近年来,随着互联网技术的快速发展的大环境下,电子商务迎来了蒸蒸日上的发展期。鉴于电子商务蕴含巨大的商机,各行各业都在投入到电子商务的大军当中去。然而正是由于电子商务模式中数据量的迅速增长,引发了严重的数据过载、数据冗余问题,使用户无法在繁杂的数据中找到自己所需要的商品,这为商家和用户带来了极大的困扰。为解决这个问题,个性化推荐技术应运而生,并在解决这些问题上起到了积极的作用。餐饮行业作为电子商务的一大模块,同样也存在这样的问题。如何在繁杂的信息中为目标用做出合适的推荐是目前餐饮行业面临的一大挑战。本文为解决餐饮行业的这个需求,首先,对目前流行的推荐算法进行了深入研究,总结了各推荐算法的特点;然后,根据餐饮行业数据结构特征和推荐需求,设计和实现了合适推荐算法;最后,根据餐饮行业实际的业务需求构建了个性化推荐系统。本文主要创新点如下:1.为保证推荐系统的推荐性能,为避免因用户对食品评分数据太过稀少,从而导致评分矩阵稀疏的问题,采用预评分模型利用Item-Based CF算法对用户浏览、加入购物车食品信息做出预评分。2.推荐部分采用改进Item-Based CF算法和隐语义模型算法相混合的形式进行的。其中,改进Item-Based CF算法是初步推荐阶段,根据补全的评分矩阵和物品相似度做出初步推荐。其是整个推荐算法的关键部分,以Item-Based CF算法为基础,并加入时间和地点上下文衰减函数对用户偏好的影响。隐语义模型算法通过统计的数据对初步推荐集做出过滤。