一种菜品定价处理方法及装置制造方法及图纸

本发明专利技术提供了一种菜品定价处理方法及装置，该方法包括：确定当前时间周期内目标门店的目标预测菜品销量；确定所述当前时间周期内所述目标门店的预测材料使用量；根据所述预测材料使用量、所述目标预测菜品销量以及预先存储的价格与销量的对应关系对所述当前时间周期内所述目标门店的菜品进行定价，可以解决相关技术中人工确定饭店菜品价格，对于外在因素引起的价格调整反应慢，影响饭店收益的问题，根据预测的菜品销量、材料使用量对菜品进行定价，为价格建议提供数据支撑，提高了建议价格可信度。

A method and device for pricing dishes

【技术实现步骤摘要】
一种菜品定价处理方法及装置
本专利技术涉及定价
，具体而言，涉及一种菜品定价处理方法及装置。
技术介绍
目前的餐饮企业的菜品通过人工定价，且餐饮企业的菜品价格相对固定，对于原材料上涨、顾客量增大等外在因素引起的价格调整反应速度较慢，影响饭店收益。针对相关技术中人工确定饭店菜品价格，对于外在因素引起的价格调整反应慢，影响饭店收益的问题，尚未提出解决方案。
技术实现思路
本专利技术实施例提供了一种菜品定价处理方法及装置，以至少解决相关技术中人工确定饭店菜品价格，对于外在因素引起的价格调整反应慢，影响饭店收益的问题。根据本专利技术的一个实施例，提供了一种菜品定价处理方法，包括：确定当前时间周期内目标门店的目标预测菜品销量；确定所述当前时间周期内所述目标门店的预测材料使用量；根据所述预测材料使用量、所述目标预测菜品销量以及预先存储的价格与销量的对应关系对所述当前时间周期内所述目标门店的菜品进行定价。可选地，所述确定当前时间周期内目标门店的目标预测菜品销量包括：获取所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品价格以及菜品销量；将所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品价格输入到预先训练好的第一目标神经网络模型中，得到所述第一目标神经网络模型输出的所述当前时间周期内的预测菜品销量的概率，其中，所述概率大于第一预定阈值的所述预测菜品销量确定为所述目标预测菜品销量。可选地，在所述确定当前时间周期内目标门店的菜品的预测销量与预测客流量之前，所述方法还包括：获取第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格以及菜品销量；使用所述第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格以及菜品销量对第一原始神经网络模型进行训练，得到所述第一目标神经网络模型，其中，所述第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格为所述第一原始神经网络模型的输入，训练好的所述第一目标神经网络模型输出的预测菜品销量与实际对应的菜品销量满足第一目标函数。可选地，所述确定所述当前时间周期内所述目标门店的预测材料使用量包括：获取所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及材料用量；将所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量输入到预先训练好的第二目标神经网络模型中，得到所述第二目标神经网络模型输出的所述当前时间周期内的预测预测材料用量的概率，其中，所述概率大于第二预定阈值的所述预测材料用量确定为所述目标预测材料用量。可选地，在所述确定所述当前时间周期内所述目标门店的预测材料使用量之前，所述方法还包括：获取第二预定数量时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及材料用量；使用所述第二预定数量时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及材料用量对第二原始神经网络模型进行训练，得到所述第二目标神经网络模型，其中，所述第二预定数量时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量为所述第二原始神经网络模型的输入，训练好的所述第二目标神经网络模型输出的预测材料用量与实际对应的材料用量满足第二目标函数。可选地，所述根据所述预测材料使用量、所述目标预测菜品销量以及预先存储的价格与销量的对应关系对所述当前时间周期内所述目标门店的菜品进行定价包括：根据所述预测材料使用量确定菜品库存量，其中，所述预测材料使用量等于库存材料量；根据所述菜品库存量、所述目标预测菜品销量以及预先存储的价格与销量的对应关系确定所述当前时间周期内所述目标门店的预测销售额；根据所述预测销售额对所述目标门店的菜品进行定价。可选地，所述方法还包括：通过以下方式根据所述菜品库存量、所述目标预测菜品销量以及预先存储的价格与销量的对应关系确定所述当前时间周期内所述目标门店的预测销售额：qi＝f(pi)；其中，Y为所述预测销售额，n为菜品的数量，qi为每个菜品i的预测菜品销量，pi为每个菜品i的价格，ci为每个菜品i的材料成本，si为菜品库存量，αi为每个菜品i的权重系数，αi∈[0,1]，qi≤si，pi1≤pi≤pi2，pi1、pi2分别为每个菜品i的最低价格和最高价格；根据所述预测销售额对所述目标门店的菜品进行定价包括：将所述预测销售额中最大值对应的每个菜品i的价格确定为所述每个菜品i的目标定价。根据本专利技术的另一个实施例，还提供了一种菜品定价处理装置，包括：第一确定模块，用于确定当前时间周期内目标门店的目标预测菜品销量；第二确定模块，用于确定所述当前时间周期内所述目标门店的预测材料使用量；定价模块，用于根据所述预测材料使用量、所述目标预测菜品销量以及预先存储的价格与销量的对应关系对所述当前时间周期内所述目标门店的菜品进行定价。可选地，所述第一确定模块包括：第一获取子模块，用于获取所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品价格以及菜品销量；输入子模块，用于将所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品价格输入到预先训练好的第一目标神经网络模型中，得到所述第一目标神经网络模型输出的所述当前时间周期内的预测菜品销量的概率，其中，所述概率大于第一预定阈值的所述预测菜品销量确定为所述目标预测菜品销量。可选地，所述装置还包括：第一获取模块，用于获取第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格以及菜品销量；第一训练模块，用于使用所述第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格以及菜品销量对第一原始神经网络模型进行训练，得到所述第一目标神经网络模型，其中，所述第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格为所述第一原始神经网络模型的输入，训练好的所述第一目标神经网络模型输出的预测菜品销量与实际对应的菜品销量满足第一目标函数。可选地，所述第二确定模块包括：第二获取子模块，用于获取所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及材料用量；第二输入子模块，用于将所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量输入到预先训练好的第二目标神经网络模型中，得到所述第二目标神经网络模型输出的所述当前时间周期内的预测预测材料用量的概率，其中，所述概率大于第二预定阈值的所述预测材料用量确定为所述目标预测材料用量。可选地，所述装置还包括：第二获取模块，用于获取第二预定数量时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及材料用量；第二训练模块，用于使用所述第二预定数量时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及材料用量对第二原始神经网络模型进行训练，得到所述第二目标神经网络模本文档来自技高网...

【技术保护点】
1.一种菜品定价处理方法，其特征在于，包括：/n确定当前时间周期内目标门店的目标预测菜品销量；/n确定所述当前时间周期内所述目标门店的预测材料使用量；/n根据所述预测材料使用量、所述目标预测菜品销量以及预先存储的价格与销量的对应关系对所述当前时间周期内所述目标门店的菜品进行定价。/n

【技术特征摘要】
1.一种菜品定价处理方法，其特征在于，包括：
确定当前时间周期内目标门店的目标预测菜品销量；
确定所述当前时间周期内所述目标门店的预测材料使用量；
根据所述预测材料使用量、所述目标预测菜品销量以及预先存储的价格与销量的对应关系对所述当前时间周期内所述目标门店的菜品进行定价。


2.根据权利要求1所述的方法，其特征在于，所述确定当前时间周期内目标门店的目标预测菜品销量包括：
获取所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品价格以及菜品销量；
将所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品价格输入到预先训练好的第一目标神经网络模型中，得到所述第一目标神经网络模型输出的所述当前时间周期内的预测菜品销量的概率，其中，所述概率大于第一预定阈值的所述预测菜品销量确定为所述目标预测菜品销量。


3.根据权利要求2所述的方法，其特征在于，在所述确定当前时间周期内目标门店的菜品的预测销量与预测客流量之前，所述方法还包括：
获取第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格以及菜品销量；
使用所述第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格以及菜品销量对第一原始神经网络模型进行训练，得到所述第一目标神经网络模型，其中，所述第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格为所述第一原始神经网络模型的输入，训练好的所述第一目标神经网络模型输出的预测菜品销量与实际对应的菜品销量满足第一目标函数。


4.根据权利要求1所述的方法，其特征在于，所述确定所述当前时间周期内所述目标门店的预测材料使用量包括：
获取所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及材料用量；
将所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量输入到预先训练好的第二目标神经网络模型中，得到所述第二目标神经网络模型输出的所述当前时间周期内的预测预测材料用量的概率，其中，所述概率大于第二预定阈值的所述预测材料用量确定为所述目标预测材料用量。


5.根据权利要求4所述的方法，其特征在于，在所述确定所述当前时间周期内所述目标门店的预测材料使用量之前，所述方法还包括：
获取第二预定数量时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及材料用量；
使用所述第二预定数量时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及...

【专利技术属性】
技术研发人员：刘永霞，
申请(专利权)人：上海明略人工智能集团有限公司，
类型：发明
国别省市：上海;31