1.2国内外研究现状及应用场景
“推荐系统”的概念是1995年在美国人工智能协会（AAAAI）上提出的。当时CMU大学的教授Robert Armstrong提出了这个概念，并推出了推荐系统的原型系统——Web Watcher。在同一个会议上，美国斯坦福大学的Marko Balabanovic等人推出了个性化推荐系统LIRA1.随后推荐系统的研究工作开始慢慢壮大。1996年，Yahoo网站推出了个性化入口My Yahoo，可以看做第一个正式商用的推荐系统。21世纪以来，推荐系统的研究与应用随着电子商务的快速发展而异军突起，各大电子商务网站都部署了推荐系统，其中Amazon网站的推荐系统较为著名。有报告称，Amazon网站中35%的营业额来自于自身的推荐系统。2006年美国的DVD租赁公司Netflix在网上公开设立了一个推荐算法竞赛——Netflix Prize。Netflix公开了真实网站的一部分数据，包含用户对电影的评分。Netflix竞赛有效地推动了学术界和产业界对推荐算法的研究，期间提出了很多有效的算法。近几年，随着社会化网络的发展，推荐系统在工业界广泛应用并且取得了显著进步。比较著名的推荐系统应用有：Amazon和淘宝网的电子商务推荐系统，Netflix和MovieLens得电影推荐系统、YouTube的视频推荐系统、Google的新闻推荐系统、豆瓣和Last.fm的音乐推荐系统以及Facebook和Twitter的好友推荐系统。
餐饮大数据计（论文）选题背景、国内外研究现状及应用前景
1.1选题背景：
随着科技与信息技术的迅猛发展，社会进入了一个全新的高度信息化的时代，互联网无处不在，影响了人类生活的方方面面，并彻底改变了人们的生活方式。大数据时代互联网用户既是网络信息的消费者，也是网络内容的生产者，互联网中的信息量呈指数及增长。面对庞大且复杂的互联网信息时代用户如何在互联网中找寻有用信息，用于用户或企业的经营生产。搜索引擎和推荐系统为人们提供了非常重要的技术手段。对于搜索引擎来说，用户在搜索互联网中的信息时，需要在搜索引擎中输入“查询关键词”，搜索引擎根据用户的输入，在系统后台进行信息匹配，将与用户查询相关的信息展示给用户。但是，如果用户无法想到准确描述自己需求的关键词，此时搜索引擎就无能为力了。和搜索引擎不同，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来对用户的兴趣进行建模，从而主动给用户推荐可能满足用户兴趣和需求的信息。
4.毕业设计（论文）进度安排
第1-2周（2019.12.2-2019.12.15）：根据毕业设计（论文）任务书的要求，查询相关资料，完成毕业设计开题报告。
第3-8周（2019.12.16-2020.3.15）：整理、消化相关资料，进一步明确设计任务与设计思路，熟悉开发环境和编程方法，进行系统的软件程序设计，并完成系统的初步调试。于2020年3月15日前提交毕业设计（论文）初稿。
推荐系统诞生后学术界对其关注也越来越多。从1999年开始，美国计算机学会每年召开电子商务研讨会（ACM Conference on Electronic Commerce，ACM EC），越来越多的与推荐系统相关的论文发表在ACM EC上。ACM信息检索专业组（ACM Special Interest Group of Information Retrieval，ACM SIGIR）在2001年开始把推荐系统作为该会议的一个独立研究主题。同年召开的人工智能联合大会（The 17th International Joint Conference on Artificial Intelligence）也将推荐系统作为一个单独的主题。最近的10年间，学术界对推荐系统越来越重视。目前为止，数据库、数据挖掘、人工智能、机器学习方面的重要国际会议（如SIGMOD、VLDB、ICDE、KDD、AAAI、SIGIR、ICDM、WWW、ICML等）都有大量与推荐系统相关的研究成果发表。同时，第一个以推荐系统命名的国际会议ACM Recommender Systems Conference（ACM RecSys）于2007年首次举办。在近几年的数据挖掘及只是发现国际会议（KDD）举办的KDD CUP竞赛中，连续两年的竞赛主题都是推荐系统。在KDD CUP 2001年的竞赛中，两个竞赛题目分别为“音乐评分预测”和“识别音乐是否被用户评分”。在KDD CUP 2012年的竞赛中，两个竞赛题目分别为“腾讯微博中的好友推荐”和“计算广告中的点击率预测”。
3.2前期研究的基础：
a)搜集大量相关数据；
b)利用学校所学的相关专业课程如《大数据技术原理与应用》、《Python数据分析与应用》、《HDFS分布式存储》、《计算机网络》、《Linux操作系统》、《数据库原理及应用》等课程的综合应用；
c)导师提供的相关参考资料，使本人有了更清晰的设计思路与过程；
d)收集了关于推荐系统、Hadoop、Spark方面的相关资料进行研读。
餐饮推荐系统如同传统菜馆菜单中的招牌菜一样，是将餐馆的优势菜品推荐给食客。所不同的是传统餐馆的宣传效果具有一定的局限性，而餐饮推荐系统基于大数据和互联网，传播范围更加广泛。此外，作为餐饮推荐系统，其具有的功能不仅仅局限于展示和宣传餐饮企业特色菜品，其还包括对顾客的消费记录、餐饮习惯、就餐习惯、就餐时间等方面信息收集，对餐饮企业具有针对性的推荐具有非常重要的现实意义。
指导教师（签字）：
年月日
6.所在学院审查意见
学院负责人（签章）：
年月日
互联网+下餐饮行业的经营方式发生了很大的变化，团购和O2O拓宽了销售渠道，微博、微信等社交网络加强了企业和消费者、消费者与消费者之间的沟通，电子点餐、店内WiFi、5G等信息技术提升了服务水平，大数据、私人定制更好地满足了细分市场的需求等。同时餐饮企业也面临更多的问题：如何提高服务水平；如何留住客户；如何提高利润等，这就给行业和企业提出了更大的挑战和机遇。
[15] Resnick P, Varian H R. Recommender systems[J]. Communications of the ACM, 1997, 40(3), 6-58
2.本选题研究的主要内容、拟采用的研究方法和手段
2.1本课题的主要研究内容包括：
a)获取餐饮企业数据；
b)对数据预处理；
[8]庞帆栋.基于Spark的个性化电影推荐系统的设计与实现[D].东南大学，2017.
[9]邓园园，吴美香，潘家辉.基于物品的改进协同过滤算法及应用[J].计算机系统应用，2019，28(01): 182-187.
[10]金铭.大数据与推荐系统研究[J].电脑知识与技术，2018，14(34): 259-260.
c)构建模型，预测销售额并对结果进行分析；
d)使用合适的算法对菜品进行智能推荐；
e)对订单菜品进行关联分析；
f)对客户进行价值分析。
2.2拟采用的研究方法和手段
了解并熟悉Linux操作系统、Hadoop集群、Spark集群、MySQL数据库等具体操作方法。通过以上方法，设计与实现一个基于Spark集群的餐饮智能推荐系统；通过Python编写实现代码。
第9-14周（2020.3.16-2020.4.26）：指导教师审阅论文初稿，提出修改意见，并于2020年3月22日前完成对学生毕业设计工作的中期检查；学生完成系统的进一步测试与改进，并根据指导教师提出的修改意见进行毕业设计论文修改。于2020年4月26日前提交毕业设计（论文）终稿，准备论文答辩。
5.指导教师意见（对课题的深度、广度及工作量的意见）
主要参考文献：
[1]张良均.R语言数据分析与挖掘实战[M].北京:机械工业出版社，2015．
[2]李翠平，蓝梦微，邹本友，et al.大数据与推荐系统[J].大数据，2015(03): 23-35.
[3]李章威，陈丽，曹子谞.大数据环境下智能推荐系统中协同过滤算法研究[J].电脑编程技巧与维护
[4]张玉叶.基于Python的推荐系统的设计与实现[J].计算机时代，2019(06):59-62.
3.本选题的创新点、特色及前期研究基础
3.1创新点和特色：
在于为了使人们的生活更加方便，进而充分地把时间和精力投入到工作上，避免在选择饮食方面而导致的时间浪费。基于大数据的餐饮智能推荐系统摆脱了人们单一的选择、在选择饮食上遇到困难；此推荐系统根据兴趣为人们推荐合适的菜品或者餐馆，使人们的生活更加便利。
[5]银东.基于用户签到关联信息的餐馆推荐系统设计与实现[D].北京邮电大学，2019.
[6]张敏，郭卫江，李川，施羽.基于MapReduce+内容推荐的高校校园快递配送系统的设计与实现[J].信息记录材料，2019，20(06): 162-165.
[7]陶健.基于Spark的视频推荐系统研究与实现[D].重庆师范大学，2019.
[11]林子雨.大数据技术原理与应用(第2版)[M].北京：人民邮电出版社，2017.
[12] Hadoop大数据开发案例教程与项目实战[M].北京：人民邮电出版社，2017.
[13]黄红梅，张良均，张凌，施兴，周东平.Python数据分析与应用(第1版)[M].北京：人民邮电出版社，2019.
[14] Resnick P, Iacovou N, Sunhak M,et al. GroupLens:an open architecture for collaborative filtering of netnews[C]//Proceedings of the 1994 ACM conference on Computer supported cooperative work.ACM, 1994: 175-186