CN109214956A - 餐品推送方法及装置 - Google Patents
餐品推送方法及装置 Download PDFInfo
- Publication number
- CN109214956A CN109214956A CN201810938904.7A CN201810938904A CN109214956A CN 109214956 A CN109214956 A CN 109214956A CN 201810938904 A CN201810938904 A CN 201810938904A CN 109214956 A CN109214956 A CN 109214956A
- Authority
- CN
- China
- Prior art keywords
- food product
- ordering
- order
- information
- alternative
- 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
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 427
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000004891 communication Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 description 27
- 235000012054 meals Nutrition 0.000 description 26
- 241000251468 Actinopterygii Species 0.000 description 12
- 238000012549 training Methods 0.000 description 11
- 239000000463 material Substances 0.000 description 9
- 235000013372 meat Nutrition 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 235000015277 pork Nutrition 0.000 description 5
- 244000061458 Solanum melongena Species 0.000 description 4
- 235000002597 Solanum melongena Nutrition 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 235000015067 sauces Nutrition 0.000 description 4
- 235000013311 vegetables Nutrition 0.000 description 4
- 241000287828 Gallus gallus Species 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 3
- 235000007164 Oryza sativa Nutrition 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000013312 flour Nutrition 0.000 description 3
- 235000012028 green salad Nutrition 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 235000009566 rice Nutrition 0.000 description 3
- 240000008415 Lactuca sativa Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 235000012045 salad Nutrition 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000021186 dishes Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 235000013410 fast food Nutrition 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 235000021189 garnishes Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 235000021147 sweet food Nutrition 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 235000021419 vinegar Nutrition 0.000 description 1
- 239000000052 vinegar Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种餐品推送方法及装置，涉及电子信息领域，该方法包括：获取点餐集合中包含的各个已点餐品的点餐时序信息；根据点餐集合中包含的各个已点餐品的点餐时序信息生成与点餐集合相对应的点餐特征信息；将与点餐集合相对应的点餐特征信息输入预设的点餐推送模型；根据点餐推送模型的输出结果确定备选餐品，将备选餐品推送给用户终端，以供用户终端将备选餐品添加至所述点餐集合中。根据点餐集合中包含的各个已点餐品的点餐时序信息生成的点餐特征信息能够更好地反映当前用户的需求，并且，利用预设的点餐推送模型能够准确确定与点餐特征信息相对应的备选餐品，从而使推送给用户终端的备选餐品更加迎合用户需求。
Description
技术领域
本发明涉及电子信息领域，具体涉及一种餐品推送方法及装置。
背景技术
目前，在餐饮行业中，为了提升销量，吸引顾客，在用户点餐的过程中，服务员通常会针对用户当前已经点选的餐品进行额外的推荐，以促使用户提升消费金额。例如，当用户已经点选部分餐品后，服务员会推荐用户再增加一个本店的招牌菜，以品尝本店特色；又如，服务员会推荐用户再增加一个适宜与当前点选的荤菜相搭配的素菜；再如，服务员会推荐用户再增加一个合适金额的菜品以便凑够满减优惠活动中规定的满减金额，进而享受满减优惠。总之，在点餐场景中，服务员通常会千方百计地为用户推荐一些餐品，以提升店铺的营业额。
但是，发明人在实现本发明的过程中，发现现有技术中的上述方式至少存在如下问题：目前的推荐方案大多由服务员根据个人经验人工完成，由于服务员的经验有限、且顾客类型多种多样，因此，这种人工推荐的方式效果往往并不理想。并且，人工推荐方式效率低下，推荐成功率较低。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种餐品推送方法及装置。
根据本发明的一个方面，提供了一种餐品推送方法，包括：获取点餐集合中包含的各个已点餐品的点餐时序信息；
根据所述点餐集合中包含的各个已点餐品的点餐时序信息生成与所述点餐集合相对应的点餐特征信息；
将所述与所述点餐集合相对应的点餐特征信息输入预设的点餐推送模型；
根据所述点餐推送模型的输出结果确定备选餐品，将所述备选餐品推送给用户终端，以供所述用户终端将所述备选餐品添加至所述点餐集合中。
可选地，所述根据所述点餐推送模型的输出结果确定备选餐品的步骤具体包括：
计算所述点餐集合中包含的各个已点餐品的总金额，根据所述总金额以及预设的凑单规则确定所述备选餐品；
其中，所述预设的凑单规则包括：满减类规则、折扣类规则。
可选地，所述将所述备选餐品推送给用户终端的步骤具体包括：
生成与所述备选餐品相对应的凑单提示消息，将所述备选餐品及其对应的凑单提示消息推送给用户终端。
可选地，所述获取点餐集合中包含的各个已点餐品的点餐时序信息的步骤具体包括：
每当检测到所述点餐集合中的已点餐品数量发生变化且所述点餐集合中的已点餐品的数量不小于两个时，执行所述获取点餐集合中包含的各个已点餐品的点餐时序信息的步骤。
可选地，所述点餐集合中的已点餐品数量发生变化包括：所述点餐集合中的已点餐品数量增加、以及所述点餐集合中的已点餐品数量减少；
其中，当检测到所述点餐集合中的已点餐品数量减少时，所述方法进一步包括：将从所述点餐集合中删除的已点餐品确定为非偏好餐品；
则所述根据所述各个已点餐品的点餐时序信息生成与所述点餐集合相对应的点餐特征信息的步骤具体包括：结合所述非偏好餐品生成与所述点餐集合相对应的点餐特征信息。
可选地，所述方法执行之前，进一步包括：
根据预先获取的历史点餐记录中包含的各个已点餐品的点餐时序信息，生成样本特征信息，根据所述样本特征信息得到所述预设的点餐推送模型。
可选地，所述根据预先获取的历史点餐记录中包含的各个已点餐品的点餐时序信息，生成样本特征信息的步骤具体包括：
分别针对每条历史点餐记录，获取该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号；
根据所述该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号确定所述该条历史点餐记录中包含的各个已点餐品的点餐时序信息；
根据所述该条历史点餐记录中包含的各个已点餐品的点餐时序信息，生成一组与该条历史点餐记录相对应的样本特征信息。
可选地，所述根据所述样本特征信息得到所述预设的点餐推送模型的步骤具体包括：
根据所述样本特征信息，分析所述历史点餐记录中包含的各个已点餐品的偏好得分和/或餐品组合信息；
根据所述历史点餐记录中包含的各个已点餐品的偏好得分和/或餐品组合信息，生成预设的点餐推送模型。
可选地，所述根据所述点餐集合中包含的各个已点餐品的点餐时序信息生成与所述点餐集合相对应的点餐特征信息的步骤具体包括：
根据所述点餐集合中包含的各个已点餐品的点餐时序信息，确定所述点餐集合中包含的各个已点餐品的权重信息；
根据所述点餐集合中包含的各个已点餐品的点餐时序信息以及权重信息，生成与所述点餐集合相对应的点餐特征信息。
可选地，所述根据所述点餐推送模型的输出结果确定备选餐品的步骤具体包括：
结合预设的餐品推送规则确定所述备选餐品；其中，所述餐品推送规则包括以下中的至少一个：用餐人数划分规则、用餐类型划分规则、餐饮搭配规则、以及冲突检测规则。
根据本发明的另一个方面，提供了一种餐品推送装置，包括：
获取模块，适于获取点餐集合中包含的各个已点餐品的点餐时序信息；
生成模块，适于根据所述点餐集合中包含的各个已点餐品的点餐时序信息生成与所述点餐集合相对应的点餐特征信息；
输入模块，适于将所述与所述点餐集合相对应的点餐特征信息输入预设的点餐推送模型；
推送模块，适于根据所述点餐推送模型的输出结果确定备选餐品，将所述备选餐品推送给用户终端，以供所述用户终端将所述备选餐品添加至所述点餐集合中。
可选地，所述推送模块具体适于：
计算所述点餐集合中包含的各个已点餐品的总金额，根据所述总金额以及预设的凑单规则确定所述备选餐品；
其中，所述预设的凑单规则包括：满减类规则、折扣类规则。
可选地，所述推送模块具体适于：
生成与所述备选餐品相对应的凑单提示消息，将所述备选餐品及其对应的凑单提示消息推送给用户终端。
可选地，所述获取模块具体适于：
每当检测到所述点餐集合中的已点餐品数量发生变化且所述点餐集合中的已点餐品的数量不小于两个时，执行所述获取点餐集合中包含的各个已点餐品的点餐时序信息的步骤。
可选地，所述点餐集合中的已点餐品数量发生变化包括：所述点餐集合中的已点餐品数量增加、以及所述点餐集合中的已点餐品数量减少；
其中，当检测到所述点餐集合中的已点餐品数量减少时，所述生成模块进一步适于：将从所述点餐集合中删除的已点餐品确定为非偏好餐品，结合所述非偏好餐品生成与所述点餐集合相对应的点餐特征信息。
可选地，所述装置进一步包括：
训练模块，适于根据预先获取的历史点餐记录中包含的各个已点餐品的点餐时序信息，生成样本特征信息，根据所述样本特征信息得到所述预设的点餐推送模型。
可选地，所述训练模块具体适于：
分别针对每条历史点餐记录，获取该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号；
根据所述该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号确定所述该条历史点餐记录中包含的各个已点餐品的点餐时序信息；
根据所述该条历史点餐记录中包含的各个已点餐品的点餐时序信息，生成一组与该条历史点餐记录相对应的样本特征信息。
可选地，所述训练模块具体适于：
根据所述样本特征信息，分析所述历史点餐记录中包含的各个已点餐品的偏好得分和/或餐品组合信息；
根据所述历史点餐记录中包含的各个已点餐品的偏好得分和/或餐品组合信息，生成预设的点餐推送模型。
可选地，所述生成模块具体适于：
根据所述点餐集合中包含的各个已点餐品的点餐时序信息，确定所述点餐集合中包含的各个已点餐品的权重信息；
根据所述点餐集合中包含的各个已点餐品的点餐时序信息以及权重信息，生成与所述点餐集合相对应的点餐特征信息。
可选地，所述推送模块具体适于：
结合预设的餐品推送规则确定所述备选餐品；其中，所述餐品推送规则包括以下中的至少一个：用餐人数划分规则、用餐类型划分规则、餐饮搭配规则、以及冲突检测规则。
依据本发明的再一方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如上述的餐品推送方法对应的操作。
依据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述的餐品推送方法对应的操作。
根据本发明提供的餐品推送方法及装置，能够获取点餐集合中包含的各个已点餐品的点餐时序信息；根据点餐集合中包含的各个已点餐品的点餐时序信息生成与点餐集合相对应的点餐特征信息；将与点餐集合相对应的点餐特征信息输入预设的点餐推送模型；根据点餐推送模型的输出结果确定备选餐品，将备选餐品推送给用户终端，以供用户终端将备选餐品添加至点餐集合中。由于点餐集合中包含的各个已点餐品的点餐时序信息能够反映当前用户的点餐习惯和口味偏好，因此，根据点餐集合中包含的各个已点餐品的点餐时序信息生成的点餐特征信息能够更好地反映当前用户的需求，并且，利用预设的点餐推送模型能够准确确定与点餐特征信息相对应的备选餐品，从而使推送给用户终端的备选餐品更加迎合用户需求。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例一提供的一种餐品推送方法的流程图；
图2示出了本发明实施例二提供的一种餐品推送方法的流程图；
图3示出了本发明实施例三提供的一种餐品推送装置的结构图；
图4示出了本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明实施例一提供的一种餐品推送方法的流程图。如图1所示，该方法包括：
步骤S110：获取点餐集合中包含的各个已点餐品的点餐时序信息。
其中，点餐集合是指：在当前用户的点餐过程中，由当前的已点餐品构成的集合。具体地，每当接收到用户终端发出的点餐指令时，则会创建一个与该点餐指令相对应的点餐集合，用于记录本次点餐过程中的各个已点餐品，随着点餐过程的持续进行，点餐集合中包含的各个已点餐品的数量将会随之增加。由此可见，在点餐过程进行中，点餐集合中的各个已点餐品的数量是动态变化的：每当用户新增一个餐品时，点餐集合中的已点餐品将加一；每当用户删除一个餐品时，点餐集合中的已点餐品将减一。另外，在本实施例中，还会动态记录各个已点餐品的点餐时序信息。其中，各个已点餐品的点餐时序信息可通过该餐品被加入点餐集合的时间信息或顺序信息确定。另外，点餐时序信息主要是指各个餐品之间在时间维度的区别与联系。
步骤S120：根据点餐集合中包含的各个已点餐品的点餐时序信息生成与点餐集合相对应的点餐特征信息。
其中，一次点餐过程对应于一个点餐集合，一个点餐集合又对应于一组点餐特征信息。即：用户的每次点餐操作对应于一组点餐特征信息。相应地，与点餐集合相对应的点餐特征信息至少包括：该点餐集合中包含的各个已点餐品的标识信息、以及该点餐集合中包含的各个已点餐品的点餐时序信息。
当然，为了便于更加全面地确定点餐特征信息，还可以进一步获取各个已点餐品的其他维度的信息，本发明对点餐特征信息的具体内涵不做限定。
步骤S130：将与点餐集合相对应的点餐特征信息输入预设的点餐推送模型。
其中，该点餐推送模型可通过如下方式生成：根据历史点餐记录中包含的各个已点餐品的点餐时序信息生成样本特征信息，根据样本特征信息得到预设的点餐推送模型。具体的生成方式可由本领域技术人员灵活设定，本发明对此不做限定。总之，点餐推送模型是基于历史点餐记录中包含的各个已点餐品的点餐时序信息得到的，由于点餐时序信息能够反映用户的偏好等信息，因此，该点餐推送模型能够更好地推测用户偏好，从而提升推送成功率。
步骤S140：根据点餐推送模型的输出结果确定备选餐品，将备选餐品推送给用户终端，以供用户终端将备选餐品添加至点餐集合中。
其中，点餐推送模型的输出结果可能为一个或多个，当输出结果为一个时，直接将其确定为备选餐品即可。当输出结果为多个时，还可以进一步根据预设的筛选规则进行筛选，以选出更适合当前用户的至少一个备选餐品进行推送，以供用户将推送的备选餐品添加至点餐集合中，从而达到提升用户消费金额的目的。
由此可见，根据本发明提供的餐品推送方法，能够获取点餐集合中包含的各个已点餐品的点餐时序信息；根据点餐集合中包含的各个已点餐品的点餐时序信息生成与点餐集合相对应的点餐特征信息；将与点餐集合相对应的点餐特征信息输入预设的点餐推送模型；根据点餐推送模型的输出结果确定备选餐品，将备选餐品推送给用户终端，以供用户终端将备选餐品添加至点餐集合中。由于点餐集合中包含的各个已点餐品的点餐时序信息能够反映当前用户的点餐习惯和口味偏好，因此，根据点餐集合中包含的各个已点餐品的点餐时序信息生成的点餐特征信息能够更好地反映当前用户的需求，并且，利用预设的点餐推送模型能够准确确定与点餐特征信息相对应的备选餐品，从而使推送给用户终端的备选餐品更加迎合用户需求。
图2示出了本发明实施例二提供的一种餐品推送方法的流程图。如图2所示，该方法包括：
步骤S200：根据预先获取的历史点餐记录中包含的各个已点餐品的点餐时序信息，生成样本特征信息，根据样本特征信息得到预设的点餐推送模型。
具体地，分别针对每条历史点餐记录，获取该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号；根据该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号确定该条历史点餐记录中包含的各个已点餐品的点餐时序信息；根据该条历史点餐记录中包含的各个已点餐品的点餐时序信息，生成一组与该条历史点餐记录相对应的样本特征信息。其中，一条历史点餐记录通常是指：一次点餐过程中所产生的点餐记录。其中，一次点餐过程包括：一名用户单独就餐或多名用户共同就餐的过程。当点餐过程为一名用户单独就餐的过程时，对应的一条历史点餐记录中需包含该用户的用户标识信息(例如可以是用户账号信息或用户类型信息等)、点餐时段信息、所点的各个已点餐品的餐品标识信息以及点餐时序信息。当点餐过程为多名用户共同就餐的过程时，对应的一条历史点餐记录中除包含该用户的用户标识信息、点餐时段信息、所点的各个已点餐品的餐品标识信息以及点餐时序信息之外，还可以进一步包含就餐人数信息。并且，当点餐过程由多名用户共同完成时，还可以进一步针对每个已点餐品记录该已点餐品所对应的点餐用户的用户标识信息，以便分析每个用户的个人喜好。总之，历史点餐记录中包含的信息量越全面，越有利于后续的分析。
具体实施时，分别针对每条历史点餐记录，获取该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号；根据该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号确定该条历史点餐记录中包含的各个已点餐品的点餐时序信息；根据该条历史点餐记录中包含的各个已点餐品的点餐时序信息，生成一组与该条历史点餐记录相对应的样本特征信息样本特征信息。例如，假设一条历史点餐记录中包含如下信息：用户“小红”于2018年6月6日在北京某餐厅消费以下餐品：红烧鱼(点餐时间12:08)、手擂茄子(点餐时间12:09)、粉蒸肉(点餐时间12:15)、宫保鸡丁(点餐时间12:23)、蔬菜沙拉(点餐时间12:30)。其中，红烧鱼的点餐序号为1、手擂茄子的点餐序号为2、粉蒸肉的点餐序号为3、宫保鸡丁的点餐序号为4、蔬菜沙拉的点餐序号为5。其中，在根据各个已点餐品所对应的点餐时间和/或点餐序号确定该条历史点餐记录中包含的各个已点餐品的点餐时序信息时，可以直接将已点餐品所对应的点餐时间或者点餐序号又或者二者的组合确定为已点餐品的点餐时序信息。另外，在上述示例中，当点餐场景为多人点餐时，还需要进一步记录各个已点餐品所对应的点餐用户。例如，假设在二人点餐场景中，红烧鱼、手擂茄子和宫保鸡丁为用户“小红”所点，粉蒸肉和蔬菜沙拉为用户“小黄”所点，则在样本特征信息样本特征信息中，除需要记录各个已点餐品的点餐时序信息之外，还需要记录各个已点餐品的点餐用户信息，由此反映不同用户的喜好。总之，样本特征信息中包含的信息维度越全面越有利于后续的训练过程。
接下来，根据样本特征信息得到预设的点餐推送模型时，可通过多种方式实现。例如，可通过机器学习模型对样本特征信息进行训练，以确定各个已点餐品之间的时序关联关系，并据此得到点餐推送模型。在本实施例中，机器学习模型可以为基于时间序列的机器学习模型，具体包括：时间递归神经网络模型。例如，LSTM(Long Short-Term Memory)是一种长短期记忆网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件，本实施例可利用LSTM模型进行处理，以便根据样本特征信息中包含的各个已点餐品的点餐时序信息，挖掘各个已点餐品之间的时序关联关系。具体地，通过LSTM模型对样本特征信息进行训练，能够挖掘出各个已点餐品之间的时序关联关系。例如，根据各个已点餐品的点餐序号，能够反映用户对于各个餐品的偏好程度：点餐序号越靠前，说明偏好得分越高；点餐序号越靠后，说明偏好得分越低。发明人在实现本发明的过程中发现：用户往往会最先点选其意图明确且非常青睐的餐品，因此，通过点餐序号能够反映用户偏好。又如，根据各个已点餐品的点餐时间之间的间隔，能够反映餐品组合信息：点餐时间之间的间隔小于预设间隔阈值的餐品之间更适宜相互组合，点餐时间之间的间隔不小于预设间隔阈值的餐品之间则不适宜相互组合。发明人在实现本发明的过程中发现：点餐时间间隔较小的餐品之间往往更适宜作为套餐进行搭配，因此，通过点餐时间间隔能够反映餐品组合信息。其中，预设间隔阈值可灵活设置，优选设置为用户不假思索地连贯点餐时的间隔阈值，例如，多数用户在不假思索地连贯点餐时，各个餐品之间的间隔一般不超过3秒，若超出3秒，则说明用户在思索下一套餐品组合。相应地，在上例中，红烧鱼(点餐时间12:08)和手擂茄子(点餐时间12:09)可以作为一组餐品组合信息。具体训练时，一方面，要根据各个已点餐品的点餐序号确定各个餐品的偏好程度；另一方面，要根据各个已点餐品的点餐时间间隔确定餐品组合信息。另外，还要结合用户人数、类型来最终确定偏好程度以及餐品组合信息的准确度，只有当同一餐品组合信息被多个人在多次点餐场景中点选时，才能够最终确认该组餐品组合信息是否合适。总之，通过训练过程，能够挖掘出各个已点餐品之间的时序关联关系。该时序关联关系泛指：各类能够根据点餐时序信息挖掘出的餐品关联关系。由此可见，在本实施例中，需要根据样本特征信息，分析历史点餐记录中包含的各个已点餐品的偏好得分和/或餐品组合信息；根据历史点餐记录中包含的各个已点餐品的偏好得分和/或餐品组合信息，生成预设的点餐推送模型。
步骤S210：获取点餐集合中包含的各个已点餐品的点餐时序信息。
其中，点餐集合是指：在当前用户的点餐过程中，由当前的已点餐品构成的集合。具体地，每当接收到用户终端发出的点餐指令时，则会创建一个与该点餐指令相对应的点餐集合，用于记录本次点餐过程中的各个已点餐品，以便于在点餐过程结束之后，根据点餐集合中记录的各个已点餐品生成本次的点餐订单。随着点餐过程的持续进行，点餐集合中包含的各个已点餐品的数量将会随之增加。由此可见，在点餐过程进行中，点餐集合中的各个已点餐品的数量是动态变化的：每当用户新增一个餐品时，点餐集合中的已点餐品将加一；每当用户删除一个餐品时，点餐集合中的已点餐品将减一。另外，在本实施例中，还会动态记录各个已点餐品的点餐时序信息。其中，各个已点餐品的点餐时序信息可通过该餐品被加入点餐集合的时间信息或顺序信息确定。
由此可见，执行步骤S210的主要目的在于：获取与当前用户相对应的已点餐品的信息，以便于根据当前用户已点餐品进一步为其推送其他餐品。具体地，步骤S210的触发方式可以有多种：
在第一种触发方式中，当点餐集合中包含的已点餐品的数量达到预设数值时触发步骤S210及其后续步骤，以便实现餐品推送功能。该预设阈值可根据当前点餐场景来确定，具体可根据就餐人数、就餐类型等确定。例如，在两人就餐的场景中，该预设阈值可设置为较低的数值；在六人就餐的场景中，该预设阈值可设置为较高的数值。又如，在家庭类就餐中，该预设阈值可设置为较低的类型；在商务类就餐中，该预设阈值可设置为较高的类型。该方式的实质为：在用户已点选预设数量的餐品后，针对当前已点选的部分餐品向其推送其他合适的餐品。该方式中的预设数量为固定值，具体可以为一个数值，也可以为多个数值。比如，该预设数量包括3、5、7，即：当检测到用户已点3个餐品时，根据该3个餐品向其推送备选餐品；当检测到用户已点5个餐品时，根据该5个餐品向其推送备选餐品；当检测到用户已点7个餐品时，根据该7个餐品向其推送备选餐品。
在第二种触发方式中，实时检测点餐集合中的已点餐品的数量，每当检测到点餐集合中的已点餐品数量发生变化且点餐集合中的已点餐品的数量不小于两个时，执行获取点餐集合中包含的各个已点餐品的点餐时序信息的步骤及其后续步骤。该方式为动态触发方式，每当用户点选一个餐品或删除一个餐品后，都根据用户的点选操作或删除操作为其推送相对应的备选餐品。其中，点餐集合中的已点餐品数量发生变化包括：点餐集合中的已点餐品数量增加、以及点餐集合中的已点餐品数量减少。其中，当检测到点餐集合中的已点餐品数量减少时，该方法进一步包括：将从点餐集合中删除的已点餐品确定为非偏好餐品。
在一个具体的示例中，点餐时序信息包括各个已点餐品的所对应的点餐时间以及点餐序号，并且，为了更全面反映用户的喜好，将用户从点餐集合中删除的餐品也作为一种特殊类型的已点餐品加以记录，以反映用户的喜好。例如，在该示例中，点餐集合中包含的各个已点餐品的点餐时序信息如下：
鱼香肉丝：+12:00(点餐时间),1(点餐序号)
清蒸鱼：+12:05(点餐时间),2(点餐序号)
大拌菜：+12:09(点餐时间),3(点餐序号)
小炒肉：+12:12(点餐时间)，4，-12:15(删除时间)。
由此可见，在该示例中，用户先后点选了鱼香肉丝、清蒸鱼、大拌菜、小炒肉，另外，小炒肉在12:12被点选后，又于12:15进行了删除，因此，小炒肉将被确定为非偏好餐品。
步骤S220：根据点餐集合中包含的各个已点餐品的点餐时序信息生成与点餐集合相对应的点餐特征信息。
其中，一次点餐过程对应于一个点餐集合，一个点餐集合又对应于一组点餐特征信息。即：用户的每次点餐操作对应于一组点餐特征信息。相应地，与点餐集合相对应的点餐特征信息至少包括：该点餐集合中包含的各个已点餐品的标识信息、以及该点餐集合中包含的各个已点餐品的点餐时序信息。
在本实施例中，进一步根据点餐集合中包含的各个已点餐品的点餐时序信息，确定点餐集合中包含的各个已点餐品的权重信息；根据点餐集合中包含的各个已点餐品的点餐时序信息以及权重信息，生成与点餐集合相对应的点餐特征信息。该方式能够为各个已点餐品设置不同的权重信息，以便于优先根据权重较大的餐品进行备选餐品的推送，从而提升推送成功率。其中，已点餐品的权重信息是根据已点餐品的点餐时序信息确定的，通常情况下，点餐时序信息越靠前，权重信息越大。另外，在根据各个已点餐品的点餐时序信息生成与点餐集合相对应的点餐特征信息时，还可以进一步结合上述的非偏好餐品生成与点餐集合相对应的点餐特征信息，以便在点餐特征信息中包含被用户删除的已点餐品，进而据此推测用户不喜欢的餐品类型，以提升推送成功率。
步骤S230：将与点餐集合相对应的点餐特征信息输入预设的点餐推送模型，根据点餐推送模型的输出结果确定备选餐品。
由于点餐推送模型是基于历史点餐记录中包含的各个已点餐品的点餐时序信息确定的，因而能够学习出各个餐品之间的时序关联关系，相应地，在本步骤中，将能够反映该点餐集合中的各个已点餐品的点餐时序信息的点餐特征信息输入模型中，能够根据各个已点餐品的点餐时序信息进行有效地餐品推送。
具体地，当点餐推送模型的输出结果为多个时，需要进一步结合其他规则确定最终的备选餐品。例如，计算点餐集合中包含的各个已点餐品的总金额，根据总金额以及预设的凑单规则确定备选餐品；其中，该预设的凑单规则包括：满减类规则、折扣类规则等。该方式能够使用户通过增加备选餐品而满足凑单规则进而享受优惠。
另外，还可以进一步结合预设的餐品推送规则确定备选餐品；其中，餐品推送规则包括以下中的至少一个：(1)用餐人数划分规则：具体可包括两人餐、五人餐、十人餐等多种套餐类型。具体制定时，可结合门店的平均客流量以及就餐人群进行划分。(2)用餐类型划分规则：具体可包括家庭聚餐类型、工作聚餐类型、商务会客类型等。其中，家庭聚餐类型侧重于物美价廉，而商务会客类型则侧重于高端大气上档次。(3)餐饮搭配规则：具体可包括荤菜与素菜之间的常用搭配规则。比如，羊肉、猪蹄等较为油腻的荤菜常和清淡爽口的凉菜等素菜进行搭配。(4)冲突检测规则：具体用于检测推送的备选餐品与当前已点的餐品之间是否存在冲突。所谓冲突是指：备选餐品与已点餐品属于同一种互斥的类型，具体可通过检测备选餐品与已点餐品之间的相似度确定，若相似度大于预设相似阈值，则说明二者存在冲突。比如，假设当前已经点了羊肉，若备选餐品也为羊肉则会发生冲突，因而应更换为其他的备选餐品。另外，该预设相似阈值的具体数值可根据用餐人数确定：用餐人数越少，餐品种类也越少，因此，大多用户不会点选两个相似餐品，相应地，预设相似阈值可以设置得低一些；用餐人数越多，餐品种类也越多，因此，出现两个相似餐品也无伤大雅，相应地，预设相似阈值可以设置得高一些。
步骤S240：将备选餐品推送给用户终端，以供用户终端将备选餐品添加至点餐集合中。
具体地，为了便于用户选择，在本步骤中，生成与备选餐品相对应的凑单提示消息，将备选餐品及其对应的凑单提示消息推送给用户终端。例如，假设用户当前已点餐品的总金额为160元，且店铺正开展满200减40以及满300减80的优惠活动，相应地，在本实施例中，向用户终端推送两款备选餐品：备选餐品一的价格为40元，对应的凑单提示消息为“增加本餐品后您可享受满200减40的优惠哦”；备选餐品二的价格为140元，对应的凑单提示消息为“增加本餐品后您可享受满300减80的优惠哦”。通过凑单提示消息能够方便用户做出选择。
另外，为了能够针对不同类型的用户推送适合该用户的个性化餐品，本实施例中的样本特征信息以及点餐特征信息中进一步包含用户类型信息，以便于确定出各种类型的用户所偏爱的套餐种类。相应地，在本步骤中，将备选餐品推送给用户终端时，选择与用户终端的用户类型相匹配的备选餐品进行推送。具体地，由于样本特征信息中包含用户类型信息，因此，通过训练过程能够分别确定各种类型的用户所青睐的餐品，相应地，针对当前用户终端，根据该用户终端的用户标识信息确定该用户终端的用户类型，然后，向其推送与其用户类型相匹配的备选餐品，由此能够针对不同类型的用户推送不同的个性化餐品，以迎合各类用户的需求。当然，在本实施例中，除了根据用户类型进行个性化推送之外，还可以进一步根据用户账号等唯一性标识来实现针对当前用户的量身定制的推送效果，比如，可以根据该用户账号的历史点餐记录为其量身定制地推送适合于该用户的备选餐品。具体地，在本实施例中，可以结合用户的年龄、性别、籍贯、饮食偏好、用户等级等各类信息来划分用户类型。其中，饮食偏好可以根据个人口味划分，包括：麻辣、清淡、甜食等；还可以根据门店类型划分，包括：快餐、西餐、中餐等。用户等级可以根据用户账号的注册时间、点餐频率、和/或历史消费价格区间等因素划分：例如，将点餐频率较高、且历史消费价格区间较高的用户划分为高级用户；将点餐频率较低、且历史消费价格区间较低的用户划分为低级用户。总之，本发明对用户类型的划分方式不做限定，只要能够将点餐喜好相近的用户划分为同一类型即可。另外，在本实施例中，还可以进一步分析点餐场景中的人数信息、以便根据人数信息确定与该人数相匹配的餐品分量，并根据已点餐品的分量确定为用户推荐硬菜还是配菜。另外，还可以进一步分析点餐场景中的已点餐品的名称信息，以便进行冲突检测，比如，当已点餐品信息中包含鱼类时，则不再向用户推荐鱼类。
综上可知，根据本发明提供的餐品推送方法及装置，能够获取点餐集合中包含的各个已点餐品的点餐时序信息；根据点餐集合中包含的各个已点餐品的点餐时序信息生成与点餐集合相对应的点餐特征信息；将与点餐集合相对应的点餐特征信息输入预设的点餐推送模型；根据点餐推送模型的输出结果确定备选餐品，将备选餐品推送给用户终端，以供用户终端将备选餐品添加至点餐集合中。由于点餐集合中包含的各个已点餐品的点餐时序信息能够反映当前用户的点餐习惯和口味偏好，因此，根据点餐集合中包含的各个已点餐品的点餐时序信息生成的点餐特征信息能够更好地反映当前用户的需求，并且，利用预设的点餐推送模型能够准确确定与点餐特征信息相对应的备选餐品，从而使推送给用户终端的备选餐品更加迎合用户需求。并且，由于点餐过程中的点餐时序信息能够进一步反映用户对于餐品的偏好，因此，本发明结合各个已点餐品的点餐时序信息进行训练并确定备选餐品，能够使备选餐品更加贴合用户需求。并且，本发明能够针对不同类型的用户推送不同的备选餐品，从而提升了推送成功率。另外，本发明能够在用户点餐的过程中动态为其推送合适的备选餐品，具体可实时地根据用户当前的点餐状态进行推送，并且，可以结合用户在点餐过程中点选或删除的餐品来推测用户喜好，从而使推荐过程更加智能。
另外，在上述实施例中，还可以进一步结合餐品的利润空间进行推荐。具体地，在根据点餐推送模型的输出结果确定备选餐品时，针对点餐推送模型输出的每个候选餐品，确定该候选餐品的食材信息和/或工序信息，根据食材信息和/或工序信息确定该候选餐品的成本信息。其中，食材信息包括主食材和/或副食材，通过食材信息能够推算餐品的成本信息。工序信息具体指餐品的制作工序，包括：放油、翻炒、炝锅、清蒸等各种操作，通过餐品工序信息能够反映餐品的制作方法，制作方法的复杂程度也从客观上决定了该餐品的成本。工序越简单的餐品成本越低廉，工序越复杂的餐品成本越高昂。由此可见，食材信息反映了餐品对应的食材本身的采购成本，工序信息反映了餐品对应的厨师的人工成本。具体实施时，可以预先训练一个餐品成本学习模型，以便根据该餐品的食材信息和/或工序信息确定餐品的成本信息，从而通过机器学习的方式提升成本计算的准确性。然后，计算该候选餐品的成本信息与该候选餐品的定价信息之间的差值，根据差值确定该候选餐品的盈利信息，根据盈利信息确定最终的备选餐品。差值越大，说明盈利空间越大，越值得推荐。其中，该候选餐品的定价信息可通过同类餐品在其他店铺的定价区间进行确定。
实施例三
图3示出了本发明实施例三提供的一种餐品推送装置的结构示意图，该装置包括：
获取模块31，适于获取点餐集合中包含的各个已点餐品的点餐时序信息；
生成模块32，适于根据所述点餐集合中包含的各个已点餐品的点餐时序信息生成与所述点餐集合相对应的点餐特征信息；
输入模块33，适于将所述与所述点餐集合相对应的点餐特征信息输入预设的点餐推送模型；
推送模块34，适于根据所述点餐推送模型的输出结果确定备选餐品，将所述备选餐品推送给用户终端，以供所述用户终端将所述备选餐品添加至所述点餐集合中。
可选地，所述推送模块34具体适于：
计算所述点餐集合中包含的各个已点餐品的总金额，根据所述总金额以及预设的凑单规则确定所述备选餐品；
其中，所述预设的凑单规则包括：满减类规则、折扣类规则。
可选地，所述推送模块34具体适于：
生成与所述备选餐品相对应的凑单提示消息，将所述备选餐品及其对应的凑单提示消息推送给用户终端。
可选地，所述获取模块31具体适于：
每当检测到所述点餐集合中的已点餐品数量发生变化且所述点餐集合中的已点餐品的数量不小于两个时，执行所述获取点餐集合中包含的各个已点餐品的点餐时序信息的步骤。
可选地，所述点餐集合中的已点餐品数量发生变化包括：所述点餐集合中的已点餐品数量增加、以及所述点餐集合中的已点餐品数量减少；
其中，当检测到所述点餐集合中的已点餐品数量减少时，所述生成模块32进一步适于：将从所述点餐集合中删除的已点餐品确定为非偏好餐品，结合所述非偏好餐品生成与所述点餐集合相对应的点餐特征信息。
可选地，所述装置进一步包括：
训练模块，适于根据预先获取的历史点餐记录中包含的各个已点餐品的点餐时序信息，生成样本特征信息，根据所述样本特征信息得到所述预设的点餐推送模型。
可选地，所述训练模块具体适于：
分别针对每条历史点餐记录，获取该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号；
根据所述该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号确定所述该条历史点餐记录中包含的各个已点餐品的点餐时序信息；
根据所述该条历史点餐记录中包含的各个已点餐品的点餐时序信息，生成一组与该条历史点餐记录相对应的样本特征信息。
可选地，所述训练模块具体适于：
根据所述样本特征信息，分析所述历史点餐记录中包含的各个已点餐品的偏好得分和/或餐品组合信息；
根据所述历史点餐记录中包含的各个已点餐品的偏好得分和/或餐品组合信息，生成预设的点餐推送模型。
可选地，所述生成模块32具体适于：
根据所述点餐集合中包含的各个已点餐品的点餐时序信息，确定所述点餐集合中包含的各个已点餐品的权重信息；
根据所述点餐集合中包含的各个已点餐品的点餐时序信息以及权重信息，生成与所述点餐集合相对应的点餐特征信息。
可选地，所述推送模块34具体适于：
结合预设的餐品推送规则确定所述备选餐品；其中，所述餐品推送规则包括以下中的至少一个：用餐人数划分规则、用餐类型划分规则、餐饮搭配规则、以及冲突检测规则。
关于上述各个模块的具体结构和工作原理可参照方法实施例中相应部分的描述，此处不再赘述。
实施例四
本申请实施例四提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的餐品推送方法。可执行指令具体可以用于使得处理器执行上述方法实施例中对应的各个操作。
实施例五
图4示出了根据本发明实施例五的一种电子设备的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。
如图4所示，该电子设备可以包括：处理器(processor)402、通信接口(Communications Interface)406、存储器(memory)404、以及通信总线408。
其中：
处理器402、通信接口406、以及存储器404通过通信总线408完成相互间的通信。
通信接口406，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402，用于执行程序410，具体可以执行上述餐品推送方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器404，用于存放程序410。存储器404可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行上述方法实施例中对应的各个操作。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的基于语音输入信息的抽奖系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种餐品推送方法，包括：
获取点餐集合中包含的各个已点餐品的点餐时序信息；
根据所述点餐集合中包含的各个已点餐品的点餐时序信息生成与所述点餐集合相对应的点餐特征信息；
将所述与所述点餐集合相对应的点餐特征信息输入预设的点餐推送模型；
根据所述点餐推送模型的输出结果确定备选餐品，将所述备选餐品推送给用户终端，以供所述用户终端将所述备选餐品添加至所述点餐集合中。
2.根据权利要求1所述的方法，其中，所述根据所述点餐推送模型的输出结果确定备选餐品的步骤具体包括：
计算所述点餐集合中包含的各个已点餐品的总金额，根据所述总金额以及预设的凑单规则确定所述备选餐品；
其中，所述预设的凑单规则包括：满减类规则、折扣类规则。
3.根据权利要求2所述的方法，其中，所述将所述备选餐品推送给用户终端的步骤具体包括：
生成与所述备选餐品相对应的凑单提示消息，将所述备选餐品及其对应的凑单提示消息推送给用户终端。
4.根据权利要求1-3任一所述的方法，其中，所述获取点餐集合中包含的各个已点餐品的点餐时序信息的步骤具体包括：
每当检测到所述点餐集合中的已点餐品数量发生变化且所述点餐集合中的已点餐品的数量不小于两个时，执行所述获取点餐集合中包含的各个已点餐品的点餐时序信息的步骤。
5.根据权利要求4所述的方法，其中，所述点餐集合中的已点餐品数量发生变化包括：所述点餐集合中的已点餐品数量增加、以及所述点餐集合中的已点餐品数量减少；
其中，当检测到所述点餐集合中的已点餐品数量减少时，所述方法进一步包括：将从所述点餐集合中删除的已点餐品确定为非偏好餐品；
则所述根据所述各个已点餐品的点餐时序信息生成与所述点餐集合相对应的点餐特征信息的步骤具体包括：结合所述非偏好餐品生成与所述点餐集合相对应的点餐特征信息。
6.根据权利要求1-5任一所述的方法，其中，所述方法执行之前，进一步包括：
根据预先获取的历史点餐记录中包含的各个已点餐品的点餐时序信息，生成样本特征信息，根据所述样本特征信息得到所述预设的点餐推送模型。
7.根据权利要求6所述的方法，其中，所述根据预先获取的历史点餐记录中包含的各个已点餐品的点餐时序信息，生成样本特征信息的步骤具体包括：
分别针对每条历史点餐记录，获取该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号；
根据所述该条历史点餐记录中包含的各个已点餐品所对应的点餐时间和/或点餐序号确定所述该条历史点餐记录中包含的各个已点餐品的点餐时序信息；
根据所述该条历史点餐记录中包含的各个已点餐品的点餐时序信息，生成一组与该条历史点餐记录相对应的样本特征信息。
8.一种餐品推送装置，包括：
获取模块，适于获取点餐集合中包含的各个已点餐品的点餐时序信息；
生成模块，适于根据所述点餐集合中包含的各个已点餐品的点餐时序信息生成与所述点餐集合相对应的点餐特征信息；
输入模块，适于将所述与所述点餐集合相对应的点餐特征信息输入预设的点餐推送模型；
推送模块，适于根据所述点餐推送模型的输出结果确定备选餐品，将所述备选餐品推送给用户终端，以供所述用户终端将所述备选餐品添加至所述点餐集合中。
9.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的餐品推送方法对应的操作。
10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的餐品推送方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810938904.7A CN109214956B (zh) | 2018-08-17 | 2018-08-17 | 餐品推送方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810938904.7A CN109214956B (zh) | 2018-08-17 | 2018-08-17 | 餐品推送方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109214956A true CN109214956A (zh) | 2019-01-15 |
| CN109214956B CN109214956B (zh) | 2020-07-10 |
Family
ID=64988509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810938904.7A Active CN109214956B (zh) | 2018-08-17 | 2018-08-17 | 餐品推送方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109214956B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110555750A (zh) * | 2019-07-29 | 2019-12-10 | 北京三快在线科技有限公司 | 用餐人数预测方法、装置、电子设备及可读存储介质 |
| CN111598737A (zh) * | 2020-05-07 | 2020-08-28 | 深圳市金博奥科技有限公司 | 一种针对顾客进行菜品自动推荐的方法及系统 |
| CN112381506A (zh) * | 2020-11-10 | 2021-02-19 | 广东电力信息科技有限公司 | 基于物联网及智能预测推荐的智慧食堂管理系统 |
| CN113469768A (zh) * | 2020-03-31 | 2021-10-01 | 珠海优特智厨科技有限公司 | 一种菜单推荐方法、订单添加方法以及订单处理方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651418A (zh) * | 2015-11-03 | 2017-05-10 | 北京京东尚科信息技术有限公司 | 针对电商满减活动的凑单商品推荐的方法 |
| US20170262874A1 (en) * | 2016-03-10 | 2017-09-14 | Mastercard International Incorporated | Methods and system for identifying consumer preferences |
| CN107391531A (zh) * | 2017-04-11 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种菜品推荐方法和装置 |
-
2018
- 2018-08-17 CN CN201810938904.7A patent/CN109214956B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651418A (zh) * | 2015-11-03 | 2017-05-10 | 北京京东尚科信息技术有限公司 | 针对电商满减活动的凑单商品推荐的方法 |
| US20170262874A1 (en) * | 2016-03-10 | 2017-09-14 | Mastercard International Incorporated | Methods and system for identifying consumer preferences |
| CN107391531A (zh) * | 2017-04-11 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种菜品推荐方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 王屯屯: "基于LSTM的在线商城商品推荐研究", 《现代计算机》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110555750A (zh) * | 2019-07-29 | 2019-12-10 | 北京三快在线科技有限公司 | 用餐人数预测方法、装置、电子设备及可读存储介质 |
| CN110555750B (zh) * | 2019-07-29 | 2022-06-07 | 北京三快在线科技有限公司 | 用餐人数预测方法、装置、电子设备及可读存储介质 |
| CN113469768A (zh) * | 2020-03-31 | 2021-10-01 | 珠海优特智厨科技有限公司 | 一种菜单推荐方法、订单添加方法以及订单处理方法 |
| CN111598737A (zh) * | 2020-05-07 | 2020-08-28 | 深圳市金博奥科技有限公司 | 一种针对顾客进行菜品自动推荐的方法及系统 |
| CN112381506A (zh) * | 2020-11-10 | 2021-02-19 | 广东电力信息科技有限公司 | 基于物联网及智能预测推荐的智慧食堂管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109214956B (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109214956A (zh) | 餐品推送方法及装置 | |
| US9633456B2 (en) | System and method for providing flavor advisement and enhancement | |
| CN109191242A (zh) | 餐品推送方法及装置 | |
| CN109214955A (zh) | 餐品套餐的生成方法及装置 | |
| US20140089321A1 (en) | Method and system to recommend recipes | |
| CN108648059A (zh) | 订单推荐方法及装置 | |
| US11823042B2 (en) | System for measuring food weight | |
| Michel et al. | Perceptual attributes of poultry and other meat products: a repertory grid application | |
| CN109345303B (zh) | 一种富媒体广告投放方法及装置 | |
| CN109447749A (zh) | 商品信息录入方法及装置 | |
| CN110322323A (zh) | 实体展示方法、装置、存储介质和电子设备 | |
| CN110852299A (zh) | 顾客饮食习惯确定方法及装置 | |
| Lee et al. | Analysis of consumers’ preferences and price sensitivity to native chickens | |
| CN109344323A (zh) | 信息推送方法 | |
| US10592957B2 (en) | Analyzing user access of media for meal plans | |
| Abdool et al. | Recommend My Dish: A multi-sensory food recommender | |
| CN109242543A (zh) | 引流餐品的推送方法及装置 | |
| Martínez-Garmendia et al. | Effect of harvesting alternatives on the quality of US North Atlantic Bluefin Tuna | |
| CA2812783A1 (en) | System and method for providing flavor advisement and enhancement | |
| JP7122937B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| Azman et al. | CONSUMER BEHAVIOUR: READY-TO-EAT FOOD IN PENINSULAR MALAYSIA BASED ON FOOD-RELATED LIFESTYLE | |
| US20160371764A1 (en) | Systems And Methods For Selecting Media For Meal Plans | |
| US11727070B2 (en) | On-line system and method for searching recipes for meal planning | |
| CN115249171A (zh) | 餐品动态推荐系统、方法、装置、电子设备和计算机介质 | |
| Anselmsson et al. | A conceptual framework for understanding Customer-based brand equity and price premium in grocery categories |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |