廖旺宇

(四川烹饪高等专科学校，四川 成都 610100)

随着餐饮企业信息化应用的不断深入，经营者在经营过程中可以采集到大量的客户点餐数据。但由于数据量过大，又缺乏有效的处理手段，因此，这些数据往往无法转化为帮助提升管理水平和经营业绩的知识。同时，客户在点餐过程中面对菜单中大量的菜品信息可能无法快速找到满意的菜品。运用电子商务和数据挖掘的知识，利用企业已经拥有的点餐数据，设计开发点餐推荐系统，有针对性地向客户推荐菜品，帮助其制定出更适合的食谱则成为有效解决上述问题的方法。

以商业目的作为依据，电子商务推荐系统分为面向产品的推荐和面向客户的推荐两类。常用的方法有Top N推荐法、新品推荐法和关联推荐法等。［1］所谓关联推荐法，主要指通过使用数据挖掘中关联规则挖掘技术，深入分析用户数据，得到用户的消费规则，并以此为依据进行消费推荐。

由Agrawal R等人提出的关联规则挖掘［2］已经成为数据挖掘领域的重要研究课题。但是，传统、经典的关联规则算法，如Apriori等，在目标数据集发生变化，甚至仅仅是最小支持度阈值发生改变时运行效率便会大幅度降低。为了在目标数据集中数据增加、减少和数据集不变，但最小支持度阈值发生改变［3-4］时高效获取关联规则，产生了增量关联规则挖掘算法。

在点餐推荐的实际应用中，一方面点餐信息数据在不断地增长，且随着时间的发展，菜品的流行程度也会相应发生改变;另一方面，在进行菜品推荐时往往更注重推荐某些重点菜品，使得用户往往只关注所获得的规则中与重点推荐的菜品相关的规则。……