個性化智能推薦算法在外賣軟件上的應用

張毓 毛玉萃 于禹

摘要：概括個性化智能推薦外賣軟件的優勢，論述個性化智能推薦算法在外賣平臺上實現的可行性，詳細介紹個性化智能推薦外賣軟件的開發過程與數據庫設計，以及如何將個性化智能推薦算法應用于數據分析。

關鍵詞：數據處理；個性化智能推薦；外賣APP

中圖分類號：TP393 文獻標識碼：A

文章編號：1009-3044（2019）09-0283-02

隨著經濟的快速發展，生活節奏的日益加快，國內餐飲行業對新興外賣模式逐步完善的情況下，目前市場上的外賣平臺由美團、餓了么占據主力。當前市場的主流外賣平臺為用戶所提供的餐飲篩選方式主要是通過用戶評分、價格區間、距離等方式[1-2]。現有的外賣軟件所使用的算法大多為以用戶為基礎的協同過濾算法[3]，但該算法仍存在缺陷。本文就現有的技術改進提出了能更加貼合用戶個人需求的“個性化智能推薦算法”，本文討論的“個性化智能推薦外賣軟件”由該算法實現，其較傳統外賣軟件具有以下兩點優勢：

1）滿足用戶個性需求。“個性化智能推薦算法”將會對用戶的注冊信息以及個人數據進行進一步分析處理。例如在身高、體重、個人偏好、身體目標等方面進行綜合考慮并給出最為合適的外賣推薦。

2）提高飲食的健康搭配程度。在對菜品進行數據分析的同時，考量到用戶的歷史訂單，記錄用戶攝入的蛋白質、脂肪、碳水化合物、微量元素等營養成分的含量為用戶推薦菜品，在很大程度上提高了用戶當日的飲食搭配。

1 個性化智能推薦外賣軟件的分析與設計

1.1個性化智能推薦外賣軟件分析

從商家與消費者兩種用戶角度分析軟件的功能。

商家用戶所需實現功能主要有：1）商品管理；2）支付管理；3）客戶管理。

消費者用戶所需實現主要功能有：1）個人信息管理；2）訂餐；3）支付管理；4）服務管理；5）登錄/注冊模塊：完成新用戶注冊信息獲取授權，用戶登錄功能。

1.2 “個性化智能推薦外賣軟件”設計

1.2.1 軟件采用的架構

本軟件采用四層架構模式，如圖1所示。用戶層：作為客戶端與用戶完成交互；表示層：用于控制頁面外觀，由Android SDK平臺與Android Framework程序框架完成；邏輯層：處理應用核心邏輯任務；數據訪問層：用于訪問存儲數據[5]。

1.2.2 軟件的主要功能設計[4]

按照功能分析設計了商家與消費者另種用戶的擁有的功能。

1）商家功能設計

商家功能設計的如圖2所示。

商品管理：商家對菜品完成添加，刪除，修改功能生成店鋪菜品目錄。在數據處理過工程中，將會以商家所填寫菜品名稱進行在線處理，通過搜索引擎匹配獲取菜品營養成分表（含量/100g），并將數據存入數據庫中。

支付管理：實現商家查詢收款記錄，確認退款原因與確認退款情況功能。

訂單管理：實現訂單追蹤，導出本月銷售記錄查詢。

2）消費者端功能設計

消費者端功能設計如圖3所示。個人信息管理：完成用戶注冊，登錄，退出功能。補全個人信息資料功能（設置目標，填寫性別，身高體重等）。應用根據用戶設置的個人資料，進行數據處理將信息數據化存儲，以便后續匹配調用使用。

訂餐模塊：應用調用個人信息數據與商家設置的菜品數據匹配，生成推薦菜品目錄，使用戶能過完成對符合個人目標的菜品進行瀏覽，選購。將商品添加購物車，在購物車頁面進行商品修改，確認后提交訂單，訂單信息上傳，跳轉支付頁面。

支付管理：實現付款，退款，查詢訂單信息功能。

服務管理：實現消費者對訂單情況（商家制作中，配送中，收貨）的追蹤查詢，對已完成的訂單進行消費評價。

3）數據庫設計[6]

對數據進行分析后，設計出的E-R模型如圖4所示。

1.3 軟件實現

軟件基于Android studio系統，采用Android SDK平臺，數據庫選擇SQL sever。

在設計實現的階段，充分考慮：界面簡潔、易于操作可維護性健壯性和適用性等方面。

2 個性化智能推薦算法

2.1 相關概念介紹

步驟2 將計算出的Li。

步驟3 將匹配度最大的前N道餐品推薦給用戶。

算法2——改進的餐品推薦算法

在改進的餐品推薦算法中除了考慮用戶的喜好，同時結合用戶的身體狀態，為此建立身高-體重標準表[7]。

步驟1 獲取用戶的體重w和身高h；根據身高h，查身高-體重標準表，得到對應標準體重Wb，計算體重w與標準體重的差值Wc = w-Wb，確定是應該增加還是減少脂肪。

步驟2 計算餐品脂肪差值f=餐品脂肪含量-標準脂肪含量，餐品脂肪差值f和體重差值Wc為相反關系。設匹配差值F（w） = f+Wc，將F（w）加入權值，加入用戶喜好中P的脂肪項pij中，即pij+=F（w）。

步驟3 按算法1進行處理。

算法3——外賣商家推薦的算法

3 總結

對現有外賣軟件的算法思考，設計了與推薦有關的算法，完成了這款擁有一定智能的外賣軟件，此項目的實現可以較好地改進現存外賣行業的效率，目前項目仍在測試階段，經過不斷測試和完善，時機成熟進行發布上線。

參考文獻：

[1] Gediminas Adomavicius，Alexander Tuzhilin.Towards the Next Generation of Recommender Systems： A Survey of the State-of-the-Art and Possible Extensions[Z].

[2] 蔡丹. 基于Android的校園外賣系統設計與實現[D].南昌：江西財經大學，2018.

[3] 林欽.一種協同過濾的移動APP推薦算法的設計[J].魯東大學學報：自然科學版，2015，31（4）：309-312.

[4] 張海藩，牟永敏. 軟件工程導論[M]. 6版.北京： 清華大學出版社，2013.

[5] 劉正，張書峰，趙鶴鳴.MVC模式下多層分布式軟件系統架構設計[J].現代電子技術，2018（7）.

[6] 王珊，薩師宣.數據庫系統概論[M].5版.北京：高等教育出版社，2014.

[7] 中國居民膳食指南（2016）[Z].北京：人民衛生出版社，2016.

【通聯編輯：謝媛媛】