近年来,随着互联网送餐平台的发展,推荐系统在餐饮业有了广泛应用。然而由于目前流行的订餐平台采用O2O的经营模式,使得美食推荐在系统中所占的比重过低,因而对消费者而言缺乏个性化的推荐。基于该现状,本文采用B2C的商业模式,进而提高推荐系统在美食推荐过程中的地位,从而提供更具个性化的推荐服务。本文通过对美食推荐系统的用户需求进行分析,结合可行性研究环节得到的结果,决定采取B/S结构。使用Python作为业务层的开发语言,使用Tornado作为web框架,Nginx作为web服务器,使用My SQL作为数据库,前端技术框架选择Bootstrap结合j Query等技术,同时使用SQLAlchemy作为数据库ORM,使用pickle完成部分模型的序列化。按照需求分析和系统设计的要求,将美食推荐系统主要分为4大功能模块:基本推荐模型、用户推荐、用户管理、API接口。基本推荐模型模块完成数据获取、数据清洗、关联分析、聚类分析、协同过滤算法等操作;用户推荐模块完成历史信息获取、上下文信息获取、模型更新、候选结果优化、推荐结果展示等功能;用户管理模块完成登录注册、好友添加删除、美食邀约、美食经验分享等功能;API接口模块完成身份认证、权限下发更新、模型API、数据API等功能。功能测试和系统测试表明,本论文研发完成的美食推荐系统在功能上实现了个性化推荐、美食类社交等功能,满足预期的功能需求。在性能方面,经过并发访问测试后,测试能够满足预期的性能需求。本文的意义在于提出了基于B2C的美食推荐方案,同时在推荐系统中融合了4种机器学习算法,弥补了传统协同过滤存在的冷启动等问题。