<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">SDME</journal-id><journal-title-group><journal-title>Scientific Development of Modern Education</journal-title></journal-title-group><issn>2998-9027</issn><eissn>2998-9043</eissn><publisher><publisher-name>Art and Design</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/SDME.2025100004</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>基于中央厨房系统的口味偏好模块应用设计</title><url>https://artdesignp.com/journal/SDME/2/10/10.61369/SDME.2025100004</url><author>陈碧君,舒童,刘烨彤,许鸿文</author><pub-date pub-type="publication-year"><year>2025</year></pub-date><volume>2</volume><issue>10</issue><history><date date-type="pub"><published-time>2025-05-28</published-time></date></history><abstract>本研究针对中央厨房标准化生产与个性化需求间的结构性矛盾，提出以量化口味偏好为核心的模块应用设计。通过构建多维度用户口味偏好标签体系，将&amp;ldquo;酸甜苦辣咸&amp;rdquo;等抽象口味转化为可量化参数，并融合用户画像建立动态口味数据库；设计基于协同过滤与MLSTR模型的混合推荐算法，结合实时行为数据实现精准菜品匹配，并同步开发需求预测模型与柔性生产系统，通过动态调整中央厨房产能配置，实现供需高效联动。该系统通过科学量化用户口味偏好值，平衡规模化生产的经济性与个性化服务的灵活性，在降低资源浪费、提升服务效率的同时，为传统餐饮智能化转型提供技术创新的实践路径。</abstract><keywords>中央餐厨,口味量化,智能推荐,生产协同,柔性生产</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>&amp;nbsp;[1] 许涛,周可钦,多兰地,等.中国饮食酸甜咸辣口味偏好的地理分布研究[J].美食研究,2023,40(04):19-27.&amp;nbsp;[2] 黄钟吕.基于用户特征和项目标签的时间加权推荐算法研究[D].湖南科技大学,2020.&amp;nbsp;[3] 宋俊杰 . 基于排序学习的多阶段菜品推荐算法研究及系统实现[D].浙江大学,2024.&amp;nbsp;[4] 张新宇. 基于知识图谱的健康饮食推荐系统研究与开发[D]. 天津科技大学, 2023.&amp;nbsp;[5] 刘志聪. 基于知识图谱的健康饮食推荐研究[D]. 海南大学, 2023.&amp;nbsp;[6] 曹睿. 基于GBDT的美团菜谱推荐算法研究 [J]. 软件, 2022, 43 (12): 134-136.&amp;nbsp;[7] 邓介一,刘浩然,胡涛. 基于Spark的菜品推荐系统的设计与实现 [J]. 工业控制计算机, 2022, 35 (08): 136-137+141.&amp;nbsp;[8] 张朝新. 基于时间和距离效应的餐饮推荐系统研究[D]. 太原理工大学, 2022.&amp;nbsp;[9] 陈育康. 基于深度学习的健身者饮食推荐算法研究与应用[D]. 贵州大学, 2022.&amp;nbsp;[10] 耿化聪. 基于知识图谱与协同过滤的饮食推荐算法研究[D]. 青岛科技大学, 2021.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
