基于大规模矩阵的层次分析的餐厅推荐的方法和系统技术方案

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
基于大规模矩阵的层次分析的餐厅推荐的方法和系统
本专利技术涉及餐厅推荐领域，更具体地，涉及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。
技术介绍
随着餐饮行业的高速发展，餐厅数量大幅上升，餐厅种类更加丰富。餐厅经常会有优惠和活动，常常通过发送短信的方式将餐厅的优惠和活动推荐给用餐用户。在短信推荐餐厅的过程中，得到目标用户的质量直接决定短信推荐的效果。餐厅的顾客容纳量和优惠券数量都是有限的，而餐厅周边有数十万用户，需要将最有可能符合用户口味的餐厅及该餐厅的优惠信息推荐给用户。传统的算法采用协同过滤算法，但协同过滤算法复杂度较高、服务器消耗大、准确率也比较低、无法处理大规模数据。因此，提供一种降低数据规模、快速找出最有可能符合用户口味的餐厅的方法是亟待解决的问题。
技术实现思路
有鉴于此，本专利技术提供了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；将提本文档来自技高网...

【技术保护点】
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：/n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；/n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；/n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...

【技术特征摘要】
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。


2.根据权利要求1所述的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，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。


3.根据权利要求2所述的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，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。


4.根据权利要求1所述的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，所述车费期望模型为：
E＝p1∑Ld×λd+p2∑Lh×λh+η，
其中，Ld为乘车方式的价格计算公式，以所在区域的打车规则或第三方打车公司的打车规则为准，λd为打车的平均单价，p1为用户打车的概率，Lh为单车的价格计算公式，以第三方单车公司的单车规则为准，λh为单车的平均单价，p2为用户骑单车的概率，η表示修正因子。


5.根据权利要求3所述的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，还包括对矩阵块进行熵值计算，熵值计算按照以下方法计算：



其中，代表矩阵块xi的熵值，xi代表矩阵块，ui代表xi的行数，vi代表xi的列数，li表示非零元素的个数；
若一批订单数据的熵值大于0.3，开始组装矩阵进行计算，余下矩阵块的熵值小于0.1，并入上一个矩阵块计算。


6.一种基于大规模矩阵的层次分析的餐厅推荐的系统，其特征在于，包括服务器、提取模块、信息分流模块、数据处理模块和推送模块，其中，
所述服务器中含有大量订单数据，所述提取模块根据订单数据提取出订单金额...

【专利技术属性】
技术研发人员：黄超，郑国春，张莉莹，
申请(专利权)人：美味不用等上海信息科技股份有限公司，
类型：发明
国别省市：上海;31