論如何制作一款基于網絡評論的美食推薦系統？
一、前言
近幾年，随着人們的生活品質逐漸提高，人們對美食的要求也越來越高，不但要讓消費者的口味得到滿足，服務和價格也要符合顧客的期望與要求。
盡管現在的網際網路已經很流行了，每個人都可以在網上分享自己的就餐經曆，但是要想迅速、準确地了解一家餐館還是很難的。
本文根據對食品的即時需求，設計了一種以網上點評為基礎的食品推薦系統，為各個餐廳提供簡介和點評。這樣，即使是在一個不熟悉的地方，也能很好的防止“踩雷”。
二、系統設計
本研究所研制的系統主要功能有：網頁檢索機器人、多文本自動摘要技術（MDS）、雲計算技術等。該機器人利用百度等搜尋引擎搜尋網頁的相關資訊，在不同的頁面中尋找相關的食物評論，并提取出相應的爬行資料，并進行分析，将相關的資訊儲存為部落格 Corpus。
最後，使用多文字的自動摘要技術，從 Corpus網站上提取美食的評論，并制作成摘要，供使用者參考，使用者可以透過本系統的界面查詢，整個系統的處理過程如下。
三、網頁内容
撷取機器人網頁内容撷取機器人主要包括模糊搜尋機制、網頁爬蟲（HTML Crawler）、網頁解析器（HTML Parser)，以下分述了各個功能描述。
Fuzzy搜尋機制：模糊搜尋機制提供了模糊操作和判定，并建立了與搜尋有關的關鍵字字庫，最後通過百度的搜尋來主動搜尋。
網頁爬蟲：網頁爬蟲将百度搜尋後的結果（如各頁面的内容）進行搜尋，跟蹤相關連結頁面并暫時儲存 HTML内容。
網頁解析器：對沖 Web爬行器擷取的網頁進行 HTML标記解析，擷取關鍵資訊，并能有效地消除特定字元（例如單引号和雙引号），避免資料庫隐藏攻擊，進而實作對多個文本的自動摘要的推理。
特征選擇：主要采用兩個特性：主語單詞和注釋單詞，來計算單詞和單詞。
資料預處理：是對網頁内容提取機器人所處理的 HTML進行提取，然後按順序定義文檔号和聲明号，以便計算每個語句的權重和彙總。
重分類程式：其關鍵是對聲明和聲明的相似性進行再計算，并且設定設定用于篩選的門檻值，提取重要的并且互相之間的相似性不會過高的語句，會根據設定的壓縮比，抽取出來。
輸出概要：根據資料，從重新排序器中抽取的語句的次序“理”的論文編号、聲明（“主題）編号和原始文本啟動注釋檔案的映射，獲得多注釋的自動總結并将最終的成果輸出，供使用者快速閱讀。
四、多文本自動摘要技術
采用多文字摘要技術，可以對每一家美食網站的點評進行即時總結，降低資訊的消耗，并抽取關鍵的評論，讓使用者能快速浏覽到曾經吃過這家餐館或美食消費者的觀點與經驗。
多文字自動摘要技術主要是參照 MEAD元件進行系統實踐，将與網頁 Corpus有關的食物評價輸入到自動摘要子產品中，因為大量的資料需要高效、快捷的并行操作，是以該子產品被應用到 Hadoop平台上，并且使用 MapReduce進行操作，該方法包括：預處理、特征選擇、分類、分類、再排序、輸出摘要等。
五、雲計算技術
雲計算技術中的 Web内容非常複雜，在對 Web資料進行分析時，會産生大量的資料和資料。基于執行效率的考量，本文将在 Hadoop平台上進行并行處理，并在 Hadoop平台上進行操作，對每一條評論的句子進行單獨的處理，以便迅速計算出每條語句的得分，并擷取最關鍵的語句，以便為使用者提供決策依據。
六、系統實施
此項研究所設計的系統，可供普通大衆使用，使用者可透過手機連接配接，并可向各餐廳提供簡介及點評。
這樣，即使是在不熟悉的地方，也可以讓人們迅速地選擇最佳的就餐場所，進而避免“踩到地雷”。
使用者可以看到各個餐廳的簡介、美食的評價。本研究透過網頁内容收集機器人，收集有關美食評語，并利用多文字摘要技術，為消費者的飲食決策提供參考。
七、結論
綜上所述筆者認為：本文針對消費者在餐廳的選擇需求，開發了一套以美食為基礎的系統。并運用人工智能與資訊搜尋技術，由“傳媒”轉向“智媒”。
收集并統計有關飯店資訊的建議結合飯店簡介與評論，讓使用者迅速了解這家餐館，并判斷其是否适合做為就餐場所。
将來可以把這個系統模式運用到各個行業，比如旅遊行業的評論摘要和推薦資訊。
參考文獻：
Hui-Fei Lin，Chi-Hua Chen，J.M. An Intelligent Embedded Marketing Service System Based on TV Apps： Design and Implementation through Product Placement in Idol Dramas [J]. Expert Systems with Applications，2013（10）： 4127-4136.
