摘 要：本文针对某餐饮商家提供的客户数据和菜品数据，进行了数据预处理，并对处理后的数据进行建模分析。对客户信息进行K-means（K 均值）聚类，识别出高低价值的客户群，为商家维系与客户之间的关系提供参考。对菜品数据利用Apriori 算法进行关联规则挖掘，找出菜品之间的关联关系，为菜品的促销和推荐提供依据。
关键词：聚类算法；关联规则；餐饮服务；数据挖掘
中图分类号：TP311.13 文献标识码：A 文章编号：2096-4706（2019）16-0010-04
Research on Methods of Improving Catering Service Quality by Combining Clustering and Association Rules
LI Danyu
（School of Information Science，Xinhua College of Sun Yat-Sen University，Guangzhou 523133，China）
Abstract：This paper conducts data preprocessing for customer data and dish data provided by a catering business，and models and analyzes the processed data. K-means clustering of customer information，identify high-low value customer groups，and provide reference for the relationship between merchants and customers. Use the Apriori algorithm to mine the association rules for the food data，find out the relationship between the dishes，and provide the basis for the promotion and recommendation of the dishes.
Keywords：clustering algorithm；association rules；catering；data mining
课题项目：高等教育教学改革项目（项目编号：2017J001）。
参考文献：
[1] 徐毅佳. 商业智能数据挖掘技术提升客户服务能力研究 [D]. 杭州：浙江工业大学，2019.
[2] 孙小川，芦天亮. 基于聚类的数据加权优化在犯罪预测中的应用 [J]. 计算机与现代化，2019（6）：55-59.
[3] 骆赟韵，李佳阳，黎小斌. 基于关联规则的当代中医妇科名家痛经用药规律数据挖掘 [J]. 世界中医药，2019，14（5）：1188-1191+1197.
[4] 杨柏丞，马建斌，王哲凯，等. 海事事故的聚类与关联规则 [J]. 中国航海，2018，41（3）：63-67.
[5] Agrawal R，Srikant R.Fast Algorithms for Mining Association Rules in Large Databases [C]//Proceedings of the 20th International Conference on Very Large Data Bases. IEEE，1994：487-499.
[6] 郭振玉. 基于聚类分析和关联规则的数据库用户行为模式分析的研究 [D]. 武汉：武汉理工大学，2016.
[7] 王斯锋，朱玉佳，祝永志. 使用隐式数据中的聚类和关联规则挖掘提高协同过滤建议的准确性 [J]. 通信技术，2019，52（5）：1108-1113.
[8] 周宇，张振军，胡启超，等. 专注校园餐饮电子商务服务解决方案 [J]. 现代营销（信息版），2019（6）：76.
[9] 韩建军，黄佩，俞华. 餐饮行业服务对象分析 [J]. 质量与认证，2019（5）：54-56.
[10] Han J，Pei J，Yin Y.Mining Frequent Patterns Without Candidate Generation [A].Proceedings of 2000 ACM SIGMOD International Conference on the Management of Data [C].New York，USA：ACM Press，2000：1-12.
作者简介：黎丹雨（1990-），女，汉族，湖北枣阳人，助教，硕士，研究方向：数据挖掘、机器学习。