CN110889043A - 基于大数据的饮食推荐系统与推荐方法 - Google Patents

Abstract

本发明公开了基于大数据的饮食推荐系统，包括登录模块、采集模块、分析模块、排序模块、推送模块和数据库，所述登录模块用于登录账号信息，所述用户在登录模块上输入账号数据，登录模块对用户输入的账号信息进行安全验证，所述采集模块用于采集账号数据相关的点单信息和点菜菜名信息，并将其传输至分析模块，所述采集模块将点菜菜名信息传输至排序模块，通过推荐排序模块将数据库内的菜品分类信息、菜品名称数据和菜品价格数据与分析模块内用户的点餐习惯分析结果进行比对，从而对不同菜色搭配的价格进行计算，设定菜品推荐排序，节省用户点餐和计算所消耗的时间，使得推荐菜品既能满足用户的喜好又经济实惠，为用户带来便利。

Description

基于大数据的饮食推荐系统与推荐方法

技术领域

本发明涉及饮食推荐技术领域，具体为基于大数据的饮食推荐系统与推荐方法。

背景技术

饮食是一种文化，而中华美食则誉满天下。中国饭好吃，外国人爱吃也是不争的事实。中国的饮食文化源远流长。几千年来，人们经过不断的总结已形成了中华美食的八大菜系，即鲁、川、粤、闽、苏、浙、湘、皖流派，随着餐饮企业的快速发展，该行业的竞争力也逐渐增大，人们通常会在菜单上备注菜色推荐，均为一些销量较好的菜品。

公告号为CN110164526A的一种智能饮食推荐系统，该智能饮食推荐系统，根据用户的自身饮食习惯和身体状况来推荐饮食，更加具有针对性，使每个用户的健康饮食都能得到满足，在推荐饮食的时候，考虑到用户位置，时间，天气和消费能力，能够给出最为舒适健康的饮食推荐，推荐有营养优先、价格优先、距离优先、时间优先多种方案提供选择，但是，该智能饮食推荐系统，无法正对用户的点餐喜好进行详细的分析，同时，也无法对菜色的价格进行合理的计算，进行菜色的推荐排序，为此，我们提出基于大数据的饮食推荐系统与推荐方法。

发明内容

本发明的目的在于提供基于大数据的饮食推荐系统与推荐方法，通过分析模块的设置，对用户的点餐喜好进行分析，快速的分析出用户的喜好，节省时间，提高点餐效率，增加用户对该店的满意度，通过排序模块的设置，对菜品进行推荐排序，节省用户点餐和计算所消耗的时间，使得推荐菜品既能满足用户的喜好又经济实惠，为用户带来便利。

本发明所要解决的技术问题为：

(1)如何通过登录模块登录用户账号后，采集用户的点餐信息，并依据点单信息对用户的点餐习惯进行精确地分析，从而得到用户每次点单的喜好，快速的分析出用户的喜好，来解决现有技术中难以对用户的点餐喜好进行详细分析的问题；

(2)如何通过推荐排序模块将数据库内的菜品分类信息、菜品名称数据和菜品价格数据与分析模块内用户的点餐习惯分析结果进行比对，从而对不同菜色搭配的价格进行计算，设定菜品推荐排序，来解决现有技术中难以根据用户的喜好合理的对菜品进行排序推荐的问题。

本发明的目的可以通过以下技术方案实现：基于大数据的饮食推荐系统，包括登录模块、采集模块、分析模块、排序模块、推送模块和数据库；

所述登录模块用于登录账号信息，所述用户在登录模块上输入账号数据，登录模块对用户输入的账号信息进行安全验证；

所述采集模块用于采集账号数据相关的点单信息和点菜菜名信息，所述点单信息包括点菜种类数据、菜品数量数据、菜价数据和口味数据，其中口味数据包括酸、甜和辣，点菜种类数据包括肉食品、豆制品和时蔬，并将其传输至分析模块，所述采集模块将点菜菜名信息传输至排序模块，所述分析模块用于对点菜种类数据、菜品数量数据、菜价数据和口味数据进行分析操作，得到V_酸、V_甜、V_辣、V_肉、V_豆、V_时、JG和PJ，并将其传输至排序模块；

所述数据库内存储有菜品分类信息、菜品名称数据和菜品价格数据，所述菜品分类信息包括肉质菜数据、豆制菜数据和时蔬菜数据，且肉质菜数据、豆制菜数据和时蔬菜数据内均分为酸菜、甜菜和辣菜，所述排序模块获取菜品分类信息和菜品价格数据，并依据其与V_酸、V_甜、V_辣、V_肉、V_豆、V_时、JG、PJ、点菜菜名信息和菜品名称数据进行排序操作，得到推送顺序为U1＞U2＞U3......＞Ul，并自动获取与Ul相对应的Wx，并依据其选择相应的不相同的菜品名称数据，并将其传输至推送模块；

所述推送模块用于向用户推送不相同的菜品名称数据。

作为本发明的进一步改进方案：分析操作的具体操作过程为：

K1：获取一段时间内用户每次点单的点菜种类数据，并将其依据肉食品、豆制品和时蔬进行依次标记为Ri、Di和Si，i＝1，2，3......n；

K2：获取一段时间内用户每次点单的菜品数量数据，并将菜品数量数据标记为Pi，i＝1，2，3......n；

K3：获取一段时间内用户每次点单的菜价数据，并将菜价数据标记为Ji，i＝1，2，3......n；

K4：获取一段时间内用户每次点单的口味数据，并将口味数据依据酸、甜和辣进行依次标记为Ai、Bi和Ci，i＝1，2，3......n，其中一段时间界定为上周一零点到上周日24点；

K5：将一段时间内用户每次点单的菜品数量数据带入到计算式

其中，PJ表示为用户每次点单的平均菜品数量，将一段时间内用户每次点单的菜价数据带入到计算式

其中，JG表示为用户每次点单的平均菜价；

K6：将点菜种类数据和菜品数量数据分别带入到计算式

其中V_肉表示为肉食品所占的比例，V_豆表示为豆制品所占的比例，V_时表示为时蔬所占的比例，且V_肉+V_豆+V_时＝1；

K7：将口味数据和菜品数量数据分别带入到计算式

其中V_酸表示为酸口味所占的比例，V_甜表示为甜口味所占的比例，V_辣表示为辣口味所占的比例，且V_酸+V_甜+V_辣＝1。

作为本发明的进一步改进方案：排序操作的具体操作过程为：

E1：获取点菜菜名信息和菜品名称数据，并将点菜菜名信息和菜品名称数据进行识别，当识别到点菜菜名信息和菜品名称数据相同时，自动删除相同的菜品，提取识别结果为不相同的菜品名称数据，并将其标记为BT；

E2：获取平均菜品数量PJ，并将其与不相同的菜品名称数据进行比对BT＝PJ*H，得到PJ＝BT/H，并将其与V_肉、V_豆和V_时一同带入到计算式G_肉＝(BT/H)*V_肉，G_豆＝(BT/H)*V_豆，G_时＝(BT/H)*V_时，得到肉质菜、豆制菜和时蔬菜的数量G_肉、G_豆和G_时，同理得出肉质菜、豆制菜和时蔬菜内酸菜、甜菜和辣菜的数量G_酸、G_甜和G_辣；

E3：将平均菜价JG，并将其与肉质菜、豆制菜和时蔬菜的数量一同带入到计算式，M＝(G_肉+G_豆+G_时)*JG，自动获取菜品价格数据，并将其按照肉质菜、豆制菜和时蔬菜依次标记为G_肉j、G_豆w和G_时y，且j、w和y的取值范围均为[0，BT]，M为预计总价格；

E4：将上述E3中获取的G_肉j、G_豆w和G_时y一同带入到计算式

x＝1,2,3......l，计算出j、w和y的值，其中Wx为实际总价格，且Wx与M的差值范围为[1,5]；

E5：获取上述E4中所得出的实际总价格，并将实际总价格进行从大到小的排序，将排序后的价格标记为U1＜U2＜U3......＜Ul；

E6：推送顺序为U1＞U2＞U3......＞Ul，并自动获取与Ul相对应的Wx，并依据其选择相应的不相同的菜品名称数据。

基于大数据的饮食推荐方法，包括下述步骤：

步骤一：获取一周之内用户来本餐厅的点单信息和点菜菜名信息，对其进行依次标记，并将其传输至分析模块；

步骤二：分析模块依据点单信息和点菜菜名信息计算出用户点餐的平均菜价、平均菜品数量以及各类菜色所占比例，此处各类菜色指代上述K6和K7中的V_酸、V_甜、V_辣、V_肉、V_豆和V_时，并将其传输至排序模块；

步骤三：排序模块将数据库内存储的菜品名称数据与用户点过的点菜菜名信息进行比对，获取到数据库内用户没有点过的菜类，具体指代上述E1中不相同的菜品名称数据，并依据上述步骤二中点餐的平均菜价、平均菜品数量以及各类菜色所占比例计算出j、w和y的值，以及实际总价格，并依据实际总价格进行价格排序，并提取排序结果相对应的菜品名称数据传输至推送模块。

本发明的有益效果：

(1)登录模块登录账号信息，用户在登录模块上输入账号数据，登录模块对用户输入的账号信息进行安全验证，采集模块采集账号数据相关的点单信息和点菜菜名信息，点单信息包括点菜种类数据、菜品数量数据、菜价数据和口味数据，其中口味数据包括酸、甜和辣，点菜种类数据包括肉食品、豆制品和时蔬，并将其传输至分析模块，采集模块将点菜菜名信息传输至排序模块，分析模块用于对点菜种类数据、菜品数量数据、菜价数据和口味数据进行分析操作，通过登录模块登录用户账号后，采集用户的点餐信息，并依据点单信息对用户的点餐习惯进行精确地分析，从而得到用户每次点单的喜好，快速的分析出用户的喜好，节省时间，提高点餐效率，增加用户对该店的满意度。

(2)数据库内存储有菜品分类信息、菜品名称数据和菜品价格数据，菜品分类信息包括肉质菜数据、豆制菜数据和时蔬菜数据，且肉质菜数据、豆制菜数据和时蔬菜数据内均分为酸菜、甜菜和辣菜，排序模块获取菜品分类信息和菜品价格数据，并依据其与V_酸、V_甜、V_辣、V_肉、V_豆、V_时、JG、PJ、点菜菜名信息和菜品名称数据进行排序操作，得到推送顺序为U1＞U2＞U3......＞Ul，并自动获取与Ul相对应的Wx，并依据其选择相应的不相同的菜品名称数据，并将其传输至推送模块，推送模块向用户推送不相同的菜品名称数据，通过推荐排序模块将数据库内的菜品分类信息、菜品名称数据和菜品价格数据与分析模块内用户的点餐习惯分析结果进行比对，从而对不同菜色搭配的价格进行计算，设定菜品推荐排序，节省用户点餐和计算所消耗的时间，使得推荐菜品既能满足用户的喜好又经济实惠，为用户带来便利。

附图说明

下面结合附图对本发明作进一步的说明。

图1是本发明的系统框图。

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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为基于大数据的饮食推荐系统，包括登录模块、采集模块、分析模块、排序模块、推送模块和数据库；

所述登录模块用于登录账号信息，所述用户在登录模块上输入账号数据，登录模块对用户输入的账号信息进行安全验证，安全验证的具体验证方法为：首先登录模块对账号数据进行验证，判断该账号信息是否存在，若不存在，则自动跳转到账号注册页面，若存在则对账号数据的密码进行验证，当密码不正确时，则向账号数据绑定的手机号码发送信息，进行短信验证，若密码正确则自动登录账号；

所述采集模块用于采集账号数据相关的点单信息和点菜菜名信息，所述点单信息包括点菜种类数据、菜品数量数据、菜价数据和口味数据，其中口味数据包括酸、甜和辣，点菜种类数据包括肉食品、豆制品和时蔬，并将其传输至分析模块，所述采集模块将点菜菜名信息传输至排序模块，所述分析模块用于对点菜种类数据、菜品数量数据、菜价数据和口味数据进行分析操作，分析操作的具体操作过程为：

K1：获取一段时间内用户每次点单的点菜种类数据，并将其依据肉食品、豆制品和时蔬进行依次标记为Ri、Di和Si，i＝1，2，3......n；

K2：获取一段时间内用户每次点单的菜品数量数据，并将菜品数量数据标记为Pi，i＝1，2，3......n；

K3：获取一段时间内用户每次点单的菜价数据，并将菜价数据标记为Ji，i＝1，2，3......n；

K4：获取一段时间内用户每次点单的口味数据，并将口味数据依据酸、甜和辣进行依次标记为Ai、Bi和Ci，i＝1，2，3......n，其中一段时间界定为上周一零点到上周日24点；

K5：将一段时间内用户每次点单的菜品数量数据带入到计算式

其中，PJ表示为用户每次点单的平均菜品数量，将一段时间内用户每次点单的菜价数据带入到计算式

其中，JG表示为用户每次点单的平均菜价；

K6：将点菜种类数据和菜品数量数据分别带入到计算式

其中V_肉表示为肉食品所占的比例，V_豆表示为豆制品所占的比例，V_时表示为时蔬所占的比例，且V_肉+V_豆+V_时＝1；

K7：将口味数据和菜品数量数据分别带入到计算式

其中V_酸表示为酸口味所占的比例，V_甜表示为甜口味所占的比例，V_辣表示为辣口味所占的比例，且V_酸+V_甜+V_辣＝1；

K8：将V_酸、V_甜、V_辣、V_肉、V_豆、V_时、JG和PJ传输至排序模块；

所述数据库内存储有菜品分类信息、菜品名称数据和菜品价格数据，所述菜品分类信息包括肉质菜数据、豆制菜数据和时蔬菜数据，且肉质菜数据、豆制菜数据和时蔬菜数据内均分为酸菜、甜菜和辣菜，所述排序模块获取菜品分类信息和菜品价格数据，并依据其与V_酸、V_甜、V_辣、V_肉、V_豆、V_时、JG、PJ、点菜菜名信息和菜品名称数据进行排序操作，所述排序操作的具体操作过程为：

E1：获取点菜菜名信息和菜品名称数据，并将点菜菜名信息和菜品名称数据进行识别，当识别到点菜菜名信息和菜品名称数据相同时，自动删除相同的菜品，提取识别结果为不相同的菜品名称数据，并将其标记为BT；

E2：获取平均菜品数量PJ，并将其与不相同的菜品名称数据进行比对BT＝PJ*H，得到PJ＝BT/H，并将其与V_肉、V_豆和V_时一同带入到计算式G_肉＝(BT/H)*V_肉，G_豆＝(BT/H)*V_豆，G_时＝(BT/H)*V_时，得到肉质菜、豆制菜和时蔬菜的数量G_肉、G_豆和G_时，同理得出肉质菜、豆制菜和时蔬菜内酸菜、甜菜和辣菜的数量G_酸、G_甜和G_辣；

E3：将平均菜价JG，并将其与肉质菜、豆制菜和时蔬菜的数量一同带入到计算式，M＝(G_肉+G_豆+G_时)*JG，自动获取菜品价格数据，并将其按照肉质菜、豆制菜和时蔬菜依次标记为G_肉j、G_豆w和G_时y，且j、w和y的取值范围均为[0，BT]，M为预计总价格；

E4：将上述E3中获取的G_肉j、G_豆w和G_时y一同带入到计算式

x＝1,2,3......l，计算出j、w和y的值，其中Wx为实际总价格，且Wx与M的差值范围为[1,5]；

E5：获取上述E4中所得出的实际总价格，并将实际总价格进行从大到小的排序，将排序后的价格标记为U1＜U2＜U3......＜Ul；

E6：推送顺序为U1＞U2＞U3......＞Ul，并自动获取与Ul相对应的Wx，并依据其选择相应的不相同的菜品名称数据，并将其传输至推送模块；

所述推送模块用于向用户推送不相同的菜品名称数据。

基于大数据的饮食推荐方法，包括下述步骤：

步骤一：获取一周之内用户来本餐厅的点单信息和点菜菜名信息，对其进行依次标记，并将其传输至分析模块；

步骤二：分析模块依据点单信息和点菜菜名信息计算出用户点餐的平均菜价、平均菜品数量以及各类菜色所占比例，此处各类菜色指代上述K6和K7中的V_酸、V_甜、V_辣、V_肉、V_豆和V_时，并将其传输至排序模块；

步骤三：排序模块将数据库内存储的菜品名称数据与用户点过的点菜菜名信息进行比对，获取到数据库内用户没有点过的菜类，具体指代上述E1中不相同的菜品名称数据，并依据上述步骤二中点餐的平均菜价、平均菜品数量以及各类菜色所占比例计算出j、w和y的值，以及实际总价格，并依据实际总价格进行价格排序，并提取排序结果相对应的菜品名称数据传输至推送模块。

本发明在工作时，登录模块登录账号信息，用户在登录模块上输入账号数据，登录模块对用户输入的账号信息进行安全验证，采集模块采集账号数据相关的点单信息和点菜菜名信息，点单信息包括点菜种类数据、菜品数量数据、菜价数据和口味数据，其中口味数据包括酸、甜和辣，点菜种类数据包括肉食品、豆制品和时蔬，并将其传输至分析模块，采集模块将点菜菜名信息传输至排序模块，分析模块用于对点菜种类数据、菜品数量数据、菜价数据和口味数据进行分析操作；数据库内存储有菜品分类信息、菜品名称数据和菜品价格数据，菜品分类信息包括肉质菜数据、豆制菜数据和时蔬菜数据，且肉质菜数据、豆制菜数据和时蔬菜数据内均分为酸菜、甜菜和辣菜，排序模块获取菜品分类信息和菜品价格数据，并依据其与V_酸、V_甜、V_辣、V_肉、V_豆、V_时、JG、PJ、点菜菜名信息和菜品名称数据进行排序操作，得到推送顺序为U1＞U2＞U3......＞Ul，并自动获取与Ul相对应的Wx，并依据其选择相应的不相同的菜品名称数据，并将其传输至推送模块，推送模块向用户推送不相同的菜品名称数据。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (4)

1.基于大数据的饮食推荐系统，其特征在于，包括登录模块、采集模块、分析模块、排序模块、推送模块和数据库；

所述登录模块用于登录账号信息，所述用户在登录模块上输入账号数据，登录模块对用户输入的账号信息进行安全验证；

所述采集模块用于采集账号数据相关的点单信息和点菜菜名信息，所述点单信息包括点菜种类数据、菜品数量数据、菜价数据和口味数据，其中口味数据包括酸、甜和辣，点菜种类数据包括肉食品、豆制品和时蔬，并将其传输至分析模块，所述采集模块将点菜菜名信息传输至排序模块，所述分析模块用于对点菜种类数据、菜品数量数据、菜价数据和口味数据进行分析操作，得到V_酸、V_甜、V_辣、V_肉、V_豆、V_时、JG和PJ，并将其传输至排序模块；

所述数据库内存储有菜品分类信息、菜品名称数据和菜品价格数据，所述菜品分类信息包括肉质菜数据、豆制菜数据和时蔬菜数据，且肉质菜数据、豆制菜数据和时蔬菜数据内均分为酸菜、甜菜和辣菜，所述排序模块获取菜品分类信息和菜品价格数据，并依据其与V_酸、V_甜、V_辣、V_肉、V_豆、V_时、JG、PJ、点菜菜名信息和菜品名称数据进行排序操作，得到推送顺序为U1＞U2＞U3......＞Ul，并自动获取与Ul相对应的Wx，并依据其选择相应的不相同的菜品名称数据，并将其传输至推送模块；

所述推送模块用于向用户推送不相同的菜品名称数据。

2.根据权利要求1所述的基于大数据的饮食推荐系统，其特征在于，分析操作的具体操作过程为：

K1：获取一段时间内用户每次点单的点菜种类数据，并将其依据肉食品、豆制品和时蔬进行依次标记为Ri、Di和Si，i＝1，2，3......n；

K2：获取一段时间内用户每次点单的菜品数量数据，并将菜品数量数据标记为Pi，i＝1，2，3......n；

K3：获取一段时间内用户每次点单的菜价数据，并将菜价数据标记为Ji，i＝1，2，3......n；

K4：获取一段时间内用户每次点单的口味数据，并将口味数据依据酸、甜和辣进行依次标记为Ai、Bi和Ci，i＝1，2，3......n，其中一段时间界定为上周一零点到上周日24点；

K5：将一段时间内用户每次点单的菜品数量数据带入到计算式

其中，PJ表示为用户每次点单的平均菜品数量，将一段时间内用户每次点单的菜价数据带入到计算式

其中，JG表示为用户每次点单的平均菜价；

K6：将点菜种类数据和菜品数量数据分别带入到计算式

其中V_肉表示为肉食品所占的比例，V_豆表示为豆制品所占的比例，V_时表示为时蔬所占的比例，且V_肉+V_豆+V_时＝1；

K7：将口味数据和菜品数量数据分别带入到计算式

其中V_酸表示为酸口味所占的比例，V_甜表示为甜口味所占的比例，V_辣表示为辣口味所占的比例，且V_酸+V_甜+V_辣＝1。

3.根据权利要求1所述的基于大数据的饮食推荐系统，其特征在于，所述排序操作的具体操作过程为：

E1：获取点菜菜名信息和菜品名称数据，并将点菜菜名信息和菜品名称数据进行识别，当识别到点菜菜名信息和菜品名称数据相同时，自动删除相同的菜品，提取识别结果为不相同的菜品名称数据，并将其标记为BT；

E2：获取平均菜品数量PJ，并将其与不相同的菜品名称数据进行比对BT＝PJ*H，得到PJ＝BT/H，并将其与V_肉、V_豆和V_时一同带入到计算式G_肉＝(BT/H)*V_肉，G_豆＝(BT/H)*V_豆，G_时＝(BT/H)*V_时，得到肉质菜、豆制菜和时蔬菜的数量G_肉、G_豆和G_时，同理得出肉质菜、豆制菜和时蔬菜内酸菜、甜菜和辣菜的数量G_酸、G_甜和G_辣；

E3：将平均菜价JG，并将其与肉质菜、豆制菜和时蔬菜的数量一同带入到计算式，M＝(G_肉+G_豆+G_时)*JG，自动获取菜品价格数据，并将其按照肉质菜、豆制菜和时蔬菜依次标记为G_肉j、G_豆w和G_时y，且j、w和y的取值范围均为[0，BT]，M为预计总价格；

E4：将上述E3中获取的G_肉j、G_豆w和G_时y一同带入到计算式

计算出j、w和y的值，其中Wx为实际总价格，且Wx与M的差值范围为[1,5]；

E5：获取上述E4中所得出的实际总价格，并将实际总价格进行从大到小的排序，将排序后的价格标记为U1＜U2＜U3......＜Ul；

E6：推送顺序为U1＞U2＞U3......＞Ul，并自动获取与Ul相对应的Wx，并依据其选择相应的不相同的菜品名称数据。

4.基于大数据的饮食推荐方法，包括下述步骤：

步骤一：获取一周之内用户来本餐厅的点单信息和点菜菜名信息，对其进行依次标记，并将其传输至分析模块；

步骤二：分析模块依据点单信息和点菜菜名信息计算出用户点餐的平均菜价、平均菜品数量以及各类菜色所占比例，此处各类菜色指代上述K6和K7中的V_酸、V_甜、V_辣、V_肉、V_豆和V_时，并将其传输至排序模块；

步骤三：排序模块将数据库内存储的菜品名称数据与用户点过的点菜菜名信息进行比对，获取到数据库内用户没有点过的菜类，具体指代上述E1中不相同的菜品名称数据，并依据上述步骤二中点餐的平均菜价、平均菜品数量以及各类菜色所占比例计算出j、w和y的值，以及实际总价格，并依据实际总价格进行价格排序，并提取排序结果相对应的菜品名称数据传输至推送模块。

Images