个性化菜品推荐系统的研究与实现.doc

个性化菜品推荐系统的研究与实现随着大数据时代的到来,每时每刻都有大量的信息数据产生,人们在面对海量信息的时候往往会淹没在数据的海洋中而不知所措,无法快速准确的做出抉择,在这样的问题背景下个性化推荐系统应运而生,其能够很好的解决信息过载的问题。餐饮业的发展以及各地饮食文化的互相渗透满足了人们对饮食的多样性要求,但随着菜品数量的大幅增长以及新品的出现,用餐者在面对大量菜品尤其陌生菜品这类信息时也同样会遇到选择困难问题。个性化推荐系统也同样适用于菜品推荐中,系统通过研究学习用户的兴趣爱好,进行个性化计算,由系统发现用户的兴趣点,从而给予用户一些符合其兴趣的推荐。本文对酒店菜品的数据进行了分析,将个性化推荐系统应用于菜品推荐之中,完成了以下工作:1)研究菜品的属性特征,在完成需求分析后选择基于关联规则的推荐机制来研究学习用餐者与菜品之间存在的关联信息。系统选用FP-Growth算法从大量的历史订单中挖掘出菜品之间潜在的关联信息,得到关联菜品的频繁模式集合作为关联规则集。然后根据用餐者已经点的菜品,结合挖掘出的关联规则来推荐符合用餐者口味的菜品。2)利用用餐者对推荐的接受与否这个反馈信息对算法做出相应的改进,以提高算法推荐的准确度。3)分析算法中重要的参数对用户体验的影响,选择合适的参数值使得综合用户体验最佳。4)完成菜品推荐系统的构建工作:针对该系统设计合适的数据模型及通信协议、完成服务器端和客户端程序的编码工作、对运行于客户端平板之上的操作系统源码做相应的定制工作,使其满足用户需求。