餐品推送方法及装置与流程

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，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已经点选的餐品推荐其他的替代餐品。例如，从提升营业额的角度出发，当用户点选一个清蒸鱼时，服务员可能会推荐用户将清蒸鱼替换成烤鱼，以提升店铺的利润。又如，从提升用户体验的角度出发，当用户点选一个普通餐品时，服务员可能会推荐用户将其替换为该点的招牌餐品，以达到吸引回头客的目的。总之，出于多种目的，服务员通常会在点餐过程中给予用户辅助性引导。

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：目前的餐品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，这种人工推荐餐品的方式往往效果并不理想。并且，人工推荐方式效率低下，推荐成功率较低。

技术实现要素：

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：针对点餐集合中包含的各个已点餐品，获取所述已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息；

根据所述已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，查询与所述已点餐品相对应的替换餐品；

将查询到的替换餐品推送给用户终端，以供所述用户终端根据所述替换餐品替换所述点餐集合中的已点餐品。

可选地，所述获取所述已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息包括：

根据所述已点餐品的历史点餐记录，确定与所述已点餐品相对应的各个点餐用户的用户特征信息；根据各个点餐用户的用户特征信息确定所述已点餐品的点餐用户信息；以及

根据所述已点餐品的历史点餐记录，确定与所述已点餐品相对应的组合餐品；根据所述组合餐品确定所述已点餐品的点餐组合信息；以及，

所述已点餐品的餐品属性信息包括以下中的至少一个：餐品食材信息、餐品工序信息、餐品用量信息、餐品价位信息、适宜人群信息、以及餐品口味信息。

可选地，所述根据所述已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，查询与所述已点餐品相对应的替换餐品包括：

根据所述已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，生成所述已点餐品的餐品特征向量；

将所述已点餐品的餐品特征向量输入预设的餐品替换模型，根据所述餐品替换模型的输出结果查询与所述已点餐品相对应的替换餐品。

可选地，所述预设的餐品替换模型通过以下方式生成：

根据样本餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，生成所述样本餐品的样本特征向量；

针对所述样本餐品的样本特征向量进行训练，以得到所述预设的餐品替换模型。

可选地，针对所述样本餐品的样本特征向量进行训练的步骤具体包括：获取所述样本餐品的正负标记结果，根据所述正负标记结果进行训练。

可选地，所述查询与所述已点餐品相对应的替换餐品包括：

根据当前用餐人数确定对应的餐品替换规则，根据所述餐品替换规则查询与所述已点餐品相对应的替换餐品。

可选地，所述餐品替换规则包括：根据餐品之间的相似度得分进行替换的规则；

并且，若当前用餐人数小于预设人数阈值，则对应的餐品替换规则为：当餐品之间的相似度得分大于第一阈值时能够进行替换；

若当前用餐人数不小于预设人数阈值，则对应的餐品替换规则为：当餐品之间的相似度得分大于第二阈值时能够进行替换；

其中，第一阈值小于第二阈值。

可选地，所述查询与所述已点餐品相对应的替换餐品包括：

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替换餐品；

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，所述将查询到的替换餐品推送给用户终端的步骤具体包括：

生成与所述替换餐品相对应的凑单提示消息，将所述替换餐品及其对应的凑单提示消息推送给用户终端。

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，适于针对点餐集合中包含的各个已点餐品，获取所述已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息；

查询模块，适于根据所述已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，查询与所述已点餐品相对应的替换餐品；

推送模块，适于将查询到的替换餐品推送给用户终端，以供所述用户终端根据所述替换餐品替换所述点餐集合中的已点餐品。

可选地，所述获取模块具体适于：

根据所述已点餐品的历史点餐记录，确定与所述已点餐品相对应的各个点餐用户的用户特征信息；根据各个点餐用户的用户特征信息确定所述已点餐品的点餐用户信息；以及

根据所述已点餐品的历史点餐记录，确定与所述已点餐品相对应的组合餐品；根据所述组合餐品确定所述已点餐品的点餐组合信息；以及，

所述已点餐品的餐品属性信息包括以下中的至少一个：餐品食材信息、餐品工序信息、餐品用量信息、餐品价位信息、适宜人群信息、以及餐品口味信息。

可选地，所述查询模块具体适于：

根据所述已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，生成所述已点餐品的餐品特征向量；

将所述已点餐品的餐品特征向量输入预设的餐品替换模型，根据所述餐品替换模型的输出结果查询与所述已点餐品相对应的替换餐品。

可选地，所述装置进一步包括：

训练模块，适于根据样本餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，生成所述样本餐品的样本特征向量；针对所述样本餐品的样本特征向量进行训练，以得到所述预设的餐品替换模型。

可选地，所述训练模块具体适于：获取所述样本餐品的正负标记结果，根据所述正负标记结果进行训练。

可选地，所述查询模块具体适于：

根据当前用餐人数确定对应的餐品替换规则，根据所述餐品替换规则查询与所述已点餐品相对应的替换餐品。

可选地，所述餐品替换规则包括：根据餐品之间的相似度得分进行替换的规则；

并且，若当前用餐人数小于预设人数阈值，则对应的餐品替换规则为：当餐品之间的相似度得分大于第一阈值时能够进行替换；

若当前用餐人数不小于预设人数阈值，则对应的餐品替换规则为：当餐品之间的相似度得分大于第二阈值时能够进行替换；

其中，第一阈值小于第二阈值。

可选地，所述查询模块具体适于：

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替换餐品；

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：

生成与所述替换餐品相对应的凑单提示消息，将所述替换餐品及其对应的凑单提示消息推送给用户终端。

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，能够针对点餐集合中包含的各个已点餐品，获取已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息；根据已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，查询与已点餐品相对应的替换餐品；将查询到的替换餐品推送给用户终端，以供用户终端根据替换餐品替换点餐集合中的已点餐品。由于点餐集合中包含的各个已点餐品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进行推送能够更好地反映当前用户的需求。另外，根据已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息能够全面反映已点餐品的特征，进而据此推送适宜用户的餐品。

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：针对点餐集合中包含的各个已点餐品，获取已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息。

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。

在本步骤中，需要从多个维度来描述各个已点餐品，以便全面反映各个已点餐品的特征，以便于根据各个已点餐品的特征进行替换餐品的推荐。在本实施例中，从已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息这三个维度来描述已点餐品的特征。

步骤s120：根据已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，查询与已点餐品相对应的替换餐品。

发明人在实现本发明的过程中发现：当替换餐品与已点餐品之间存在一定的共性时，用户更容易接受替换餐品的推荐。相应地，在本步骤中，从已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息这三个维度来查询与已点餐品存在一定共性的替换餐品。其中，餐品属性信息用于描述餐品本身的特征，以便从餐品的做法、食材等角度查询具备共性的替换餐品。点餐用户信息用于描述与该餐品相对应的历史点餐用户的特征，以便从用户角度查询具备共性的替换餐品。点餐组合信息用于描述该餐品与其他餐品的常规组合方式，以便从餐品搭配组合的角度查询具备共性的替换餐品。

步骤s130：将查询到的替换餐品推送给用户终端，以供用户终端根据替换餐品替换点餐集合中的已点餐品。

其中，查询到的替换餐品通常是与某个已点餐品存在共性的餐品，因此，在推送给替换餐品的同时，可以生成提示消息，以提示用户与该替换餐品存在共性的已点餐品，以便于用户利用该替换餐品替换掉点餐集合中与该替换餐品存在共性的已点餐品。

由此可见，根据本发明提供的餐品推送方法，能够针对点餐集合中包含的各个已点餐品，获取已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息；根据已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，查询与已点餐品相对应的替换餐品；将查询到的替换餐品推送给用户终端，以供用户终端根据替换餐品替换点餐集合中的已点餐品。由于点餐集合中包含的各个已点餐品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进行推送能够更好地反映当前用户的需求。另外，根据已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息能够全面反映已点餐品的特征，进而据此推送适宜用户的餐品。

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s210：针对点餐集合中包含的各个已点餐品，获取已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息。

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。

在本步骤中，需要从多个维度来描述各个已点餐品，以便全面反映各个已点餐品的特征，进而根据各个已点餐品的特征进行替换餐品的推荐。在本实施例中，从已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息这三个维度来描述已点餐品的特征。下面分别针对这三个维度进行详细描述：

餐品属性信息维度：

已点餐品的餐品属性信息泛指各类能够用于描述餐品本身的属性特征的信息，具体包括以下中的至少一个：餐品食材信息、餐品工序信息、餐品用量信息、餐品价位信息、适宜人群信息、以及餐品口味信息。其中，餐品食材信息包括餐品的主食材以及副食材等食材相关信息，通常，食材相近的餐品之间具有更高的共性。餐品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，制作方法相近的餐品之间具有更高的共性。餐品用量信息用于反映餐品的分量，进而反映该餐品所适合的用餐人数，用量信息相近的餐品之间更容易替换。餐品价位信息指餐品的售价，用以反映该餐品对应的消费群体。适宜人群信息用于反映该餐品所适宜的人群，包括小孩、老人等。餐品口味信息包括：麻辣、清淡、微甜等各种口味，通常口味相近的餐品更容易替换。

点餐用户信息维度：

已点餐品的点餐用户信息泛指该已点餐品对应的历史点餐用户的特征信息。具体地，根据已点餐品的历史点餐记录，确定与已点餐品相对应的各个点餐用户的用户特征信息；根据各个点餐用户的用户特征信息确定已点餐品的点餐用户信息。通常情况下，若两个餐品对应的历史点餐用户存在较大的重合，则说明该两个餐品之间具有一定的共性，能够相互替换。具体实施时，首先，获取各个餐品对应的各个点餐用户。其中，将曾经点过该餐品的用户确定为该餐品对应的点餐用户。然后，获取各个点餐用户的用户特征信息。其中，用户特征信息可以包括多种：可以为用户类型信息、用户账号信息，或者，还可以为用户权重信息。具体地，进一步记录各个点餐用户针对该餐品点餐的次数，并根据点餐次数的高低为各个点餐用户设置不同的权重，以便于更加准确地反映各个用户的特征。最后，根据各个点餐用户的用户特征信息确定已点餐品的点餐用户信息。具体可通过向量形式表示点餐用户信息。例如，针对餐品一，获取该餐品一对应的全部点餐用户，将餐品一对应的全部点餐用户加入餐品一对应的第一向量中；针对餐品二，获取该餐品二对应的全部点餐用户，将餐品二对应的全部点餐用户加入餐品二对应的第二向量中。相应地，根据第一向量与第二向量的重合度即可确定餐品一与餐品二能否替换。

点餐组合信息维度：

已点餐品的点餐组合信息用于反映该餐品与其他餐品之间的组合关系。具体地，根据已点餐品的历史点餐记录，确定与已点餐品相对应的组合餐品；根据组合餐品确定已点餐品的点餐组合信息。具体分析时，以一次点餐过程对应的一条历史点餐记录为单位进行分析：首先，将一条历史点餐记录中的各个已点餐品进行两两组合，以得到多个候选组合；然后，针对每个候选组合，确定该候选组合在其他历史点餐记录中同时出现的次数，若该次数大于预设值，则根据该候选组合生成一个点餐组合信息。通常情况下，具有相同的组合关系的餐品之间更容易替换，比如，餐品一和餐品三都与餐品四存在组合关系，则说明餐品一和餐品三能够替换的概率较大。

步骤s220：根据已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，生成已点餐品的餐品特征向量；将已点餐品的餐品特征向量输入预设的餐品替换模型。

具体地，在生成已点餐品的餐品特征向量时，可以预先生成与已点餐品的餐品属性信息相对应的属性向量，与已点餐品的点餐用户信息相对应的用户向量(例如上文提到的第一向量和第二向量)、以及与已点餐品的点餐组合信息相对应的组合向量。然后，将属性向量、用户向量、以及组合向量进行叠加得到已点餐品的餐品特征向量。具体实施时，还可以分别设置用于学习与已点餐品的餐品属性信息相对应的属性向量的属性训练模型，用于学习与已点餐品的点餐用户信息相对应的用户向量的用户训练模型，用于学习与已点餐品的点餐组合信息相对应的组合向量的组合训练模型，通过上述三个模型学习各个已点餐品的上述三个维度的信息能够提升结果的准确性。

预设的餐品替换模型可通过以下方式生成：根据样本餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，生成样本餐品的样本特征向量；针对样本餐品的样本特征向量进行训练，以得到预设的餐品替换模型。其中，样本餐品是预先收集用以训练模型的餐品，样本餐品的餐品属性信息、点餐用户信息、以及点餐组合信息的具体内涵和确定方式分别与点餐餐品的餐品属性信息、点餐用户信息、以及点餐组合信息相似，此处不再赘述。

另外，在训练过程中，可以进一步获取样本餐品的正负标记结果，并根据正负标记结果进行训练，以提升训练效果。具体地，可预先分析店铺内的各个餐品的组合关系，然后，针对每一组组合关系，判断该组合中的两个餐品之间的相似度是否符合预设的餐品替换规则，若是，则将该组合中的两个餐品标记为正样本，若否，则将该组合中的两个餐品标记为负样本。另外，还可以在餐品推送的过程中动态收集用户反馈信息，根据用户反馈信息更新正负样本。例如，在餐品推送过程中，每当向用户推送一个替换餐品时，判断用户是否选择该替换餐品进行替换，若是，则将该替换餐品与其对应的已点餐品作为一组新收集的正样本；若否，则将该替换餐品与其对应的已点餐品作为一组新收集的负样本。每隔预定时间之后，根据收集的正负样本对餐品替换模型进行修正和更新，以使其更符合线上的用户需求。

步骤s230：根据餐品替换模型的输出结果查询与已点餐品相对应的替换餐品。

其中，可以直接将餐品替换模型的输出结果确定为与已点餐品相对应的替换餐品。可选地，还可以根据当前用餐人数确定对应的餐品替换规则，根据餐品替换规则查询与已点餐品相对应的替换餐品。发明人在实现本发明的过程中发现：餐品之间能否替换与用餐人数的多寡存在相关性。具体地，餐品替换主要是基于相似餐品进行替换，因此，只有当两个餐品之间的相似度较高时才能替换，但是，该相似度的评估标准随用餐人数不同而不同。当用餐人数较少时，如二人就餐时，通常所点餐品数量较少，可能只点一个荤菜以及两个素菜，此时，将其中的荤菜从牛肉替换为食材完全不同的羊肉是完全可行的，不会发生冲突现象。然而，当用餐人数较多时，如十人一桌时，通常所点餐品数量较多，荤菜的数量和种类也非常多，此时，若将其中的一个荤菜从牛肉替换为食材完全不同的羊肉则可能会发生冲突(因为可能已经点了另一羊肉)。基于上述考量，在本实施例中，该餐品替换规则包括：根据餐品之间的相似度得分进行替换的规则；并且，若当前用餐人数小于预设人数阈值，则对应的餐品替换规则为：当餐品之间的相似度得分大于第一阈值时能够进行替换；若当前用餐人数不小于预设人数阈值，则对应的餐品替换规则为：当餐品之间的相似度得分大于第二阈值时能够进行替换；其中，第一阈值小于第二阈值。实际情况中，预设人数阈值可以为多个，相应地，第一阈值和第二阈值的数量也可以为多个，从而根据用餐人数的不同区间进行细分。

另外，在查询与已点餐品相对应的替换餐品时，还可以进一步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替换餐品；其中，该预设的凑单规则包括：满减类规则、折扣类规则。该方式能够使用户通过选择替换餐品而满足凑单规则进而享受优惠。

步骤s240：将查询到的替换餐品推送给用户终端，以供用户终端根据替换餐品替换点餐集合中的已点餐品。

具体地，为了便于用户选择，在本步骤中，生成与替换餐品相对应的凑单提示消息，将替换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替换餐品：替换餐品一的价格比已点餐品高出40元，对应的凑单提示消息为“替换本餐品后您可享受满200减40的优惠哦”；替换餐品二的价格比已点餐品高出140元，对应的凑单提示消息为“替换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，本实施例中的餐品特征向量以及样本特征向量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餐品种类。相应地，在本步骤中，将替换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替换餐品进行推送。具体地，由于样本特征向量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替换餐品，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替换餐品。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，本领域技术人员还可以对上述实施例进行各种改动和变形：在确定样本特征向量时，可在样本特征向量中进一步包含餐品的点餐时序信息(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)，以便更加全面的描述餐品特征。比如，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向量。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。相应地，在根据样本特征向量得到预设的餐品替换模型时，可通过机器学习模型对样本特征向量进行训练，以确定各个已点餐品之间的时序关联关系，并据此得到餐品替换模型。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(longshort-termmemory)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，以便根据样本特征向量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模型对样本特征向量进行训练，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，能够反映点餐组合信息：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。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。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点餐组合信息。另外，还要结合用户人数、类型来最终确定偏好程度以及点餐组合信息的准确度，只有当同一点餐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点餐组合信息是否合适。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，需要根据样本特征向量，分析历史点餐记录中包含的各个已点餐品的偏好得分和/或点餐组合信息；根据历史点餐记录中包含的各个已点餐品的偏好得分和/或点餐组合信息，生成预设的餐品替换模型。相应地，获取到的点餐集合中的各个已点餐品的餐品特征向量中也应进一步包含该已点餐品的点餐时序信息，以便于根据点餐时序信息预测餐品的偏好得分和/或点餐组合信息，并据此提升推送成功率。

另外，上述的步骤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的替换餐品。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替换餐品。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。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，执行步骤s210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替换餐品。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，以便据此更加准确地推测用户喜好。

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的换菜方案。例如，根据用餐人数信息确定与该人数相匹配的餐品分量为a，当已点餐品的分量为b时，计算a与b的差值，并推荐餐品分量与该差值相匹配的替换餐品，以满足用户的就餐需求。

综上可知，根据本发明提供的餐品推送方法及装置，能够根据已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息来挖掘与其相似的餐品并推荐用户进行替换。并且，能够根据用餐人数确定对应的餐品替换规则，以便根据人数多寡灵活制定替换规则。并且，该方式还可以结合各个餐品的成本和定价来选择有利于提升营业额的餐品进行推送。

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，在根据餐品替换模型的输出结果查询与已点餐品相对应的替换餐品时，针对餐品替换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替换餐品。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，适于针对点餐集合中包含的各个已点餐品，获取所述已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息；

查询模块32，适于根据所述已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，查询与所述已点餐品相对应的替换餐品；

推送模块33，适于将查询到的替换餐品推送给用户终端，以供所述用户终端根据所述替换餐品替换所述点餐集合中的已点餐品。

可选地，所述获取模块31具体适于：

根据所述已点餐品的历史点餐记录，确定与所述已点餐品相对应的各个点餐用户的用户特征信息；根据各个点餐用户的用户特征信息确定所述已点餐品的点餐用户信息；以及

根据所述已点餐品的历史点餐记录，确定与所述已点餐品相对应的组合餐品；根据所述组合餐品确定所述已点餐品的点餐组合信息；以及，

所述已点餐品的餐品属性信息包括以下中的至少一个：餐品食材信息、餐品工序信息、餐品用量信息、餐品价位信息、适宜人群信息、以及餐品口味信息。

可选地，所述查询模块32具体适于：

根据所述已点餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，生成所述已点餐品的餐品特征向量；

将所述已点餐品的餐品特征向量输入预设的餐品替换模型，根据所述餐品替换模型的输出结果查询与所述已点餐品相对应的替换餐品。

可选地，所述装置进一步包括：

训练模块34，适于根据样本餐品的餐品属性信息、点餐用户信息、以及点餐组合信息，生成所述样本餐品的样本特征向量；针对所述样本餐品的样本特征向量进行训练，以得到所述预设的餐品替换模型。

可选地，所述训练模块34具体适于：获取所述样本餐品的正负标记结果，根据所述正负标记结果进行训练。

可选地，所述查询模块32具体适于：

根据当前用餐人数确定对应的餐品替换规则，根据所述餐品替换规则查询与所述已点餐品相对应的替换餐品。

可选地，所述餐品替换规则包括：根据餐品之间的相似度得分进行替换的规则；

并且，若当前用餐人数小于预设人数阈值，则对应的餐品替换规则为：当餐品之间的相似度得分大于第一阈值时能够进行替换；

若当前用餐人数不小于预设人数阈值，则对应的餐品替换规则为：当餐品之间的相似度得分大于第二阈值时能够进行替换；

其中，第一阈值小于第二阈值。

可选地，所述查询模块32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替换餐品；

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33具体适于：

生成与所述替换餐品相对应的凑单提示消息，将所述替换餐品及其对应的凑单提示消息推送给用户终端。

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(communicationsinterface)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(applicationspecificintegratedcircuit)，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-volatilememory)，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。