经济全球化使企业之间的竞争逐渐加剧,人们饮食多样化促进了各地火锅行业的蓬勃发展。然而,现有的美食推荐系统种类繁多,推荐重点各不相同,不能根据用户偏好获得有针对性的推荐,使用户不能准确找到符合自己口味的菜品。个性化推荐技术能够很好地解决这个问题,并在美食领域中得到广泛关注。关联规则是近年发展起来的个性化推荐算法,在电子商务和超市购物等多个领域应用广泛,并取得了良好的效果。针对用户进行菜品个性化推荐,使用户能够高效选择符合偏好的菜品,为餐饮企业带来经济可持续发展能力。基于此,本文运用热度和关联规则算法,通过对菜品热度和关联规则的计算,基于Pycharm平台,设计并实现了一个火锅菜品推荐系统。主要工作如下:（1）针对冷启动问题,提出了基于热度排序的方法,完成菜品的热度推荐,有效的解决了用户点餐时的推荐。针对菜品个性化推荐的问题,提出基于关联规则FP-Growth算法分析历史消费数据,从而解决用户的个性化需求。首先是分析历史消费清单上的菜品信息,从而得到菜品的频繁项集以及关联规则,然后把用户行为与关联规则进行匹配,再结合热度计算,进行个性化推荐。（2）设计并实现个性化推荐系统。采用面向对象进行需求分析与设计,引入提出的个性化推荐算法,利用Pycharm开发工具、Django框架以及SQLite数据库,实现了一个火锅菜品个性化推荐系统。包括订单操作、菜品信息管理、菜品推荐、外卖服务与系统用户管理等五大功能模块。为用户提供了更为高效的火锅菜品个性化推荐,提高了用户的点菜效率和质量。