一种餐厅预估快速上菜的方法、装置及存储介质与流程

本发明涉及烹饪自动化技术领域，尤其涉及一种餐厅预估快速上菜的方法、装置及存储介质。

背景技术：

随着信息技术的不断发展，中国的餐厅开始由传统人工向信息化转型，网上预约订餐由于其特有的便捷性逐渐进入人们的生活，通过将发送预约订单的客户端与接收预约订单的服务器建立连接，餐厅便可从服务器获取客户的订单信息。然而，现有的网上订餐方式仅仅只能满足用户查看菜单和价钱等餐厅的基本情况，使得身在餐厅之外的用户无法了解餐厅的实时信息，导致用户到店就餐体验不理想。

在餐饮业的服务中，如何为众口难调的顾客推荐令其满意的菜品，一直是餐饮业追求的目标。由于每家餐馆的风味特色不同，就餐者的偏好、就餐人数、就餐标准等等也各有不同，因此很难找到一种普遍适用的方法来满足每家餐馆和每位顾客的就餐需求。

在现有技术中的菜品推荐系统或方法，往往只是商家根据其经验总结出的一套人为制定的规律，这种规律由于掺杂了过多的人为主观评价标准，因此通常只适合于特定时期、特定口味类型的餐馆或特定的就餐人群。对于某些新开业的餐馆来说，这些经验往往并不适用。另外，由于现有的餐馆在吸引顾客时并无法获知顾客的个性化需求，因此同样的推荐菜品可能是十分盲目的，而且由于菜量、价格、口味等等因素而并不适合所有就餐的人群，不仅耗费了餐馆的精力，而且无法给就餐顾客提供很好的就餐体验。

随着互联网技术和云计算技术的发展，越来越多传统的靠人力总结的经验可以被数据挖掘技术所代替。数据挖掘(datamining)是数据库知识发现中的一种方法，一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。数据挖掘还可以作为一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。因此，需要一种能利用数据挖掘技术的菜品推荐系统和方法，能有效地解决现有技术中菜品推荐盲目性的问题，从而提高就餐者的用餐体验。

技术实现要素：

本发明旨在至少解决现有技术中存在的技术问题。为此，本发明公开了一种餐厅预估快速上菜的方法，获取多个场景的历史服务数据，并对所述服务数据预处理，以分别建立所有场景的场景参数库；所述场景包括：顾客进入餐厅场景、顾客点餐场景、后厨准备场景；构建不同场景的参数库，并基于该不同场景的参数库分别按照顾客最终上菜菜单相似度进行区间聚类，将不同场景分配至不同的区间类；将历史服务数据划分为多个就餐时间段，从所述顾客最终上菜菜单的记录中获取区间类在历史期间内的不同就餐时间段中的菜单情况，并在不同的就餐时间段内进行时间区间的聚类，以使所述多个基础时间段聚类至不同的订单预测基准时间段；提取上菜菜单预测就餐时间段内的上菜菜单数据，输入bp神经网络进行非线性拟合，以获得区间类中的上菜菜单预测就餐时间段的预测模型，完成对所述bp神经网络的训练；对不同场景的预测结果设置不同权重，并对上菜菜单的菜品预测加权得到最终菜单预测结果；以此通过点菜环节的协调控制缩短上菜速度。

更进一步地，所述顾客进入餐厅场景，通过图像捕捉技术获得就餐人数、顾客性别、年龄、体型，并基于上述参数通过bp神经网络得到初步预测菜单。

更进一步地，如所述后厨准备场景进一步包括：食材的储量、菜品制作时长。

更进一步地，所述的顾客点餐场景包括，客人下单的菜品、服务人员推荐菜品。

更进一步地，所述场景参数包括就餐人数、顾客性别、年龄、体型、就餐时间，及就餐顾客的的个人口味要求；所述服务数据包括：服务人员数量、单次服务时长、菜品种类、上菜等待时长、服务人员你推荐菜单及最终上菜菜单。

更进一步地，使用余弦相似度来定义所有就餐顾客之间是否具有相似的背景属性：

其中，s′(u,v)∈(-1,1)，au,av表示顾客u与顾客v具有的属性，由于顾客具有多个属性，需要计算所有属性的相似度，假如顾客有m个属性，则可以表示为：

其中，au,i,av,i表示顾客u与顾客v的第i个属性，因为余弦相似度s′(u,v)∈(-1,1)，需进行归一化，则，

以此，对相似性高的顾客进行相似菜品推介。

更进一步地，通过实时通信装置将所述顾客进入餐厅场景得到的预测菜单优先告知服务人员，在顾客点餐的同时基于其他场景的预测结果动态修正推介菜单。

更进一步地，对具有特殊个人口味要求的顾客进行面部特征记录。

本发明进一步公开了一种电子装置，其特征在于，包括：

处理器；以及，

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述的餐厅预估快速上菜的方法。

本发明进一步公开了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的餐厅预估快速上菜的方法。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1是本发明的一种餐厅预估快速上菜的方法的流程图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，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做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。

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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。需要说明的是，结合附图所阐述的详细描述旨在作为对各种配置的描述，而不旨在表示其中可以实践本文所描述的概念的唯一配置。本文中所记载的装置实施例和方法实施例将在下面的详细描述中进行描述，并在附图中通过各种框、模块、单元、组件、电路、步骤、过程、算法等等(统称为“要素”)来予以示出。这些要素可以使用电子硬件、计算机软件或者其任意组合来实现。至于这些要素是实现为硬件还是软件，取决于特定应用和施加在整体系统上的设计约束。本发明的说明书和权利要求书以及说明书附图中的术语如果使用“第一”、“第二”等描述，该种描述是用于区别不同对象，而不是用于描述特定顺序。

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。还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

如图1所示的一种餐厅预估快速上菜的方法，获取多个场景的历史服务数据，并对所述服务数据预处理，以分别建立所有场景的场景参数库；所述场景包括：顾客进入餐厅场景、顾客点餐场景、后厨准备场景；构建不同场景的参数库，并基于该不同场景的参数库分别按照顾客最终上菜菜单相似度进行区间聚类，将不同场景分配至不同的区间类；将历史服务数据划分为多个就餐时间段，从所述顾客最终上菜菜单的记录中获取区间类在历史期间内的不同就餐时间段中的菜单情况，并在不同的就餐时间段内进行时间区间的聚类，以使所述多个基础时间段聚类至不同的订单预测基准时间段；提取上菜菜单预测就餐时间段内的上菜菜单数据，输入bp神经网络进行非线性拟合，以获得区间类中的上菜菜单预测就餐时间段的预测模型，完成对所述bp神经网络的训练；对不同场景的预测结果设置不同权重，并对上菜菜单的菜品预测加权得到最终菜单预测结果；以此通过点菜环节的协调控制缩短上菜速度。

更进一步地，所述顾客进入餐厅场景，通过图像捕捉技术获得就餐人数、顾客性别、年龄、体型，并基于上述参数通过bp神经网络得到初步预测菜单。

更进一步地，如所述后厨准备场景进一步包括：食材的储量、菜品制作时长。

更进一步地，所述的顾客点餐场景包括，客人下单的菜品、服务人员推荐菜品。

更进一步地，所述场景参数包括就餐人数、顾客性别、年龄、体型、就餐时间，及就餐顾客的的个人口味要求；所述服务数据包括：服务人员数量、单次服务时长、菜品种类、上菜等待时长、服务人员你推荐菜单及最终上菜菜单。

更进一步地，使用余弦相似度来定义所有就餐顾客之间是否具有相似的背景属性：

其中，s′(u,v)∈(-1,1)，au,av表示顾客u与顾客v具有的属性，由于顾客具有多个属性，需要计算所有属性的相似度，假如顾客有m个属性，则可以表示为：

其中，au,i,av,i表示顾客u与顾客v的第i个属性，因为余弦相似度s′(u,v)∈(-1,1)，需进行归一化，则，

以此，对相似性高的顾客进行相似菜品推介。

更进一步地，通过实时通信装置将所述顾客进入餐厅场景得到的预测菜单优先告知服务人员，在顾客点餐的同时基于其他场景的预测结果动态修正推介菜单。

更进一步地，对具有特殊个人口味要求的顾客进行面部特征记录。

本发明进一步公开了一种电子装置，其特征在于，包括：

处理器；以及，

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述的餐厅预估快速上菜的方法。

本发明进一步公开了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的餐厅预估快速上菜的方法。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。因此，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。