CN111382280A - 基于数字化菜品的搜索方法、系统及介质 - Google Patents
基于数字化菜品的搜索方法、系统及介质 Download PDFInfo
- Publication number
- CN111382280A CN111382280A CN202010171543.5A CN202010171543A CN111382280A CN 111382280 A CN111382280 A CN 111382280A CN 202010171543 A CN202010171543 A CN 202010171543A CN 111382280 A CN111382280 A CN 111382280A
- Authority
- CN
- China
- Prior art keywords
- dish
- similarity
- dishes
- search information
- highest
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 95
- 238000013135 deep learning Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 35
- 238000004519 manufacturing process Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 13
- 230000001915 proofreading effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 239000002994 raw material Substances 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 235000013305 food Nutrition 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 2
- 238000010411 cooking Methods 0.000 description 9
- 230000004044 response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 235000015001 Cucumis melo var inodorus Nutrition 0.000 description 1
- 240000002495 Cucumis melo var. inodorus Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005554 pickling Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005491 wire drawing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/432—Query formulation
- G06F16/434—Query formulation using image data, e.g. images, photos, pictures taken by a user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/438—Presentation of query results
-
- 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)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供的基于数字化菜品的搜索方法,预设菜品特征识别模板;按照所述菜品特征识别模板采集菜品的基本信息,将采集到的菜品存储至数据库;当接收到用户发起的搜索指令时,接收用户按照所述菜品特征识别模板录入的搜索信息;采用深度学习方法将该搜索信息与存储的菜品进行比对,得到每道菜品与搜索信息的菜品相似度;将数据库中的菜品按照菜品相似度从高到低的顺序进行排列显示。该方法采用深度学习方法,获得数据库中存储的菜品与用户搜索菜品的菜品相似度,并且按照菜品相似度从高到低的顺序排列显示,使得用户能最快地找到与搜索菜品最接近的菜品,提高了用户体验感和搜索精准度。
Description
技术领域
本发明属于计算机技术领域,具体涉及基于数字化菜品的搜索方法、系统及介质。
背景技术
在传统餐饮企业里,厨师和菜品一直是餐饮企业的核心竞争力,决定着餐饮企业的服务能力和服务体验,于是大多数餐饮企业都会把提升厨师厨艺水平和菜品研发制作能力作为重中之重。
随着数字媒体的出现,新菜品的传播不再需要像往常一样靠专业厨师言传身教,首先需要一个菜品视频辅以文字化的制作工艺说明,然后通过互联网将菜品迅速传播到千家万户。但是现有菜品搜索软件还是停留在传统的搜索方法中,根据菜品或材料等关键字的方法进行搜索,且将搜索结果不分先后顺序呈现给用户查看。用户需要从呈现的多个菜品中依次查找最适合的菜品,用户体验感差,搜索精准度差。
发明内容
针对现有技术中的缺陷,本发明提供的一种基于数字化菜品的搜索方法、系统及介质,提高了用户体验感和搜索精准度。
第一方面,基于数字化菜品的搜索方法,包括以下步骤:
预设菜品特征识别模板;
按照所述菜品特征识别模板采集菜品的基本信息,将采集到的菜品存储至数据库;
当接收到用户发起的搜索指令时,接收用户按照所述菜品特征识别模板录入的搜索信息;
采用深度学习方法将该搜索信息与存储的菜品进行比对,得到每道菜品与搜索信息的菜品相似度;
将数据库中的菜品按照菜品相似度从高到低的顺序进行排列显示。
优选地,所述菜品特征识别模板包括:
原料配方表:包括食材原料、产地和用量;
成品图片;
制作工艺信息:包含工艺流程元数据、工艺制作视频和工艺制作说明;其中工艺流程元数据用来描述一道菜品的完整制作步骤;工艺制作视频包含该菜品的完整制作流程,并且辅助于语音和字幕内容;工艺制作说明包含文本和图片,用于以图文形式描述菜品的完整制作工艺流程。
优选地,所述采用深度学习方法将该搜索信息与存储的菜品进行比对,得到每道菜品与搜索信息的菜品相似度具体包括:
构建分析模型,将样本数据导入分析模型中,用深度学习方法对该分析模型进行训练;
将该搜索信息与存储的菜品导入训练后的分析模型,得到该菜品与搜索信息的配方相似度、制作工艺相似度和成品相似度;
按照下式计算该菜品的菜品相似度:
菜品相似度=配方相似度×配方权重+制作工艺相似度×工艺权重
+成品相似度×成品权重;
其中配方权重+工艺权重+成品权重=1。
优选地,所述将数据库中的菜品按照菜品相似度从高到低的顺序进行排列显示具体包括:
按照菜品相似度从高到低的顺序排列显示数据库中一道或多道菜品。
优选地,该方法在所述得到每道菜品与搜索信息的菜品相似度之后,所述将数据库中的菜品按照菜品相似度从高到低的顺序进行排列显示之前,还包括:
对得到的菜品相似度进行校对,获得原始菜品。
优选地,所述校对包括:
根据预设的校对规则对菜品相似度进行校对,获得原始菜品;
或者是,通过人工对菜品相似度进行校对,获得原始菜品。
优选地,所述校对规则包括:
当菜品相似度最高的菜品中菜品相似度超过95%,并且超过菜品相似度次之的菜品中菜品相似度15个百分比以上时,认为菜品相似度最高的菜品为原始菜品;
当菜品相似度最高的菜品中菜品相似度超过80%,并且超过菜品相似度次之的菜品中菜品相似度30个百分比以上时,认为菜品相似度最高的菜品为原始菜品;
当存在多道菜品的菜品相似度超过50%,并且最高的菜品相似度和次之的菜品相似度差异在30%之内时,按如下方法进行判定:
计算加权相似度:加权相似度=配方相似度×配方权重+制作工艺相似度×工艺权重;
如果加权相似度大于65%,,认为菜品相似度最高的菜品为原始菜品;
如果存在最高的多个加权相似度的差异小于预设的矫正误差时,定义配方相似度最高的菜品为原始菜品。
优选地,所述通过人工对菜品相似度进行校对具体包括:
当菜品相似度最高的菜品中菜品相似度未超过50%时,选取菜品相似度最高的多道菜品进行人工校对;
如果人工校对结果为该菜品不匹配搜索信息时,则搜索信息导入并训练分析模型;如果人工校对结果为该菜品匹配搜索信息时,则在该菜品上增加新的校验特征。
第二方面,一种系统,包括处理器和存储器,所述处理器和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行第一方面所述的方法。
第三方面,一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行第一方面所述的方法。
由上述技术方案可知,本发明提供的基于数字化菜品的搜索方法、系统及介质,采用深度学习方法,获得数据库中存储的菜品与用户搜索菜品的菜品相似度,并且按照菜品相似度从高到低的顺序排列显示,使得用户能最快地找到与搜索菜品最接近的菜品,提高了用户体验感和搜索精准度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例一提供的搜索方法的流程图。
图2为本发明实施例一提供的菜品相似度计算方法的流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
实施例一:
基于数字化菜品的搜索方法,参见图1,包括以下步骤:
S1:预设菜品特征识别模板;
具体地,菜品特征识别模板提供了一种数字化菜品模型的电子标准规范,可以准确描述一道菜品的基本特征以及制作工艺。其中所述菜品特征识别模板包括:
原料配方表:包括食材原料、产地和用量;原料配方表以结构化数据进行表示,采用JSON格式存储。
成品图片;即菜品完成后的图片,以高精度图片进行存储,成品图片可以是无损的JPEG格式或者32位的PNG格式,图片分辨率需大于等于1200万像素。
制作工艺信息:包含工艺流程元数据、工艺制作视频和工艺制作说明;
工艺流程元数据是一组结构化数据,采用JSON格式表示,用来描述一道菜品的完整制作步骤。每个工艺流程元数据包含若干个流程步骤,每个流程步骤包含烹饪方法(26种烹饪方法,具体为炒、爆、熘、炸、烹、煎、贴、烧、焖、炖、蒸、汆、煮、烩、炝、拌、腌、烤、卤、冻、拔丝、蜜汁、熏、卷、滑、焗),食材,制作器皿,用量,烹制时长,流程步骤代表一道菜的具体某一个烹饪环节应该用什么方式完成烹饪制作。
工艺制作视频是一段或多段长度在3到10分钟的视频,视频的清晰度不可低于1080P,视频内容包含该菜品的完整制作流程,并且辅助于语音和字幕内容,从而能够体现出烹饪中所需要使用的各种技巧,各种食材用料以及用量。
工艺制作说明是一份文本文件,基于XML格式存储,文件里可以包含文本、图片(通过Base64方式编码之后的二进制方式存储)等信息,最终能够以图文形式详细描述一道菜的完整制作工艺流程。
S2:按照所述菜品特征识别模板采集菜品的基本信息,将采集到的菜品存储至数据库;
具体地,数据库可以采用分布式的高性能数据库,数据库能够支持海量数据存储,检索性能优异,支持JSON文档对象检索,扩容能力强,数据读写速度快,并且商业授权成本低廉,例如可以采用Apache的CouchDB技术。步骤S2可以采用通过常规的数据采集方法,按上述菜品特征识别模板所要求的数据格式采集菜品的基本信息。
S3:当接收到用户发起的搜索指令时,接收用户按照所述菜品特征识别模板录入的搜索信息;
S4:采用深度学习方法将该搜索信息与存储的菜品进行比对,得到每道菜品与搜索信息的菜品相似度,步骤S4通过全库检索,将数据库中每道菜品数据同输入的搜索信息进行比对,最后得到数据库中每道菜品的菜品相似度。参见图2,具体包括:
S11:构建分析模型,将样本数据导入分析模型中,用深度学习方法对该分析模型进行训练;
S12:将该搜索信息与存储的菜品导入训练后的分析模型,得到该菜品与搜索信息的配方相似度、制作工艺相似度和成品相似度;其中配方相似度、制作工艺相似度和成品相似度均在0和100%之间。
S13:按照下式计算该菜品的菜品相似度:菜品相似度越高,说明该菜品与用户想要搜索的菜品越接近。
菜品相似度=配方相似度×配方权重+制作工艺相似度×工艺权重
+成品相似度×成品权重;
其中配方权重+工艺权重+成品权重=1。具体地,配方权重可选20%,工艺权重可选50%,成品权重可选30%,配方权重、工艺权重和成品权重可根据运营方的具体情况进行设置。
例如:假设用A表示菜品相似度,M表示配方相似度,S表示成品相似度,R表示工艺相似度,配方权重为20%,成品权重为30%,工艺权重为50%,那么菜品相似度的计算公式为:A=M×20%+S×30%+R×50%。
S5:将数据库中的菜品按照菜品相似度从高到低的顺序进行排列显示,具体包括:按照菜品相似度从高到低的顺序排列显示数据库中一道或多道菜品。
具体地,步骤S5将每道菜品获得的菜品相似度按照从高到低进行排序,就能得到与用户输入最接近的一道或多道菜品。
该方法首先通过常规的数据采集方法,按上述菜品特征识别模板所要求的数据格式采集原始菜品的基本信息,并入库。当用户想要搜索菜品时,按照菜品特征识别模板采集搜索菜品的搜索信息,通过全库检索,将数据库中每一道菜品与搜索信息进行比对,采用深度学习技术,最后得到每道菜品相对于搜索信息的菜品相似度,然后按照相似度高低显示给用户最相似的菜品,使得用户能最快地找到与搜索菜品最接近的菜品,提高了用户体验感和搜索精准度。
实施例二:
实施例二在实施例一的基础上,还增加了以下内容:
该方法在所述得到每道菜品与搜索信息的菜品相似度之后,所述将数据库中的菜品按照菜品相似度从高到低的顺序进行排列显示之前,还包括:
对得到的菜品相似度进行校对,获得原始菜品,所述校对包括:
根据预设的校对规则对菜品相似度进行校对,获得原始菜品;
或者是,通过人工对菜品相似度进行校对,获得原始菜品。
具体地,该方法虽然能够从数据库里找到了一道或者多道相似菜品,但是不能得到这类相似菜品中的原始菜品(即最先发布的菜品),所以该方法增加了校对功能,识别出相似菜品中的原始菜品。
优选地,所述校对规则包括:
①当菜品相似度最高的菜品中菜品相似度超过95%,并且超过菜品相似度次之的菜品中菜品相似度15个百分比以上时,认为菜品相似度最高的菜品为原始菜品,完全符合用户想要搜索的菜品中的特征,和用户想要搜索的菜品是一道菜。
②当菜品相似度最高的菜品中菜品相似度超过80%,并且大幅超过菜品相似度次之的菜品中菜品相似度(例如超过30个百分比以上)时,认为菜品相似度最高的菜品为原始菜品;
③当存在多道菜品的菜品相似度超过50%,并且最高的菜品相似度和次之的菜品相似度差异在30%之内时,按如下方法进行判定:
计算加权相似度:加权相似度=配方相似度×配方权重+制作工艺相似度×工艺权重;
如果加权相似度大于65%,,认为菜品相似度最高的菜品为原始菜品;
如果存在最高的多个加权相似度的差异小于预设的矫正误差时,定义配方相似度最高的菜品为原始菜品。
具体地,当存在多道菜品的菜品相似度超过50%,并且最高的菜品相似度和次之的菜品相似度差异在30%之内时,计算加权相似度,如果加权相似度高于65%,则认为该菜品原料和工艺基本一致,可以认为该菜品与用户搜索的菜品是同一道菜品。如果有多道菜品的加权相似度都比较接近时,则将配方相似度最高的作为原始菜品推荐给用户,也可以将其余多道菜品进行人工校对。
优选地,所述通过人工对菜品相似度进行校对具体包括:
当菜品相似度最高的菜品中菜品相似度未超过50%时,选取菜品相似度最高的多道菜品进行人工校对;
如果人工校对结果为该菜品不匹配搜索信息时,则搜索信息导入并训练分析模型;如果人工校对结果为该菜品匹配搜索信息时,则在该菜品上增加新的校验特征。
具体地,如果菜品相似度最高的菜品中菜品相似度未超过50%时,采用人工校对的方法。如果人工判定菜品与用户搜索菜品不同时,将该菜品重新入库,建立新菜品档案标准,重新训练分析模型。如果人工判定菜品与用户搜索菜品一致时,则在该道菜品上增加新的校验特征,这样以后针对该道菜品比对时,将会存在多个相似度,按照多个相似度最高的来决定这道菜的菜品相似度。
本发明实施例所提供的方法,为简要描述,实施例部分未提及之处,可参考前述方法实施例中相应内容。
实施例三:
一种系统,包括处理器和存储器,所述处理器和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述的方法。
应当理解,在本发明实施例中,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。
本发明实施例所提供的系统,为简要描述,实施例部分未提及之处,可参考前述方法实施例中相应内容。
实施例四:
一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述的方法。
所述计算机可读存储介质可以是前述任一实施例所述的终端的内部存储单元,例如终端的硬盘或内存。所述计算机可读存储介质也可以是所述终端的外部存储设备,例如所述终端上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述终端的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例所提供的介质,为简要描述,实施例部分未提及之处,可参考前述方法实施例中相应内容。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.基于数字化菜品的搜索方法,其特征在于,包括以下步骤:
预设菜品特征识别模板;
按照所述菜品特征识别模板采集菜品的基本信息,将采集到的菜品存储至数据库;
当接收到用户发起的搜索指令时,接收用户按照所述菜品特征识别模板录入的搜索信息;
采用深度学习方法将该搜索信息与存储的菜品进行比对,得到每道菜品与搜索信息的菜品相似度;
将数据库中的菜品按照菜品相似度从高到低的顺序进行排列显示。
2.根据权利要求1所述基于数字化菜品的搜索方法,其特征在于,所述菜品特征识别模板包括:
原料配方表:包括食材原料、产地和用量;
成品图片;
制作工艺信息:包含工艺流程元数据、工艺制作视频和工艺制作说明;其中工艺流程元数据用来描述一道菜品的完整制作步骤;工艺制作视频包含该菜品的完整制作流程,并且辅助于语音和字幕内容;工艺制作说明包含文本和图片,用于以图文形式描述菜品的完整制作工艺流程。
3.根据权利要求2所述基于数字化菜品的搜索方法,其特征在于,所述采用深度学习方法将该搜索信息与存储的菜品进行比对,得到每道菜品与搜索信息的菜品相似度具体包括:
构建分析模型,将样本数据导入分析模型中,用深度学习方法对该分析模型进行训练;
将该搜索信息与存储的菜品导入训练后的分析模型,得到该菜品与搜索信息的配方相似度、制作工艺相似度和成品相似度;
按照下式计算该菜品的菜品相似度:
菜品相似度=配方相似度×配方权重+制作工艺相似度×工艺权重
+成品相似度×成品权重;
其中配方权重+工艺权重+成品权重=1。
4.根据权利要求1所述基于数字化菜品的搜索方法,其特征在于,所述将数据库中的菜品按照菜品相似度从高到低的顺序进行排列显示具体包括:
按照菜品相似度从高到低的顺序排列显示数据库中一道或多道菜品。
5.根据权利要求3所述基于数字化菜品的搜索方法,其特征在于,该方法在所述得到每道菜品与搜索信息的菜品相似度之后,所述将数据库中的菜品按照菜品相似度从高到低的顺序进行排列显示之前,还包括:
对得到的菜品相似度进行校对,获得原始菜品。
6.根据权利要求5所述基于数字化菜品的搜索方法,其特征在于,所述校对包括:
根据预设的校对规则对菜品相似度进行校对,获得原始菜品;
或者是,通过人工对菜品相似度进行校对,获得原始菜品。
7.根据权利要求6所述基于数字化菜品的搜索方法,其特征在于,所述校对规则包括:
当菜品相似度最高的菜品中菜品相似度超过95%,并且超过菜品相似度次之的菜品中菜品相似度15个百分比以上时,认为菜品相似度最高的菜品为原始菜品;
当菜品相似度最高的菜品中菜品相似度超过80%,并且超过菜品相似度次之的菜品中菜品相似度30个百分比以上时,认为菜品相似度最高的菜品为原始菜品;
当存在多道菜品的菜品相似度超过50%,并且最高的菜品相似度和次之的菜品相似度差异在30%之内时,按如下方法进行判定:
计算加权相似度:加权相似度=配方相似度×配方权重+制作工艺相似度×工艺权重;
如果加权相似度大于65%,,认为菜品相似度最高的菜品为原始菜品;
如果存在最高的多个加权相似度的差异小于预设的矫正误差时,定义配方相似度最高的菜品为原始菜品。
8.根据权利要求7所述基于数字化菜品的搜索方法,其特征在于,所述通过人工对菜品相似度进行校对具体包括:
当菜品相似度最高的菜品中菜品相似度未超过50%时,选取菜品相似度最高的多道菜品进行人工校对;
如果人工校对结果为该菜品不匹配搜索信息时,则搜索信息导入并训练分析模型;如果人工校对结果为该菜品匹配搜索信息时,则在该菜品上增加新的校验特征。
9.一种系统,其特征在于,包括处理器和存储器,所述处理器和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1-8任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010171543.5A CN111382280A (zh) | 2020-03-12 | 2020-03-12 | 基于数字化菜品的搜索方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010171543.5A CN111382280A (zh) | 2020-03-12 | 2020-03-12 | 基于数字化菜品的搜索方法、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111382280A true CN111382280A (zh) | 2020-07-07 |
Family
ID=71221515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010171543.5A Pending CN111382280A (zh) | 2020-03-12 | 2020-03-12 | 基于数字化菜品的搜索方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111382280A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435962A (zh) * | 2021-06-07 | 2021-09-24 | 布瑞克农业大数据科技集团有限公司 | 一种农产品线上集购方法、系统及其存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013179523A1 (ja) * | 2012-05-31 | 2013-12-05 | 楽天株式会社 | 料理検索装置、料理検索方法、プログラムおよびコンピュータ読み取り可能な記憶媒体 |
CN107220720A (zh) * | 2017-05-26 | 2017-09-29 | 李思毅 | 订餐管理装置及系统 |
CN108510361A (zh) * | 2018-03-27 | 2018-09-07 | 复旦大学 | 餐饮系统多菜品中快速定位、选取菜品的方法 |
CN110084642A (zh) * | 2019-04-19 | 2019-08-02 | 哈尔滨新中新电子股份有限公司 | 基于目标检测和图像检索的菜品识别方法 |
-
2020
- 2020-03-12 CN CN202010171543.5A patent/CN111382280A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013179523A1 (ja) * | 2012-05-31 | 2013-12-05 | 楽天株式会社 | 料理検索装置、料理検索方法、プログラムおよびコンピュータ読み取り可能な記憶媒体 |
CN107220720A (zh) * | 2017-05-26 | 2017-09-29 | 李思毅 | 订餐管理装置及系统 |
CN108510361A (zh) * | 2018-03-27 | 2018-09-07 | 复旦大学 | 餐饮系统多菜品中快速定位、选取菜品的方法 |
CN110084642A (zh) * | 2019-04-19 | 2019-08-02 | 哈尔滨新中新电子股份有限公司 | 基于目标检测和图像检索的菜品识别方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435962A (zh) * | 2021-06-07 | 2021-09-24 | 布瑞克农业大数据科技集团有限公司 | 一种农产品线上集购方法、系统及其存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110334356B (zh) | 文章质量的确定方法、文章筛选方法、以及相应的装置 | |
US20160189052A1 (en) | Systems and methods for recognizing ambiguity in metadata | |
CN106156204A (zh) | 文本标签的提取方法和装置 | |
US9256649B2 (en) | Method and system of filtering and recommending documents | |
JP4797069B2 (ja) | キーワード管理プログラム、キーワード管理システムおよびキーワード管理方法 | |
CN108090211B (zh) | 热点新闻推送方法和装置 | |
US11676507B2 (en) | Food description processing methods and apparatuses | |
CN112015721A (zh) | 一种基于大数据的电商平台存储数据库的优化方法 | |
CN112214991B (zh) | 一种基于多特征融合加权的微博文本立场检测方法 | |
CN109857957B (zh) | 建立标签库的方法、电子设备及计算机存储介质 | |
CN104091164A (zh) | 人脸图片人名识别方法和系统 | |
CN112329460A (zh) | 文本的主题聚类方法、装置、设备及存储介质 | |
CN109101603B (zh) | 一种数据比对方法、装置、设备及存储介质 | |
US20140289260A1 (en) | Keyword Determination | |
CN110309414B (zh) | 内容推荐方法、内容推荐装置和电子设备 | |
CN111506595B (zh) | 一种数据查询方法、系统及相关设备 | |
CN107506459A (zh) | 一种基于影片相似度的影片推荐方法 | |
CN106777201B (zh) | 搜索结果页上的推荐数据的排序方法及装置 | |
CN111382280A (zh) | 基于数字化菜品的搜索方法、系统及介质 | |
CN106033417B (zh) | 视频搜索系列剧的排序方法和装置 | |
CN108628875B (zh) | 一种文本标签的提取方法、装置及服务器 | |
CN109635004A (zh) | 一种数据库的对象描述提供方法、装置及设备 | |
CN110096708B (zh) | 一种定标集确定方法及装置 | |
CN112182323A (zh) | 一种类目预测方法、装置、电子设备及存储介质 | |
CN116881406A (zh) | 一种多模态智能文件检索方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200707 |
|
RJ01 | Rejection of invention patent application after publication |