.3 食品列表功能测试与功能改进 30

4.4 食品详情功能测试 30

4.5 食品推荐功能测试 32

第5章 总结与展望 35

5.1 论文工作总结 35

5.2 未来工作展望 35

参考文献 37

致谢 38

第1章 绪论

1.1 本文设计目的及意义

1.1.1 设计思路来源

21世纪的信息时代，大学生作为时代和历史的见证者之一，也总能可喜地看到互联网规模越加庞大以及互联网信息越加丰富，这些信息的内容或有用，或无用，都存在着众多不可预知性。于是我们可以预想到，信息化的使信息和内容在互联网上流传变得十分便捷，规模和速度甚至不可预估。那么对于用户来说，如何能在数以百万计的内容中找到适合自己的，甚至说能在百万级的信息记录中有自己感兴趣的内容，这就意味着人们将很难简单通过手动的方式找到自己兴趣所在。推荐算法应运而生。在现当代的生活体验中，我们日常所见的诸如今日头条的信息流，网易云音乐的音乐推荐，淘宝和京东的猜你喜欢等都是实际应用。每天，当人们使用社交网络、视频、网站、浏览新闻订阅，甚至出现个性化广告，相信生活受到干扰时，推荐系统都会悄悄地为你提供各种各样的推荐。

当然，除了通常执行上述的推荐制度外，食品也是亟待开发的处女地。在O2O平台上，比如美团的大部分内容都可以用于某些推荐的类别。饿了么它会接收命令系统来帮助用户过滤。但是依据我和身边朋友的用户体验，传统的推荐方法只能基于流行性的特点和到简单分类的距离，没有内在的链接或基于内容的参考系统来收集用户的数据，组织用户的行为，然后对数据进行分析。数据数据库和与推荐项目的相似性计算可以促进向用户传播感兴趣的内容的步伐。或是如本文中所使用的方法，使用文本相似度（或相同）来将信息传达给需要的人群。

本文的讨论涉及了基于内容的推荐算法和基于数据库SQLite的文本相似推荐，涉及到文本相似比较等技术，通过依靠物品与用户本身选择的特征的相似程度，能够有效地解决“不同应用需要不同需求”等问题，还能够很好地解释推荐的原因。对用户来说，这会有充分的自由度和选择。我们认为，推荐的食品应用可以解决大规模生活的用户个性化推荐的问题，提高生活中的适当趣味性，并且可以为创造经济价值添砖加瓦。

1.1.2 设计论文的目的和意义

如果你设计了一个系统，它将帮助你学会如何使用推荐的算法，通过Java开发的IDE工具可以简化使用设计的开发过程，一旦系统完成，就可以评估测试系统的有效性。在应用程序的开发和运行中，以及在用户标签和喜好的各式各样的识别中，推荐系统可以帮助用户通过选择和功能找到他们喜欢的食物和他们的兴趣。