申请/专利权人：美之味(上海)信息技术有限公司

申请日：2020-07-03

公开（公告）日：2024-03-12

公开（公告）号：CN111859188B

主分类号：G06F16/9537

分类号：G06F16/9537;G06F16/9535;G06Q50/12

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2023.12.29#专利申请权的转移;2020.11.17#实质审查的生效;2020.10.30#公开

摘要：本发明公开了一种基于大规模矩阵的层次分析的餐厅推荐的方法和系统，方法包括：服务器包括全部订单数据，根据订单数据提取出订单金额、订单所属餐厅、订单中的会员信息、点菜信息、就餐信息、餐厅位置信息和菜品信息；将提取的订单金额、订单所属餐厅、订单中的会员信息、点菜信息、就餐信息、餐厅位置信息和菜品信息分为用户信息与餐厅菜品信息；根据用户信息与餐厅菜品信息生成目标矩阵流最终得到用户名称与推荐餐厅矩阵，向用户推荐餐厅。本发明不仅降低订单数据规模、快速找出最有可能符合用户口味的餐厅的方法和提高用户在餐厅就餐的质量。

主权项：1.一种基于大规模矩阵的层次分析的餐厅推荐的方法，其特征在于，包括：服务器包括全部订单数据，根据订单数据提取出订单金额、订单所属餐厅、订单中的会员信息、点菜信息、就餐信息、餐厅位置信息和菜品信息；将提取的订单金额、订单所属餐厅、订单中的会员信息、点菜信息、就餐信息、餐厅位置信息和菜品信息分为用户信息与餐厅菜品信息，所述用户信息包括：用户名称、用户下单菜品、用户支付金额、用户就餐时长和用户排队时长；所述餐厅菜品信息包括：餐厅名称、餐厅位置、菜品名称、菜品价格和餐厅评价；根据所述餐厅菜品信息中菜品名称和所述菜品名称所属门店建立菜品名称与所述菜品名称所属门店的关系，并根据所述菜品名称与所述菜品名称所属门店的关系中所述菜品名称的排序作为数值得到一维菜品矩阵；根据所述用户信息和所述一维菜品矩阵建立用户名称与菜品名称矩阵；根据所述餐厅菜品信息和所述一维菜品矩阵建立餐厅名称与菜品名称矩阵；对所述餐厅名称与菜品名称矩阵进行逆运算，得到所述餐厅名称与菜品名称矩阵逆运算结果和所述用户名称与菜品名称矩阵计算得到用户喜好相似的第一推荐餐厅矩阵；基于车费期望模型计算用户达到推荐餐厅的距离的成本矩阵；根据所述成本矩阵与所述第一推荐餐厅矩阵进行计算得到就餐成本矩阵；所述第一推荐餐厅矩阵减去所述就餐成本矩阵得到第二推荐餐厅矩阵；根据所述用户信息和所述餐厅菜品信息计算用户节省的金额，得到用户收益矩阵；根据所述第二推荐餐厅矩阵与所述用户收益矩阵计算得到用户名称与推荐餐厅矩阵，向用户推荐餐厅，在所述用户名称与推荐餐厅矩阵中，横轴为所述用户名称，纵轴为推荐的餐厅；其中，所述用户名称与菜品名称矩阵中，纵轴为所述用户名称，横轴为所述一维菜品矩阵序列化后的维度，所述用户名称与菜品名称矩阵按照以下方法计算： 其中，A表示所述用户名称与菜品名称矩阵，amn表示用户名称Am对菜品名称xn的下单次数，m代表第m位顾客，Dn为所述一维菜品矩阵，Wn表示用户名称为Am的用户在菜品名称xn所属的餐厅中的就餐时长与就餐总时长的占比，t为就餐总时长，t1为排队时长；所述餐厅名称与菜品名称矩阵中，餐厅名称为纵轴，所述一维菜品矩阵序列化的维度为横轴，所述餐厅名称与菜品名称矩阵按照以下方法计算： 其中，B表示所述餐厅名称与菜品名称矩阵，bpn表示餐厅Bp售卖过菜品xn的次数，p代表第p家餐厅，Sn表示餐厅评价得分；所述第一推荐餐厅矩阵按照以下方法计算：T＝amnDnWn×bpnDnSn-1，其中，T表示所述第一推荐餐厅矩阵，amn表示用户名称Am对菜品名称xn的下单次数，m代表第m位顾客，Dn为所述一维菜品矩阵，bpn表示餐厅Bp售卖过菜品xn的次数，p代表第p家餐厅，Sn表示餐厅评价得分。

全文数据：

权利要求：

百度查询： 美之味(上海)信息技术有限公司 基于大规模矩阵的层次分析的餐厅推荐的方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD