10.16055/j.issn.1672-058X.2020.0002.005
混合推荐点餐模型的优化实现
针对我国传统中餐点餐服务中欠缺针对性点餐推荐以及菜品推荐覆盖面较低的问题,提出一种关联规则结合基于菜品属性的推荐算法的混合推荐点餐模型.通过历史关联菜品组合和菜品的关键属性计算菜品关联度与相似度;然后,根据得到的菜品综合评分生成推荐规则来优化传统的关联规则FP-growth算法推荐;最后根据顾客已点菜品启发式地进行后续点餐推荐.采集了真实的中餐馆历史点餐数据对模型和算法进行了有效性验证,实验结果表明该模型在达到一定菜品推荐数量时,在菜品推荐准确度和覆盖率方面优于传统的单一关联规则推荐,适合较多顾客中餐聚餐的点餐推荐.
混合推荐点餐模型、关联规则、关联度、相似度、菜品属性
37
TP301(计算技术、计算机技术)
教育部科技发展中心产学研创新基金新一代信息技术创新项目2018A02041
2020-04-14（万方平台首次上网日期，不代表论文的发表时间）
共8页
29-36
