随着大数据时代的来临,信息过载和如何使用户得到个性化的体验已经成为倍受关注的问题。为了解决这个问题,个性化推荐系统已经应用到生活娱乐各个方面,逐渐改变着人们的生活方式。如Netflix的电影推荐系统、Amazon的购物推荐系统、餐饮行业点餐推荐系统等。随着人们生活水平的提高,对餐饮行业提出了新的要求,传统的点菜宝,没有推荐功能,不能满足用户的个性化追求。近几年兴起了以平板电脑为载体的点餐系统,但是这些点餐系统大多不具备推荐功能或推荐菜品比较单一,不能给用户带来良好的个性化体验。由于我国的饮食结构复杂,菜品种类繁多,因此在菜品推荐算法研究方面进展缓慢。但菜品推荐问题对于用户来说是密不可分,现在的人们生活节奏快,去餐饮企业就餐的机会多。很多时候,由于用户的匆忙不知道什么样的菜品符合自己的胃口,因此这时如果没有良好的菜品推荐,就会导致用户没有得到优质的个性化服务。现在绝大多数的餐饮企业仍然采用纸质的菜单而没有实现菜单的电子化、信息化管理。由于纸质菜单版面有限,目前还鲜有将菜品典故或来源与菜品融为一体的菜单或电子菜单存在。面对上述问题,本文研发一款融合菜品文化与智能推荐于一体的点餐系统。这种智能点餐系统将会成为未来人们喜爱的一种点餐模式。目前,菜品推荐领域也有一些研究者在工作,取得了一些成果。比较经典的有基于关联规则的点餐推荐系统;基于协同过滤的点餐推荐系统;基于数据挖掘和云计算服务的菜品推荐系统;利用食物相宜相克原理开发的“点配菜软件”。本文对现有的菜品推荐算法进行了研究、学习,在总结前人经验的基础上提出新的菜品推荐算法-基于关联度的菜品推荐算法。对分类预测关联规则正增量更新算法进行了研究改进与实现。开发了集菜品文化赏析智能推荐为一体的智能点餐系统。本系统包括三个部分,服务器端、点餐终端、厨房显示终端。服务器端主要功能为后台点餐信息的统计分析与处理。实现菜品推荐算法,生成推荐表;点餐终端遍历推荐表进行菜品推荐。菜品文化的赏析,点餐,生成订单;厨房显示端根据菜品的优先级,对点餐信息进行智能排序和显示。为了证明本文所研发的系统会有良好的个性化推荐效果,我们在同一数据集下,进行两种算法的对比测试。把两种算法产生的推荐表和经过多次实验产生的推荐表进行对比,最终的结果显示,新提出的基于关联度的菜品推荐算法的推荐精度要优于分类预测关联规则正增量更新算法。