一种菜品销量的预测方法、装置、设备及介质制造方法及图纸

本说明书实施例公开了一种菜品销量的预测方法、装置、设备及介质，方法包括：获取目标商户的菜品序列，以获取菜品序列中各菜品的菜品数据；获取目标商户的营销数据，将菜品数据与营销数据作为原始数据，并提取原始数据中的特征值；基于营销数据获得各菜品的销售数据序列，以基于销售序列数据进行训练获得符合要求的销量预测模型；将菜品序列中各所述菜品的特征值，输入所述符合要求的销量预测模型，获得各所述菜品的预测销量。各所述菜品的预测销量。各所述菜品的预测销量。

【技术实现步骤摘要】
一种菜品销量的预测方法、装置、设备及介质


[0001]本说明书涉及大数据
，尤其涉及一种菜品销量的预测方法、装置、设备及介质。

技术介绍

[0002]随着世界经济的逐渐繁荣，餐饮业在近几十年也飞速发展，各种连锁店、餐厅层出不穷。同时，科技的发展使得餐饮业的智能化转型已是大势所趋。智能点餐、菜品推荐、线上支付等智能化工具的出现，让餐饮行业的竞争已不再局限于价格竞争与产品质量竞争，“智能化”也成为餐饮业竞争的重要因素。近年来，互联网和信息技术的飞速发展，使得各个领域的运营数据急剧增加，在商业领域表现尤为明显。商业智能的提出，使得企业运营数据具有很高的商业价值，企业可以从海量数据中挖掘潜在有用信息，为客户提供更好的服务，为企业创造更大的利润。为了提高顾客取餐的效率，减少取餐通道的拥堵，提高用户体验，也可以增加菜品的销量，减少浪费，对于菜品销量的预测是餐饮业智能发展中的一项重要环节。
[0003]目前传统的管理依赖于店铺人员的个人经验，效果因人而异，无法发挥最佳价值，同时由于熟练的管理人员较少，经验也很难在门店间进行复制。而现有的预测技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种菜品销量的预测方法，其特征在于，所述方法包括：获取目标商户的菜品序列，以获取所述菜品序列中各菜品的菜品数据；获取所述目标商户的营销数据，将所述菜品数据与所述营销数据作为原始数据，并提取所述原始数据中的特征值；基于所述营销数据获得各所述菜品的销售数据序列，以基于所述销售序列数据进行训练获得符合要求的销量预测模型；将所述菜品序列中各所述菜品的特征值，输入所述符合要求的销量预测模型，获得各所述菜品的预测销量。2.根据权利要求1所述的一种菜品销量的预测方法，其特征在于，所述获取所述目标商户的营销数据，将所述菜品数据与所述营销数据作为原始数据，并提取所述原始数据中的特征值，具体包括：获取所述营销数据中的评价数据，以基于所述评价数据对所述菜品数据进行过滤，获得菜品影响数据；提取所述营销数据中的目标商户影响数据与目标数据经营数据；将所述菜品影响数据、所述目标商户影响数据与目标数据经营数据作为原始数据，以基于预设特征工程提取所述原始数据中的特征值。3.根据权利要求2所述的一种菜品销量的预测方法，其特征在于，所述基于所述评价数据对所述菜品数据进行过滤，获得菜品影响数据，具体包括：基于各所述菜品的菜品名称获取与各所述菜品相对应的评价数据；提取所述评价数据的评价关键词，并所述评价关键词进行聚类，以获得与所述菜品相对应的多个分类簇，获取各个分类簇所对应的分类中心关键词；获取与所述分类中心关键词相对应的数据作为所述菜品的菜品影响数据，并对所述菜品数据中除所述菜品影响数据之外的数据进行过滤。4.根据权利要求1所述的一种菜品销量的预测方法，其特征在于，所述基于所述营销数据获得各所述菜品的销售数据序列，以基于所述销售序列数据进行训练获得符合要求的销量预测模型，具体包括：根据所述营销数据获得各个菜品的销售数据序列，并获得所述菜品序列中与所述菜品相邻的菜品，将所述相邻的菜品的销售数据序列作为相邻数据序列；将所述销售数据序列与所述相邻数据序列输入预设图卷积神经网络模型，以获得所述菜品与所述相邻的菜品的依赖值；根据长短期记忆网络计算所述依赖值的变化曲线，并对所述变化曲线进行线性回归获得对应的预测值，循环计算所述预测值，若所述预测值符合要求则将所述长短期记忆网络作为符合要求的销量预测模型。5.根据权利要求1所述的一种菜品销量的预测方法，其特征在于，所述将所述菜品序列中各所述菜品的特征值，输入所述符合要求的销量预测模型，获得各所述菜品的预测销量之后，所述方法还包括：获取所述目标商户中各所述菜品的预设生产材料清单，基于所述预设生产材料清单与各所述菜品的预测销量，确定所述目标商户的待用材料消耗量；
将所述待用材料消耗量与所述目标商户的当前库存进行对比，以确定所述目标商户的待采购材料以及所述代采购材料的数量。6.根据权利要求1所述的一种菜品销量的预测...

【专利技术属性】
技术研发人员：张文强，胡立军，商广勇，肖雪，
申请(专利权)人：浪潮工业互联网股份有限公司，
类型：发明
国别省市：