98-基于Python的網上廚房美食推薦系統

基于Python的網上廚房美食推薦系統 - 技術分享博客

📋 目錄

項目概述
技術棧
系統架構
核心功能實現
數據庫設計
推薦算法
數據可視化
部署與優化
項目特色
總結與展望

🎯 項目概述

項目背景

隨著生活節奏的加快，越來越多的人開始關注美食制作，但面對海量的菜譜信息，用戶往往難以找到適合自己的菜譜。本項目旨在構建一個智能的美食推薦系統，通過個性化推薦算法，幫助用戶快速找到心儀的菜譜。

項目目標

構建完整的菜譜管理和推薦系統
實現基于用戶行為的個性化推薦
提供豐富的數據統計和可視化功能
支持用戶社交互動功能

主要功能

🍳 菜譜管理：支持按類型和食材分類瀏覽菜譜
? 智能推薦：基于協同過濾算法的個性化推薦
👥 用戶系統：完整的用戶注冊、登錄、個人中心功能
💬 社交互動：評論、收藏、關注等社交功能
📊 數據統計：豐富的統計分析和可視化展示
🔧 后臺管理：完善的后臺管理系統

項目源碼

碼界筑夢坊各大平臺同名歡迎咨詢~

🛠? 技術棧

后端技術

Flask 2.3.3 - 輕量級Web框架
SQLAlchemy 2.0.21 - ORM數據庫操作
Flask-SQLAlchemy 3.0.5 - Flask ORM擴展
Flask-Login 0.6.3 - 用戶認證管理
Flask-Migrate 4.0.5 - 數據庫遷移
Flask-WTF 1.1.1 - 表單處理
WTForms 3.0.1 - 表單驗證

數據庫

MySQL - 主數據庫
SQLAlchemy - ORM框架

數據分析與機器學習

NumPy 1.24.3 - 數值計算
Pandas 2.0.3 - 數據分析
Scikit-learn 1.3.0 - 機器學習算法

數據可視化

Matplotlib 3.7.2 - 基礎繪圖
Seaborn 0.12.2 - 統計圖表

其他工具

Pillow 10.0.0 - 圖像處理
Requests 2.31.0 - HTTP請求
Python-dotenv 1.0.0 - 環境變量管理

💻 項目展示

在這里插入圖片描述

🏗? 系統架構

目錄結構

網上廚房美食推薦系統/
├── app/                          # 應用主目錄
│   ├── __init__.py              # 應用初始化
│   ├── models/                   # 數據模型
│   │   ├── user.py              # 用戶模型
│   │   ├── recipe.py            # 菜譜模型
│   │   ├── food.py              # 食材模型
│   │   ├── category.py          # 分類模型
│   │   ├── comment.py           # 評論模型
│   │   ├── favorite.py          # 收藏模型
│   │   └── ...
│   ├── routes/                   # 路由控制器
│   │   ├── main.py              # 主頁路由
│   │   ├── auth.py              # 認證路由
│   │   ├── user.py              # 用戶路由
│   │   ├── food.py              # 食材路由
│   │   ├── recipe.py            # 菜譜路由
│   │   ├── recommend.py         # 推薦路由
│   │   ├── stats.py             # 統計路由
│   │   └── admin.py             # 管理路由
│   ├── templates/                # 模板文件
│   │   ├── base.html            # 基礎模板
│   │   ├── main/                # 主頁模板
│   │   ├── auth/                # 認證模板
│   │   ├── user/                # 用戶模板
│   │   ├── food/                # 食材模板
│   │   ├── recipe/              # 菜譜模板
│   │   ├── stats/               # 統計模板
│   │   └── admin/               # 管理模板
│   ├── static/                   # 靜態資源
│   │   ├── css/                 # 樣式文件
│   │   ├── js/                  # JavaScript文件
│   │   └── images/              # 圖片資源
│   ├── forms/                    # 表單類
│   ├── services/                 # 業務邏輯
│   ├── utils/                    # 工具函數
│   └── config/                   # 配置文件
├── data/                         # 數據文件
├── migrations/                   # 數據庫遷移
├── uploads/                      # 上傳文件
├── requirements.txt              # 依賴包
├── config.py                     # 配置文件
├── run.py                        # 啟動文件
└── README.md                     # 項目說明

架構設計

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   前端界面      │    │   Flask應用     │    │   數據庫        │
│  (Templates)    │?──?│   (Routes)      │?──?│   (MySQL)       │
└─────────────────┘    └─────────────────┘    └─────────────────┘│▼┌─────────────────┐│   業務邏輯      ││  (Services)     │└─────────────────┘│▼┌─────────────────┐│   推薦算法      ││  (ML/Numpy)     │└─────────────────┘

🔧 核心功能實現

1. 用戶系統

# app/models/user.py
class User(UserMixin, db.Model):"""用戶模型"""__tablename__ = 'users'id = db.Column(db.Integer, primary_key=True, autoincrement=True)username = db.Column(db.String(255), unique=True, nullable=False)password = db.Column(db.String(255), nullable=False)email = db.Column(db.String(255), unique=True, nullable=False)avatar = db.Column(db.String(255), default='/static/images/default-avatar.png')description = db.Column(db.Text)is_admin = db.Column(db.Boolean, default=False)last_login = db.Column(db.DateTime)created_at = db.Column(db.DateTime, default=datetime.utcnow)# 關系定義food_favorites = db.relationship('FoodFavorite', back_populates='user', lazy='dynamic')recipe_favorites = db.relationship('RecipeFavorite', back_populates='user', lazy='dynamic')def set_password(self, password):"""設置密碼"""self.password = generate_password_hash(password)def check_password(self, password):"""驗證密碼"""return check_password_hash(self.password, password)

2. 菜譜模型

# app/models/recipe.py
class Recipe(db.Model):"""菜譜模型"""__tablename__ = 'recipes'id = db.Column(db.Integer, primary_key=True, autoincrement=True)title = db.Column(db.String(200), nullable=False, comment='菜譜標題')description = db.Column(db.Text, comment='菜譜描述')main_image = db.Column(db.String(500), comment='主圖URL')category_id = db.Column(db.Integer, db.ForeignKey('ingredient_categories.id'), nullable=False)ingredients = db.Column(db.JSON, comment='食材列表')steps = db.Column(db.JSON, comment='步驟列表')collect_count = db.Column(db.Integer, default=0, comment='收藏數')comment_count = db.Column(db.Integer, default=0, comment='評論數')# 關聯關系category = db.relationship('IngredientCategory', back_populates='recipes', lazy='joined')comments = db.relationship('RecipeComment', back_populates='recipe', lazy='dynamic')favorites = db.relationship('RecipeFavorite', back_populates='recipe', lazy='dynamic')

3. 應用初始化

# app/__init__.py
def create_app(config_name='default'):"""創建Flask應用"""app = Flask(__name__)# 加載配置app.config.from_object(config[config_name])config[config_name].init_app(app)# 初始化擴展db.init_app(app)migrate.init_app(app, db)login_manager.init_app(app)# 注冊藍圖from app.routes import main, auth, user, food, recipe, recommend, stats, adminapp.register_blueprint(main.bp)app.register_blueprint(auth.bp)app.register_blueprint(user.bp)app.register_blueprint(food.bp)app.register_blueprint(recipe.bp)app.register_blueprint(recommend.bp, url_prefix='/recommend')app.register_blueprint(stats.bp)app.register_blueprint(admin.bp)return app

🗄? 數據庫設計

核心表結構

用戶表 (users)

CREATE TABLE users (id INT PRIMARY KEY AUTO_INCREMENT,username VARCHAR(255) UNIQUE NOT NULL,password VARCHAR(255) NOT NULL,email VARCHAR(255) UNIQUE NOT NULL,avatar VARCHAR(255) DEFAULT '/static/images/default-avatar.png',description TEXT,is_admin BOOLEAN DEFAULT FALSE,last_login DATETIME,created_at DATETIME DEFAULT CURRENT_TIMESTAMP,updated_at DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP
);

菜譜表 (recipes)

CREATE TABLE recipes (id INT PRIMARY KEY AUTO_INCREMENT,url VARCHAR(500) NOT NULL,title VARCHAR(200) NOT NULL,description TEXT,main_image VARCHAR(500),category_id INT NOT NULL,author_name VARCHAR(100),author_avatar VARCHAR(500),ingredients JSON,steps JSON,collect_count INT DEFAULT 0,comment_count INT DEFAULT 0,created_at DATETIME DEFAULT CURRENT_TIMESTAMP,updated_at DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,FOREIGN KEY (category_id) REFERENCES ingredient_categories(id)
);

收藏表 (recipe_favorites)

CREATE TABLE recipe_favorites (id INT PRIMARY KEY AUTO_INCREMENT,user_id INT NOT NULL,recipe_id INT NOT NULL,created_at DATETIME DEFAULT CURRENT_TIMESTAMP,FOREIGN KEY (user_id) REFERENCES users(id),FOREIGN KEY (recipe_id) REFERENCES recipes(id),UNIQUE KEY unique_user_recipe (user_id, recipe_id)
);

數據庫關系圖

users (用戶表)
├── recipe_favorites (菜譜收藏)
├── food_favorites (食材收藏)
├── recipe_comments (菜譜評論)
├── food_comments (食材評論)
└── logs (用戶日志)recipes (菜譜表)
├── recipe_favorites (收藏關系)
├── recipe_comments (評論關系)
└── logs (瀏覽日志)foods (食材表)
├── food_favorites (收藏關系)
└── food_comments (評論關系)ingredient_categories (分類表)
└── recipes (菜譜分類)

🤖 推薦算法

協同過濾算法實現

# app/routes/recommend.py
def get_recipe_recommendations(user_id, limit=10):"""獲取菜譜推薦 - 基于協同過濾"""try:# 獲取所有用戶收藏favorites = RecipeFavorite.query.all()# 構建用戶-菜譜矩陣user_recipe_dict = defaultdict(set)for fav in favorites:user_recipe_dict[fav.user_id].add(fav.recipe_id)# 獲取當前用戶的收藏user_favorites = user_recipe_dict.get(user_id, set())if not user_favorites:return []# 計算用戶相似度 (Jaccard相似度)user_similarities = {}for other_user_id, other_favorites in user_recipe_dict.items():if other_user_id == user_id:continueintersection = len(user_favorites & other_favorites)union = len(user_favorites | other_favorites)if union > 0:similarity = intersection / unionuser_similarities[other_user_id] = similarity# 獲取最相似的用戶similar_users = sorted(user_similarities.items(), key=lambda x: x[1], reverse=True)[:5]# 獲取推薦菜譜recommended_recipes = set()for similar_user_id, _ in similar_users:similar_user_favorites = user_recipe_dict[similar_user_id]# 只推薦當前用戶未收藏的菜譜new_recipes = similar_user_favorites - user_favoritesrecommended_recipes.update(new_recipes)# 獲取菜譜詳情recipes = Recipe.query.filter(Recipe.id.in_(recommended_recipes))\.order_by(desc(Recipe.collect_count))\.limit(limit)\.all()return recipesexcept Exception as e:logger.error(f"獲取菜譜推薦失敗: {str(e)}", exc_info=True)return []

算法特點

協同過濾：基于用戶行為的相似性推薦
Jaccard相似度：計算用戶收藏菜譜的相似度
冷啟動處理：新用戶無收藏時返回熱門菜譜
實時更新：用戶行為變化時推薦結果實時更新

📊 數據可視化

統計功能實現

# app/routes/stats.py
@bp.route('/api/stats/foods')
def food_stats():"""食材統計數據"""# 食材類型統計food_types = db.session.query(Food.food_type,func.count(Food.id).label('count')).group_by(Food.food_type).all()# 收藏數TOP10食材top_favorites = Food.query.order_by(Food.favorite_count.desc()).limit(10).all()# 食材收藏趨勢（最近7天）seven_days_ago = datetime.now() - timedelta(days=7)daily_favorites = db.session.query(func.date(FoodFavorite.created_at).label('date'),func.count(FoodFavorite.id).label('count')).filter(FoodFavorite.created_at >= seven_days_ago)\.group_by('date').order_by('date').all()return jsonify({'food_types': [{'type': t[0], 'count': t[1]} for t in food_types if t[0]],'top_favorites': [{'title': f.title, 'count': f.favorite_count} for f in top_favorites],'daily_favorites': [{'date': d[0].strftime('%m-%d'), 'count': d[1]} for d in daily_favorites]})

可視化圖表類型

餅圖：食材類型分布、菜譜分類分布
柱狀圖：熱門菜譜排行、用戶活躍度
折線圖：收藏趨勢、用戶注冊趨勢
散點圖：菜譜熱度分布

🚀 部署與優化

性能優化

數據庫優化
- 建立合適的索引
- 使用連接查詢減少查詢次數
- 實現分頁查詢
緩存策略
- 熱門菜譜緩存
- 用戶推薦結果緩存
- 統計數據緩存
前端優化
- 圖片懶加載
- 靜態資源壓縮
- 異步加載數據

部署方案

# 安裝依賴
pip install -r requirements.txt# 初始化數據庫
flask db init
flask db migrate
flask db upgrade# 啟動應用
python run.py

? 項目特色

1. 智能推薦

基于協同過濾的個性化推薦
支持冷啟動處理
實時更新推薦結果

2. 豐富的數據分析

多維度數據統計
實時數據可視化
用戶行為分析

3. 完整的用戶系統

用戶注冊登錄
個人中心管理
社交互動功能

4. 響應式設計

適配多種設備
現代化UI設計
良好的用戶體驗

📈 總結與展望

項目成果

完整的菜譜推薦系統：實現了從數據采集到推薦展示的完整流程
智能推薦算法：基于協同過濾的個性化推薦，提高了用戶滿意度
豐富的數據分析：多維度統計和可視化，為運營決策提供支持
良好的用戶體驗：響應式設計和現代化UI，提升了用戶粘性

技術亮點

Flask + SQLAlchemy：輕量級但功能強大的Web框架
NumPy + Pandas：高效的數據處理和分析
Scikit-learn：機器學習算法的應用
協同過濾算法：個性化推薦的核心技術

未來展望

算法優化：引入深度學習模型，提升推薦精度
功能擴展：增加菜譜評分、營養分析等功能
性能提升：引入Redis緩存，提升系統響應速度
移動端適配：開發移動端應用，提升用戶體驗

技術收獲

通過本項目的開發，深入學習了：

Flask Web開發框架的使用
數據庫設計和ORM操作
機器學習算法在實際項目中的應用
數據可視化和統計分析
前后端分離開發模式

這個項目不僅是一個功能完整的美食推薦系統，更是對現代Web開發技術棧的全面實踐，為后續的技術學習和項目開發奠定了堅實的基礎。

本文檔詳細介紹了基于Python的網上廚房美食推薦系統的技術實現，包括系統架構、核心功能、推薦算法、數據可視化等各個方面。項目采用Flask + SQLAlchemy + NumPy + Pandas等技術棧，實現了完整的菜譜推薦和管理功能。

源碼獲取：[碼界筑夢坊各平臺同名]