[發(fā)明專利]一種餐飲行業(yè)銷售預(yù)測的實現(xiàn)系統(tǒng)與方法

在審

• 申請?zhí)枺?/td>: 201710543595.9
• 申請日: 2017-07-05
• 公開（公告）號: CN107292672A
• 公開（公告）日: 2017-10-24
• 發(fā)明（設(shè)計）人: 鄭德鵬;徐汪洋;浦沈翔;王曉華;狄東杰
• 申請（專利權(quán)）人: 上海數(shù)道信息科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/12;G06F17/30
• 代理公司: 上海申新律師事務(wù)所31272
• 代理人: 夏海天

技術(shù)領(lǐng)域

本發(fā)明涉及銷售預(yù)測系統(tǒng)和方法，尤其涉及一種餐飲行業(yè)銷售預(yù)測的實現(xiàn)系統(tǒng)與方法，屬于網(wǎng)絡(luò)爬蟲、圖像識別、文本分析、深度學(xué)習領(lǐng)域。

背景技術(shù)

爬蟲技術(shù)是一種“自動化瀏覽網(wǎng)絡(luò)”的程序，它按照一定的規(guī)則，自動在萬維網(wǎng)上抓取用戶需要的信息。隨著互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)成為大量信息的載體。爬蟲技術(shù)也成為數(shù)據(jù)采集的重要組成部分，是大數(shù)據(jù)分析中最為基礎(chǔ)的一步。

文本分析技術(shù)是指對文本的表示及其特征項的選取，是文本挖掘、信息檢索中的基本問題。它將無結(jié)構(gòu)的原始文本轉(zhuǎn)化為結(jié)構(gòu)化的計算機可以識別和處理的信息，從而建立數(shù)學(xué)模型來描述和代替文本，最終實現(xiàn)從大量文本中挖掘有效信息的目的。文本語義分析是識別文本主題、類別與意義等語義信息的過程，在自然語言處理、信息過濾、信息分類、信息檢索、語義挖掘等領(lǐng)域都普遍應(yīng)用。通過文本分析可以將網(wǎng)上繁多的文字輿情轉(zhuǎn)換成有用的信息輔助對未來銷量預(yù)測模型。

圖像識別技術(shù)，是指利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對像的技術(shù)。它將無結(jié)構(gòu)的圖像識別成具體結(jié)構(gòu)化的計算機可以識別和處理的信息。通過圖像識別技術(shù)可以輕松將菜單信息輕松轉(zhuǎn)換成結(jié)構(gòu)化信息，也可以將點評等輿論信息中的菜品和競爭對手的菜品進行圖像識別得到有用結(jié)構(gòu)化數(shù)據(jù)輔助模型進行預(yù)測。

深度學(xué)習具有分布式特征表達、自動特征提取、端到端機器學(xué)習和良好的泛化能力等優(yōu)勢，在語音識別、圖像識別和自然語言處理等很多領(lǐng)域得到令人矚目的成功應(yīng)用。在基于時間序列的LSTM模型當中，深度學(xué)習被證明可以很好的進行時間序列的分析和預(yù)測。

當下的餐飲預(yù)測模型，一方面沒有很好的利用市場信息和外部信息，導(dǎo)致對銷量的波動情況無法有效理解，導(dǎo)致在市場活動發(fā)生變化的時候，不能有效的對未來進行預(yù)測；另一方面對于菜品中的替代效應(yīng)和暈輪效應(yīng)沒有有效整合，在新菜品上市或者其他菜品缺貨促銷的活動造成銷量波動的時候，相關(guān)菜品的銷量也會受影響發(fā)生波動，這部分信息未納入模型的時候，關(guān)聯(lián)產(chǎn)品銷量預(yù)測不準，所以整體預(yù)測精確度不高。

針對于餐飲企業(yè)，庫存問題一直迫切需要解決的難題。一方面?zhèn)湄涍^多容易造成庫存積壓，占用資金；另一方面?zhèn)湄涍^少容易造成斷貨而對利潤以及品牌造成影響。如何精準備貨成為企業(yè)的重點關(guān)注，而此發(fā)明充分整合內(nèi)外部信息資源，利用前沿深度學(xué)習模型為基礎(chǔ)融合多種模型，給出精準的銷量預(yù)測，從而助力企業(yè)精準備貨，在提高庫存周轉(zhuǎn)率的同時，減少斷貨現(xiàn)象，保障企業(yè)利潤與品牌形象。

發(fā)明內(nèi)容

本發(fā)明是為了解決上述不足，提供了一種餐飲行業(yè)銷售預(yù)測的實現(xiàn)系統(tǒng)與方法，以提高菜品預(yù)測的精確度，助力企業(yè)精準備貨，提高利潤。

本發(fā)明的上述目的通過以下的技術(shù)方案來實現(xiàn)：一種餐飲行業(yè)銷售預(yù)測的實現(xiàn)系統(tǒng)，其特征在于：包括數(shù)據(jù)采集與預(yù)處理單元、菜單圖像識別單元、輿情語義分析與情感評分單元、門店空間自相關(guān)探索單元、自動化建模與更新單元和MRP單元；

所述數(shù)據(jù)采集與預(yù)處理單元用于數(shù)據(jù)采集、數(shù)據(jù)清洗和數(shù)據(jù)特征提取；具體地：

數(shù)據(jù)采集，利用爬蟲技術(shù)采集評價等輿論、天氣等環(huán)境、外部市場和競爭對手基本信息并存儲；

數(shù)據(jù)清洗，將天氣等環(huán)境信息、門店信息、公司歷史市場活動信息進行數(shù)據(jù)預(yù)處理，形成結(jié)構(gòu)化時間序列信息并存儲；

數(shù)據(jù)特征提取，利用Arima模型思想，將門店P(guān)OS數(shù)據(jù)進行歷史維度、趨勢變化、季度變化等衍生信息并存儲；

所述菜單圖像識別單元用于識別菜單變動信息，將歷史菜單按時間錄入，通過圖像識別，將菜單的歷史變動結(jié)構(gòu)化并存儲；

所述輿情語義分析與情感評分單元用于挖掘菜品情感評分和挖掘整體餐飲市場情緒，具體地：

挖掘菜品情感評分，利用分詞技術(shù)、互信息模型、主題模型等，對基礎(chǔ)評價等輿論信息進行文本分析，包含語義分析和情感分析，得到每個菜品的結(jié)構(gòu)化的市場輿論信息，例如市場感情評分，提及頻率等信息并存儲；

挖掘整體餐飲市場情緒，利用分詞技術(shù)、互信息模型、主題模型等，對所有餐飲點評進行分析，得到整個餐飲市場以及細分市場的輿論熱點等信息并存儲；

所述門店空間自相關(guān)探索單元用于探索區(qū)域內(nèi)高相關(guān)度競爭對手，利用空間自相關(guān)模型，對門店所在區(qū)域內(nèi)的競爭對手進行關(guān)聯(lián)分析，形成高關(guān)聯(lián)度的競爭對手名單以及對手的歷史數(shù)量變化并存儲；