随着餐饮业经营逐渐互联网化及餐饮云服务技术的发展,一些拥有相对完善信息管理系统的餐饮商家和服务商积累下大量餐饮交易数据。从餐饮交易数据中挖掘有效信息,对精准营销、销售风险评估等具有重大意义。但现有方法在餐饮历史数据信息挖掘时存在精度低、适用性差等系列问题。为从餐饮交易数据中准确挖掘有效信息,本文致力于以复杂网络理论为基础,提出基于菜品复杂网络的餐饮数据分析方法。在餐饮领域,菜品的拉动力反映了菜品因自身消费增长而拉动其他菜品整体消费增长的能力。本文从餐饮交易数据出发,利用复杂网络相关理论,通过计算和分析菜品拉动力,进行有效信息挖掘。为了实现上述目标,本文首先分析并量化了餐饮交易数据中菜品间作用关系,通过与随机网络模型比较构建了一种符号菜品复杂网络,可以对菜品间的拉动关系和阻碍关系进行定性和定量计算。基于符号菜品网络,本文进一步利用复杂网络传播模型的思想结合餐饮数据特点提出了一种菜品拉动力计算方法。由于餐饮数据中菜品关系的特殊性,现有网络传播模型无法充分反映菜品间关系。本文针对符号网络的特点,通过改变数据判断条件,提出了一种符号网络下的线性阈值模型,并将其应用于菜品拉动力的计算当中。在上述工作的基础上,本文在某餐饮公司提供的真实账单数据上进行了实验,并分别将本文所提方法与餐饮业常用的菜品排序方法以及一种符号网络上的节点排序方法进行了比较和分析,验证了本文方法的合理性和有效性。