一种基于点餐习惯的菜品个性化调味方法及装置与流程

本发明涉及餐饮服务领域，特别是涉及一种基于点餐习惯的菜品个性化调味方法及装置。

背景技术：

1、有句传统古话叫做民以食为天，可见食物对于人们平常生活的重要性，而在食物的制作过程中，调味料是不可缺少的一环，每个人也对各种调味料有自己不同的喜好。而现如今，智能厨房已经逐渐走入大众的视野，但是在智能厨房中，很少有顾及到调味料推荐的选项，而大部分顾客对调味料的量把握并不准确，顾客在选择的时候，可能会比较难以抉择，并且顾客自己选择的时候，可能会对结果不满意，导致用户体验较差。

2、公开日为2019年4月3日，公开号为cn109829111a的中国专利文献公开了一种用户口味标签的制作及菜谱推荐的方法和装置，该方法包括：获取用户所处的地理位置，获取用户在所述地理位置上的口味偏好，将所述地理位置与所述口味偏好相绑定，存储为用户口味标签。

3、上述用户口味标签的制作及菜谱推荐的方法和装置的缺点是：方法仅仅将目标用户的地理位置作为口味标签，方法过于简单，对用户口味的把握并不准确，推荐口味很可能让目标用户不满意，装置过于简单，信息处理的效率低，推荐效率低。

4、应该注意，上面对技术背景的介绍只是为了方便对本技术的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本技术的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

技术实现思路

1、本发明的第一个目的是为解决现有一种基于点餐习惯的菜品个性化调味方法的推荐不准确的问题，提供一种基于点餐习惯的菜品个性化调味方法，具有推荐口味准确的优点。

2、本发明的第二个目的是为解决现有一种基于点餐习惯的菜品个性化调味装置的信息处理效率低的问题，提供一种基于点餐习惯的菜品个性化调味装置，具有结构合理，信息处理效率高的优点。

3、本发明为解决上述技术问题所采用的技术方案是，第一方面：利用目标用户的基础资料信息计算与其他用户的相似度；利用目标用户在点餐平台上选择调味料的数值对目标用户建立口味模型；根据相似度与目标用户的口味模型向目标用户推荐调味料。主要步骤为：利用各个用户的用户属性，生成各个用户的用户属性向量；利用各个用户的用户属性向量，计算其他用户与目标用户在该用户属性上的相似度；利用各个用户中的其他用户与目标用户在该属性上的相似度，计算各个用户中的其他用户与目标用户的相似度。

4、使用上述第一方面的技术方案，当目标用户点菜时，首先会获取用户的各种信息，包括：基础资料信息、在点餐平台上选择调味料的数值、对已购餐品的评价，然后，会通过基础资料信息来计算目标用户与其他用户的相似度，然后根据目标用户在点餐平台上选择调味料的数值对目标用户建立口味模型，最后推荐调味料时，根据相似度和口味模型来推荐。这样，推荐结果更加准确，效率更高。

5、在第一方面中，利用目标用户的基础资料信息计算与其他用户的相似度之前还包括：获取各个用户的基础资料信息，确定各个用户属性；获取各个用户在点餐平台上选择调味料的数值；获取各个用户对已购餐品的评价。作为优选，所述基础资料信息包括：居住地、年龄、性别、菜品评分、调味料选择数值、国籍、下单时间、天气、体重等。这样，获取了用户的各种信息资料，使得相似度计算更加准确。

6、在第一方面中，利用目标用户的基础资料信息计算与其他用户的相似度包括：利用各个用户的用户属性，生成各个用户的用户属性向量；利用各个用户的用户属性向量，计算其他用户与目标用户在该用户属性上的相似度；利用各个用户中的其他用户与目标用户在该属性上的相似度，计算各个用户中的其他用户与目标用户的相似度。作为优选，相似度计算的方法包括但不限于杰卡德相关系数、皮尔逊相关系数，欧几里得距离、余弦相似度，这样，相似度的计算过程合理，相似度计算准确，精度高，有利于精准推荐合适的调味料的量。

7、在第一方面中，作为优选，采用如下方法计算其他用户与目标用户在用户属性上的相似度：

8、sim(a，b)＝cos(a，b)

9、其中，a表示目标用户的用户属性向量，b表示各个用户中的某个其他用户的用户属性向量，sim(a，b)表示某个其他用户与目标用户在某个用户属性向量上的相似度，cos(a，b)表示向量a、b的夹角余弦值。夹角余弦值计算相似度是相似度的经典算法，对于两个向量的相似度来说，精确率高，则对目标用户和其他用户的相似度计算更加准确，所以对目标用户的推荐也更加准确。

10、在第一方面中，作为优选，用户属性包括以下至少一种：居住地、年龄、性别、菜品评分、调味料选择数值、国籍、下单时间、天气、体重。这样，可选择的用户属性比较多，能从多方面对用户计算相似度，得出的结果更加精确，对目标用户的调味料的量推荐更加准确。

11、在第一方面中，利用目标用户在点餐平台上选择调味料的数值对目标用户建立口味模型包括：记录目标用户在点餐平台上选择调味料的数量；利用目标用户在点餐平台上选择调味料的数量，对目标用户建立口味模型其中，并且调味料的数量被调味料权重调控。这样，在老用户再次购买时，可以根据用户上次选择的调味料推荐，相同的调味料可以按照相同推荐，首次选择的调味料可以根据用户的口味模型推荐，对调味料的量推荐更加准确。

12、在第一方面中，作为优选，口味模型包括：利用目标用户选择调味料的值对目标用户进行口味分类，所述分类包括：清淡、适中、重口。这样，可以按照不同的标签将用户进行分类，在进行推荐时更加方便，并且推荐更加准确。

13、在第一方面中，根据相似度与用户模型向目标用户推荐调味料包括：查询目标用户的基础资料信息；计算目标用户与其他用户的相似度；利用目标用户在点餐平台上选择调味料的数量建立口味模型；向目标用户推荐上次选择调味料数值，未选择过的根据口味模型，口味模型为重口的推荐多量，口味模型为适中的推荐适中，口味模型为清淡的推荐少量，若目标用户为新用户，则按照相似度最接近1的某个其他用户的调味料数值推荐。作为优选，调味料的数量包括：忌口、少量、适中、多量。一般用户对于调味料的具体克数并不能准确选择，所以提供这样的选项有助于顾客更好的选择，同时对上述口味分类来说更加便利。这样，整个推荐过程简单高效，根据口味模型对用户进行推荐，而新用户则可以根据与其他用户的相似度进行推荐，推荐范围全面而且推荐准确率高。

14、在第一方面中，个性化调味方法还包括：将各个用户属性的调味料权重初始化为默认值；若检测目标用户评价中描述某调味料多，则降低目标用户该调味料的权重；若检测目标用户评价中描述某调味料少，则提高目标用户该调味料的权重。这样，可以根据不同用户对调味料的接收程度更新权重，不同用户对上述调味料数量的定义是不同的，所以通过对用户评价中的关键词检索，检索到相关关键词时，通过对权重的更新，从而更好的对用户进行调味料推荐。

15、第二方面：一种基于点餐习惯的菜品个性化调味装置，包括：相似度计算模块，被配置为利用目标用户的基础资料信息计算与其他用户的相似度；口味模型建立模块，被配置为利用目标用户在点餐平台上选择调味料的数值对目标用户建立口味模型；其中，个性化调味装置各模块之间设置有通信模块，用于各模块间的信息交流。

16、第二方面还包括：信息获取模块，被配置为获取各个用户的基础资料信息、在点餐平台上选择调味料的数值、对已购餐品的评价；调味料推荐模块，被配置为根据相似度与用户模型向目标用户推荐调味料；权重调整模块，被配置为根据目标用户评价调整调味料权重。

17、使用上述第二方面的技术方案，当目标用户选择食物时，信息获取模块会首先对目标用户的基础资料信息、在点餐平台上选择调味料的数值、对已购餐品的评价进行信息获取，然后相似度计算模块根据信息获取模块获取的基础信息资料计算目标用户与其他用户的相似度，口味模型建立模块根据信息获取模块获取的目标用户在点餐平台上选择调味料的数值对目标用户建立口味模型，最后调味料推荐模块根据相似度与口味模型向目标用户推荐调味料，顾客是回头客时，调味料推荐模块还会根据目标用户对已购餐品的评价，更新目标用户对调味料的权重，各个模块间的信息流通是通过信息模块。

18、在第二方面中，基于点餐习惯的菜品个性化调味装置还包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述基于点餐习惯的菜品个性化调味方法的步骤。

19、本发明一种配菜盒智能仓储系统及方法，根据相似度与目标用户的口味模型向目标用户推荐调味料。有益效果是，1.个性化调味方法中使用相似度和口味模型推荐，推荐调味料的量准确；2.个性化调味装置结构合理，信息处理效率高。

20、参照后文的说明和附图，详细公开了本技术的特定实施方式，指明了本技术的原理可以被采用的方式。应该理解，本技术的实施方式在范围上并不因而受到限制。在所附权利要求的条款的范围内，本技术的实施方式包括许多改变、修改和等同。

21、针对一种实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其它特征、整件、步骤或组件的存在或附加。