1. 研究目的与意义
数据显示，从2016年的0.63亿人到2019年的4.23亿人，中国在线外卖用户规模逐年增长。2020年中国在线外卖用户规模继续增长至4.56亿人。自2019年疫情出现以来，人们的吃穿住行多多少少都产生了阻碍，外卖也成了不少人的首选，通过推荐算法能更精确的推送更适合自己的美。
本课题拟完成基于基于协同过滤算法的外卖推荐系统设计与实现 ，以解决如何快速找到合适的外卖的问题。外卖推荐系统拟采用协同过滤算法，本系统基于美团外卖店铺自营的商业模式，并且在校期间有做过类似于基于Hadoop大数据平台下的用户喜好推荐分析而进行课题研究，美团外卖数据爬取系统解决的是消费者选择到自己合意的商品，同时扩大了外卖店铺的知名度和提高外卖销量，被更多的用户所选择，而不仅仅局限于以往的大海捞针。
2. 课题关键问题和重难点
本系统通过推荐算法能更精确的推送更适合自己的美食，有完整的注册登录界面，用户能实现点餐，下单，支付。商家能上架修改物品。管理员界面能够对订单进状态进行查看修改。
1）解决商家渴望了解何种因素影响自家商品销量的问题。
通过调查法、案例分析法、数据归纳法，协同过滤算法,分析互联网餐饮外卖商家的现有数据。得出当前影响消费者对于外卖选择的因素，分清哪些是正面影响继续保持，哪些是负面影响迅速改进。使商家明白消费者的需求，从中设计出有效的销售策略,增强店铺综合竞争力。
3. 国内外研究现状（文献综述）
随着互联网和信息计算的飞速发展, 衍生了海量数据, 我们已经进入信息爆炸的时代。网络中各种信息量的指数型增长导致用户想要从大量信息中找到自己需要的信息变得越来越困难, 信息过载问题日益突出。推荐系统在缓解信息过载问题中起着非常重要的作用, 该方法通过研究用户的兴趣偏好进行个性化计算, 由系统发现用户兴趣进而引导用户发现自己的信息需求。目前, 推荐系统已经成为产业界和学术界关注、研究的热点问题, 应用领域十分广泛。在电子商务、会话推荐、文章推荐、智慧医疗等多个领域都有所应用。传统的推荐算法主要包括基于内容的推荐、协同过滤推荐以及混合推荐。其中, 协同过滤推荐是推荐系统中应用最广泛最成功的技术之一。该方法利用用户或物品间的相似度以及历史行为数据对目标用户进行推荐, 因此存在用户冷启动和项目冷启动问题。此外, 随着信息量的急剧增长, 传统协同过滤推荐系统面对数据的快速增长会遇到严重的数据稀疏性问题以及可扩展性问题。为了缓解甚至解决这些问题, 推荐系统研究人员进行了大量的工作。近年来, 为了提高推荐效果、提升用户满意度, 学者们开始关注推荐系统的多样性问题以及可解释性等问题。由于深度学习方法可以通过发现数据中用户和项目之间的非线性关系从而学习一个有效的特征表示, 因此越来越受到推荐系统研究人员的关注。目前的工作主要是利用评分数据、社交网络信息以及其他领域信息等辅助信息, 结合深度学习、数据挖掘等技术提高推荐效果、提升用户满意度。对此, 本文首先对推荐系统以及传统推荐算法进行概述, 然后重点介绍协同过滤推荐算法的相关工作。包括协同过滤推荐算法的任务、评价指标、常用数据集以及学者们在解决协同过滤算法存在的问题时所做的工作以及努力。最后提出未来的几个可研究方向。针对室内导航市场这一需求，国内外都对此进行了大量研究。
为了解决“信息过载”的问题，已经有无数科学家和工程师提出了很多天才的解决方案，其中代表性的解决方案是分类目录和搜索引擎。而这两种解决方案分别催生了雅虎和谷歌两家互联网领域的著名公司。雅虎凭借分类目录起家，将著名的网站分门别类，从而方便用户根据类别查找网站。但是随着互联网规模的不断扩大，分类目录也只能覆盖少量的热门网站，越来越不能满足用户的需求。因此催发了搜索引擎的诞生，以谷歌为代表的搜索引擎可以让用户通过关键词找到自己需要的信息。但是，搜索引擎需要用户主动提供准确的关键词来寻找信息，因此不能解决用户的很多其他需求，比如当用户无法主动提供准确描述自己需求的关键词时，搜索引擎就无能为力了。另一方面，搜索引擎根据关键字检索的信息是千篇一律的，不能满足各种用户在不同阶段不同背景下的个性化需求。由于搜索引擎存在这样的缺陷，推荐系统应运而生。
推荐系统也是一种帮助用户快速发现有用信息的工具，和搜索引擎不同的是，推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为为用户的兴趣建模，从而主动推荐能够满足用户兴趣和需求的信息。搜索引擎满足了用户有明确目的时的主动查找需求，而推荐系统能够在用户没有明确目的时帮助他们发现感兴趣的新内容。从物品的角度出发，推荐系统可以更好地发掘物品的长尾。互联网条件下，电子商务网站往往能出售比传统零售店更丰富的商品。虽然其中绝大多数是不热门的商品，但其数量极其庞大，因此这些长尾商品的销售额将是一个不可小觑的数字。如果要通过发掘长尾提高销售额，就必须充分研究用户的兴趣，而这正是个性化推荐系统主要解决的问题。推荐系统通过发掘用户行为，找到用户的个性化需求，从而将长尾物品准确地推荐给需要它的用户，帮助用户发现那些他们感兴趣但很难发现的物品。
4. 研究方案
1. 系统功能结构
系统总体功能结构如图1所示
图1 外卖推荐系统功能结构
表 1 系统管理员概要设计表
| 系统管理员 | 简要说明 |
| 美团数据处理 | 对爬取的订单信息进行过滤 对商家进行添加、 修改和删除操作 添加修改菜单 |
| 添加商家信息 | |
| 菜单管理 | |
| 订单管理 | 对订单进行删除修改 |
| 查看订单分析 | 对订单分析进行查看 |
| 推荐菜品 | 通过已有订单进行推荐 |
表 2 商家概要设计表
| 商家(店铺管理员) | 简要说明 |
| 菜单管理 | 添加修改菜单 |
| 订单管理 | 对订单进行删除修改 |
| 查看订单分析 | 对订单分析进行查看 |
表 3 用户概要设计表
| 商家(店铺管理员) | 简要说明 |
| 登陆注册 | 提供用户登陆 对菜品进行选择下单 |
| 下单 | |
| 查看订单 | 查看已有订单 |
1.管理员实体对应的关系模式
管理员（管理员编号， 账号， 密码， 用户名， 权限）
2.订餐用户实体对应的关系模式
用户（订餐用户名， 联系方式， 地址）
3.菜品实体对应的关系模式
菜品（菜品编号， 菜名， 菜品介绍， 价格， 图片， 种类）
4.订单实体对应的关系模式。
该关系模式已包含联系“订餐” 所对应的关系模式订单（订单编号， 订餐用户名，联系方式， 菜品编号， 数量， 附加米饭， 下单时间， 备注， 送餐状态， 支付状态）
5.联系“浏览” 所对应的关系模式
用户浏览菜品（订餐用户名， 菜品编号， 菜名， 图片， 价格）
6.联系“管理” 所对应的关系模式
管理（管理员编号， 菜品编号， 订单编号， 操作）
协同过滤算法设计。
5. 工作计划
2022-2023-1学期：
第15-16周：完成选题，查阅相关中英文资料。
第17周：与导师沟通进行课题总体规划。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
