一种餐饮服务动态菜品智能推荐方法技术

本发明专利技术公开了一种餐饮服务动态菜品智能推荐方法。根据该方法，首先从餐饮企业采集顾客点餐数据、各类菜品单价成本数据、店家主推菜品数据等用于计算菜品推荐综合评分相关的数据；之后对采集的数据进行清洗、数据变换等预处理得到各菜品热销度评分，以及店家对各菜品的主推修正系数、毛利率修正系数和与已点菜品的关联度修正系数；最后通过公式计算得到各菜品的综合评分，基于综合评分可对各菜品进行推荐排序，排序结果最终以移动服务的方式推送给餐饮点餐顾客，实现菜品动态推荐服务。

【技术实现步骤摘要】
【专利说明】
本专利技术涉及餐饮企业运营服务领域，是在顾客点菜时，服务员可以基于本专利方 法推荐的结果进行点餐引导，最终达到降低餐饮企业运营成本和提高工作效率的目的。
技术介绍
智能推荐是基于用户喜爱商品的行为，相关网站通过算法在全网的商品库里匹配 然后进行推荐。智能推荐通常是将当前热门的、用户以往收藏或者购买的风格、和用户类似 喜好的风格的物品推荐给用户。如果推荐的商品足够精准，那么对于用户来说会非常有意 义。 菜品智能推荐的任务是联系顾客和菜品信息，一方面帮助顾客发现自己感兴趣的 菜品，而另一方面让餐饮企业期望推荐的菜品能够展现在对它有兴趣的顾客面前，从而实 现餐饮消费者和餐饮企业的双赢。菜品智能推荐是帮助顾客发现合适的菜品，克服信息过 载的方法。它通过分析顾客的行为，对顾客兴趣建模，从而预测顾客的兴趣和喜好，并给顾 客做相关联的菜品推荐。 近年来餐饮行业发展将面临较为复杂的市场环境，与其他行业一样餐饮企业都遇 到了原材料成本升高、人力成本升高、房租成本升高等问题，这也使得整个行业的利润率急 剧下降。人力成本和房租成本的上升是必然趋势和刚性需求，如何在保持产品质量同时提 高企业效率，成为了整个餐饮行业需要面对的问题。餐饮行业已经积累了大量的历史数据， 如何有效地利用这些数据，通过这些数据，企业高层能做出怎样的精准决策，从而达到更加 精细化的管理，已成为众多餐饮企业日益迫切需要解决的问题。 作为餐饮企业，希望有一种高效，精准，实时的菜品推荐和营销模式，该模式的应 用能够帮助餐饮企业从历史数据中洞察商机，提取价值，适时地把恰当的菜品推荐给适合 的目标顾客，一方面提高菜品的销量，另外一方面，减少顾客在查找菜品时的时间和频率， 降低运营成本，提高顾客体验，给餐饮企业带来尽可能高的商业价值。
技术实现思路
本专利技术涉及到的关键技术包括：ETL数据转移、清洗、关联规则算法、新综合评分 算法等。 所述的，具体步骤如下： 步骤1菜品数据采集。从餐饮企业采集用于计算菜品综合评分相关的数据，如顾客点 餐数据、各类菜品单价成本数据、店家主推菜品数据等。 步骤2菜品数据预处理。这里的数据预处理主要是对采集的数据进行清洗、数据 变换，将原始数据转换成"适当的"格式，以适应后续计算菜品推荐综合评分的需要。通过 数据预处理后将得到菜品热销度评分、店家主推度修正系数、菜品毛利率修正系数、菜品关 联度修正系数。 步骤3菜品推荐综合评分。从菜品热销度、店家主推度、菜品毛利率、菜品关联 度等维度来计算某项菜品的推荐分值，菜品推荐分值大小一方面反映了顾客对菜品的喜好 度，另一方面反映了餐饮企业对菜品主动推送的期望度。 步骤4动态智能推荐。基于综合评分可对各菜品进行推荐排序，排序结果最终以 移动服务的方式推送给餐饮点餐顾客，实现菜品动态推荐服务。 本专利技术专利提出的基于数据挖掘和新综合评分算法的一种餐饮服务动态菜品智 能推荐方法，经验证(见后文算法算例)，效果明显优于传统综合评分公式算法。该方法基于 用关联规则算法，找出关联性最强的集合，和基于重要指标优势排序算法，提升重要指标的 排序优势。因而本专利技术的算法能有效地进行餐饮服务动态菜品的智能推荐，为客户及时推 荐满意的菜品，为店家带来一定的盈利。【附图说明】： 图1动态菜品智能推荐方法流程图 图2左上、右上、左下是分别是读入TID=1、2、3之后构建的FP-tree 图3读入TID=IO之后构建的FP树 图4使用FP-tree增长算法发现以e结尾的频繁项集的图解【具体实施方式】： 下面结合附图和实例对本专利技术的技术方案进行详细的说明。 图1给出了动态菜品智能推荐方法整个流程，具体步骤如下： 步骤1菜品数据采集。从餐饮企业采集用于计算菜品综合评分相关的数据，如顾客点 餐数据、各类菜品单价成本数据、店家主推菜品数据等。 步骤2菜品数据预处理。这里的数据预处理主要是对采集的数据进行清洗、数据 变换，将原始数据转换成"适当的"格式，以适应后续计算菜品推荐综合评分的需要。通过 数据预处理后将得到菜品热销度评分、店家主推度修正系数、菜品毛利率修正系数、菜品关 联度修正系数。 步骤3菜品推荐综合评分。从菜品热销度、店家主推度、菜品毛利率、菜品关联 度等维度来计算某项菜品的推荐分值，菜品推荐分值大小一方面反映了顾客对菜品的喜好 度，另一方面反映了餐饮企业对菜品主动推送的期望度。 步骤4动态智能推荐。基于综合评分可对各菜品进行推荐排序，排序结果最终以 移动服务的方式推送给餐饮点餐顾客，实现菜品动态推荐服务。 所述步骤2所涉及到的菜品数据预处理具体描述为： 这里的数据预处理主要是对采集的数据进行清洗、数据变换，通过数据预处理后将得 到菜品热销度评分、店家主推度修正系数、菜品毛利率修正系数、菜品关联度修正系数。 (1)菜品热销度评分是根据餐饮企业最近30天的菜品销售记录，汇总后的排名经 归规范化后的计算得分，最高为1分，最低为0分。 式中：q 1???:?为某项菜品的热销度评分，值范围：〇~ I; q为某项菜品的销售份数，值范围：>〇 ; q为该餐饮企业最近30天内有销售记录的菜品中的最大销售份数，值范围：>0 ; q为该餐饮企业最近30天内有销售记录的菜品中的最小销售份数，值范围：>0。 (2)店家主推度修正系数是针对新推出的菜品做出排序得分，最高为1，最低为 0.1。系数越高表示店家越期望推荐给顾客。该系数由管理员在前台界面维护设置，示例如 下： 表1菜品与其主推系数对于未设置主推系数的菜品，主推系数默认为〇. 1。 (3)菜品毛利率修正系数是根据菜品的单价和成本计算得到毛利率再经归一化后 得到的结果。 式中：满为某项菜品的毛利率修正系数，值范围：〇. 1~1，当值为负时设为0. 1 ; q_:_t为某项菜品的单价，值范围：>〇 ; 为某项菜品的估计成本，值范围：>〇。 (4)菜品关联度修正系数是基于历史点餐数据，采用FP关联规则算法得到菜品的 关联度推荐评分值再经归一化后的结果，它反映各菜品与顾客已点菜品的关联程度。 关联规则是形如醫的蕴含表达式，其中爹和f是不相交的项集，即果逢。 关联规则的强度可以用它的支持度Ui/Awri)和置信度（ciw/ii/mce)来度量。支持度确定 规则可以用于给定数据集的频繁程度，而置信度确定f在包含_的事务中出现的频繁程度。 支持度和置信度（c)这两种度量的形式定义如下：支持度很低的规则可能只是偶然出现，低文狩度的观则大多也是无意义的，故本专利技术 方法通过用支持度来删去那些无意义的规则。 置信度度量通过规则进行推理具有可靠性。对于给定的规则A' - F，置信度越高， f在包含戈的事务中出现的可能性就越大。 而在特定的支持度和置信度阀值下，即使数量很少的原数据集也会产生难以计算 的关联规则，故本专利技术采用FP增长算法，根据最小支持度阀值找出频繁项集，再由频繁项 集产生强关联规则。 S2· 1 构建 FP-tree 如下表显示的一个菜品数据集，它包含10个菜品组和和五种菜品。 表2菜品数据集S2. I. 1扫描一次历史点餐数据集，确定每个项的支持度计数。去弃非频緊项，而将频緊 项按照支持度的递减排序。 S2. 1. 2算法第二次扫描数据本文档来自技高网...

【技术保护点】
一种餐饮服务动态菜品智能推荐方法，主要有四个步骤，即先收集菜品数据，再将收集到的菜品数据进行预处理，接着根据菜品数据的特点创建合适的推荐综合公式，最后根据综合分数排序将高分菜品推荐给顾客。

【技术特征摘要】

【专利技术属性】
技术研发人员：张良均，刘名军，云伟标，樊哲，
申请(专利权)人：张良均，
类型：发明
国别省市：广东;44