本发明专利技术公开了一种基于用户稀疏偏好特征的智慧校园点餐推荐系统，包含信息采集模块、缓存数据处理模块、离线优化模块和在线服务匹配模块；信息采集模块包含智能机器人、用户和校园卡，智能机器人通过校园卡识别用户，并触发推荐指令；缓存数据处理模块包含数据清洗和数据分类，用于删除无效数据并按照用户ID将缓存数据进行分类；离线优化模块包含稀疏特征、偏好特征、最大化收益和候选推荐集，用于挖掘用户的稀疏的偏好特征，为用户建立候选推荐集；在线服务匹配模块包含触发推荐指令、餐厅匹配和推送推荐项目；本发明专利技术根据采集到的用户信息，为用户推荐餐厅，满足学生需求的同时，最大限度地提高餐厅的利益。大限度地提高餐厅的利益。
【技术实现步骤摘要】
一种基于用户稀疏偏好特征的智慧校园点餐推荐系统
[0001]
[0002]本专利技术涉及智慧校园点餐推荐领域，尤其涉及稀疏特征挖掘、个性化满意度和校园餐厅推荐。
技术介绍
[0003]当前学校餐厅里的智能推荐机器人只能给出餐厅窗口的基本介绍和位置导航。然而，用户在使用智能机器人时，更希望得到个性化的定制推荐。从餐厅经营者的角度来说，个性化推荐也是有益于整体收益的，可以平衡用户的就餐时间并提高餐厅的整体收入。
[0004]因此，在挖掘用户稀疏偏好特征的基础上为用户做个性化的餐厅窗口推荐是急需的。
技术实现思路
[0005]本专利技术的目的是提出一种基于用户稀疏偏好特征的智慧校园点餐推荐系统，旨在为用户定制符合满意度的个性化的推荐，提高餐厅营业收入。
[0006]本专利技术的目的可以通过以下技术方法实现：一种基于用户稀疏偏好特征的智慧校园点餐推荐系统，包含信息采集模块、缓存数据处理模块、离线优化模块和在线服务匹配模块；所诉信息采集模块包含智能机器人、用户和校园卡，智能机器人通过校园卡识别用户，并在和用户的交互过程中获取用户ID并触发推荐指令；所诉缓存数据处理模块包含数据清洗和数据分类，用于删除无效数据并按照用户ID将缓存数据进行分类和存储；当有最新的推荐反馈数据加入时，对其进行数据清洗和分类处理；所诉离线优化模块包含稀疏特征、偏好特征、最大化收益和候选推荐集，用于挖掘用户的稀疏的偏好特征，根据挖掘到的稀疏偏好，在满足最大化餐厅收益的目标下，为该用户建立候选推荐集；所诉在线服务匹配模块包含触发推荐指令、餐厅匹配和推送推荐项目，在接收到用户的推荐指令后，将当前餐厅ID和用户候选推荐集中的窗口所属餐厅ID进行匹配，并将候选推荐集中的处于当前餐厅的餐厅窗口推送给用户；最后将推荐结果反馈给缓存数据处理模块。
[0007]进一步地，信息采集模块包含智能机器人、用户和校园卡，智能机器人通过校园卡识别用户，并在和用户的交互过程中获取用户ID并触发推荐指令；智能机器人位于餐厅内部，具有餐厅位置信息；智能机器人负责采集用户信息，计算推荐结果并将推荐结果推送给用户；表示个用户的校园卡ID；用户可以使用校园卡
和智能机器人进行交互，智能机器人通过用户的校园卡识别用户；表示个餐厅的ID；高校校园中通常包含多个餐厅，每个餐厅又包含多个窗口，学生的选择性很大；每个餐厅都有智能机器人，可以为用户推荐该餐厅的窗口；表示个餐厅窗口的ID，个餐厅一共包含个餐厅窗口供用户选择就餐。
[0008]进一步的，缓存数据处理模块获取消费数据，删除残缺和错误数据，对消费数据进行分类和存储；从存储的数据集中提取用户ID、消费时间、消费地点、消费类型和消费金额；删除含有缺失值的数据，缺少用户ID、消费时间和消费地点等关键值的数据都无法应用于用户偏好挖掘；删除消费地点不在餐厅的数据；删除餐费支出以外的其他类型的消费数据；这是由于校园卡可以执行用户各种日常活动，包括签到、门禁、淋浴和餐厅就餐等等，所以存储的数据集中通常包含用户的各种类型的数据，挖掘用户的偏好需要删除这些冗余信息；根据用户的ID对消费数据进行分类、存储。为每个用户建立处理过的消费数据集，用于后续挖掘用户的稀疏偏好。
[0009]进一步的，离线优化模块包含稀疏特征、偏好特征、最大化收益和候选推荐集，用于挖掘用户的稀疏的偏好特征，根据挖掘到的稀疏偏好，在满足最大化餐厅收益的目标下，为该用户建立候选推荐集；用户的偏好通常是稀疏的；相较于大量的餐厅窗口来说，用户经常光临的窗口通常是少数的，因此用户的偏好窗口相对于整体餐厅窗口来说通常是稀疏的；挖掘用户的稀疏偏好，并以此入手来为用户推荐，可以节省大量的计算资源；结合深度强化学习和进化算法来挖掘用户消费的稀疏特征并计算推荐结果；进化算法中种群的多个个体用于稳定地挖掘用户稀疏偏好，而强化学习控制个体进化，从而促进种群的快速学习和收敛，达到高效且稳定地挖掘到用户的偏好并最大化收益。
[0010]在为用户建立候选推荐集时，将用户对餐厅窗口的满意度作为推荐参考指标；代表用户对餐厅的满意度，在稀疏特征的前提下，不需要为每个用户维护针对所有餐厅的满意度；营业额，餐厅为用户服务后得到用户支付的报酬；成本，餐厅为用户提供服务所需要付出的成本；候选餐厅推荐集，包含个候选推荐餐厅，只有当用户对餐厅的满意度存在且大于阈值时，才可能将餐厅加入到用户的候选餐厅推荐集中；构建候选餐厅推荐集，在触发用户的推荐需求时，为用户进行即时推荐；将为用户推荐餐厅窗口的问题，抽象为优化问题，建立个性化的多对多分配优化
问题模型：问题模型：针对上述优化问题，以稀疏偏好的挖掘为基础，结合深度强化学习和进化算法进行最优分配结果的搜索，具体步骤如下：步骤一，根据用户对餐厅窗口的回头率，抽取用户对餐厅的满意度并存储于每个用户的消费数据集中；步骤二，初始化一个种群，其个数为，用于搜索最优的推荐策略；将属于用户稀疏偏好的部分取值为1，其余的部分均取值为零，接着对取值为1部分的进行进一步挖掘得到，由决定最终的推荐策略，确定最大化收益的最优推荐集；步骤三，初始化带有参数的actor网络和带有参数的critic网络；初始化带有参数的target actor网络和带有参数的target critic网络；步骤四，按照目标函数Eq. (1)对种群进行评估，排序；步骤五，执行基于进化算法的合作策略优化器生成子代种群，将子代种群和原种群结合，进行环境选择得到下一代种群；步骤六，为了提高种群的学习能力，利用强化学习的梯度信息，将该梯度信息注入到种群中，指导种群的进化。执行深度强化学习优化器生成子代并将其注入到种群中；进一步的，在线服务匹配模块包含触发推荐指令、餐厅匹配和推送推荐项目，在接收到用户的推荐指令后，将当前餐厅ID和用户候选推荐集中的窗口所属餐厅ID进行匹配，并将候选推荐集中的处于当前餐厅的餐厅窗口推送给用户；最后将推荐结果反馈给缓存数据处理模块。
[0011]结合进化算法和深度强化学习的优化方法，根据历史数据挖掘用户的稀疏偏好，在保证用户满意度和餐厅收益最大化的情况下，得到用于推荐的候选窗口，并建立候选推荐集。在智能机器人接收到用户的推荐请求后，从餐厅窗口的候选推荐集中匹配当前餐厅的窗口，并将匹配窗口推送给用户，然后将该推荐结果反馈给服务器。
[0012]本专利技术的有益效果：本专利技术克服了以往智能机器人的单一推荐的局限性，为用户开启个性化推荐，考虑了用户的满意度并提高了用户的就餐意愿和效率。
[0013]本专利技术考虑了餐厅的整体收益，以节省餐厅运营成本。这可以扩展到商场导购、在线消费和资源分配等应用场合。
附图说明
[0014]图一为本专利技术提供的一种基于用户稀疏偏好特征的智慧校园点餐推荐系统的模块示意图。
具体实施方式
[0015]下面将结合附图对本专利技术的实施作进一步的详细说明。可以理解的是，下述具体实施方式仅用于说明本专利技术而不限制本专利技术的范围。
[0016]参照附图1所示，本专利技术涉及的一种基于用户稀疏偏好特征的智慧校园点餐推荐系统，包含信息采集本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于用户稀疏偏好特征的智慧校园点餐推荐系统，其特征在于，包含信息采集模块、缓存数据处理模块、离线优化模块和在线服务匹配模块；所述信息采集模块包含智能机器人、用户和校园卡，用户手持校园卡和智能机器人进行交互活动；智能机器人通过校园卡识别用户，并在和用户的交互过程中获取用户ID并触发推荐指令；所诉缓存数据处理模块包含数据清洗和数据分类，用于删除无效数据并按照用户ID将缓存数据进行分类和存储；当有最新的推荐反馈数据加入时，对其进行数据清洗和分类处理；所述离线优化模块包含稀疏特征、偏好特征、最大化收益和候选推荐集，采用结合进化计算和深度强化学习的优化算法，在满足餐厅收益最大化的目标下，为用户建立候选推荐集；该方法从挖掘用户的稀疏偏好特征入手，大大降低了搜索空间并提升了算法的优化效率；所诉在线服务匹配模块包含触发推荐指令、餐厅匹配和推送推荐项目，在接收到用户的推荐指令后，将当前餐厅ID和用户候选推荐集中的窗口所属餐厅ID进行匹配，并将候选推荐集中的处于当前餐厅的餐厅窗口推送给用户；最后将推荐结果反馈给缓存数据处理模块。2.根据权利要求1所述的一种基于用户稀疏偏好特征的智慧校园点餐推荐系统，其特征在于，信息采集模块包含智能机器人、用户和校园卡，用户手持校园卡和智能机器人进行交互活动；智能机器人通过校园卡识别用户，并在和用户的交互过程中获取用户ID并触发推荐指令，包括：智能机器人位于餐厅内部，具有餐厅位置信息；智能机器人负责采集用户信息，计算推荐结果并将推荐结果推送给用户；表示个用户的校园卡ID；用户可以使用校园卡和智能机器人进行交互，智能机器人通过用户的校园卡识别用户；表示个餐厅的ID；高校校园中通常包含多个餐厅，每个餐厅又包含多个窗口；每个餐厅都有智能机器人，可以直接为用户推荐该餐厅的窗口；表示个餐厅窗口的ID，个餐厅一共包含个餐厅窗口供用户选择就餐。3.根据权利要求1所述的一种基于用户稀疏偏好特征的智慧校园点餐推荐系统，其特征在于，所述缓存数据处理模块包含数据清洗和数据分类，用于删除无效数据并按照用户ID将缓存数据进行分类，包括：从存储的数据集中提取用户ID、消费时间、消费地点、消费类型和消费金额；删除含有缺...
【专利技术属性】
技术研发人员：冯翔，高梦琦，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。