[发明专利]一种基于Apriori算法的酒店畅销菜品推荐方法

权利要求书

1.一种基于Apriori算法的酒店畅销菜品推荐方法，其特征在于：包括如下步骤：

Step1：收集各个地区酒店的地址，客人的就餐时间、就餐季节以及常点菜品数据，生成事物数据库；

Step2：扫描事物数据库，从中找出满足最小支持计数的频繁集M₁；

Step3：根据M₁产生候选集N₂，并再次扫描事物数据库，从中找出满足最小支持计数的频繁集M₂；

Step4：根据M₂产生候选集N₃，并删除子集不属于M₂的候选集；重复进行该操作，并产生M₁，...，M_x；

Step5：当扫描事物数据库并发现M_i为空集时结束，并将最后得到的频集输出；

Step6：将Step5得到的频集作为推荐主数据库；

Step7：根据联合分析为顾客推荐最佳的热门菜品，为酒店备菜提供依据。

2.根据权利要求1所述的一种基于Apriori算法的酒店畅销菜品推荐方法，其特征在于：所述步骤Step1中，事物数据库包含4个事务，即|D|＝4，最小支持数mincount＝2，即最小支持度minsup＝2/4＝50％。

3.根据权利要求1所述的一种基于Apriori算法的酒店畅销菜品推荐方法，其特征在于：所述步骤Step2中，频繁集数据挖掘的具体实现过程如下所述：

S1：数据过滤

首先对事务数据库D进行扫描并且进行计数，得到N₁，取出计数大于最小支持数的项集，其中项集{D}的支持数为1小于最小支持数2，删除{D}项集，产生M₁＝{{A}，{B}，{C}，{F}}，第一次对数据库进行扫描产生的关联规则会产生冗余数据，继续对数据库进行第二次扫描；

S2：分级子数据库的生成

由Apriori_gen(M1)产生相应的候选项集生成N₂，扫描数据库D，对N₂中的每个项集进行计数，其中{A，B}，{A，F}支持数为1，小于最小支持数2，删除{A，B}，{A，F}两个项集，计算N₂中每个候选集得到M₂，所得到M₂的中的频繁项集{A，C}，{B，C}，{B，F}，{C，F}作为事物数据库的分级子数据库。

4.根据权利要求1所述的一种基于Apriori算法的酒店畅销菜品推荐方法，其特征在于：所述步骤Step6中，主数据库生成的方式为：事物数据库的分级子数据库M₂，由Apriori_gen(L2)生成N₃，扫描事务数据库D，对N₃中的每个项目进行计数，取出N₃中大于最小支持数的项集，其中{A，B，C}，{A，B，F}，{A，C，F}三个项集的支持数为1，小于最小支持数2，删除该三项，留下计数大于最小支持数的项集，最终得到N₃，其中{A，B，C}是最后得到的主数据库。

5.根据权利要求1所述的一种基于Apriori算法的酒店畅销菜品推荐方法，其特征在于：所述步骤Step7中，的联合分析方法为：利用得到的分级子数据库及主数据库进行共同分析。