CN105760541A - 视频点餐推荐方法及系统 - Google Patents

视频点餐推荐方法及系统 Download PDF

Info

Publication number
CN105760541A
CN105760541A CN201610147398.0A CN201610147398A CN105760541A CN 105760541 A CN105760541 A CN 105760541A CN 201610147398 A CN201610147398 A CN 201610147398A CN 105760541 A CN105760541 A CN 105760541A
Authority
CN
China
Prior art keywords
food product
video
information
user profile
dweller
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610147398.0A
Other languages
English (en)
Other versions
CN105760541B (zh
Inventor
胡俊文
赵迪龙
蔡秉汉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Culture Media (shanghai) Co Ltd
Original Assignee
Culture Media (shanghai) Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Culture Media (shanghai) Co Ltd filed Critical Culture Media (shanghai) Co Ltd
Priority to CN201610147398.0A priority Critical patent/CN105760541B/zh
Publication of CN105760541A publication Critical patent/CN105760541A/zh
Application granted granted Critical
Publication of CN105760541B publication Critical patent/CN105760541B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/738—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • G06Q30/0271—Personalized advertisement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Library & Information Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种视频点餐推荐方法及系统，包括如下步骤：读取点餐住客的用户信息；根据所述用户信息在各餐品对应的餐品信息中进行分析匹配，选取用户信息对应的目标餐品；预加载所述目标餐品对应的烹饪视频，进而将所述烹饪视频下发至所述点餐住客对应的终端；根据点餐住客通过所述终端发出的触发指令在所述终端中播放所述烹饪视频。本发明能够根据抓取得到的用户信息进行分析，获取当前用户的兴趣，并根据用户的兴趣进行模型分析，对应分析当前用户所在群组的群体特征，并综合当前用户对应的个性化信息进行推荐，综合了群体特征和个性化特征进行餐品的推荐，满足不同住客的游览需求。

Description

视频点餐推荐方法及系统
技术领域
本发明涉及点餐系统，具体地，涉及一种视频点餐推荐方法及系统。
背景技术
目前酒店的餐厅点餐主要包括两种模式：第一种点餐模式：由顾客看着纸质的菜单，口述选择的菜品，由餐厅服务员手工抄录菜单的方式点餐，抄录完毕再传递给厨房。对于这种原始点餐方式，服务员如果抄写错误，容易引起纠纷，并且效率低下，人力成本高。第二种点餐模式：使用点菜机、呼叫器、对讲机这些产品来提高工作效率和相互沟通，但这些产品功能比较单一，没有有机的联合起来，以达到高效通讯的目的，而且当前的点菜产品输入都是用编码的方式进行录入的，操作和使用不方便，这要求操作员有较高的记忆力才能熟练操作，大大限制了使用。
以上两种现有的传统点餐模式，顾客都无法直观的看到菜品做好的样子，更想象不出其味道如何，顾客就无法根据菜品色、香、味的特性点做出正确的选择，往往需要花费时间浏览菜单上的全部餐品，并考虑、斟酌后才能做出选择，造成点餐效率低下。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种视频点餐推荐方法及系统。
本发明一个方面提供的用于酒店的视频点餐推荐方法，包括如下步骤：
步骤S1：读取点餐住客的用户信息；
步骤S2：根据所述用户信息在各餐品对应的餐品信息中进行分析匹配，选取用户信息对应的目标餐品；
步骤S3：预加载所述目标餐品对应的烹饪视频，进而将所述烹饪视频下发至所述点餐住客对应的终端；
步骤S4：根据点餐住客通过所述终端发出的触发指令在所述终端中播放所述烹饪视频。
优选地，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，通过既定的用户模型进行聚类，判断所述用户信息对应的餐品喜好类别，根据所述餐品喜好类别对应的用户特征在服务器端进行匹配，获取对应的目标餐品。
优选地，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，根据所述用户信息提取所述点餐住客对应的餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
优选地，所述餐品信息包括从餐品的烹饪视频对应的字幕中提取出的第一标签信息和根据所述第一标签信息在既定的知识库的词条文本中提取的第二标签信息。
优选地，所述第一标签信息的提取包括如下步骤：
步骤A1：提取烹饪视频对应的字幕信息；
步骤A2：将所述字幕信息进行文本分析，根据文本分析得到的高频关键词作为标签信息，所述标签信息的权值可通过在对应关键字在字幕中出现的频率和位置进行设定。
优选地，所述第二标签信息的提取包括如下步骤：
步骤B1：将所述第一标签信息在既定的知识库中进行检索，得到第一标签信息对应的词条文本；
步骤B2：将词条文本进行文本分析，得到词条文本中的关键字，将该关键字作为烹饪视频对应的第二标签信息。
优选地，所述用户信息包括用户的个人信息和根据所述点餐住客的标识信息提取的特征信息。
优选地，所述特征信息的提取包括如下步骤：
步骤C1：通过所述标识信息查询所述点餐住客在第三方应用中的浏览日志；
步骤C2：将浏览日志中页面对应的停留时间大于设定时间阈值的页面作为目标页面，在所述目标页面的对应内容中提取关键字作为特征信息。
优选地，所述用户模型通过如下方式建立：
步骤D1：首先提取各用户的用户特征，向量分析后将所述用户特征转换为特征向量；
步骤D2：将所述特征向量进行训练，形成用户模型。
优选地，还包括如下步骤：
-通过终端拍摄目标餐品的餐品图片，对所述餐品图片进行分析识别生成餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
优选地，还包括如下步骤：
-当点餐住客在所述终端中播放所述烹饪视频时，根据所述目标餐品的特征部分查找相关餐品，并进而预加载所述相关餐品对应的烹饪视频。
本发明另一个方面提供的视频点餐推荐系统，包括如下模块：
用户信息读取模块，用于读取点餐住客的用户信息，
目标餐品选取模块，用于根据所述用户信息在各餐品对应的餐品信息中进行分析匹配，选取用户信息对应的目标餐品；
烹饪视频预加载模块，用于预加载所述目标餐品对应的烹饪视频，进而将所述烹饪视频下发至所述点餐住客对应的终端；
终端，用于根据点餐住客通过所述终端发出的触发指令在所述终端中播放所述烹饪视频。
优选地，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，通过既定的用户模型进行聚类，判断所述用户信息对应的餐品喜好类别，根据所述餐品喜好类别对应的用户特征在服务器端进行匹配，获取对应的目标餐品。
优选地，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，根据所述用户信息提取所述点餐住客对应的餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
优选地，所述餐品信息包括从餐品的烹饪视频对应的字幕中提取出的第一标签信息和根据所述第一标签信息在既定的知识库的词条文本中提取的第二标签信息。
优选地，所述第一标签信息的提取包括如下步骤：
步骤A1：提取烹饪视频对应的字幕信息；
步骤A2：将所述字幕信息进行文本分析，根据文本分析得到的高频关键词作为标签信息，所述标签信息的权值可通过在对应关键字在字幕中出现的频率和位置进行设定。
优选地，所述第二标签信息的提取包括如下步骤：
步骤B1：将所述第一标签信息在既定的知识库中进行检索，得到第一标签信息对应的词条文本；
步骤B2：将词条文本进行文本分析，得到词条文本中的关键字，将该关键字作为烹饪视频对应的第二标签信息。
优选地，所述用户信息包括用户的个人信息和根据所述点餐住客的标识信息提取的特征信息。
优选地，所述特征信息的提取包括如下步骤：
步骤C1：通过所述标识信息查询所述点餐住客在第三方应用中的浏览日志；
步骤C2：将浏览日志中页面对应的停留时间大于设定时间阈值的页面作为目标页面，在所述目标页面的对应内容中提取关键字作为特征信息。
优选地，当通过终端拍摄目标餐品的餐品图片，对所述餐品图片进行分析识别生成餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
优选地，-当点餐住客在所述终端中播放所述烹饪视频时，根据所述目标餐品的特征部分查找相关餐品，并进而预加载所述相关餐品对应的烹饪视频。
与现有技术相比，本发明具有如下的有益效果：
1、本发明能够根据抓取得到的用户信息进行分析，获取当前用户的兴趣，并根据用户的兴趣进行模型分析，对应分析当前用户所在群组的群体特征，并综合当前用户对应的个性化信息进行推荐，综合了群体特征和个性化特征进行餐品的推荐，满足不同住客的游览需求；
2、本发明对餐品信息进行匹配时，对餐品的烹饪视频中的字幕进行提取分析，充分结合了餐品的口味特点，更加契合了用户的口味特征，使住客迅速就能看到符合自己口味的餐品，提高了点餐效率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明中视频点餐推荐方法的步骤流程图；
图2为本发明中视频点餐推荐系统的结构示意图；
图3为本发明实施例中视频点餐推荐系统的结构示意图；
图4为本发明中第一标签信息的提取的步骤流程图；
图5为本发明中第二标签信息的提取的步骤流程图；
图6为本发明中特征信息的提取的步骤流程图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
在传统点餐模式中，顾客都无法直观的看到菜品做好的样子，更想象不出其味道如何，顾客就无法根据菜品色、香、味的特性点做出正确的选择，往往需要花费时间浏览菜单上的全部餐品，并考虑、斟酌后才能做出选择，造成点餐效率低下。
本发明公开了一种用于酒店的点餐方法，根据抓取得到的用户信息进行分析，获取当前用户的兴趣，并根据用户的兴趣进行模型分析，对应分析当前用户所在群组的群体特征，并综合当前用户对应的个性化信息进行推荐，综合了群体特征和个性化特征进行餐品的推荐，满足不同住客的游览需求。
本发明一个方面提供的用于酒店的视频点餐推荐方法，包括如下步骤：
步骤S1：读取点餐住客的用户信息；
所述用户信息包括当前住客对应的个人信息；
步骤S2：根据所述用户信息在各餐品对应的餐品信息中进行分析匹配，选取用户信息对应的目标餐品；
具体为，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，用既定的用户模型进行聚类，判断所述用户信息的所属类别，根据所述类别对应的用户特征在服务器端进行匹配，获取对应的目标餐品。
当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，根据所述用户信息提取所述当前住客对应的餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
将所述餐品特征在服务器端进行匹配时，将所述餐品特征对应的标签在各类别的餐品信息分别进行匹配，分析与各餐品信息对应标签信息的关联度，根据所述关联度得到对应的目标餐品。
目标餐品，即当前住客感兴趣的餐品作为目标餐品，各餐品按类别在服务器端进行存储，结合既定的用户模型进行分析匹配，形成与所述当前住客对应的目标餐品；
所述餐品信息包括从餐品的烹饪视频对应的字幕中提取出的标签信息；
步骤S3：预加载所述目标餐品对应的烹饪视频，进而将所述烹饪视频下发至所述点餐住客对应的终端；
步骤S4：根据点餐住客通过所述终端发出的触发指令在所述终端中播放所述烹饪视频。
所述终端为电视机、平板电脑、笔记本或手机。
所述步骤S1具体为从酒店的PMS系统中提取住客的用户信息并对住客的用户信息进行分析提取，得到表征当前住客特征的特征向量，进而根据所述住客特征的特征向量在各餐品对应的餐品信息中进行分析匹配，选取用户信息对应的目标餐品。
在本实施例中，还可以根据住客在PMS系统中的标识(如身份证号、手机号等)从第三方应用中提取该住客相应的特征信息，并将所述特征信息进行分析提取，一同作为当前住客的特征向量。
本实施例中，第三方应用为美食类和健康类的站点或APP，获取此类APP中的浏览日志，并提取当前住客对应的日志信息，根据当前住客的浏览信息，如，看过的页面、在各页面的停留时间、浏览行为等，对这些住客关注的特征信息作为用户信息进行分析提取，提取页面内容、索引、关键字等，得到当前住客的特征向量。
优选地，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，通过既定的用户模型进行聚类，判断所述用户信息对应的餐品喜好类别，根据所述餐品喜好类别对应的用户特征在服务器端进行匹配，获取对应的目标餐品。
具体为，本实施例中，根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，可用既定的用户模型进行聚类，判断所述用户信息的所属类别，根据所述类别对应的用户特征在服务器端进行匹配，获取对应的目标餐品。所述用户模型基于对全网用户的特征而建，建立用户模型时，首先提取各用户的用户特征，向量分析后将所述用户特征转换为特征向量，将得到的特征向量进行训练，训练为用户模型，将当前用户的用户信息在用户模型中进行匹配，用于判断当前住客的所属的兴趣类别。将所述兴趣类别对应的餐品作为对应的目标餐品。
所述用户模式可以为用户地域模式，如分为东北区域、山东区域、北京区域、上海区域、广东区域、湖南区域、四川区域以及陕西区域；
根据其所述用户信息确定用户的所属类别，即所属区域，如判断用户所属区域为湖南区域，所属类别对应的用户特征为喜欢较辣的餐品，则获取对应的目标餐品为辣度大于设定阈值的餐品。
在另一实施中，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，根据所述用户信息提取所述点餐住客对应的餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
优选地，所述餐品信息包括从餐品的烹饪视频对应的字幕中提取出的第一标签信息和根据所述第一标签信息在既定的知识库的词条文本中提取的第二标签信息。即将所述第一标签信息分别在既定的知识库中进行检索，并各自抽取其中的关键字对应附至所述餐品信息。
具体为，所述餐品信息包括从餐品的烹饪视频对应的字幕中提取出的第一标签信息。本实施例中提取烹饪视频对应的字幕信息，根据所述字幕信息进行文本分析，根据文本分析出的高频关键词作为第一标签信息，所述第一标签信息的权值可通过在对应关键字在字幕中出现的频率和位置进行设定。将所述第一标签信息在既定的知识库中进行检索，得到知识库中该第一标签信息对应的词条文本，将词条文本进行文本分析，得到词条文本中的关键字，并将该关键字一起作为烹饪视频对应的第二标签信息。将所述餐品信息与用户特征进行匹配，得到当前住客对应的餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
在其他实施例中，根据所述餐品特征对应的标签信息，将当前住客的所属的兴趣类别与对应的餐品信息分别进行匹配，分析当前住客的所属的兴趣类别与各餐品信息对应标签信息的关联度，根据所述关联度得到对应的目标餐品。
优选地，所述第一标签信息的提取包括如下步骤：
步骤A1：提取烹饪视频对应的字幕信息；
步骤A2：将所述字幕信息进行文本分析，根据文本分析得到的高频关键词作为标签信息，所述标签信息的权值可通过在对应关键字在字幕中出现的频率和位置进行设定。
优选地，所述第二标签信息的提取包括如下步骤：
步骤B1：将所述第一标签信息在既定的知识库中进行检索，得到第一标签信息对应的词条文本；
步骤B2：将词条文本进行文本分析，得到词条文本中的关键字，将该关键字作为烹饪视频对应的第二标签信息。
所述知识库为可以百度搜索，google搜索或360搜索。
优选地，所述用户信息包括用户的个人信息和根据所述点餐住客的标识信息提取的特征信息。
优选地，所述特征信息的提取包括如下步骤：
步骤C1：通过所述标识信息查询所述点餐住客在第三方应用中的浏览日志；
步骤C2：将浏览日志中页面对应的停留时间大于设定时间阈值的页面作为目标页面，在所述目标页面的对应内容中提取关键字作为特征信息。
所述时间阈值可以根据需要自行设置，可以为1分钟、2分钟、3分钟或5分钟。
优选地，所述用户模型通过如下方式建立：
步骤D1：首先提取各用户的用户特征，向量分析后将所述用户特征转换为特征向量；
步骤D2：将所述特征向量进行训练，形成用户模型。
优选地，还包括如下步骤：
-通过终端拍摄目标餐品的餐品图片，对所述餐品图片进行分析识别生成餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
当住客在餐厅用餐时，看到邻座的桌上的餐品时，可以通过终端对感兴趣的目标餐品拍摄照片生成餐品图片，进而对餐品图片进行分析识别生成餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品，进而获取目标餐品对应的烹饪视频，从而能够根据点餐住客通过所述终端发出的触发指令在所述终端中播放所述烹饪视频。
优选地，还包括如下步骤：
-当点餐住客在所述终端中播放所述烹饪视频时，根据所述目标餐品的特征部分查找相关餐品，并进而预加载所述相关餐品对应的烹饪视频。
本发明公开了一种用于酒店的点餐推荐方法，根据抓取得到的用户信息进行分析，获取当前用户的兴趣，并根据用户的兴趣进行模型分析，对应分析当前用户所在群组的群体特征，并综合当前用户对应的个性化信息进行推荐，综合了群体特征和个性化特征进行餐品的推荐，满足不同住客的游览需求。
本发明对餐品信息进行匹配时，对餐品的烹饪视频中的字幕进行提取分析，充分结合了餐品的口味特点，更加契合了用户的口味特征，使住客迅速就能看到符合自己口味的餐品，提高了点餐效率。
本发明另一个方面提供的视频点餐推荐系统，包括如下模块：
用户信息读取模块，用于读取点餐住客的用户信息，
目标餐品选取模块，用于根据所述用户信息在各餐品对应的餐品信息中进行分析匹配，选取用户信息对应的目标餐品；
具体为，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，用既定的用户模型进行聚类，判断所述用户信息的所属类别，根据所述类别对应的用户特征在服务器端进行匹配，获取对应的目标餐品。
当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，根据所述用户信息提取所述当前住客对应的餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
将所述餐品特征在服务器端进行匹配时，将所述餐品特征对应的标签在各类别的餐品信息分别进行匹配，分析与各餐品信息对应标签信息的关联度，根据所述关联度得到对应的目标餐品。
目标餐品，即当前住客感兴趣的餐品作为目标餐品，各餐品按类别在服务器端进行存储，结合既定的用户模型进行分析匹配，形成与所述当前住客对应的目标餐品；
所述餐品信息包括从餐品的烹饪视频对应的字幕中提取出的标签信息。
烹饪视频预加载模块，用于预加载所述目标餐品对应的烹饪视频，进而将所述烹饪视频下发至所述点餐住客对应的终端；
终端，用于根据点餐住客通过所述终端发出的触发指令在所述终端中播放所述烹饪视频。
在本实施例中从酒店的PMS服务器中提取住客的用户信息并对住客的用户信息进行分析提取，得到表征当前住客特征的特征向量，进而根据所述住客特征的特征向量在各餐品对应的餐品信息中进行分析匹配，选取用户信息对应的目标餐品。
在本实施例中，还可以根据住客在PMS系统中的标识(如身份证号、手机号等)从第三方应用中提取该住客相应的特征信息，并将所述特征信息进行分析提取，一同作为当前住客的特征向量。
本实施例中，第三方应用为美食类和健康类的站点或APP，获取此类APP中的浏览日志，并提取当前住客对应的日志信息，根据当前住客的浏览信息，如，看过的页面、在各页面的停留时间、浏览行为等，对这些住客关注的特征信息作为用户信息进行分析提取，提取页面内容、索引、关键字等，得到当前住客的特征向量。
优选地，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，通过既定的用户模型进行聚类，判断所述用户信息对应的餐品喜好类别，根据所述餐品喜好类别对应的用户特征在服务器端进行匹配，获取对应的目标餐品。
具体为，本实施例中，根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，可用既定的用户模型进行聚类，判断所述用户信息的所属类别，根据所述类别对应的用户特征在服务器端进行匹配，获取对应的目标餐品。所述用户模型基于对全网用户的特征而建，建立用户模型时，首先提取各用户的用户特征，向量分析后将所述用户特征转换为特征向量，将得到的特征向量进行训练，训练为用户模型，将当前用户的用户信息在用户模型中进行匹配，用于判断当前住客的所属的兴趣类别。将所述兴趣类别对应的餐品作为对应的目标餐品。
优选地，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，根据所述用户信息提取所述点餐住客对应的餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
优选地，所述餐品信息包括从餐品的烹饪视频对应的字幕中提取出的第一标签信息和根据所述第一标签信息在既定的知识库的词条文本中提取的第二标签信息。
优选地，所述第一标签信息的提取包括如下步骤：
步骤A1：提取烹饪视频对应的字幕信息；
步骤A2：将所述字幕信息进行文本分析，根据文本分析得到的高频关键词作为标签信息，所述标签信息的权值可通过在对应关键字在字幕中出现的频率和位置进行设定。
优选地，所述第二标签信息的提取包括如下步骤：
步骤B1：将所述第一标签信息在既定的知识库中进行检索，得到第一标签信息对应的词条文本；
步骤B2：将词条文本进行文本分析，得到词条文本中的关键字，将该关键字作为烹饪视频对应的第二标签信息。
优选地，所述用户信息包括用户的个人信息和根据所述点餐住客的标识信息提取的特征信息。
优选地，所述特征信息的提取包括如下步骤：
步骤C1：通过所述标识信息查询所述点餐住客在第三方应用中的浏览日志；
步骤C2：将浏览日志中页面对应的停留时间大于设定时间阈值的页面作为目标页面，在所述目标页面的对应内容中提取关键字作为特征信息。
优选地，当通过终端拍摄目标餐品的餐品图片，对所述餐品图片进行分析识别生成餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
当住客在餐厅用餐时，看到邻座的桌上的餐品时，可以通过终端对感兴趣的目标餐品拍摄照片生成餐品图片，进而对餐品图片进行分析识别生成餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品，进而获取目标餐品对应的烹饪视频，从而能够根据点餐住客通过所述终端发出的触发指令在所述终端中播放所述烹饪视频。
优选地，-当点餐住客在所述终端中播放所述烹饪视频时，根据所述目标餐品的特征部分查找相关餐品，并进而预加载所述相关餐品对应的烹饪视频。
本发明公开了一种用于酒店的点餐推荐方法，根据抓取得到的用户信息进行分析，获取当前用户的兴趣，并根据用户的兴趣进行模型分析，对应分析当前用户所在群组的群体特征，并综合当前用户对应的个性化信息进行推荐，综合了群体特征和个性化特征进行餐品的推荐，满足不同住客的游览需求。
本发明对餐品信息进行匹配时，对餐品的烹饪视频中的字幕进行提取分析，充分结合了餐品的口味特点，更加契合了用户的口味特征，使住客迅速就能看到符合自己口味的餐品，提高了点餐效率。
在本实施例中，所述用户信息读取模块为PMS服务器；
所述目标餐品选取模块为视频服务器；
所述烹饪视频预加载模块为前置服务器；
所述终端为设置在各酒店中各个房间的电视机。
当使用本发明提供的视频点餐推荐系统时，住客浏览各餐品时，产生该产品对应的触发指令，触发指令被电视机发送至视频服务器，视频服务器根据得到的触发指令从视频库中进行查找，调用住客选择的目标餐品所对应的烹饪视频。所述烹饪视频记录了该餐品对应的烹饪过程、口味介绍和酒水搭配等，可使住客对餐品有一个全面的了解，供住客点餐时观看；烹饪视频拍摄完毕后存储于视频库中，由视频服务器根据触发指令进行调用。
本实施例中，本发明还包括设置在酒店内部的前置服务器，将视频库设置在前置服务器上，即将烹饪视频存储至所述前置服务器上，通过酒店的内网将对应的烹饪视频下发至酒店内任一房间的电视机中。所述视频服务器设置在酒店外部的服务机房，以酒店为单位实现对每间酒店内的餐品进行管理和预定。
住客根据烹饪视频选好对应的餐品后，即通过电视机填写对应的表单，并发送对应餐品的预定指令。本实施例中，以xml形式存储预定指令，应用服务器对得到的预定指令进行解析时，根据所述住客的入住情况按所述餐品组合对xml表单进行解析，提取表单中填写的就餐人数、分别预定的各餐品详情、就餐时间等就餐信息，同时也抽取所述预定指令来源的房间号、入住的客人姓名等住客信息，形成餐品预定信息。
应用服务器将解析得到的餐品预定信息发送至PMS服务器，由PMS服务器将这些餐品订餐信息发送至餐厅和厨房，由餐厅进行按就餐人数和就餐时间进行座位预定，并由厨房按餐品详情和就餐时间进行餐品烹饪。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (15)

1.一种视频点餐推荐方法，其特征在于，包括如下步骤：
步骤S1：读取点餐住客的用户信息；
步骤S2：根据所述用户信息在各餐品对应的餐品信息中进行分析匹配，选取用户信息对应的目标餐品；
步骤S3：预加载所述目标餐品对应的烹饪视频，进而将所述烹饪视频下发至所述点餐住客对应的终端；
步骤S4：根据点餐住客通过所述终端发出的触发指令在所述终端中播放所述烹饪视频。
2.根据权利要求1所述的视频点餐推荐方法，其特征在于，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，通过既定的用户模型进行聚类，判断所述用户信息对应的餐品喜好类别，根据所述餐品喜好类别对应的用户特征在服务器端进行匹配，获取对应的目标餐品。
3.根据权利要求1所述的视频点餐推荐方法，其特征在于，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，根据所述用户信息提取所述点餐住客对应的餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
4.根据权利要求1至4中任一所述的视频点餐推荐方法，其特征在于，所述餐品信息包括从餐品的烹饪视频对应的字幕中提取出的第一标签信息和根据所述第一标签信息在既定的知识库的词条文本中提取的第二标签信息。
5.根据权利要求4所述的视频点餐推荐方法，其特征在于，所述第一标签信息的提取包括如下步骤：
步骤A1：提取烹饪视频对应的字幕信息；
步骤A2：将所述字幕信息进行文本分析，根据文本分析得到的高频关键词作为标签信息，所述标签信息的权值可通过在对应关键字在字幕中出现的频率和位置进行设定。
6.根据权利要求4所述的视频点餐推荐方法，其特征在于，所述第二标签信息的提取包括如下步骤：
步骤B1：将所述第一标签信息在既定的知识库中进行检索，得到第一标签信息对应的词条文本；
步骤B2：将词条文本进行文本分析，得到词条文本中的关键字，将该关键字作为烹饪视频对应的第二标签信息。
7.根据权利要求1所述的视频点餐推荐方法，其特征在于，所述用户信息包括用户的个人信息和根据所述点餐住客的标识信息提取的特征信息。
8.根据权利要求7所述的视频点餐推荐方法，其特征在于，所述特征信息的提取包括如下步骤：
步骤C1：通过所述标识信息查询所述点餐住客在第三方应用中的浏览日志；
步骤C2：将浏览日志中页面对应的停留时间大于设定时间阈值的页面作为目标页面，在所述目标页面的对应内容中提取关键字作为特征信息。
9.根据权利要求1所述的视频点餐推荐方法，其特征在于，还包括如下步骤：
-当点餐住客在所述终端中播放所述烹饪视频时，根据所述目标餐品的特征部分查找相关餐品，并进而预加载所述相关餐品对应的烹饪视频。
10.一种视频点餐推荐系统，其特征在于，包括如下模块：
用户信息读取模块，用于读取点餐住客的用户信息，
目标餐品选取模块，用于根据所述用户信息在各餐品对应的餐品信息中进行分析匹配，选取用户信息对应的目标餐品；
烹饪视频预加载模块，用于预加载所述目标餐品对应的烹饪视频，进而将所述烹饪视频下发至所述点餐住客对应的终端；
终端，用于根据点餐住客通过所述终端发出的触发指令在所述终端中播放所述烹饪视频。
11.根据权利要求10所述的视频点餐推荐系统，其特征在于，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，通过既定的用户模型进行聚类，判断所述用户信息对应的餐品喜好类别，根据所述餐品喜好类别对应的用户特征在服务器端进行匹配，获取对应的目标餐品。
12.根据权利要求10所述的视频点餐推荐系统，其特征在于，当根据所述用户信息在各餐品对应的餐品信息中进行分析匹配时，根据所述用户信息提取所述点餐住客对应的餐品特征，将所述餐品特征在服务器端进行匹配，获取对应的目标餐品。
13.根据权利要求10至13中任一所述的视频点餐推荐系统，其特征在于，所述餐品信息包括从餐品的烹饪视频对应的字幕中提取出的第一标签信息和根据所述第一标签信息在从既定的知识库的词条文本中提取的第二标签信息。
14.根据权利要求13所述的视频点餐推荐系统，其特征在于，所述第一标签信息的提取包括如下步骤：
步骤A1：提取烹饪视频对应的字幕信息；
步骤A2：将所述字幕信息进行文本分析，根据文本分析得到的高频关键词作为标签信息，所述标签信息的权值可通过在对应关键字在字幕中出现的频率和位置进行设定。
15.根据权利要求13所述的视频点餐推荐系统，其特征在于，所述第二标签信息的提取包括如下步骤：
步骤B1：将所述第一标签信息在既定的知识库中进行检索，得到第一标签信息对应的词条文本；
步骤B2：将词条文本进行文本分析，得到词条文本中的关键字，将该关键字作为烹饪视频对应的第二标签信息。
CN201610147398.0A 2016-03-15 2016-03-15 视频点餐推荐方法及系统 Expired - Fee Related CN105760541B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610147398.0A CN105760541B (zh) 2016-03-15 2016-03-15 视频点餐推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610147398.0A CN105760541B (zh) 2016-03-15 2016-03-15 视频点餐推荐方法及系统

Publications (2)

Publication Number Publication Date
CN105760541A true CN105760541A (zh) 2016-07-13
CN105760541B CN105760541B (zh) 2019-06-14

Family

ID=56332049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610147398.0A Expired - Fee Related CN105760541B (zh) 2016-03-15 2016-03-15 视频点餐推荐方法及系统

Country Status (1)

Country Link
CN (1) CN105760541B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220284A (zh) * 2017-04-24 2017-09-29 徐琳雯 一种烹饪专家培养系统
WO2018233489A1 (zh) * 2017-06-20 2018-12-27 京东方科技集团股份有限公司 用餐推荐方法及装置
CN110134794A (zh) * 2019-04-17 2019-08-16 北京三快在线科技有限公司 一种实体画像的构建方法和装置
CN110209969A (zh) * 2019-05-08 2019-09-06 口碑(上海)信息技术有限公司 菜谱信息的缓存预热方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101052108A (zh) * 2007-03-21 2007-10-10 林羽明 一种显示动画菜谱的装置和方法
CN103412936A (zh) * 2013-08-21 2013-11-27 五八同城信息技术有限公司 一种基于数据挖掘和云计算服务的菜品推荐系统
CN103678618A (zh) * 2013-12-17 2014-03-26 南京大学 一种基于社交网络平台的Web服务推荐方法
CN104731846A (zh) * 2014-11-17 2015-06-24 陕西师范大学 基于多目标的个性化餐饮推荐方法及系统
US20150324890A1 (en) * 2014-03-17 2015-11-12 Allstate Insurance Company Mobile Food Order in Advance Systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101052108A (zh) * 2007-03-21 2007-10-10 林羽明 一种显示动画菜谱的装置和方法
CN103412936A (zh) * 2013-08-21 2013-11-27 五八同城信息技术有限公司 一种基于数据挖掘和云计算服务的菜品推荐系统
CN103678618A (zh) * 2013-12-17 2014-03-26 南京大学 一种基于社交网络平台的Web服务推荐方法
US20150324890A1 (en) * 2014-03-17 2015-11-12 Allstate Insurance Company Mobile Food Order in Advance Systems
CN104731846A (zh) * 2014-11-17 2015-06-24 陕西师范大学 基于多目标的个性化餐饮推荐方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220284A (zh) * 2017-04-24 2017-09-29 徐琳雯 一种烹饪专家培养系统
WO2018233489A1 (zh) * 2017-06-20 2018-12-27 京东方科技集团股份有限公司 用餐推荐方法及装置
CN110134794A (zh) * 2019-04-17 2019-08-16 北京三快在线科技有限公司 一种实体画像的构建方法和装置
CN110134794B (zh) * 2019-04-17 2020-08-14 北京三快在线科技有限公司 一种实体画像的构建方法和装置
CN110209969A (zh) * 2019-05-08 2019-09-06 口碑(上海)信息技术有限公司 菜谱信息的缓存预热方法及装置

Also Published As

Publication number Publication date
CN105760541B (zh) 2019-06-14

Similar Documents

Publication Publication Date Title
Min et al. A survey on food computing
JP6286104B2 (ja) ソーシャルネットワーク情報ストリームの表示方法、装置、サーバ、プログラム及び記録媒体
CN103890761B (zh) 自动生成推荐的方法和装置
Manzo Machines, people, and social interaction in “third-wave” coffeehouses
US8572116B2 (en) System for recommending an article not present in an image
CN105046600A (zh) 一种酒店用电视的个性化信息推荐方法及系统
CN103686344B (zh) 增强视频系统及方法
CN105512326B (zh) 一种图片推荐的方法及系统
CN106598998B (zh) 信息获取方法和信息获取装置
CN105046601A (zh) 用户数据处理方法和系统
CN106126514A (zh) 与搜索有关的消息服务器提供方法及服务器和用户终端
US11070851B2 (en) System and method for providing image-based video service
CN108897768B (zh) 一种点餐方法及装置，电子设备
CN105072460B (zh) 一种基于视频内容元素的信息标注和关联方法、系统和设备
CN105760541A (zh) 视频点餐推荐方法及系统
WO2012128304A1 (ja) サーバ装置
CN105227971A (zh) 一种酒店用电视的信息推荐方法及系统
US20190325497A1 (en) Server apparatus, terminal apparatus, and information processing method
KR102195642B1 (ko) 색상정보에 기반한 검색 정보 제공 단말, 장치 및 제공 방법
KR20110035380A (ko) 네트워크 기반의 조리법 정보 제공 시스템 및 방법
CN109982106A (zh) 一种视频推荐方法、服务器、客户端及电子设备
CN116416091A (zh) 菜单生成系统
WO2013085906A1 (en) System and method for providing enhanced data for visual displays
CN111811182A (zh) 一种冰箱及食谱推荐方法
CN109191225A (zh) 订单生成方法、装置、订单处理方法和服务器

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190614

Termination date: 20200315

CF01 Termination of patent right due to non-payment of annual fee