论文部分内容阅读
随着大数据与人工智能时代的到来,传统行业都发生了翻天覆地的变化,餐饮行业也不例外,但是在转型的过程中也会面临诸多挑战。在不同的领域应用经典的方法也会面临很多挑战,为此,本文在将推荐系统应用到美食点餐领域中的时候,融合美食领域的特点对传统的基于用户的协同过滤算法进行改进,并使改进后的算法应用于现实点餐中用来解决面临的实际问题,设计并实现了一个以B/S架构为基础的微信美食点餐推荐系统。现将本文所做的工作概括为以下几点:当基于用户的协同过滤算法应用到点餐领域时,需要解决的第一个问题就是用户饮食偏好随着季节变化的问题,本文主要是通过在预测用户的兴趣度时加入影响因子季节权重,为了平衡季节性因素对菜品的影响,从而可以改善菜品推荐效果;其次是关于菜品的搭配问题,本文通过构建一个以关联规则为基础的菜品搭配规则,然后生成菜品搭配库。当协同过滤推荐菜品中的任一菜品被用户选中时,系统就会自动匹配菜品搭配库,找到与之对应的菜品进行搭配推荐,这样可以达到科学健康合理的进餐。最后,在湖北某家餐馆5618条的评分数据集上进行了实验分析,通过在系统的性能和菜品的推荐质量上将传统的基于用户的协同过滤算法与改进后的算法进行了对比,并对其存在的差异进行了讨论。在推荐的实际效果中,加入影响因子菜品的季节权重以及菜品搭配对推荐算法的影响。实验结果表明,改进算法能够有效的解决菜品的季节性问题,而且加入菜品搭配可以使用户的进餐更加科学健康。结合实际需求,本文将改进算法应用到了现实点餐中,搭建了一个基于B/S架构的美食点餐推荐系统。设计与实现的美食点餐推荐系统,不仅可以帮助用户快速的找到自己喜欢吃的菜品,同时餐厅也可以发现更多的用户,增加餐厅的营业额,达到了双赢的效果。