基于消费者行为的点餐推荐算法  

Ordering Recommender Algorithm Based on Consumers' Behavior

作　　者：丁铛 张志飞[1,3] 苗夺谦[1,2] 陈岳峰[1] 

机构地区：[1]同济大学计算机科学与技术系,上海201804 [2]同济大学嵌入式系统与服务计算教育部重点实验室,上海201804 [3]同济大学大数据与网络安全研究中心,上海200092

出　　处：《计算机科学》2017年第B11期46-50,共5页Computer Science

基　　金：国家自然科学基金项目(61273304;61673301);高等学校博士学科点专项科研基金优先发展领域项目(20130072130004)资助

摘　　要：随着电子商务的发展,餐饮行业现有的大多数管理系统落后于消费者和管理人员的需要,一种行之有效的方法是将推荐系统应用于餐饮管理,根据消费者的行为数据为用户点餐提供菜品的推荐。针对推荐系统中的冷启动问题,提出基于消费者行为的点餐推荐算法,设计出频度统计、关联规则和Markov链3个推荐引擎的加权组合推荐系统。在实际餐厅订单数据样本上,所提算法能够取得令人满意的推荐效果,且得到具有普适性的3个推荐引擎的组合权值(0.2167,0.5167,0.2666),同时得到最佳的推荐长度为3。With the development of e-commerce, most of the existing catering management system lags consumers and managers, need. An effective approach is to apply recommendation systems to catering management, and to provide or-dering recommendations according to consumers,behavior data. As for cold start problems that may arise in the recom-mending process, the ordering recommender system based on consumers, behavior was proposed, containing three re-commendation engines , which are frequency statistics , association rules and Markov chain. Experiments on ordering data of real restaurants achieve a satisfactory result, and get a weight combination of three recommendation engine （0. 2167,0. 5167,0. 2666） ,and the best recommending length under that weight： 3.

关 键 词：数据挖掘 推荐系统 关联规则 MARKOV链 餐饮管理 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]