98-基于Python的网上厨房美食推荐系统

码界筑梦坊2025-08-16 16:24

基于Python的网上厨房美食推荐系统 - 技术分享博客

📋 目录

🎯 项目概述

项目背景

随着生活节奏的加快，越来越多的人开始关注美食制作，但面对海量的菜谱信息，用户往往难以找到适合自己的菜谱。本项目旨在构建一个智能的美食推荐系统，通过个性化推荐算法，帮助用户快速找到心仪的菜谱。

项目目标

  • 构建完整的菜谱管理和推荐系统
  • 实现基于用户行为的个性化推荐
  • 提供丰富的数据统计和可视化功能
  • 支持用户社交互动功能

主要功能

  • 🍳 菜谱管理：支持按类型和食材分类浏览菜谱
  • ⭐ 智能推荐：基于协同过滤算法的个性化推荐
  • 👥 用户系统：完整的用户注册、登录、个人中心功能
  • 💬 社交互动：评论、收藏、关注等社交功能
  • 📊 数据统计：丰富的统计分析和可视化展示
  • 🔧 后台管理：完善的后台管理系统

项目源码

码界筑梦坊各大平台同名 欢迎咨询~

🛠️ 技术栈

后端技术

  • Flask 2.3.3 - 轻量级Web框架
  • SQLAlchemy 2.0.21 - ORM数据库操作
  • Flask-SQLAlchemy 3.0.5 - Flask ORM扩展
  • Flask-Login 0.6.3 - 用户认证管理
  • Flask-Migrate 4.0.5 - 数据库迁移
  • Flask-WTF 1.1.1 - 表单处理
  • WTForms 3.0.1 - 表单验证

数据库

  • MySQL - 主数据库
  • SQLAlchemy - ORM框架

数据分析与机器学习

  • NumPy 1.24.3 - 数值计算
  • Pandas 2.0.3 - 数据分析
  • Scikit-learn 1.3.0 - 机器学习算法

数据可视化

  • Matplotlib 3.7.2 - 基础绘图
  • Seaborn 0.12.2 - 统计图表

其他工具

  • Pillow 10.0.0 - 图像处理
  • Requests 2.31.0 - HTTP请求
  • Python-dotenv 1.0.0 - 环境变量管理

💻 项目展示



















🏗️ 系统架构

目录结构

复制代码 
网上厨房美食推荐系统/
├── app/                          # 应用主目录
│   ├── __init__.py              # 应用初始化
│   ├── models/                   # 数据模型
│   │   ├── user.py              # 用户模型
│   │   ├── recipe.py            # 菜谱模型
│   │   ├── food.py              # 食材模型
│   │   ├── category.py          # 分类模型
│   │   ├── comment.py           # 评论模型
│   │   ├── favorite.py          # 收藏模型
│   │   └── ...
│   ├── routes/                   # 路由控制器
│   │   ├── main.py              # 主页路由
│   │   ├── auth.py              # 认证路由
│   │   ├── user.py              # 用户路由
│   │   ├── food.py              # 食材路由
│   │   ├── recipe.py            # 菜谱路由
│   │   ├── recommend.py         # 推荐路由
│   │   ├── stats.py             # 统计路由
│   │   └── admin.py             # 管理路由
│   ├── templates/                # 模板文件
│   │   ├── base.html            # 基础模板
│   │   ├── main/                # 主页模板
│   │   ├── auth/                # 认证模板
│   │   ├── user/                # 用户模板
│   │   ├── food/                # 食材模板
│   │   ├── recipe/              # 菜谱模板
│   │   ├── stats/               # 统计模板
│   │   └── admin/               # 管理模板
│   ├── static/                   # 静态资源
│   │   ├── css/                 # 样式文件
│   │   ├── js/                  # JavaScript文件
│   │   └── images/              # 图片资源
│   ├── forms/                    # 表单类
│   ├── services/                 # 业务逻辑
│   ├── utils/                    # 工具函数
│   └── config/                   # 配置文件
├── data/                         # 数据文件
├── migrations/                   # 数据库迁移
├── uploads/                      # 上传文件
├── requirements.txt              # 依赖包
├── config.py                     # 配置文件
├── run.py                        # 启动文件
└── README.md                     # 项目说明

架构设计

复制代码 
┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   前端界面      │    │   Flask应用     │    │   数据库        │
│  (Templates)    │◄──►│   (Routes)      │◄──►│   (MySQL)       │
└─────────────────┘    └─────────────────┘    └─────────────────┘
                              │
                              ▼
                       ┌─────────────────┐
                       │   业务逻辑      │
                       │  (Services)     │
                       └─────────────────┘
                              │
                              ▼
                       ┌─────────────────┐
                       │   推荐算法      │
                       │  (ML/Numpy)     │
                       └─────────────────┘

🔧 核心功能实现

1. 用户系统

python 复制代码 
# app/models/user.py
class User(UserMixin, db.Model):
    """用户模型"""
    __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)
    
    # 关系定义
    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):
        """设置密码"""
        self.password = generate_password_hash(password)
    
    def check_password(self, password):
        """验证密码"""
        return check_password_hash(self.password, password)

2. 菜谱模型

python 复制代码 
# app/models/recipe.py
class Recipe(db.Model):
    """菜谱模型"""
    __tablename__ = 'recipes'
    
    id = db.Column(db.Integer, primary_key=True, autoincrement=True)
    title = db.Column(db.String(200), nullable=False, comment='菜谱标题')
    description = db.Column(db.Text, comment='菜谱描述')
    main_image = db.Column(db.String(500), comment='主图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='步骤列表')
    collect_count = db.Column(db.Integer, default=0, comment='收藏数')
    comment_count = db.Column(db.Integer, default=0, comment='评论数')
    
    # 关联关系
    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. 应用初始化

python 复制代码 
# app/__init__.py
def create_app(config_name='default'):
    """创建Flask应用"""
    app = Flask(__name__)
    
    # 加载配置
    app.config.from_object(config[config_name])
    config[config_name].init_app(app)
    
    # 初始化扩展
    db.init_app(app)
    migrate.init_app(app, db)
    login_manager.init_app(app)
    
    # 注册蓝图
    from app.routes import main, auth, user, food, recipe, recommend, stats, admin
    app.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

🗄️ 数据库设计

核心表结构

用户表 (users)
sql 复制代码 
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
);
菜谱表 (recipes)
sql 复制代码 
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)
sql 复制代码 
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)
);

数据库关系图

复制代码 
users (用户表)
├── recipe_favorites (菜谱收藏)
├── food_favorites (食材收藏)
├── recipe_comments (菜谱评论)
├── food_comments (食材评论)
└── logs (用户日志)

recipes (菜谱表)
├── recipe_favorites (收藏关系)
├── recipe_comments (评论关系)
└── logs (浏览日志)

foods (食材表)
├── food_favorites (收藏关系)
└── food_comments (评论关系)

ingredient_categories (分类表)
└── recipes (菜谱分类)

🤖 推荐算法

协同过滤算法实现

python 复制代码 
# app/routes/recommend.py
def get_recipe_recommendations(user_id, limit=10):
    """获取菜谱推荐 - 基于协同过滤"""
    try:
        # 获取所有用户收藏
        favorites = RecipeFavorite.query.all()
        
        # 构建用户-菜谱矩阵
        user_recipe_dict = defaultdict(set)
        for fav in favorites:
            user_recipe_dict[fav.user_id].add(fav.recipe_id)
        
        # 获取当前用户的收藏
        user_favorites = user_recipe_dict.get(user_id, set())
        
        if not user_favorites:
            return []
        
        # 计算用户相似度 (Jaccard相似度)
        user_similarities = {}
        for other_user_id, other_favorites in user_recipe_dict.items():
            if other_user_id == user_id:
                continue
            
            intersection = len(user_favorites & other_favorites)
            union = len(user_favorites | other_favorites)
            if union > 0:
                similarity = intersection / union
                user_similarities[other_user_id] = similarity
        
        # 获取最相似的用户
        similar_users = sorted(user_similarities.items(), 
                             key=lambda x: x[1], reverse=True)[:5]
        
        # 获取推荐菜谱
        recommended_recipes = set()
        for similar_user_id, _ in similar_users:
            similar_user_favorites = user_recipe_dict[similar_user_id]
            # 只推荐当前用户未收藏的菜谱
            new_recipes = similar_user_favorites - user_favorites
            recommended_recipes.update(new_recipes)
        
        # 获取菜谱详情
        recipes = Recipe.query.filter(Recipe.id.in_(recommended_recipes))\
            .order_by(desc(Recipe.collect_count))\
            .limit(limit)\
            .all()
        
        return recipes
        
    except Exception as e:
        logger.error(f"获取菜谱推荐失败: {str(e)}", exc_info=True)
        return []

算法特点

  • 协同过滤：基于用户行为的相似性推荐
  • Jaccard相似度：计算用户收藏菜谱的相似度
  • 冷启动处理：新用户无收藏时返回热门菜谱
  • 实时更新：用户行为变化时推荐结果实时更新

📊 数据可视化

统计功能实现

python 复制代码 
# app/routes/stats.py
@bp.route('/api/stats/foods')
def food_stats():
    """食材统计数据"""
    # 食材类型统计
    food_types = db.session.query(
        Food.food_type,
        func.count(Food.id).label('count')
    ).group_by(Food.food_type).all()
    
    # 收藏数TOP10食材
    top_favorites = Food.query.order_by(Food.favorite_count.desc()).limit(10).all()
    
    # 食材收藏趋势（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]
    })

可视化图表类型

  • 饼图：食材类型分布、菜谱分类分布
  • 柱状图：热门菜谱排行、用户活跃度
  • 折线图：收藏趋势、用户注册趋势
  • 散点图：菜谱热度分布

🚀 部署与优化

性能优化

  1. 数据库优化

    • 建立合适的索引
    • 使用连接查询减少查询次数
    • 实现分页查询

  2. 缓存策略

    • 热门菜谱缓存
    • 用户推荐结果缓存
    • 统计数据缓存

  3. 前端优化

    • 图片懒加载
    • 静态资源压缩
    • 异步加载数据

部署方案

bash 复制代码 
# 安装依赖
pip install -r requirements.txt

# 初始化数据库
flask db init
flask db migrate
flask db upgrade

# 启动应用
python run.py

✨ 项目特色

1. 智能推荐

  • 基于协同过滤的个性化推荐
  • 支持冷启动处理
  • 实时更新推荐结果

2. 丰富的数据分析

  • 多维度数据统计
  • 实时数据可视化
  • 用户行为分析

3. 完整的用户系统

  • 用户注册登录
  • 个人中心管理
  • 社交互动功能

4. 响应式设计

  • 适配多种设备
  • 现代化UI设计
  • 良好的用户体验

📈 总结与展望

项目成果

  1. 完整的菜谱推荐系统：实现了从数据采集到推荐展示的完整流程
  2. 智能推荐算法：基于协同过滤的个性化推荐，提高了用户满意度
  3. 丰富的数据分析：多维度统计和可视化，为运营决策提供支持
  4. 良好的用户体验：响应式设计和现代化UI，提升了用户粘性

技术亮点

  • Flask + SQLAlchemy：轻量级但功能强大的Web框架
  • NumPy + Pandas：高效的数据处理和分析
  • Scikit-learn：机器学习算法的应用
  • 协同过滤算法：个性化推荐的核心技术

未来展望

  1. 算法优化：引入深度学习模型，提升推荐精度
  2. 功能扩展：增加菜谱评分、营养分析等功能
  3. 性能提升：引入Redis缓存，提升系统响应速度
  4. 移动端适配：开发移动端应用，提升用户体验

技术收获

通过本项目的开发，深入学习了：

  • Flask Web开发框架的使用
  • 数据库设计和ORM操作
  • 机器学习算法在实际项目中的应用
  • 数据可视化和统计分析
  • 前后端分离开发模式

这个项目不仅是一个功能完整的美食推荐系统，更是对现代Web开发技术栈的全面实践，为后续的技术学习和项目开发奠定了坚实的基础。

本文档详细介绍了基于Python的网上厨房美食推荐系统的技术实现，包括系统架构、核心功能、推荐算法、数据可视化等各个方面。项目采用Flask + SQLAlchemy + NumPy + Pandas等技术栈，实现了完整的菜谱推荐和管理功能。

源码获取：[码界筑梦坊各平台同名]

相关推荐
三年呀19 分钟前
**标题：发散创新之力，探索隐私计算的未来**隐私计算，作为当下数字化时代的热门话题，正受
python
R-G-B1 小时前
OpenCV Python——报错AttributeError: module ‘cv2‘ has no attribute ‘bgsegm‘，解决办法
人工智能·python·opencv·opencv python·attributeerror·module ‘cv2‘·no attribute
DavieLau1 小时前
C#项目WCF接口暴露调用及SOAP接口请求测试(Python版)
xml·服务器·开发语言·python·c#
张人玉1 小时前
C#Encoding
开发语言·c#
Hard but lovely2 小时前
C++：stl-＞ list的模拟实现
开发语言·c++·stl·list
白露与泡影2 小时前
Spring容器初始化源码解析
java·python·spring
光爷不秃2 小时前
Go语言中安全停止Goroutine的三种方法及设计哲学
开发语言·安全·golang
计算机源码社2 小时前
分享一个基于Hadoop的二手房销售签约数据分析与可视化系统，基于Python可视化的二手房销售数据分析平台
大数据·hadoop·python·数据分析·毕业设计项目·毕业设计源码·计算机毕设选题
lpfasd1233 小时前
非中文语音视频自动生成中文字幕的完整实现方案
开发语言·python
热门推荐
01UV安装并设置国内源02Qwen3-Coder 快速上手教程 | Qwen Code + Claude Code032025最新国内服务器可用docker源仓库地址大全（2025年8月更新）04【2025.08.06最新版】Android Studio下载、安装及配置记录（自动下载sdk）05KGG转MP3工具|非KGM文件|解密音频06全球最强模型Grok4，国内已可免费使用！（附教程）07TRAE Rules 实践：为项目配置 6A 工作流08GPT-5 使用限制与国内升级全攻略（免费 / Plus / Pro）【2025 最新】09NVIDIA显卡驱动、CUDA、cuDNN 和 TensorRT 版本匹配指南10蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接