一种菜品搭配推荐方法及其系统的制作方法
【技术领域】
[0001] 本发明菜品搭配推荐领域，特别涉及一种菜品搭配推荐方法及其系统。
【背景技术】
[0002] 传统的菜品推荐方式总是在菜单中给用户提供固定搭配的菜品搭配组合，这种不 灵活的，强制性的菜品搭配推荐方法，让它备受用户的抗拒，这也使得该种强制性的菜品搭 配推荐方法的发展遭遇瓶颈。比起强制性的菜品搭配推荐方式，采用更加人性化、智能化的 菜品推荐方法，更加容易被客户接受，能达到润物无声的良好效果，大大降低了用户抵抗性 的同时，也提升了用户满意度。但是由于人性化、智能化的菜品推荐方式本身的复杂性，所 以菜品数据的采集和挖掘工作尤为复杂和困难。
[0003] 目前现有技术中的菜品搭配推荐技术的主要存在以下几方面问题：
[0004] 1.首先现有技术无法智能预测当用户在点餐时所需要点菜的数量；
[0005] 2.其次，现有技术无法完成用户对于菜品的口味搭配的分析；
[0006] 3.生成菜品推荐搭配方案困难:分离出菜品数据后，现有技术缺乏技术手段生成 智能化的可供客户选择的菜品搭配方案。
[0007] 基于现有技术中存在的种种问题，亟待发现一种全新的菜品搭配推荐方法及其系 统。
【发明内容】
[0008] 本发明所要解决的技术问题在于提供一种菜品搭配推荐方法及其系统，以克服现 有技术中存在的无法确定菜品数量，无法完成菜品口味搭配方案，缺乏智能化的可供客户 选择的菜品搭配推荐方法等问题。
[0009] 为达上述目的，本发明提供了一种菜品搭配推荐方法，包括：
[0010] 所需菜品数量确定步骤：用于根据用户的餐饮消费数据及预定的权重设定规则， 获取用户点餐所需的菜品数量；
[0011] 菜品种类选取步骤：用于根据所述所需菜品数量及所述餐饮消费数据，选取菜品 种类；
[0012] 菜品搭配方案推荐步骤：用于根据所述菜品种类、所述餐饮消费数据及预定的菜 品口味制定标准，获取多个采品搭配方案；
[0013] 菜品排序步骤:用于根据所述餐饮消费数据对所述菜品搭配方案根据优先级进行 所述菜品搭配方案的排序。
[0014] 上述菜品搭配推荐方法，所述所需菜品数量确定步骤，包括：
[0015] 数据获取步骤：用于获取系统中用户消费的订单的相关数据，所述订单相关数据 包括点菜数量、就餐人数及订单消费金额；
[0016] 人均点菜数量计算步骤:用于根据所述订单的相关数据计算所述订单中人均点菜 数量；
[0017] 所需菜品数量计算步骤：用于根据所述订单中人均点菜数量、所述订单消费金额 及所述订单的消费总金额，计算用户所需菜品数量。
[0018] 上述菜品搭配推荐方法，所述菜品种类选取步骤，包括：
[0019] 菜品种类列表获取步骤:用于获取所述用户在当前店铺中菜品种类列表；
[0020] 交集计算步骤：用于根据所述用户在所有店铺中菜品种类列表，计算各个种类的 数量，对所有店铺中菜品种类列表排序后，获取菜品综合种类列表，计算所述当前店铺中菜 品种类列表与所述菜品综合种类列表的交集；
[0021] 菜种类候选集合选取步骤:计算所述交集与所述用户点餐所需的菜品数量之间的 差值，如果差值大于等于0,则选择所述交集中的所述用户点餐所需的菜品数量作为所需菜 品种类的候选集合，否则，选取所述交集作为所述所需菜品种类的候选集合。
[0022] 上述菜品搭配推荐方法，所述菜品搭配方案推荐步骤，包括：
[0023]菜品标识获取步骤:根据所述菜品种类，获取所述菜品种类中所有菜品的标识；
[0024] 用户列表获取步骤:获取当前店铺中除了当前用户以外的所有用户，组成用户列 表；
[0025] 用户评分步骤:对所述用户列表中的每一个用户，获取其在所述店铺下所点菜品 的所述标识以及相对应的点菜数量，并根据这些对该用户给定评分；
[0026] 相似度计算步骤:计算所述用户列表中的每一个用户之间的相似度，将所计算得 到的所述相似度结果保存在相似度矩阵中；
[0027] 训练测试步骤:根据所述相似度矩阵，对所述用户列表中的用户数据进行训练，并 对训练得到的模型进行测试；
[0028] 调整精确度步骤:调整所述训练模型的集合的比例，直到达到预设的精确度；
[0029] 菜品组合获取步骤:将所述用户中的用户数据输入到所述训练模型中，获取所推 荐的菜品组合。
[0030] 上述菜品搭配推荐方法，所述菜品排序步骤，还包括：
[0031] 菜品选择步骤:保存推荐的所述菜品组合，所述用户进行菜品组合搭配方案选择。
[0032] 本发明还提供一种菜品搭配推荐系统，包括：
[0033] 所需菜品数量确定模块:根据用户的餐饮消费数据及预定的权重设定规则，获取 用户点餐所需的菜品数量；
[0034]菜品种类选取模块:根据所述所需菜品数量及所述餐饮消费数据，选取菜品种类； [0035]菜品搭配方案推荐模块：用于根据所述菜品种类、所述餐饮消费数据及预定的菜 品口味制定标准，获取多个采品搭配方案；
[0036]菜品排序模块:用于根据所述餐饮消费数据对所述菜品搭配方案根据优先级进行 所述菜品搭配方案的排序。
[0037]上述菜品搭配推荐系统，所述所需菜品数量确定模块，包括：
[0038]数据获取模块：用于获取系统中用户消费的订单的相关数据，所述订单相关数据 包括点菜数量、就餐人数及订单消费金额；
[0039]人均点菜数量计算模块:用于根据所述订单的相关数据计算所述订单中人均点菜 数量；
[0040]所需菜品数量计算模块：用于根据所述订单中人均点菜数量、所述订单消费金额 及所述订单的消费总金额，计算用户所需菜品数量。
[0041]上述菜品搭配推荐系统，所述菜品种类选取模块，包括：
[0042]菜品种类列表获取模块:用于获取所述用户在当前店铺中菜品种类列表；
[0043]交集计算模块：用于获取所述用户的所有店铺中菜品种类列表，计算各个种类的 数量，对所有店铺中菜品种类列表排序后，获取菜品综合种类列表，计算所述当前店铺中 菜品种类列表与所述菜品综合种类列表的交集；
[0044]菜种类候选集合选取模块:计算所述交集与所述用户点餐所需的菜品数量之间的 差值，如果差值大于等于0,则选择所述交集中的前所述用户点餐所需的菜品数量作为所需 菜品种类的候选集合，否则，选取所述交集作为所述所需菜品种类的候选集合。
[0045]上述菜品搭配推荐系统，所述菜品搭配方案推荐模块，包括：
[0046]菜品标识获取模块:根据所述菜品种类，获取所述菜品种类中所有菜品的标识；
[0047]用户列表获取模块:获取当前店铺中除了当前用户以外的所有用户，组成用户列 表；
[0048]用户评分模块:对所述用户列表中的每一个用户，获取其在所述店铺下所点菜品 的所述标识以及相对应的点菜数量，并根据这些对该用户给定评分；
[0049]相似度计算模块:计算所述用户列表中的每一个用户之间的相似度，将所计算得 到的所述相似度结果保存在相似度矩阵中；
[0050] 训练测试模块:根据所述相似度矩阵，对所述用户列表中的用户数据进行训练，并 对训练得到的模型进行测试；
[0051] 调整精确度模块:调整所述训练模型的集合的比例，直到达到预设的精确度；
[0052] 菜品组合获取模块:将所述用户中的用户数据输入到所述训练模型中，获取所推 荐的菜品组合。
[0053] 上述菜品搭配推荐系统，所述菜品排序模块，还包括：
[0054]菜品选择模块:保存推荐的所述菜品组合，所述用户进行菜品组合搭配方案选择。
[0055] 与现有技术相比，本发明的有益效果在于：
[0056] 1)在本发明方法中，可以准确预测用户所需菜品数量；
[0057] 2)其次，本发明方法在确定推荐给用户菜品数量之后，还可以确定菜的口味的搭 配，增加推荐的效果；
[0058] 3)本发明方法中采用了基于内容和协同过滤组合的推荐方式，达到了良好的技术 效果；
[0059] 3)本发明解决了现有技术中生成菜品推荐搭配方案困难的问题，可以在分离出 菜品数据后，生成智能化的可供客户选择的菜品搭配方案。
【附图说明】
[0060] 图1为本发明菜品搭配推荐方法流程示意图；
[0061 ]图2~图5为本发明菜品搭配推荐方法详细示意图；
[0062] 图6为本发明菜品搭配推荐系统结构示意图；
[0063] 图7~图10为本发明菜品搭配推荐系统详细结构示意图。
【具体实施方式】
[0064] 下面给出本发明的【具体实施方式】，结合图示对本发明做出了详细描述。