CN107203950A - 一种菜品推荐方法与系统 - Google Patents

Abstract

本发明公开了一种菜品推荐方法与系统，获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案，根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品，判断所述推荐菜品的总价格是否符合所述目标价格范围同时所述推荐菜品的毛利率是否达到所述餐厅预设的目标毛利率数值，如果是则将所述推荐菜品进行推荐显示，根据历史订单数据和顾客的就餐人数以及理想价格区间给出最适合的推荐菜品，可以方便顾客进行菜品选择，用户体验好。

Description

一种菜品推荐方法与系统

技术领域

本发明涉及统计推荐领域，特别是涉及一种菜品推荐方法与系统。

背景技术

一般顾客来到餐厅就餐，很可能不了解餐厅的特色菜、招牌菜是什么，不知道该如何选择；有相似的菜品时也很难进行选择，服务人员向顾客进行推荐很可能无法准确考虑就餐人数和偏好等因素，很难向顾客做出准确的菜品推荐，用户体验较差。

发明内容

有鉴于此，本发明的主要目的在于提供一种菜品推荐方法与系统，可以根据历史订单向顾客进行有效的菜品推荐。

为实现上述目的，本发明提供了一种菜品推荐方法，包括：

步骤A：获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案；

步骤B：根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品；

步骤C：判断所述推荐菜品的总价格是否符合所述目标价格范围同时所述推荐菜品的毛利率是否达到所述餐厅预设的目标毛利率数值，如果是则将所述推荐菜品进行推荐显示。

优选地，所述历史订单数据包括：

各历史订单对应的就餐人数，支付金额和菜品信息。

优选地，所述获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案包括：

获取顾客的目标就餐人数和目标价格范围；

从历史订单数据中获取同时符合所述目标就餐人数和目标价格范围的目标订单的目标样本数，根据所述目标订单得到样本方案参数；

判断所述目标样本数是否大于或等于预设阈值，如果是，则根据所述样本方案参数生成推荐方案参数，否则生成冷启动模型，根据所述目标样本数和所述预设阈值对所述冷启动模型参数和所述样本方案参数进行加权平均得到推荐方案参数；

将所述推荐方案参数中各类型菜品数的整数部分菜品类型加入菜品类型推荐方案，将所述推荐方案参数中各类型菜品数的小数部分的菜品类型根据预设概率数组公式进行计算抽取得到对应菜品类型加入所述菜品类型推荐方案，确定加入所述菜品类型推荐方案的菜品类型的价格区间，得到菜品类型推荐方案。

优选地，所述根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品包括：

步骤D：根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值进行单菜推荐得到目标单菜；

步骤E：记录所述目标单菜作为已选菜品，判断已选菜品数量是否满足所述菜品类型推荐方案中的菜品数，如果是，则将所述已选菜品作为推荐菜品，否则返回步骤D。

优选地，所述根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值进行单菜推荐得到目标单菜包括：

根据所述推荐方案得到推荐的目标菜品类型，在所述目标菜品类型中去除已选菜品与已否菜品的菜品类型，得到备选菜品队列；

根据所述目标样本数据和所述已选菜品得到价格参考值，选中率参考值和相关性参考值，根据餐厅预设的目标毛利率数值和所述已选菜品得到毛利率参考值；

根据各参考值分别获取价格、选中率、相关性和毛利率的评分权重，根据所述评分权重分别得到所述备选菜品队列中各个菜品价格评分，选中率评分，相关性评分和毛利评分，确定预设菜品的评分加成和评分衰减，分别得到所述备选菜品队列中各个菜品的总评分；

将总评分从高到低排序后的前三个总评分对应的菜品进行评分概率抽取，得到目标单菜。

优选地，所述菜品推荐方法还包括：

当所述推荐菜品的总价格不符合所述目标价格范围或所述推荐菜品的毛利率未达到所述餐厅预设的目标毛利率数值时，调整价格控制与毛利控制参数，返回步骤B。

本发明还提供了一种菜品推荐系统，包括：

菜品类型推荐方案获取模块，用于获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案；

推荐菜品获取模块，用于根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品；

菜品推荐模块，用于判断所述推荐菜品的总价格是否符合所述目标价格范围同时所述推荐菜品的毛利率是否达到所述餐厅预设的目标毛利率数值，如果是则将所述推荐菜品进行推荐显示。

优选地，所述历史订单数据包括：

各历史订单对应的就餐人数，支付金额和菜品信息。

优选地，所述菜品类型推荐方案获取模块包括：

就餐参数获取子模块，用于获取顾客的目标就餐人数和目标价格范围；

样本方案参数获取子模块，用于从历史订单数据中获取同时符合所述目标就餐人数和目标价格范围的目标订单的目标样本数，根据所述目标订单得到样本方案参数；

推荐方案参数获取子模块，用于判断所述目标样本数是否大于或等于预设阈值，如果是，则根据所述样本方案参数生成推荐方案参数，否则生成冷启动模型，根据所述目标样本数和所述预设阈值对所述冷启动模型参数和所述样本方案参数进行加权平均得到推荐方案参数；

菜品类型获取子模块，用于将所述推荐方案参数中各类型菜品数的整数部分菜品类型加入菜品类型推荐方案，将所述推荐方案参数中各类型菜品数的小数部分的菜品类型根据预设概率数组公式进行计算抽取得到对应菜品类型加入所述菜品类型推荐方案，确定加入所述菜品类型推荐方案的菜品类型的价格区间，得到菜品类型推荐方案。

优选地，所述推荐菜品获取模块包括：

单菜获取子模块，用于根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值进行单菜推荐得到目标单菜；

递归子模块，用于记录所述目标单菜作为已选菜品，判断已选菜品数量是否满足所述菜品类型推荐方案中的菜品数，如果是，则将所述已选菜品作为推荐菜品，否则执行所述单菜获取子模块内容。

应用本发明提供的一种菜品推荐方法与系统，获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案，根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品，判断所述推荐菜品的总价格是否符合所述目标价格范围同时所述推荐菜品的毛利率是否达到所述餐厅预设的目标毛利率数值，如果是则将所述推荐菜品进行推荐显示，根据历史订单数据和顾客的就餐人数以及理想价格区间给出最适合的推荐菜品，可以方便顾客进行菜品选择，用户体验好。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明一种菜品推荐方法实施例一的流程图；

图2为本发明一种菜品推荐方法实施例一的具体流程图；

图3为本发明一种菜品推荐方法实施例一的又一具体流程图；

图4为本发明一种菜品推荐系统实施例二的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

本发明提供了一种菜品推荐方法，图1示出了本发明菜品推荐方法实施例一的流程图，包括：

步骤S101：获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案；

所述历史订单数据可包括各历史订单对应的就餐人数，支付金额和菜品信息等。

如图2所示，推荐方案生成机制具体包括：

首先获取顾客的目标就餐人数和目标价格范围；

从历史订单数据中获取同时符合所述目标就餐人数和目标价格范围的目标订单的目标样本数，根据所述目标订单得到样本方案参数；

判断所述目标样本数是否大于或等于预设阈值例如100，如果是，则根据所述样本方案参数生成推荐方案参数，否则生成冷启动模型，根据所述目标样本数和所述预设阈值对所述冷启动模型参数和所述样本方案参数进行加权平均得到推荐方案参数；

将所述推荐方案参数中各类型菜品数的整数部分菜品类型加入菜品类型推荐方案，将所述推荐方案参数中各类型菜品数的小数部分的菜品类型根据预设概率数组公式进行计算抽取得到对应菜品类型加入所述菜品类型推荐方案，确定加入所述菜品类型推荐方案的菜品类型的价格区间，得到菜品类型推荐方案，如10个人就餐，推荐方案参数中热菜6.4个，凉菜5.6个，则热菜6个与凉菜5个加入菜品类型推荐方案，热菜0.4个和凉菜0.6个根据概率计算抽取确定。

步骤S102：根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品；

可具体包括：

步骤1：根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值进行单菜推荐得到目标单菜；

本步骤可具体包括：

根据所述推荐方案得到推荐的目标菜品类型，在所述目标菜品类型中去除已选菜品与已否菜品的菜品类型，得到备选菜品队列，根据所述目标样本数据和所述已选菜品得到价格参考值，选中率参考值和相关性参考值，如图3所示，需事先获取历史订单数据，根据所述历史订单数据计算菜品相关度系数，根据菜品相关度系数和已选菜品得到相关性参考值，避免推荐类似的菜品，根据餐厅预设的目标毛利率数值和所述已选菜品得到毛利率参考值，根据各参考值分别获取价格、选中率、相关性和毛利率的评分权重，根据所述评分权重分别得到所述备选菜品队列中各个菜品价格评分，选中率评分，相关性评分和毛利评分，确定预设菜品的评分加成和评分衰减，分别得到所述备选菜品队列中各个菜品的总评分，将总评分从高到低排序后的前三个总评分对应的菜品进行评分概率抽取，得到目标单菜。

步骤2：记录所述目标单菜作为已选菜品，判断已选菜品数量是否满足所述菜品类型推荐方案中的菜品数，如果是，则将所述已选菜品作为推荐菜品，否则返回步骤1。

记录推荐的单菜，判断当前已选菜品是否满足菜品类型推荐方案的菜品数，没有满足则继续选出推荐单菜。

步骤S103：判断所述推荐菜品的总价格是否符合所述目标价格范围同时所述推荐菜品的毛利率是否达到所述餐厅预设的目标毛利率数值，如果是则将所述推荐菜品进行推荐显示。

当推荐菜品总价格符合顾客的目标价格范围且对于餐厅来说毛利率也符合预设数值，则将推荐菜品推荐显示给顾客，当所述推荐菜品的总价格不符合所述目标价格范围或所述推荐菜品的毛利率未达到所述餐厅预设的目标毛利率数值时，调整价格控制与毛利控制参数，返回步骤S102。

应用本实施例提供的一种菜品推荐方法，获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案，根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品，判断所述推荐菜品的总价格是否符合所述目标价格范围同时所述推荐菜品的毛利率是否达到所述餐厅预设的目标毛利率数值，如果是则将所述推荐菜品进行推荐显示，根据历史订单数据和顾客的就餐人数以及理想价格区间给出搭配齐全，符合顾客消费期望值的推荐菜品，可以方便顾客进行菜品选择，用户体验好。

实施例二：

本发明还提供了一种菜品推荐系统，图4示出了本发明菜品推荐系统实施例二的结构示意图，包括：

菜品类型推荐方案获取模块101，用于获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案；

推荐菜品获取模块102，用于根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品；

菜品推荐模块103，用于判断所述已选菜品和所述推荐菜品的总价格是否符合所述目标价格范围同时所述推荐菜品的毛利率是否达到所述餐厅预设的目标毛利率数值，如果是则将所述推荐菜品进行推荐显示。

本实施例中，所述历史订单数据包括：

各历史订单对应的就餐人数，支付金额和菜品信息。

所述菜品类型推荐方案获取模块101可具体包括：

就餐参数获取子模块，用于获取顾客的目标就餐人数和目标价格范围；

样本方案参数获取子模块，用于从历史订单数据中获取同时符合所述目标就餐人数和目标价格范围的目标订单的目标样本数，根据所述目标订单得到样本方案参数；

推荐方案参数获取子模块，用于判断所述目标样本数是否大于或等于预设阈值，如果是，则根据所述样本方案参数生成推荐方案参数，否则生成冷启动模型，根据所述目标样本数和所述预设阈值对所述冷启动模型参数和所述样本方案参数进行加权平均得到推荐方案参数；

菜品类型获取子模块，用于将所述推荐方案参数中各类型菜品数的整数部分菜品类型加入菜品类型推荐方案，将所述推荐方案参数中各类型菜品数的小数部分的菜品类型根据预设概率数组公式进行计算抽取得到对应菜品类型加入所述菜品类型推荐方案，确定加入所述菜品类型推荐方案的菜品类型的价格区间，得到菜品类型推荐方案。

所述推荐菜品获取模块102可具体包括：

单菜获取子模块，用于根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值进行单菜推荐得到目标单菜；

递归子模块，用于记录所述目标单菜作为已选菜品，判断已选菜品数量是否满足所述菜品类型推荐方案中的菜品数，如果是，则将所述已选菜品作为推荐菜品，否则执行所述单菜获取子模块内容。

应用本实施例提供的一种菜品推荐系统，获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案，根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品，判断所述推荐菜品的总价格是否符合所述目标价格范围同时所述推荐菜品的毛利率是否达到所述餐厅预设的目标毛利率数值，如果是则将所述推荐菜品进行推荐显示，根据历史订单数据和顾客的就餐人数以及理想价格区间给出给出搭配齐全，符合顾客消费期望值的推荐菜品，可以方便顾客进行菜品选择，用户体验好。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于系统类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

最后，还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种方法与系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种菜品推荐方法，其特征在于，包括：

步骤A：获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案；

步骤B：根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品；

步骤C：判断所述推荐菜品的总价格是否符合所述目标价格范围同时所述推荐菜品的毛利率是否达到所述餐厅预设的目标毛利率数值，如果是则将所述推荐菜品进行推荐显示。

2.根据权利要求1所述的菜品推荐方法，其特征在于，所述历史订单数据包括：

各历史订单对应的就餐人数，支付金额和菜品信息。

3.根据权利要求2所述的菜品推荐方法，其特征在于，所述获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案包括：

获取顾客的目标就餐人数和目标价格范围；

从历史订单数据中获取同时符合所述目标就餐人数和目标价格范围的目标订单的目标样本数，根据所述目标订单得到样本方案参数；

判断所述目标样本数是否大于或等于预设阈值，如果是，则根据所述样本方案参数生成推荐方案参数，否则生成冷启动模型，根据所述目标样本数和所述预设阈值对所述冷启动模型参数和所述样本方案参数进行加权平均得到推荐方案参数；

将所述推荐方案参数中各类型菜品数的整数部分菜品类型加入菜品类型推荐方案，将所述推荐方案参数中各类型菜品数的小数部分的菜品类型根据预设概率数组公式进行计算抽取得到对应菜品类型加入所述菜品类型推荐方案，确定加入所述菜品类型推荐方案的菜品类型的价格区间，得到菜品类型推荐方案。

4.根据权利要求1所述的菜品推荐方法，其特征在于，所述根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品包括：

步骤D：根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值进行单菜推荐得到目标单菜；

步骤E：记录所述目标单菜作为已选菜品，判断已选菜品数量是否满足所述菜品类型推荐方案中的菜品数，如果是，则将所述已选菜品作为推荐菜品，否则返回步骤D。

5.根据权利要求4所述的菜品推荐方法，其特征在于，所述根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值进行单菜推荐得到目标单菜包括：

根据所述推荐方案得到推荐的目标菜品类型，在所述目标菜品类型中去除已选菜品与已否菜品的菜品类型，得到备选菜品队列；

根据所述目标样本数据和所述已选菜品得到价格参考值，选中率参考值和相关性参考值，根据餐厅预设的目标毛利率数值和所述已选菜品得到毛利率参考值；

根据各参考值分别获取价格、选中率、相关性和毛利率的评分权重，根据所述评分权重分别得到所述备选菜品队列中各个菜品价格评分，选中率评分，相关性评分和毛利评分，确定预设菜品的评分加成和评分衰减，分别得到所述备选菜品队列中各个菜品的总评分；

将总评分从高到低排序后的前三个总评分对应的菜品进行评分概率抽取，得到目标单菜。

6.根据权利要求5所述的菜品推荐方法，其特征在于，还包括：

当所述推荐菜品的总价格不符合所述目标价格范围或所述推荐菜品的毛利率未达到所述餐厅预设的目标毛利率数值时，调整价格控制与毛利控制参数，返回步骤B。

7.一种菜品推荐系统，其特征在于，包括：

菜品类型推荐方案获取模块，用于获取顾客的目标就餐人数和目标价格范围，根据历史订单数据、所述就餐人数和所述目标价格范围结合餐厅菜品数据生成菜品类型推荐方案；

推荐菜品获取模块，用于根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值得到推荐菜品；

菜品推荐模块，用于判断所述推荐菜品的总价格是否符合所述目标价格范围同时所述推荐菜品的毛利率是否达到所述餐厅预设的目标毛利率数值，如果是则将所述推荐菜品进行推荐显示。

8.根据权利要求7所述的菜品推荐系统，其特征在于，所述历史订单数据包括：

各历史订单对应的就餐人数，支付金额和菜品信息。

9.根据权利要求7所述的菜品推荐系统，其特征在于，所述菜品类型推荐方案获取模块包括：

就餐参数获取子模块，用于获取顾客的目标就餐人数和目标价格范围；

样本方案参数获取子模块，用于从历史订单数据中获取同时符合所述目标就餐人数和目标价格范围的目标订单的目标样本数，根据所述目标订单得到样本方案参数；

推荐方案参数获取子模块，用于判断所述目标样本数是否大于或等于预设阈值，如果是，则根据所述样本方案参数生成推荐方案参数，否则生成冷启动模型，根据所述目标样本数和所述预设阈值对所述冷启动模型参数和所述样本方案参数进行加权平均得到推荐方案参数；

菜品类型获取子模块，用于将所述推荐方案参数中各类型菜品数的整数部分菜品类型加入菜品类型推荐方案，将所述推荐方案参数中各类型菜品数的小数部分的菜品类型根据预设概率数组公式进行计算抽取得到对应菜品类型加入所述菜品类型推荐方案，确定加入所述菜品类型推荐方案的菜品类型的价格区间，得到菜品类型推荐方案。

10.根据权利要求7所述的菜品推荐系统，其特征在于，所述推荐菜品获取模块包括：

单菜获取子模块，用于根据所述菜品类型推荐方案、顾客已选菜品、已否菜品、所述历史订单数据和餐厅预设的目标毛利率数值进行单菜推荐得到目标单菜；

递归子模块，用于记录所述目标单菜作为已选菜品，判断已选菜品数量是否满足所述菜品类型推荐方案中的菜品数，如果是，则将所述已选菜品作为推荐菜品，否则执行所述单菜获取子模块内容。