一种餐饮推荐方法、服务器及存储介质技术

本发明专利技术公开了一种餐饮推荐方法、服务器及存储介质，所述方法包括；采用爬虫遍历至少一个平台的餐饮数据，将爬虫获取到的餐饮数据存入数据库中；对餐饮数据的评论经过训练后的文本情感分类器筛选，并获得评论的句子评分；对餐饮数据的评论经过训练后的词语分类器分析某家商家的标签或分类的情感方向得出词语评分；将评论的句子评分与对应商家对应的词语评分进行加权求和得出综合评分；将包含餐饮口味、服务、环境、人均价格、餐饮分类、价格区间中的任意一种或者两种及其以上组合与所述综合评分结合得出推荐指数，根据推荐指数的大小确认商家是否值得推荐。采用本发明专利技术有效地节约食客的选择时间等特点。

A Food Recommendation Method, Server and Storage Medium

【技术实现步骤摘要】
一种餐饮推荐方法、服务器及存储介质
本专利技术涉及餐饮领域，涉及一种餐饮推荐方法，以及相关的服务器及存储介质。
技术介绍
现在许多商家都接入了大众点评、饿了么、美团等类似带有评分的系统平台，通常如果用户要选择在哪个商家进行消费，如选择在哪家吃饭，一般是根据上述平台用户的评分或者用户的评论来做选择。当平台接入的商家较多且在商家消费的用户评论较多，或者用户没有太多时间去浏览评分信息的时候，用户往往不知道如何进行商家选择。
技术实现思路
本专利技术的目的在于提出一种基于评分的餐饮推荐方法、服务器及存储介质，可有效地节约食客的选择时间。本专利技术提供了一种餐饮推荐方法，包括如下：采用爬虫遍历至少一个平台的餐饮数据，将爬虫获取到的餐饮数据存入数据库中；所述餐饮数据包含商家信息、评论内容、评论对应的评分、评论对应的等级或标签，所述评论对应的等级为若干类别的等级，所述评论对应的标签包含若干类别的标签；所述商家信息包括但不限于商家地址、商家电话、推荐菜、服务、环境；所述餐饮数据还包括但不限于人均价格、评论时间、餐饮分类、餐饮口味、用户信用等级；对若干个类别的等级或标签的评论用有监督学习的方法，训练一个文本情感分类器；对餐饮数据的评论经过训练后的文本情感分类器筛选，并获得评论的句子评分；对若干个类别的等级或标签的评论用有监督学习的方法，训练一个词语分类器；对餐饮数据的评论经过训练后的词语分类器分析某家商家的标签或分类的情感方向得出词语评分；将评论的句子评分与对应商家对应的词语评分进行加权求和得出综合评分；将包含餐饮口味、服务、环境、人均价格、餐饮分类、价格区间中的任意一种或者两种及其以上组合与所述综合评分结合得出推荐指数，根据推荐指数的大小确认商家是否值得推荐。进一步的，所述方法还包括：将确认推荐的商家地址、商家电话、推荐菜进行展示。进一步的，所述方法中，步骤一还包括：对数据库中的餐饮数据进行清洗操作，过滤掉无效的评论。进一步的，优选地，所述数据库为redis数据库；所述餐饮数据包括但不限于人均价格、评分、评分等级、评论时间，餐饮分类、商家地址、餐饮口味、服务、环境、评论标签、商家电话、用户信用等级、推荐菜。进一步的，采用爬虫遍历至少一个平台的餐饮数据的频率限制在一定的频率范围内，维护一个代理池，并定时验证代理有效性。进一步的，所述方法还包括，采用爬虫定时地遍历至少一个平台的餐饮数据；实时监测用户输入的商家信息，并根据用户输入的商家信息获取该商家的推荐指数。进一步的，数据库未包含该商家的餐饮数据，则爬虫立即调度去爬该商家的餐饮数据，并获取该商家的推荐指数；若爬虫后确认平台无该商家信息，则告知用户和/或通知系统管理员。进一步的，所述方法还包括，根据商家的餐饮数据判断商家是否存在刷评论嫌疑，若存在刷评论嫌疑的商家在推荐列表中，则显示该商家存在刷评论嫌疑。相应的，本专利技术还提供了一种服务器，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述项所述餐饮推荐方法。相应的，本专利技术还提供了计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述餐饮推荐方法步骤。与现有平台化式构建的餐饮推荐相比，本专利技术餐饮推荐方法、服务器及存储介质，本专利技术从多个平台获取餐饮数据，对用户进行餐饮推荐，通过数据库中的餐饮数据进行清洗操作能有效地过滤无效评论，可靠、高效地为客户提供用餐推荐，有效地节约食客的选择时间。同时，可以根据用户的筛选相关条件，如用户手动选择口味、餐饮分类、价格区间等信息，将包含餐饮口味、服务、环境、人均价格、餐饮分类、价格区间中的任意一种或者两种及其以上组合与所述综合评分结合得出推荐指数进行推荐，提升推荐的主观适应性。附图说明此处所说明的附图用来提供对专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本专利技术实施例1的一种餐饮推荐方法的流程步骤示意图；具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，本专利技术所指的若干是包含一个或者多个，多个为两个或两个以上。实施例1本专利技术提供了一种餐饮推荐方法，所述方法包括如下步骤，如附图1所示，采用爬虫遍历至少一个平台的餐饮数据，将爬虫获取到的餐饮数据存入数据库中；所述餐饮数据包含商家信息、评论内容、评论对应的评分、评论对应的等级或标签，所述评论对应的等级为若干类别的等级，所述评论对应的标签包含若干类别的标签；所述商家信息包括但不限于商家地址、商家电话、推荐菜、服务、环境；所述餐饮数据还包括但不限于人均价格、评论时间、餐饮分类、餐饮口味、用户信用等级；对若干个类别的等级或标签的评论用有监督学习的方法，训练一个文本情感分类器；对餐饮数据的评论经过训练后的文本情感分类器筛选，并获得评论的句子评分；对若干个类别的等级或标签的评论用有监督学习的方法，训练一个词语分类器；对餐饮数据的评论经过训练后的词语分类器分析某家商家的标签或分类的情感方向得出词语评分；将评论的句子评分与对应商家对应的词语评分进行加权求和得出综合评分；将包含餐饮口味、服务、环境、人均价格、餐饮分类、价格区间中的任意一种或者两种及其以上组合与所述综合评分结合得出推荐指数，根据推荐指数的大小确认商家是否值得推荐。需要说明的是本专利技术所指的至少一个平台可以为某个平台，或者为两个或两个以上平台，所述平台包括但不限于大众点评、饿了么、美团餐饮消费平台。需要说明的是本专利技术分析某家商家的标签或分类的情感方向，即为对评论内容进行文本情感分析，按照评论内容的粒度不同，评论内容情感分析大致可分为词语级、句子级、篇章级三个研究层次。在本专利技术方法中，优选的，采用句子级的情感分析和词语级的情感分析，具体情感包括：生气、憎恨、害怕、内疚、感兴趣、高兴、悲伤等。进一步的，所述餐饮数据中，评论对应的标签包含若干类别的分类可以为三个等级，也可以三个以上等级如5个等级；在本专利技术方法是实施例以三个等级的评论分类，分别为很满意、基本满意、差评。对很满意(或好评)、基本满意(或中评)、差评的评论用有监督学习的方法，训练一个文本情感分类器；对餐饮数据的评论经过训练后的文本情感分类器筛选，并获得评论的句子评分；当分析某商家的评论时，参考好评、中评、差评、好评数量、中评数量、差评数量、好评是否带图片、中评是否带图片、差评是否带图片得出一个句子评分，通常一般带图片的评论更加有说服力。在数据库中，有些评论内容是差评，但是却在好评的那一列，故在本专利技术方法中，餐饮数据的评论通过一个训练好的分类器进一步筛选。标签问题上，一般带有图片的评论情感比较一本文档来自技高网...

【技术保护点】
1.一种餐饮推荐方法，其特征在于，所述方法包括：采用爬虫遍历至少一个平台的餐饮数据，将爬虫获取到的餐饮数据存入数据库中；所述餐饮数据包含商家信息、评论内容、评论对应的评分、评论对应的等级或标签，所述评论对应的等级为若干类别的等级，所述评论对应的标签包含若干类别的标签；所述商家信息包括但不限于商家地址、商家电话、推荐菜、服务、环境；所述餐饮数据还包括但不限于人均价格、评论时间、餐饮分类、餐饮口味、用户信用等级；对若干个类别的等级或标签的评论用有监督学习的方法，训练一个文本情感分类器；对餐饮数据的评论经过训练后的文本情感分类器筛选，并获得评论的句子评分；对若干个类别的等级或标签的评论用有监督学习的方法，训练一个词语分类器；对餐饮数据的评论经过训练后的词语分类器分析某家商家的标签或分类的情感方向得出词语评分；将评论的句子评分与对应商家对应的词语评分进行加权求和得出综合评分；将包含餐饮口味、服务、环境、人均价格、餐饮分类、价格区间中的任意一种或者两种及其以上组合与所述综合评分结合得出推荐指数，根据推荐指数的大小确认商家是否值得推荐。

【技术特征摘要】
1.一种餐饮推荐方法，其特征在于，所述方法包括：采用爬虫遍历至少一个平台的餐饮数据，将爬虫获取到的餐饮数据存入数据库中；所述餐饮数据包含商家信息、评论内容、评论对应的评分、评论对应的等级或标签，所述评论对应的等级为若干类别的等级，所述评论对应的标签包含若干类别的标签；所述商家信息包括但不限于商家地址、商家电话、推荐菜、服务、环境；所述餐饮数据还包括但不限于人均价格、评论时间、餐饮分类、餐饮口味、用户信用等级；对若干个类别的等级或标签的评论用有监督学习的方法，训练一个文本情感分类器；对餐饮数据的评论经过训练后的文本情感分类器筛选，并获得评论的句子评分；对若干个类别的等级或标签的评论用有监督学习的方法，训练一个词语分类器；对餐饮数据的评论经过训练后的词语分类器分析某家商家的标签或分类的情感方向得出词语评分；将评论的句子评分与对应商家对应的词语评分进行加权求和得出综合评分；将包含餐饮口味、服务、环境、人均价格、餐饮分类、价格区间中的任意一种或者两种及其以上组合与所述综合评分结合得出推荐指数，根据推荐指数的大小确认商家是否值得推荐。2.根据权利要求1所述的餐饮推荐方法，其特征在于，所述方法还包括：将确认推荐的商家地址、商家电话、推荐菜进行展示。3.根据权利要求1所述的餐饮推荐方法，其特征在于，所述方法中，步骤一还包括：对数据库中的餐饮数据进行清洗操作，过滤掉无效的评论。4.根据权利要...

【专利技术属性】
技术研发人员：陈鑫，肖龙源，蔡振华，李稀敏，刘晓葳，谭玉坤，王静，
申请(专利权)人：厦门快商通信息技术有限公司，
类型：发明
国别省市：福建,35