[發明專利]美食的評價方法和裝置

在審

• 申請號: 201710484823.X
• 申請日: 2017-06-23
• 公開（公告）號: CN107274228A
• 公開（公告）日: 2017-10-20
• 發明（設計）人: 張文金;張宇峰;王先鵬
• 申請（專利權）人: 北京好豆網絡科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06;G06Q50/12
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 金相允

1.一種美食的評價方法，其特征在于，包括：

獲取至少一條美食數據，其中，所述美食數據包括以下至少之一：美食的點擊量，美食的收藏量，美食的投放點擊比；

基于篩選條件對所述至少一條美食數據進行篩選，篩選得到目標美食數據，其中，所述目標美食數據的數量至少為一條；

對所述目標美食數據進行評分，得到每條所述目標美食數據的評分，其中，所述評分用于確定所述目標美食數據在目標網頁中的價值。

2.根據權利要求1所述的方法，其特征在于，基于篩選條件對所述至少一條美食數據進行篩選，篩選得到目標美食數據包括：

獲取第一閾值，第二閾值和第三閾值；

基于所述第一閾值，所述第二閾值和所述第三閾值對所述至少一條美食數據進行篩選，得到所述目標美食數據，其中，所述目標美食數據為所述至少一條美食數據中所述美食的點擊量，所述美食的收藏量和所述美食的投放點擊比分別大于所述第一閾值，所述第二閾值和所述第三閾值的美食數據。

3.根據權利要求1所述的方法，其特征在于，對所述目標美食數據進行評分，得到每條所述目標美食數據的評分包括：

獲取測試樣本，其中，所述測試樣本中包括測試美食數據和所述測試美食數據的評分；

通過所述測試樣本對第一神經網絡模型進行測試，得到測試后的所述第一神經網絡模型；

基于測試后的所述第一神經網絡模型對所述目標美食數據進行評分，得到每個所述目標美食數據的評分。

4.根據權利要求1所述的方法，其特征在于，在對所述目標美食數據進行評分，得到每條所述目標美食數據的評分之后，所述方法還包括：

確定所述目標美食數據所屬的美食號，其中，所述美食號為在所述目標網頁中生產并投放美食的主體；

基于每個所述目標美食數據的評分確定所述美食號的評分；

基于所述美食號的評分在所述美食號中確定目標美食號，其中，所述目標美食號為所述美食號中評分大于或者等于預設評分的美食號。

5.根據權利要求1所述的方法，其特征在于，在基于篩選條件對所述至少一條美食數據進行篩選，篩選得到目標美食數據之后，所述方法還包括：

獲取預先訓練好的第二神經網絡模型，其中，所述第二神經網絡模型的輸入為美食數據，所述第二神經網絡模型的輸出為美食數據之間的關聯性；

將所述目標美食數據作為所述第二神經網絡的輸入，以使所述第二神經網絡對所述目標美食數據進行處理，得到輸出結果，其中，所述輸出結果為所述目標美食數據之間的關聯性。

6.一種美食的評價裝置，其特征在于，包括：

第一獲取單元，用于獲取至少一條美食數據，其中，所述美食數據包括以下至少之一：美食的點擊量，美食的收藏量，美食的投放點擊比；

篩選單元，用于基于篩選條件對所述至少一條美食數據進行篩選，篩選得到目標美食數據，其中，所述目標美食數據的數量至少為一條；

評分單元，用于對所述目標美食數據進行評分，得到每條所述目標美食數據的評分，其中，所述評分用于確定所述目標美食數據在目標網頁中的價值。

7.根據權利要求6所述的裝置，其特征在于，所述篩選單元用于：

獲取第一閾值，第二閾值和第三閾值；

基于所述第一閾值，所述第二閾值和所述第三閾值對所述至少一條美食數據進行篩選，得到所述目標美食數據，其中，所述目標美食數據為所述至少一條美食數據中所述美食的點擊量，所述美食的收藏量和所述美食的投放點擊比分別大于所述第一閾值，所述第二閾值和所述第三閾值的美食數據。

8.根據權利要求6所述的裝置，其特征在于，所述評分單元用于：

獲取測試樣本，其中，所述測試樣本中包括測試美食數據和所述測試美食數據的評分；

通過所述測試樣本對第一神經網絡模型進行測試，得到測試后的所述第一神經網絡模型；

基于測試后的所述第一神經網絡模型對所述目標美食數據進行評分，得到每個所述目標美食數據的評分。