[發(fā)明專利]菜品推薦方法及裝置

有效

• 申請?zhí)枺?/td>: 201811069258.1
• 申請日: 2018-09-13
• 公開（公告）號: CN109300059B
• 公開（公告）日: 2020-11-17
• 發(fā)明（設計）人: 黃健;高理強
• 申請（專利權(quán)）人: 口口相傳(北京)網(wǎng)絡技術(shù)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(chǎn)權(quán)代理事務所(普通合伙) 11276
• 代理人: 宋菲;劉云貴

本發(fā)明公開了一種菜品推薦方法及裝置，其中，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；獲取多份待推薦菜品的菜品向量；將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(guān)聯(lián)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(guān)聯(lián)度值；根據(jù)關(guān)聯(lián)度值從多份待推薦菜品中選擇推薦菜品推薦至目標用戶。本發(fā)明方案，可以不依賴于目標用戶的歷史點餐行為進行菜品推薦，即使針對點餐行為不豐富的目標用戶，也可以利用關(guān)聯(lián)度模型得到對應目標用戶的屬性信息向量與待推薦菜品的菜品向量的關(guān)聯(lián)度值，并據(jù)此關(guān)聯(lián)度值進行推薦，進而提升目標用戶的點餐體驗。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機技術(shù)領(lǐng)域，具體涉及一種菜品推薦方法及裝置。

背景技術(shù)

隨著智能餐飲技術(shù)的興起，點餐方式已從傳統(tǒng)的紙質(zhì)點餐向終端智能化點餐發(fā)展，例如，在外賣平臺上點餐、或者在餐廳提供的點餐終端中點餐。與此同時，為了提高菜品的下單率以及提升用戶的點餐體驗，越來越多的提供點餐服務的平臺會通過終端向用戶進行菜品推薦。

現(xiàn)有的推薦方案中，通常是根據(jù)用戶歷史數(shù)據(jù)確定用戶的偏好信息，并據(jù)此偏好信息進行推薦。如申請公布號為CN1068157745A的中國專利申請中，根據(jù)目標用戶的評論信息確定目標用戶的菜品成分偏好庫，并根據(jù)該菜品成分偏好庫確定為目標用戶推薦的菜品。該方案依賴于目標用戶的歷史評論信息來確定為用戶推薦的菜品，無法為沒有評論或評論較少的目標用戶提供精準地菜品推薦。又如申請公布號為CN108230009A的中國專利申請中，通過預先訓練的偏好預測模型，基于目標用戶對目標對象的交互行為特征(包括點擊、購買、瀏覽以及收藏等行為特征)進行預測，得到目標用戶對目標對象的偏好預測結(jié)果。該方案依賴于目標用戶的歷史交互行為來確定目標用戶對目標對象的偏好度，無法對與目標對象之間未產(chǎn)生交互行為或者交互行為較少的目標用戶準確的進行偏好度的預測，進而無法進行準確的推薦。

發(fā)明內(nèi)容

鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的菜品推薦方法及裝置。

根據(jù)本發(fā)明的一個方面，提供了一種菜品推薦方法，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；

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(guān)聯(lián)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(guān)聯(lián)度值；

根據(jù)所述關(guān)聯(lián)度值從多份待推薦菜品中選擇推薦菜品推薦至目標用戶。

可選的，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(jù)菜品知識圖譜構(gòu)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(jù)訓練結(jié)果得到菜品向量化矩陣。

可選的，所述獲取多份待推薦菜品的菜品向量進一步包括：

根據(jù)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。

可選的，所述關(guān)聯(lián)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(jù)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(guān)聯(lián)度進行標注，得到關(guān)聯(lián)度標注結(jié)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(guān)聯(lián)度訓練模型中，得到關(guān)聯(lián)度訓練模型輸出的關(guān)聯(lián)度輸出結(jié)果；