基于微信小程序的美食点餐推荐系统的设计与实现+源码_基于微信小程序的饮食推荐系统的设计与实现

随着人们生活水平的不断提高， 外出吃饭的机会越来越多， 逢年过节聚餐， 同事聚餐， 同学聚餐等等。 当一说到吃饭，最先考虑的是去哪吃， 吃什么， 因此美食网站就成为了人们获取这些信息的主要来源[1] 。 当然传统的美食网站上边都是千篇一律的菜品， 价钱等， 展示给所有用户的都是一样的， 用户就需要从这菜单中一样一样地选择， 想要从这么多的菜品中找到自己喜欢吃的难上加难， 而且还费时费事。 因此个性化推荐技术应用于美食领域变得尤为重要。
目前关于美食个性化推荐的移动应用， 主要是基于 App的点餐和基于 iPad 的点餐。 前者是你需要在自己手机上下载该餐厅的 App， 有时候只是偶尔去一次， 程序麻烦而且还占用手机内存； 后者是不需要自己下载， 看起来好像比 App 好点，但是如果一个餐厅里边每一个服务员都配备一台 iPad， 好像也是不小的投资。 随着微信小程序的出现， 一些商家就发现了商机， 微信小程序的应用就随机而来。 本文的研究内容就是基于微信小程序的美食点餐推荐系统， 本文用到的算法就是目 前较为经典的协同过滤算法， 即通过系统来分析与当前用户相似的用户的浏览行为和点击率来预测当前用户的潜在饮食偏好进而产生推荐。
1 推荐算法
本文用到的推荐算法主要是协同过滤算法。 协同过滤推荐是目前最成功也是应用最为广泛的推荐算法[2] 。协同过滤从标题就可以看出是指寻找与你有相同兴趣爱好的群体， 把少数不同的观点过滤掉， 把一些相同的信息推荐给感兴趣的用户。这类算法的数据源主要是来自用户的行为数据 [ 3 ] ， 包括网页浏览、购买、点击、评分和评论等， 这些数据能够真实有效地反映出用户对物品的感兴趣程度， 因此用它来进行推荐， 效果要比其他类型的推荐算法在性能上要好。
（1）构建评价矩阵。 想要找到邻居用户的关键是找到最近邻居， 也就是计算出用户与用户之间的兴趣相似度， 如果要计算两个用户之间的相似度首先需要获取这两个用户所有的评分项， 按照相似性度量计算产生相似性数据。 用户u、 v 间的相似性可以用 sim ( u,v ) 来表示， 如下表所示， 如果将每一个用户对全部推荐对象评分用 m 维的向量表示， 这样就可以用不同的 m 维向量之间的相似度来度量用户间的相似度。
（2）相似度计算。 本文采用的是修正余弦相似度， 其计算方法如下所示：（1）其中， I u,v 代表的是用户 u、用户 v都评过分的项目的集合，I u 、I v 分别代表的是用户 u、用户 v各自评过分的项目的集合，R u,c 、R v,c 分别代表的是用户 u、 用户 v 对项目 c 的评分， R u 、 R v 分别代表的是用户 u、用户 v 各自对项目 的评分的平均值。
( 3 ) 计算邻居用户。 根据公式（1）计算得到的结果， 将与目标用户相似度最高的前 N 位用户作为目 标用户的最近邻居，其中 N 的值是可以自己设定的。
( 4 ) 产生推荐。 通过相似度的计算可以得到目 标用户的最近邻居集， 设 Nu 为用户 u 的最近邻居集， 那么用户 u 对预测项目 c 的评分 P u,c 可利用用户 u 对集合 N u 中项目评分来求得，计算方法如下：（2）上式中的 sim ( u,v ) 代表的是用户 u、 用户 v 的相似性， R v,c代表的是用户 v 对推荐项目 c 的评分。R u 、R v 表示用户 u 和用户 v 对于推荐项目 的平均评分。通过此方法就可以预测用户对所有没有评分的推荐项目的评分， 最后以预测评分的高低， 选择分数最高的 N个结果反馈给用户。协同过滤算法主要分为 4 个步骤来进行推荐： 构建评分矩阵、相似度的计算、寻找邻居用户集及推荐。 本文结合美食自身的特点， 对算法在推荐的时候加入了时间函数以及菜品搭配。
2 美食点餐推荐系统的设计与实现
2.1 美食点餐推荐系统功能结构设计美食点餐推荐系统分为用户展示模块、 服务器管理模块以及厨房显示模块。根据用户展示模块的功能需求以及特点，用户展示模块主要包括的功能模块有会员管理模块、 菜品查询模块、菜品浏览模块、菜品推荐模块、订餐车模块、及订单查询模块、 留言板模块。 根据服务器管理模块的功能需求以及特点， 服务器管理模块主要包括的功能模块有管理员信息管理模块、会员信息管理模块、菜品管理模块、订单管理模块、留言板管理模块、 餐位管理管理模块。 根据厨房显示模块的功能需求以及特点， 主要包括菜单显示模块、 菜品分类模块、 菜品显示模块。图 1 系统整体功能结构图
2.2 美食点餐推荐系统功能模块设计
（1）美食点餐推荐系统用户展示端设计。 本文的用户端设计主要是基于微信小程序的， 通过微信小程序展示给用户。用户展示模块的功能主要是用户遍历推荐表进行菜品推荐， 菜品浏览以及查询， 加入订餐车点餐， 浏览菜单， 生产订单。 订单提交之后还可以查询订单的处理进度： 包括订单已提交、餐馆已接单以及厨房已接单， 在餐馆还没有接单之前可以取消订单。 菜品推荐， 这是本系统的关键模块， 对于注册用户与未注册用户推荐的方式是不一样的， 对于注册用户， 系统会自动结合该用户的个人注册信息， 查询菜品的记录， 历史订单信息，订餐车信息以及当前的菜品浏览的行为信息进行个性化的推荐； 对于未注册用户， 系统只能根据其当前的浏览和查询行为进行推荐。 对于订单就是只有在登录后的用户才可以提交，提交之后还可以查询订单， 可以看到订单的处理进度。
（2） 美食点餐推荐系统服务器端设计。 本文的服务器端主要是采用 SpringMVC 框架进行设计的。 服务器端的功能主要是对点餐信息进行统计分析与处理，实现菜品推荐算法，生成推荐表， 用户端访问的时候遍历推荐表进行菜品推荐。 再就是餐位的信息管理、订单信息以及向厨房显示端自动发送点餐信息。
（3）美食点餐推荐系统厨房显示端设计。 本文的厨房显示端主要是根据提交订单时的时间还有菜品的分类进行智能排序和显示。 厨师可以根据显示的菜品进行准备， 这样更加方便也不会出错。
2.3 美食点餐推荐系统数据库设计美食点餐推荐系统需要存储大量的用户订单信息， 根据业务的需求， 建立具体的数据库表如下： 菜品信息表， 该表包括菜品信息、菜品名称、菜品价格、菜品推出时间、菜品图片以及备注。 菜品分类表该表包括菜品类别名称以及添加时间。 用户注册表， 该表包括用户名称、用户密码、用户性别、用户饮食偏好等。 用户订单信息表， 该表包括用户名称、菜品名称、菜品数目 、订单时间、应付款等。 订餐车记录表， 该表包括添加订餐车的时间， 添加的菜品等。 用户菜品浏览记录表， 该表包括用户名称、 菜品名称、 浏览时间。 用户菜品查询记录表， 该表包括用户名称、菜品名称、查询时间、查询内容。 餐桌信息表， 该表包括餐桌号、餐桌的状态。 留言信息表， 该表包括用户名称、 留言内容等。 管理员表， 该表包括管理员名称、管理员密码、性别、职称。 厨师信息表， 该表包括厨师名称、厨师密码、厨师编号、性别等。
2.4 美食点餐推荐系统的实现本系统主要是有用户展示端、 服务器管理端和厨房显示端 3 部分构成的。 其实现流程主要是： 用户通过在展示端对菜品浏览、菜品查询以及菜品推荐这些模块进行操作， 然后选择自己喜欢的菜品加入到订餐车， 在此之前需要先登录才可以进行此操作， 进入订餐车， 可以对餐车里的菜品进行删除，增减数量操作， 确定没有问题之后提交订单， 订单提交之后可以查看订单的处理进程， 包括餐厅已接单， 厨房已接单等， 在餐厅还未接单之前可以取消订单。 然后餐厅管理员或者系统管理员会对于订单进行接单操作， 接单之后将会传从至厨房显示端， 由厨师点击确认订单。图 2 系统流程图图 3 菜品推荐流程图
3 结语
综上所述， 本文设计的基于协同过滤的微信美食点餐推荐系统， 不仅是对大数据时代海量的数据信息进行整合， 而且达到了使用工具与技术为人类服务的本质目 的。 利用微信小程序的方便快捷吸引用户， 根据用户的历史点餐记录、查询菜品记录以及用户当前的浏览记录来进行评分构建用户—菜品评分矩阵， 然后基于综合评分矩阵进行推荐排序， 最终推荐结果将以移动的方式推送给用户， 实现了菜品的动态推荐， 帮助用户快速地发现自己喜欢吃的菜品， 同时餐厅也可以发现更多的客户， 提高餐厅营业额， 达到双赢的效果。