نظام توصية بالمطاعم

قمتُ بتطوير نظام توصية بالمطاعم قائم على المعرفة (Knowledge-Based Restaurant Recommendation System) يقوم باقتراح المطاعم بناءً على تفضيلات المستخدم الصريحة مثل نوع المطبخ، الموقع، والميزانية. وعلى عكس أنظمة التوصية المعتمدة على Collaborative Filtering، فإن هذا النظام يتجنب مشكلة Cold-Start لأنه يعتمد على خصائص المطاعم بدلاً من الاعتماد على سلوك المستخدمين السابق. تم بناء النظام باستخدام Python وPandas وStreamlit، ويعتمد على بيانات حقيقية للمطاعم من مجموعة بيانات Zomato لتوليد توصيات مخصصة للمستخدمين. محرك التوصية (Recommendation Engine): يقوم النظام بـ: • تصفية المطاعم بناءً على: • تفضيلات نوع المطبخ (Cuisine) • الموقع (Location) • مستوى الميزانية (Budget) • ترتيب النتائج باستخدام دالة تقييم موزونة (Weighted Scoring Function) تعتمد على: • تقييم المستخدمين (User Rating) • عدد الأصوات أو التقييمات (Number of Votes) كمؤشر على الموثوقية • يقوم بتطبيع القيم (Normalize Scores) ثم يعرض أفضل N توصيات (Top-N Recommendations). • يقدم تفسيرات واضحة ومقروءة للمستخدم توضح سبب ترشيح كل مطعم.