[發明專利]菜品推薦方法及裝置

有效

• 申請號: 201811069258.1
• 申請日: 2018-09-13
• 公開（公告）號: CN109300059B
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 黃健;高理強
• 申請（專利權）人: 口口相傳(北京)網絡技術有限公司
• 主分類號: G06Q50/12
• 分類號: G06Q50/12;G06F16/36
• 代理公司: 北京市浩天知識產權代理事務所(普通合伙) 11276
• 代理人: 宋菲;劉云貴

1.一種菜品推薦方法，包括：

將目標用戶的用戶屬性信息和場景屬性信息映射成對應的屬性信息向量；其中，根據目標用戶在當前提供點餐服務的平臺中的賬號信息，或者該賬號信息對應的實名認證信息，獲取目標用戶的用戶屬性信息；所述用戶屬性信息包括影響用戶口味和/或菜品偏好的信息；以及，根據當前的日期、時間以及天氣數據確定場景屬性信息；

獲取多份待推薦菜品的菜品向量；

將所述屬性信息向量和各份待推薦菜品的菜品向量輸入至訓練得到的關聯度模型中，得到屬性信息向量與各份待推薦菜品的菜品向量的關聯度值；其中，將多份菜品樣本的菜品樣本向量和其它用戶的多次點餐行為對應的樣本屬性信息向量作為關聯度訓練模型的訓練輸入數據，該關聯度訓練模型通過訓練輸出得到菜品樣本向量和樣本屬性信息向量的關聯度輸出結果；

根據所述關聯度值從多份待推薦菜品中選擇推薦菜品推薦至目標用戶。

2.根據權利要求1所述的方法，其中，在所述獲取多份待推薦菜品的菜品向量之前，所述方法還包括：

根據菜品知識圖譜構建菜品向量化模型的訓練語料庫；

從所述訓練語料庫中獲取訓練樣本語料，將所述訓練樣本語料的筆畫特征信息輸入至初始化的菜品向量化模型中進行訓練；根據訓練結果得到菜品向量化矩陣。

3.根據權利要求2所述的方法，其中，所述獲取多份待推薦菜品的菜品向量進一步包括：

根據所述菜品向量化矩陣將各份待推薦菜品的菜品名稱對應的筆畫特征信息映射成所述待推薦菜品的菜品向量。

4.根據權利要求2所述的方法，其中，所述關聯度模型通過以下步驟訓練得到：

獲取多份菜品樣本的菜品樣本向量；以及，采集多次點餐行為對應的點餐用戶樣本的用戶樣本屬性信息和點餐場景的場景樣本屬性信息；將所述用戶樣本屬性信息和場景樣本屬性信息映射成對應的樣本屬性信息向量；

根據多次點餐行為，對所述樣本屬性信息向量與所述菜品樣本向量的關聯度進行標注，得到關聯度標注結果；

將所述菜品樣本向量和所述樣本屬性信息向量輸入至關聯度訓練模型中，得到關聯度訓練模型輸出的關聯度輸出結果；

利用所述關聯度標注結果與關聯度輸出結果之間的損失，對關聯度訓練模型進行訓練，得到所述關聯度模型。

5.根據權利要求4所述的方法，其中，所述獲取多份菜品樣本的菜品樣本向量進一步包括：

根據所述菜品向量化矩陣將各份菜品樣本的菜品名稱對應的筆畫特征信息映射成所述菜品樣本的菜品向量。

6.根據權利要求4所述的方法，其中，在所述對所述樣本屬性信息向量與所述菜品樣本向量的關聯度進行標注之前，所述方法還包括：

將每次點餐行為包含的下單菜品與菜品樣本進行對應，得到下單菜品與菜品樣本的對應關系；

所述對所述樣本屬性信息向量與所述菜品樣本向量的關聯度進行標注具體為：根據所述對應關系對所述樣本屬性信息向量與所述菜品樣本向量的關聯度進行標注。

7.根據權利要求6所述的方法，其中，所述根據所述對應關系對對所述樣本屬性信息向量與所述菜品樣本向量的關聯度進行標注進一步包括：

根據對應關系，將點餐行為中包含的菜品樣本的菜品樣本向量與該點餐行為對應的樣本屬性信息向量的關聯度標注為第一關聯度；

和/或，將點餐行為中不包含的菜品樣本的菜品樣本向量與該點餐行為對應的樣本屬性信息向量的關聯度標注為第二關聯度。

8.根據權利要求1-7任一項所述的方法，其中，所述根據所述關聯度值從多份待推薦菜品中選擇推薦菜品推薦至目標用戶進一步包括：

將多份待推薦菜品按照關聯度值由高至低進行排序，從排序結果中選擇排序靠前的預設數量的待推薦菜品作為推薦菜品推薦至目標用戶。