關(guān)鍵詞：菜品推薦;Spark;協(xié)同過濾算法;HDFS

0 引言（Introduction）

隨著社會(huì)信息化水平的不斷提高，大數(shù)據(jù)技術(shù)越來越多地被運(yùn)用到人們的生產(chǎn)和生活中?；诨ヂ?lián)網(wǎng)的智能推薦系統(tǒng)在人們的生活中扮演越來越重要的角色[1]。以往在點(diǎn)菜過程中，顧客大多是通過服務(wù)人員介紹的方式選擇菜品，耗費(fèi)的時(shí)間較長(zhǎng)，靈活程度不高，受服務(wù)人員主觀因素的限制較大，占據(jù)較多的服務(wù)資源，而且不能精準(zhǔn)地把握客人的喜好，因此有必要借助計(jì)算機(jī)和大數(shù)據(jù)技術(shù)完成對(duì)菜品的合理推薦。

餐飲企業(yè)通過信息技術(shù)和設(shè)備實(shí)現(xiàn)對(duì)菜品信息的管理，可以提高工作效率，也能更加精準(zhǔn)地把握顧客對(duì)菜品的喜好。此處，還可以設(shè)計(jì)一款智能菜品推薦系統(tǒng)，既能讓顧客品嘗到自己心儀的美味，又節(jié)省了選菜時(shí)間，提高了商家的服務(wù)效率和顧客的滿意度。

1 系統(tǒng)概要設(shè)計(jì)（System outline design）

1.1 總體結(jié)構(gòu)設(shè)計(jì)

以通過系統(tǒng)實(shí)現(xiàn)菜品的智能推薦為研究對(duì)象進(jìn)行分析與設(shè)計(jì)，旨在抓住顧客的喜好和提高顧客滿意度以及減少選菜時(shí)間。餐飲推薦系統(tǒng)采集到的評(píng)分?jǐn)?shù)據(jù)存儲(chǔ)在HDFS上，使用推薦模塊中的推薦模型輸出符合要求的推薦數(shù)據(jù)。餐飲推薦系統(tǒng)結(jié)構(gòu)圖如圖1所示。

1.2 用戶功能

（1）用戶注冊(cè)：用戶進(jìn)行賬號(hào)注冊(cè)時(shí)，系統(tǒng)會(huì)要求用戶填寫郵箱和密碼，之后系統(tǒng)會(huì)驗(yàn)證這些信息的有效性，并將是否已注冊(cè)成功的結(jié)果返回給用戶，注冊(cè)成功則回到登錄頁(yè)面。

（2）用戶登錄：用戶在登錄頁(yè)面填寫真實(shí)的郵箱和密碼，由系統(tǒng)與自身數(shù)據(jù)庫(kù)進(jìn)行比對(duì)與校驗(yàn)。校驗(yàn)通過后，將自動(dòng)跳轉(zhuǎn)到推薦網(wǎng)頁(yè)，否則將被提示校驗(yàn)失敗。

（3）菜品搜索：用戶可以在網(wǎng)頁(yè)頂部的搜索框中搜索想要品嘗菜品的名稱或者關(guān)鍵詞，系統(tǒng)會(huì)根據(jù)這些關(guān)鍵詞查找相應(yīng)的菜品，并將查找到的結(jié)果返回給用戶。

（4）菜品評(píng)分：用戶查看菜品的平均評(píng)分以及菜品推薦信息，評(píng)價(jià)分值的范圍是0～5分。

（5）查看菜品：用戶可以查看推薦的菜品、爆款菜品以及所有菜品。

（6）退出登錄：用戶點(diǎn)擊“退出”，就會(huì)從已存在的賬號(hào)中退出，并自動(dòng)進(jìn)入登錄網(wǎng)頁(yè)。若想再次進(jìn)入系統(tǒng)，就得重復(fù)登錄操作。

1.3 推薦功能及方案設(shè)計(jì)

（1）推薦功能是根據(jù)菜品評(píng)分，通過推薦算法向用戶推薦菜品信息。為提高用戶的交互體驗(yàn)，推薦模塊中包含了爆款數(shù)據(jù)。

（2）詳情頁(yè)推薦是在用戶感興趣菜品的基礎(chǔ)上再次進(jìn)行推送。進(jìn)行符合用戶喜好的推送，往往會(huì)達(dá)到更好的推薦效果。

推薦系統(tǒng)的核心是推薦算法，它是整個(gè)系統(tǒng)的根基，推薦算法的性能好壞直接關(guān)系到系統(tǒng)的運(yùn)行狀態(tài)。目前，主要有基于內(nèi)容、關(guān)聯(lián)規(guī)則、知識(shí)推薦以及協(xié)同過濾等已經(jīng)廣泛應(yīng)用的推薦算法。

1.3.1 基于內(nèi)容的推薦

基于內(nèi)容的推薦可以在不依賴其他用戶信息的情況下，比較準(zhǔn)確地識(shí)別用戶興趣，信息直觀易懂，具有較強(qiáng)的解釋性。只要用戶在網(wǎng)上發(fā)生了瀏覽記錄或購(gòu)買行為，系統(tǒng)就可以根據(jù)已知項(xiàng)目的特征標(biāo)簽推測(cè)用戶喜歡的物品。這種方法依賴于項(xiàng)目標(biāo)記特征，因此系統(tǒng)推薦的商品不能保證產(chǎn)品的質(zhì)量，并且推薦范圍狹窄、缺乏新穎性，獲取內(nèi)容來源和特征提取相對(duì)困難，因此相對(duì)小眾[2]。

基于內(nèi)容的推薦方法通常會(huì)建立一個(gè)用戶興趣模型和一個(gè)項(xiàng)目特征模型，并使用相似度測(cè)度衡量?jī)煞N模式之間的相似性，然后通過相似度排序，由高到低地向目標(biāo)用戶推薦物品。基于內(nèi)容的推薦通常會(huì)忽略用戶行為，只考慮物品之間的相似性。因此，與協(xié)同過濾推薦算法相比，它可以解決協(xié)同過濾算法中一些不可避免的問題，如冷啟動(dòng)問題、評(píng)分?jǐn)?shù)據(jù)稀疏問題等。此外，基于對(duì)物品內(nèi)容的分析，它可以提供推薦物品的內(nèi)容特征，并向用戶提供推薦的理由[3]。

1.3.2 協(xié)同過濾推薦

協(xié)同過濾算法是目前最成熟、使用最早、應(yīng)用最廣泛的一種推薦方法，它通常采用最近鄰技術(shù)，獲取用戶與物品的共現(xiàn)矩陣，以用于計(jì)算用戶間或物品間的距離，并使用已被確定為最偏好用戶的項(xiàng)目，然后根據(jù)最接近目標(biāo)用戶的項(xiàng)目得分權(quán)重對(duì)該產(chǎn)品進(jìn)行預(yù)測(cè)。盡管協(xié)同過濾技術(shù)是目前最具代表性的推薦方法之一，但其也存在不少缺點(diǎn)，典型的問題有稀疏問題和可擴(kuò)展問題等[4]。

1.3.3 基于知識(shí)推薦

在某些特定的場(chǎng)景，使用者的行為會(huì)在很短的時(shí)間內(nèi)發(fā)生，例如購(gòu)買電腦后，會(huì)持續(xù)使用此種電子產(chǎn)品，通常幾年內(nèi)不會(huì)再次購(gòu)買，因此在此類場(chǎng)景下，基于用戶過去的行為是無法進(jìn)行推薦的?；谥R(shí)的推薦則可以根據(jù)用戶及產(chǎn)品的信息，得出哪種產(chǎn)品應(yīng)該推薦給哪個(gè)用戶，從而完成推薦[5]。

1.3.4 主要推薦方法對(duì)比

各種推薦方法的優(yōu)點(diǎn)和缺點(diǎn)如表1所示。

綜合以上各種推薦方法的優(yōu)點(diǎn)和缺點(diǎn)，考慮到新興趣點(diǎn)發(fā)現(xiàn)與推薦個(gè)性化方面的表現(xiàn)，本設(shè)計(jì)選擇協(xié)同過濾推薦方法。

1.4 數(shù)據(jù)庫(kù)設(shè)計(jì)

系統(tǒng)中主要包含的對(duì)象為用戶和菜品，除用戶和菜品的基本屬性外，還有兩者間產(chǎn)生的交互屬性，需要使用數(shù)據(jù)庫(kù)存儲(chǔ)。系統(tǒng)對(duì)數(shù)據(jù)的存儲(chǔ)主要使用MongoDB，存儲(chǔ)用戶信息表（User）和菜品信息表（Menu），以及用戶的日志數(shù)據(jù)，其中日志數(shù)據(jù)以json的形式進(jìn)行存儲(chǔ)，在用戶信息表中可以查到相應(yīng)的信息，如表2所示;在菜品信息表中可以查到相應(yīng)的信息，如表3所示。

2 推薦系統(tǒng)實(shí)現(xiàn)（Implementation of recommendationsystem）

2.1 數(shù)據(jù)采集

本系統(tǒng)需要與菜品網(wǎng)站數(shù)據(jù)庫(kù)結(jié)合使用，因此數(shù)據(jù)來源分為兩個(gè)部分，一部分從黃河交通學(xué)院東、西兩個(gè)校區(qū)（4個(gè)年級(jí)的學(xué)生、餐飲公司負(fù)責(zé)人、學(xué)校后勤人員、教師、校外商家等）收集真實(shí)有效的數(shù)據(jù)，另一部分通過爬蟲技術(shù)爬取“美團(tuán)”數(shù)據(jù)采集原數(shù)據(jù)，以json格式存儲(chǔ)，原數(shù)據(jù)如圖2所示。

2.2 數(shù)據(jù)預(yù)處理

原始數(shù)據(jù)中存在很多異常數(shù)據(jù)，需要對(duì)其進(jìn)行異常數(shù)據(jù)處理。為了便于存儲(chǔ)以及加快數(shù)據(jù)處理效率，需要對(duì)原始的數(shù)據(jù)格式進(jìn)行編碼處理。將數(shù)據(jù)集劃分為訓(xùn)練集、校驗(yàn)集和測(cè)試集，從而對(duì)推薦模型進(jìn)行評(píng)估。因?yàn)橄到y(tǒng)開發(fā)處于探索與分析階段，所以選擇在 Spark Shell環(huán)境下進(jìn)行編程實(shí)現(xiàn)。

2.2.1 異常值數(shù)據(jù)處理

對(duì)重復(fù)評(píng)分的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，并且使用時(shí)間戳對(duì)重復(fù)數(shù)據(jù)進(jìn)行判斷，最新的評(píng)分被認(rèn)定為該用戶對(duì)菜品的最終評(píng)分，刪除舊數(shù)據(jù)，實(shí)現(xiàn)異常值處理（圖3）。

2.2.2 數(shù)據(jù)變換處理

數(shù)據(jù)變換是將文件內(nèi)容轉(zhuǎn)換成系統(tǒng)需要的格式以便于下一步調(diào)用。由于用戶和菜品的ID都是以字符串的形式表示，存儲(chǔ)空間較大，并且在調(diào)用計(jì)算時(shí)效果差、效率低，因此將其轉(zhuǎn)換為數(shù)值類型。將用戶和菜品的ID編碼都轉(zhuǎn)換為Integer類型。編碼步驟如下：（1）對(duì)用戶數(shù)據(jù)與菜品數(shù)據(jù)進(jìn)行去重后，再進(jìn)行排序;（2）使用排序后的原始用戶與菜品的下標(biāo)值代替該用戶或菜品;（3）使用編碼后的值替換原始數(shù)據(jù)中的值。

編碼后的用戶評(píng)分?jǐn)?shù)據(jù)格式為（用戶編碼，菜品編碼，評(píng)分，評(píng)分時(shí)間戳），編碼數(shù)據(jù)圖如圖4所示。

2.2.3 數(shù)據(jù)集分割

在對(duì)數(shù)據(jù)集進(jìn)行編碼后，再將其進(jìn)行分割、存儲(chǔ)，將訓(xùn)練集、校驗(yàn)集、測(cè)試集按時(shí)間戳的次序進(jìn)行分割。原數(shù)據(jù)與編碼之后的數(shù)據(jù)全部存儲(chǔ)在HDFS中。

2.3 推薦模型建立

系統(tǒng)選取了分別基于用戶、項(xiàng)目和Spark ALS的3種不同的協(xié)作過濾算法，建立了相應(yīng)的推薦模型并進(jìn)行了比較，對(duì)推薦模型進(jìn)行總體評(píng)價(jià)后，再?zèng)Q定選擇哪一個(gè)模型。

2.3.1 以基于用戶的協(xié)同過濾算法建模

基于用戶的協(xié)同過濾算法是根據(jù)消費(fèi)者對(duì)相同產(chǎn)品的不同評(píng)價(jià)判定其是否具有相似度，從而找到最接近目標(biāo)商戶的用戶，然后將評(píng)價(jià)最高的商品按距離最近的商戶推送給目標(biāo)客戶。

通過每個(gè)用戶的得分向量統(tǒng)計(jì)用戶間的接近程度。通過統(tǒng)計(jì)各個(gè)用戶間的相似程度，能夠找出與目標(biāo)用戶相似程度較大的用戶，進(jìn)而按照相似程度得分對(duì)這些用戶進(jìn)行排列，從而得出前k 個(gè)近鄰用戶。給目標(biāo)用戶介紹前k 個(gè)近鄰用戶的高分項(xiàng)目，算法流程圖如圖5所示。

2.3.2 以基于菜品的協(xié)同過濾算法建模

在計(jì)算過程中，基于物品的推薦方法和基于用戶的推薦方法類似，但不同之處在于基于物品的推薦方法是通過項(xiàng)目之間的相似性推薦與目標(biāo)用戶喜歡的物品相似的物品[6]，其基本思想是消費(fèi)者對(duì)某一產(chǎn)品的預(yù)期評(píng)估可以基于其對(duì)某一產(chǎn)品的加權(quán)平均數(shù)，計(jì)算得出相似性最大的k 個(gè)近鄰商品的評(píng)價(jià)，基于此建立本系統(tǒng)的菜品推薦模型。

2.3.3 以基于Spark ALS的協(xié)同過濾算法建立模型

交替最小二乘法（Alternating Least Squares， ALS）屬于Spark機(jī)器學(xué)習(xí)組件Spark MLlib的內(nèi)置算法，是Spark MLlib中最重要的算法，也是協(xié)同過濾算法的重要思想[7]。ALS的基本思想是利用用戶對(duì)各類美食進(jìn)行評(píng)分獲得的矩陣，在用戶群中尋找高度相似的用戶群，然后綜合這些用戶對(duì)同一信息的評(píng)價(jià)，預(yù)測(cè)指定用戶對(duì)此信息的喜好程度[8]，用P （m ×k）和Q（n×k）的積近似表達(dá)m×n 的得分矩陣R，然后不斷最優(yōu)化兩個(gè)小矩陣，最大化地還原原始評(píng)分矩陣R，從而填充評(píng)分缺失值，降低數(shù)據(jù)的稀疏性，提高算法的推薦質(zhì)量[9]。這樣，就得到了一個(gè)基本模型，利用這個(gè)模型可以對(duì)未出現(xiàn)的用戶或者物品進(jìn)行評(píng)分預(yù)測(cè)[10]。ALS矩陣分解圖如圖6 所示。

采用基于用戶、基于菜品、基于Spark ALS的3種不同的協(xié)同過濾算法建立推薦模型，其中基于用戶和基于菜品的算法是采用直接編碼的方法來完成的，這兩種算法雖然簡(jiǎn)單直觀，但是在處理大數(shù)據(jù)集時(shí)，資源占用較大[11]。與其他算法比較，Spark ALS算法內(nèi)置在Spark MLlib中，不用通過編碼實(shí)現(xiàn)，因此調(diào)用速度快、效率高。而且，由于Spark ALS算法在矩陣計(jì)算時(shí)應(yīng)用了降維處理，因此在相同的計(jì)算條件下可以處理更大的數(shù)據(jù)量。

2.4 推薦模型的評(píng)測(cè)

對(duì)建立的模型進(jìn)行評(píng)測(cè)，有利于更好地選擇模型，并能夠提高推薦準(zhǔn)確度。因?yàn)槟Ｐ褪峭ㄟ^離線數(shù)據(jù)集構(gòu)建的，所以本研究選擇離線測(cè)試。離線測(cè)試是根據(jù)真實(shí)的菜譜系統(tǒng)對(duì)各個(gè)算法進(jìn)行評(píng)分，再利用所建立的不同的推薦算法對(duì)其進(jìn)行評(píng)估。該方法不需要真正的使用者參與，方便了測(cè)試過程。

測(cè)評(píng)指標(biāo)：由于不同推薦模式的樣本集呈現(xiàn)的評(píng)價(jià)指數(shù)不同，根據(jù)不同的呈現(xiàn)模式，其測(cè)評(píng)指標(biāo)公式如表4所示。

主要評(píng)價(jià)指標(biāo)為均方根誤差（RMSE）和平均絕對(duì)誤差（MAE）。其中，rui 為用戶u 在項(xiàng)目i 上的真正分?jǐn)?shù)，rui 為用戶ui 的預(yù)測(cè)分?jǐn)?shù)，N 為實(shí)際參與評(píng)分的項(xiàng)目的總分。RMSE的值越小，說明推薦結(jié)果越接近實(shí)際評(píng)分值。MAE 的值越小，說明推薦算法的準(zhǔn)確度越高[12]。RMSE 和MAE 為評(píng)價(jià)推薦質(zhì)量提供了直觀的度量方法，是兩種比較常用的評(píng)估模型[13]。

精確率（P）表示推薦物品被用戶認(rèn)可的程度和準(zhǔn)確度;召回率（R）表示消費(fèi)者想要某一種產(chǎn)品的程度;F1指數(shù)綜合考慮精確率與召回率，能夠更客觀地評(píng)估推薦方法的優(yōu)點(diǎn)和缺點(diǎn)（F1值越大，則該方法越優(yōu)）。其公式如公式（1）至公式（3）所示，分類準(zhǔn)確度指標(biāo)表如表5所示。

由于基于用戶和物品的協(xié)同過濾算法的預(yù)測(cè)結(jié)果并沒有直接預(yù)測(cè)出評(píng)分，因此根據(jù)實(shí)際情況選用以上兩種測(cè)評(píng)方式中的分類器評(píng)估法，通過此測(cè)評(píng)方法和指標(biāo)對(duì)三種推薦模型進(jìn)行測(cè)評(píng)，結(jié)果如下。

（1）對(duì)基于用戶的推薦模型進(jìn)行評(píng)測(cè)，加載推薦模型與測(cè)試數(shù)據(jù)集，為每個(gè)用戶選取k 個(gè)推薦結(jié)果，與測(cè)試數(shù)據(jù)集的實(shí)際記錄進(jìn)行匹配。

（2）對(duì)基于菜品的推薦模型進(jìn)行評(píng)測(cè)，首先加載推薦模型與測(cè)試數(shù)據(jù)集，為每個(gè)用戶選取k 個(gè)推薦結(jié)果;其次與測(cè)試數(shù)據(jù)集的實(shí)際記錄進(jìn)行匹配。

（3）對(duì)基于Spark ALS的推薦模型進(jìn)行評(píng)測(cè)，首先加載推薦模型與測(cè)試數(shù)據(jù)集，為每個(gè)用戶選取k 個(gè)推薦結(jié)果;其次與測(cè)試數(shù)據(jù)集的實(shí)際記錄進(jìn)行匹配。

對(duì)評(píng)測(cè)結(jié)果進(jìn)行對(duì)比，選出適合的算法模型，評(píng)測(cè)結(jié)果對(duì)比表如表6所示。

由表6可知，單純以綜合指標(biāo)F1值評(píng)判，基于物品的推薦模型表現(xiàn)是最適合本次設(shè)計(jì)的，但當(dāng)訓(xùn)練數(shù)據(jù)中的用戶數(shù)很大而物品數(shù)相對(duì)較小時(shí)，適合使用基于物品的協(xié)同過濾。如果訓(xùn)練數(shù)據(jù)中的用戶數(shù)相對(duì)較小，而物品數(shù)較大時(shí)，則適合使用基于用戶的協(xié)同過濾。此外，如果數(shù)據(jù)量非常大或?yàn)榱颂岣哂?jì)算效率，則考慮使用Spark ALS進(jìn)行建模。基于以上結(jié)果，選取基于物品的推薦模型為主、基于Spark ALS的推薦模型為輔，分別向用戶進(jìn)行菜品推薦。

2.5 推薦模型實(shí)現(xiàn)

展示推薦結(jié)果首先要根據(jù)日志評(píng)分?jǐn)?shù)據(jù)，使用選定好的推薦模型生成推薦數(shù)據(jù)，推薦數(shù)據(jù)運(yùn)行圖如圖7所示;其次需要將推薦結(jié)果通過Flume傳輸?shù)讲似菲脚_(tái)上，根據(jù)推薦結(jié)果和MongoDB數(shù)據(jù)庫(kù)中的菜品信息來進(jìn)行結(jié)合展示。

為了更好地服務(wù)用戶，注冊(cè)菜品推薦系統(tǒng)賬號(hào)進(jìn)入系統(tǒng)后，采用基于項(xiàng)目的推薦模型為用戶提供定制化的推薦信息;使用Spark ALS推薦模型為用戶推薦熱門菜肴并使用戶能夠查看完整菜單，支持用戶點(diǎn)擊進(jìn)入菜品詳情頁(yè)，同時(shí)用戶可查詢?cè)摬似返钠骄u(píng)分、菜品評(píng)價(jià)、菜品用料等。根據(jù)頁(yè)面停留時(shí)間、菜品瀏覽記錄、歷史訂單等數(shù)據(jù)，可以對(duì)系統(tǒng)進(jìn)行優(yōu)化，以達(dá)到更精確的菜品推送目標(biāo)。

3 結(jié)論（Conclusion）

基于Spark的餐飲平臺(tái)菜品智能推薦系統(tǒng)專注于解決顧客點(diǎn)餐時(shí)菜品選擇難的問題，可以為顧客智能化地推薦符合其偏好的菜品，提高顧客點(diǎn)餐效率，從而提高顧客滿意度及回頭率，同時(shí)也能提高餐廳的備餐效率。當(dāng)然，該系統(tǒng)仍然存在欠缺之處，例如對(duì)商家的惡意評(píng)分，無法通過系統(tǒng)自動(dòng)判斷并刪除，因此需要進(jìn)一步改進(jìn)。