一种基于智能营销场景的餐饮数据建模方法及系统

专利主权项内容

1.一种基于智能营销场景的餐饮数据建模方法，其特征在于，所述方法包括：1)采集近三年内的餐饮数据信息；所述餐饮数据信息包括：第一类数据信息、第二类数据信息和第三类数据信息；所述第一类数据信息为商家菜品卖出数据信息，包括：菜品总量信息和各菜品种类对应数量；所述第二类数据信息为客户用餐数据信息，包括：老客户就餐人次和新客户就餐人次；所述第三类数据信息为一段时间内与第一类数据信息和第二类数据信息对应的利润信息；2)以每一天为单位，分别对第一类数据信息和第二类数据信息进行归一化处理，获取第一类数据信息和第二类数据信息的特征信息数据；将归一化处理后的第一类数据信息和第二类数据信息的特征信息数据与第三类数据信息相结合，构成餐饮数据信息样本集{(X，Y)}其中，X表示由第一类数据信息和第二类数据信息的特征信息数据组成的向量，Y表示与向量X对应的利润信息；iiiii3)将得到的餐饮数据信息样本集{(X，Y)}输入LSTM神经网络进行训练，得到训练好的神经网络模型，其中，X作为LSTM神经网络的输入序列，Y对LSTM神经网络对应的目标序列；所述将得到的餐饮数据信息样本集{(X，Y)}输入LSTM神经网络进行训练的训练过程为：a)将样本集{(X，Y)}输入LSTM神经网络，获取模型的输出；b)将模型的输出和目标序列进行比较，计算损失函数值；c)使用反向传播法计算梯度，并利用优化器更新模型参数，以减少损失函数的值；d)重复以上步骤，直到达到训练的指定条件，则停止训练，获取神经网络模型；iiiiiiii4)通过训练好的神经网络模型对未来第一天的餐饮数据信息进行预测，并根据实际当天的经营情况，获取实际当天的餐饮数据信息；随后，将预测的餐饮数据信息和实际当天的餐饮数据信息进行对比，若预测的餐饮数据信息和实际当天的餐饮数据信息不同；则通过与预测的餐饮数据信息不同的实际当天的餐饮数据信息对预测前的神经网络模型进行优化，不断优化神经网络模型；5)通过优化的神经网络模型预测未来多天的餐饮数据信息；预测的方法为：首先，通过优化的神经网络模型，对未来第一天的餐饮数据信息进行预测；随后，将预测的未来第一天的餐饮数据信息作为训练集的数据预测所述未来第二天的餐饮数据信息；通过不断重复预测，得到未来多天的餐饮数据信息；获取未来多天的餐饮数据信息后，恢复预测前的神经网络模型。