隨著人們生活水平的不斷提高， 外出吃飯的機會越來越
多， 逢年過節聚餐， 同事聚餐， 同學聚餐等等。 當一說到吃飯，
最先考慮的是去哪吃， 吃什么， 因此美食網站就成為了人們獲
取這些信息的主要來源
[1] 。 當然傳統的美食網站上邊都是千
篇一律的菜品， 價錢等， 展示給所有用戶的都是一樣的， 用戶
就需要從這菜單中一樣一樣地選擇， 想要從這么多的菜品中
找到自己喜歡吃的難上加難， 而且還費時費事。 因此個性化
推薦技術應用于美食領域變得尤為重要。
目前關于美食個性化推薦的移動應用， 主要是基于 App
的點餐和基于 iPad 的點餐。 前者是你需要在自己手機上下載
該餐廳的 App， 有時候只是偶爾去一次， 程序麻煩而且還占用
手機內存； 后者是不需要自己下載， 看起來好像比 App 好點，
但是如果一個餐廳里邊每一個服務員都配備一臺 iPad， 好像
也是不小的投資。 隨著微信小程序的出現， 一些商家就發現
了商機， 微信小程序的應用就隨機而來。 本文的研究內容就
是基于微信小程序的美食點餐推薦系統， 本文用到的算法就
是目 前較為經典的協同過濾算法， 即通過系統來分析與當前
用戶相似的用戶的瀏覽行為和點擊率來預測當前用戶的潛在
飲食偏好進而產生推薦。
1 推薦算法
本文用到的推薦算法主要是協同過濾算法。 協同過濾推
薦是目前最成功也是應用最為廣泛的推薦算法
[2] 。協同過濾從
標題就可以看出是指尋找與你有相同興趣愛好的群體， 把少數
不同的觀點過濾掉， 把一些相同的信息推薦給感興趣的用戶。
這類算法的數據源主要是來自用戶的行為數據 [ 3 ] ， 包括網頁瀏
覽、購買、點擊、評分和評論等， 這些數據能夠真實有效地反映
出用戶對物品的感興趣程度， 因此用它來進行推薦， 效果要比
其他類型的推薦算法在性能上要好。
（1）構建評價矩陣。 想要找到鄰居用戶的關鍵是找到最
近鄰居， 也就是計算出用戶與用戶之間的興趣相似度， 如果
要計算兩個用戶之間的相似度首先需要獲取這兩個用戶所
有的評分項， 按照相似性度量計算產生相似性數據。 用戶
u、 v 間的相似性可以用 sim ( u,v ) 來表示， 如下表所示， 如果
將每一個用戶對全部推薦對象評分用 m 維的向量表示， 這
樣就可以用不同的 m 維向量之間的相似度來度量用戶間的
相似度。
（2）相似度計算。 本文采用的是修正余弦相似度， 其計算
方法如下所示：
（1）
其中， I u,v 代表的是用戶 u、用戶 v都評過分的項目的集合，
I u 、I v 分別代表的是用戶 u、用戶 v各自評過分的項目的集合，R u,c 、
R v,c 分別代表的是用戶 u、 用戶 v 對項目 c 的評分， R u 、 R v 分別
代表的是用戶 u、用戶 v 各自對項目 的評分的平均值。
( 3 ) 計算鄰居用戶。 根據公式（1）計算得到的結果， 將與目
標用戶相似度最高的前 N 位用戶作為目 標用戶的最近鄰居，
其中 N 的值是可以自己設定的。
( 4 ) 產生推薦。 通過相似度的計算可以得到目 標用戶的最
近鄰居集， 設 Nu 為用戶 u 的最近鄰居集， 那么用戶 u 對預測
項目 c 的評分 P u,c 可利用用戶 u 對集合 N u 中項目評分來求得，
計算方法如下：
（2）
上式中的 sim ( u,v ) 代表的是用戶 u、 用戶 v 的相似性， R v,c
代表的是用戶 v 對推薦項目 c 的評分。R u 、R v 表示用戶 u 和用
戶 v 對于推薦項目 的平均評分。
通過此方法就可以預測用戶對所有沒有評分的推薦項目
的評分，最后以預測評分的高低點餐小程序， 選擇分數最高的 N個結果反
饋給用戶。
協同過濾算法主要分為 4 個步驟來進行推薦： 構建評分
矩陣、相似度的計算、尋找鄰居用戶集及推薦。 本文結合美食
自身的特點， 對算法在推薦的時候加入了時間函數以及菜品
搭配。
2 美食點餐推薦系統的設計與實現
2.1 美食點餐推薦系統功能結構設計
美食點餐推薦系統分為用戶展示模塊、 服務器管理模塊
以及廚房顯示模塊。根據用戶展示模塊的功能需求以及特點，
用戶展示模塊主要包括的功能模塊有會員管理模塊、 菜品查
詢模塊、菜品瀏覽模塊、菜品推薦模塊、訂餐車模塊、及訂單查
詢模塊、 留言板模塊。 根據服務器管理模塊的功能需求以及
特點， 服務器管理模塊主要包括的功能模塊有管理員信息管
理模塊、會員信息管理模塊、菜品管理模塊、訂單管理模塊、留
言板管理模塊、 餐位管理管理模塊。 根據廚房顯示模塊的功
能需求以及特點， 主要包括菜單顯示模塊、 菜品分類模塊、 菜
品顯示模塊。
圖 1 系統整體功能結構圖
2.2 美食點餐推薦系統功能模塊設計
（1）美食點餐推薦系統用戶展示端設計。 本文的用戶端設
計主要是基于微信小程序的， 通過微信小程序展示給用戶。用
戶展示模塊的功能主要是用戶遍歷推薦表進行菜品推薦， 菜
品瀏覽以及查詢， 加入訂餐車點餐， 瀏覽菜單， 生產訂單。 訂
單提交之后還可以查詢訂單的處理進度： 包括訂單已提交、餐
館已接單以及廚房已接單， 在餐館還沒有接單之前可以取消
訂單。 菜品推薦， 這是本系統的關鍵模塊， 對于注冊用戶與未
注冊用戶推薦的方式是不一樣的， 對于注冊用戶，系統會自動
結合該用戶的個人注冊信息點餐小程序， 查詢菜品的記錄， 歷史訂單信息，
訂餐車信息以及當前的菜品瀏覽的行為信息進行個性化的推
薦； 對于未注冊用戶， 系統只能根據其當前的瀏覽和查詢行為
進行推薦。 對于訂單就是只有在登錄后的用戶才可以提交，
提交之后還可以查詢訂單， 可以看到訂單的處理進度。
（2） 美食點餐推薦系統服務器端設計。 本文的服務器端主
要是采用 框架進行設計的。 服務器端的功能主要
是對點餐信息進行統計分析與處理，實現菜品推薦算法，生成推
薦表， 用戶端訪問的時候遍歷推薦表進行菜品推薦。 再就是餐
位的信息管理、訂單信息以及向廚房顯示端自動發送點餐信息。
（3）美食點餐推薦系統廚房顯示端設計。 本文的廚房顯示
端主要是根據提交訂單時的時間還有菜品的分類進行智能排
序和顯示。 廚師可以根據顯示的菜品進行準備， 這樣更加方
便也不會出錯。
2.3 美食點餐推薦系統數據庫設計
美食點餐推薦系統需要存儲大量的用戶訂單信息， 根據
業務的需求， 建立具體的數據庫表如下： 菜品信息表， 該表
包括菜品信息、菜品名稱、菜品價格、菜品推出時間、菜品圖片
以及備注。 菜品分類表該表包括菜品類別名稱以及添加時
間。 用戶注冊表， 該表包括用戶名稱、用戶密碼、用戶性別、
用戶飲食偏好等。 用戶訂單信息表， 該表包括用戶名稱、菜
品名稱、菜品數目 、訂單時間、應付款等。 訂餐車記錄表， 該
表包括添加訂餐車的時間， 添加的菜品等。 用戶菜品瀏覽
記錄表， 該表包括用戶名稱、 菜品名稱、 瀏覽時間。 用戶菜
品查詢記錄表， 該表包括用戶名稱、菜品名稱、查詢時間、查詢
內容。 餐桌信息表， 該表包括餐桌號、餐桌的狀態。 留言
信息表， 該表包括用戶名稱、 留言內容等。 管理員表， 該表
包括管理員名稱、管理員密碼、性別、職稱。 廚師信息表， 該
表包括廚師名稱、廚師密碼、廚師編號、性別等。
2.4 美食點餐推薦系統的實現
本系統主要是有用戶展示端、 服務器管理端和廚房顯示
端 3 部分構成的。 其實現流程主要是： 用戶通過在展示端對
菜品瀏覽、菜品查詢以及菜品推薦這些模塊進行操作， 然后選
擇自己喜歡的菜品加入到訂餐車， 在此之前需要先登錄才可
以進行此操作， 進入訂餐車， 可以對餐車里的菜品進行刪除，
增減數量操作， 確定沒有問題之后提交訂單， 訂單提交之后可
以查看訂單的處理進程， 包括餐廳已接單， 廚房已接單等， 在
餐廳還未接單之前可以取消訂單。 然后餐廳管理員或者系統
管理員會對于訂單進行接單操作， 接單之后將會傳從至廚房
顯示端， 由廚師點擊確認訂單。
圖 2 系統流程圖
圖 3 菜品推薦流程圖
3 結語
綜上所述， 本文設計的基于協同過濾的微信美食點餐推
薦系統， 不僅是對大數據時代海量的數據信息進行整合， 而且
達到了使用工具與技術為人類服務的本質目 的。 利用微信小
程序的方便快捷吸引用戶， 根據用戶的歷史點餐記錄、查詢菜
品記錄以及用戶當前的瀏覽記錄來進行評分構建用戶—菜品
評分矩陣， 然后基于綜合評分矩陣進行推薦排序， 最終推薦結
果將以移動的方式推送給用戶， 實現了菜品的動態推薦， 幫助
用戶快速地發現自己喜歡吃的菜品， 同時餐廳也可以發現更
多的客戶， 提高餐廳營業額， 達到雙贏的效果。
免責聲明：部分文章信息來源于網絡以及網友投稿，本站只負責對文章進行整理、排版、編輯，出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其內容的真實性，如本站文章和轉稿涉及版權等問題，請作者在及時聯系本站，我們會盡快為您處理。
