一种基于偏好分析的用餐推荐方法及系统

专利主权项内容

来自： 1.一种基于偏好分析的用餐推荐方法，其特征在于，包括：获取用户历史的菜品消费数据，从菜品消费数据中提取出多组菜品属性数据；通过偏好分析模型分别对多组菜品属性数据进行处理，确定每种菜品属性的第一偏好特征和第二偏好特征；从菜品消费数据中提取出每种菜品属性的第一偏好特征的第一时序信息，以及每种菜品属性第二偏好特征的第二时序信息；将每种菜品属性的第一偏好特征以及对应的第一时序信息输入到时序分析模型中，确定每个第一偏好特征的第一时序特征，将每种菜品属性的第二偏好特征以及对应的第二时序信息输入到时序分析模型中，确定每个第二偏好特征的第二时序特征；通过特征融合模型对第一偏好特征和第二偏好特征进行特征融合，生成每种菜品属性的目标偏好特征，得到用户的用餐偏好信息；根据用户的用餐偏好信息和每个待推荐菜品的属性信息，计算每个待推荐菜品的推荐值，对多个待推荐菜品进行排序并向用户进行用餐推荐；对于时序分析模型，还包括：第一时序信息记载有多个菜品中每个第一偏好特征的存在信息，对于任一菜品，若第一偏好特征存在则记为1，否则记为0；对于任一第一偏好特征，从第一偏好特征对应的第一时序信息中提取出长期时序向量与短期时序向量；统计长期时序向量中存在信息为1的维度与长期时序向量维度的比值，时序向量的维度为菜品的总数，统计短期时序向量中存在信息为1的维度与短期时序向量维度的比值，将两个比值之和作为第一偏好特征的第一时序特征；偏好分析模型分别对多组菜品属性数据进行处理，具体包括：为每种菜品属性数据构建第一属性集合，基于预设时间范围分别对多个第一属性集合进行数据分割，得到每个第一属性集合对应的第二属性集合；对于多个第一属性集合和第二属性集合，分析模型采用如下步骤输出任一属性集合的特征集合：S21、统计属性集合中每个元素的出现频率，根据出现频率对多个元素进行排序；S22、记排序好的元素为E=E1，E2，…，En，其中n为元素的总数，记任一元素为Ei，令i=1，将元素Ei放入特征集合；S23、根据出现频率计算元素Ei与元素E(i+1)的差异值，若差异值小于预设差异阈值，将元素E(i+1)放入特征集合并转到步骤S24，否则转到步骤S25；差异值的计算方式为：D=2(Fi-F(i+1))/(Fi+F(i+1))式中，D为差异值，Fi为元素Ei的出现频率，F(i+1)为元素E(i+1)的出现频率；S24、判断i+1＜n是否成立，若成立，令i=i+1并转到步骤S23，否则转到步骤S25；S25、输出特征集合；将第一属性集合的特征集合中的元素作为第一属性集合的第一偏好特征，将第二属性集合的特征集合中的元素作为第二属性集合的第二偏好特征；遍历所有第一属性集合和第二属性集合，确定每个第一属性集合的第一偏好特征，以及每个第二属性集合的第二偏好特征；通过特征融合模型对第一偏好特征和第二偏好特征进行特征融合具体包括：基于偏好特征的类别对所有第一偏好特征和第二偏好特征进行融合，得到多个融合特征，确定每个融合特征的参考值，得到多个目标偏好特征；其中，对于由单个第一偏好特征和单个第二偏好特征共同构成的融合特征，第一时序特征和第二时序特征之和作为融合特征的参考值；待推荐菜品的推荐值的计算包括：对于待推荐菜品的多个菜品属性，基于用户的用餐偏好信息确定待推荐菜品的每个菜品属性的评分，将待推荐菜品的多个评分之和作为待推荐菜品的推荐值。