餐厅需求的预测方法及其系统技术方案

本发明专利技术公开一种餐厅需求的预测方法及其系统，该方法包括：根据餐厅的推荐菜菜单信息中的菜品名称获取推荐菜品的食材种类以及每种食材的相对使用量；根据推荐菜品销量和每种食材的相对使用量，得到餐厅的推荐菜品中每种食材的相对占比数据；确定与餐厅相同类型的多个餐厅，根据第一批餐厅的已知推荐菜品的食材实际需求数据和该食材的网络评论数据，预测第二批餐厅的推荐菜品中的食材的预测需求数据；根据每种食材的相对占比、以及第二批餐厅的推荐菜品中该食材的预测需求数据，预测第二批餐厅的推荐菜品的食材预测需求数据；根据第二批餐厅的推荐菜品的食材种类和食材预测需求数据查找与第二批餐厅相同类型的餐厅。通过本申请能够快速拓展区域内B端客户。请能够快速拓展区域内B端客户。请能够快速拓展区域内B端客户。

【技术实现步骤摘要】
餐厅需求的预测方法及其系统


[0001]本专利技术涉及计算机
，尤其涉及一种餐厅需求的预测方法及其系统。

技术介绍

[0002]传统来说，食材供应商被动接受订单或通过逐个访问企业端客户的方法来推荐他们的商品，以此实现更多的销售额。随着大数据时代的来临，食材供应商通过公海数据，挖掘企业端客户的信息，得到该B端客户售卖菜品的菜系和受欢迎程度，估算出该B端客户所需食材的种类和使用量，从而方便业务员上门进行精准推销。其中，B端客户特指BU Store周边有食材需求的企业客户，这些单位有两个特点，一是购买量大，二是购买力持久且稳定。例如，餐厅是一类典型的B端客户。BU Store特指使用本产品的门店，如超市，销售中心等，可引申至任何面向客户提供和销售食材、调味品等B2B业务的销售单位。
[0003]现有技术主要通过人工搜索公海数据的方式获取区域内企业端客户的基本信息，包括评论及评论数，评分，推荐菜及其点赞次数等，并依靠人工经验分析数据后预测B端客户的食材需求，但是现有技术无法通过海量数据获取精确的潜在客户基本信息。

技术实现思路

[0004]本专利技术的主要目的在于提供一种餐厅需求的预测方法及其系统，以解决现有技术的无法精确获取潜在客户基本信息的问题。
[0005]根据本专利技术的一个方面提出一种餐厅需求的预测方法，其包括：获取预定区域内的餐厅的信息，其中所述餐厅的信息至少包括：餐厅类型、推荐菜菜单信息、推荐菜品信息、推荐菜品销量信息；根据所述餐厅的推荐菜菜单信息中的菜品名称获取推荐菜品所对应的食材种类以及每种食材的相对使用量信息；根据所述推荐菜品销量信息和每种食材的相对使用量信息，得到所述餐厅的推荐菜品中每种食材的相对占比数据；确定与所述餐厅相同类型的多个餐厅，其中所述多个餐厅包括已知至少一种推荐菜品的食材实际需求数据的第一批餐厅以及未知推荐菜品的食材实际需求数据的第二批餐厅；根据所述第一批餐厅的已知推荐菜品的食材实际需求数据和该食材的网络评论数据，预测所述第二批餐厅的推荐菜品中的食材的预测需求数据；根据每种食材的相对占比信息、以及第二批餐厅的推荐菜品中该食材的预测需求数据，预测所述第二批餐厅的推荐菜品的食材预测需求数据；根据所述第二批餐厅的推荐菜品的食材种类和食材预测需求数据查找与所述第二批餐厅相同类型的餐厅。
[0006]其中，所述方法还包括：根据所述餐厅的推荐菜品信息确定所述餐厅的菜系类型；根据所述第二批餐厅的推荐菜品的菜系类型、食材种类和食材预测需求数据查找与所述第二批餐厅类似的餐厅。
[0007]其中，所述方法还包括：根据所述第二批餐厅的餐厅信息、推荐菜品、食材种类构建知识图谱，通过所述知识图谱获取与所述第二批餐厅相同类型的餐厅的食材预测需求数据。
[0008]其中，所述方法还包括：根据所述第二批餐厅的菜系、菜品和食材之间的相互关系，基于文本相似度和文本聚类技术构造交叉的树型特征，从而计算出所述客户和潜在B端客户的近似度；所述基于图论的节点嵌入算法将所述B端客户及其菜系、菜品和食材作为节点，构建知识图谱，利用节点嵌入算法，将所述B端客户表达为向量，从而计算出所述B端客户和潜在B端客户的近似度。
[0009]其中，所述方法还包括：获取所述第二批餐厅的食材实际需求数据，根据所述第二批餐厅的食材实际需求数据校正所述第二批餐厅的推荐菜品的食材预测需求数据。
[0010]根据本专利技术的另一个方面还提供一种餐厅需求的预测系统，其包括：餐厅信息获取模块，用于获取预定区域内的餐厅的信息，其中所述餐厅的信息至少包括：餐厅类型、推荐菜菜单信息、推荐菜品信息、推荐菜品销量信息；食材占比确定模块，用于根据所述餐厅的推荐菜菜单信息中的菜品名称获取推荐菜品所对应的食材种类以及每种食材的相对使用量信息；根据所述推荐菜品销量信息和每种食材的相对使用量信息，得到所述餐厅的推荐菜品中每种食材的相对占比数据；第一食材预测需求数据预测模块，用于确定与所述餐厅相同类型的多个餐厅，其中所述多个餐厅包括已知至少一种推荐菜品的食材实际需求数据的第一批餐厅以及未知推荐菜品的食材实际需求数据的第二批餐厅；根据所述第一批餐厅的已知推荐菜品的食材实际需求数据和该食材的网络评论数据，预测所述第二批餐厅的推荐菜品中的至少一种食材的预测需求数据；第二食材预测需求数据预测模块，用于根据所述餐厅的推荐菜品中每种食材的相对占比数据、以及所述第二批餐厅的推荐菜品中的至少一种食材的预测需求数据，预测所述第二批餐厅的推荐菜品中的其他食材的预测需求数据；查找模块，用于根据所述第二批餐厅的推荐菜品的食材种类和食材预测需求数据查找与所述第二批餐厅相同类型的餐厅。
[0011]其中，所述查找模块还用于：根据所述餐厅的推荐菜品信息确定所述餐厅的菜系类型；根据所述第二批餐厅的推荐菜品的菜系类型、食材种类和食材预测需求数据查找与所述第二批餐厅类似的餐厅。
[0012]其中，所述系统还包括：第三食材预测需求数据预测模块，用于根据所述第二批餐厅的餐厅信息、推荐菜品、食材种类构建知识图谱，通过所述知识图谱获取与所述第二批餐厅相同类型的餐厅的食材预测需求数据。
[0013]其中，所述第三食材预测需求数据预测模块还用于：根据所述第二批餐厅的菜系、菜品和食材之间的相互关系，基于文本相似度和文本聚类技术构造交叉的树型特征，从而计算出所述客户和潜在B端客户的近似度；所述基于图论的节点嵌入算法将所述B端客户及其菜系、菜品和食材作为节点，构建知识图谱，利用节点嵌入算法，将所述B端客户表达为向量，从而计算出所述B端客户和潜在B端客户的近似度。
[0014]其中，所述第二食材预测需求数据预测模块还用于：获取所述第二批餐厅的食材实际需求数据，根据所述第二批餐厅的食材实际需求数据校正所述第二批餐厅的推荐菜品的食材预测需求数据。
[0015]通过本申请的上述实施例，通过技术方法获取并分析BU Store周边店铺的公海数据，构建AI模型，挖掘这些信息背后潜在B端客户的需求。同时，利用通过调研或实际交易获得的真实数据，拟合和迭代需求模型，更加准确的解析出这些客户的食材需求。最后，结合该门店已有B端客户的基本信息和预测的食材需求信息，安排业务员上门精准推销，实现快
速拓展区域内B端客户的目标。
附图说明
[0016]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，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。在附图中：
[0017]图1是根据本专利技术实施例的餐厅需求的预测方法的流程图；
[0018]图2是根据本专利技术实施例的餐厅信息链接的示意图；
[0019]图3A和图3B是根据本专利技术实施例的关系图谱构建示意图；
[0020]图4是根据本专利技术实施例的根据菜单信息进行食材解析的示意图；
[0021]图5是根据本专利技术实施例的使用LSH算法实现搜索的示意图；
[0022]图6A和图6B是根据本专利技术实施例的使用相似度算法进行菜品搜索的方法示意图；
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种餐厅需求的预测方法，其特征在于，包括：获取预定区域内的餐厅的信息，其中所述餐厅的信息至少包括：餐厅类型、推荐菜菜单信息、推荐菜品信息、推荐菜品销量信息；根据所述餐厅的推荐菜菜单信息中的菜品名称获取推荐菜品所对应的食材种类以及每种食材的相对使用量信息；根据所述推荐菜品销量信息和每种食材的相对使用量信息，得到所述餐厅的推荐菜品中每种食材的相对占比数据；确定与所述餐厅相同类型的多个餐厅，其中所述多个餐厅包括已知至少一种推荐菜品的食材实际需求数据的第一批餐厅以及未知推荐菜品的食材实际需求数据的第二批餐厅；根据所述第一批餐厅的已知推荐菜品的食材实际需求数据和该食材的网络评论数据，预测所述第二批餐厅的推荐菜品中的至少一种食材的预测需求数据；根据所述餐厅的推荐菜品中每种食材的相对占比数据、以及所述第二批餐厅的推荐菜品中的至少一种食材的预测需求数据，预测所述第二批餐厅的推荐菜品中的其他食材的预测需求数据；根据所述第二批餐厅的推荐菜品的食材种类和食材预测需求数据查找与所述第二批餐厅相同类型的餐厅。2.根据权利要求1所述的方法，其特征在于，还包括：根据所述餐厅的推荐菜品信息确定所述餐厅的菜系类型；根据所述第二批餐厅的推荐菜品的菜系类型、食材种类和食材预测需求数据查找与所述第二批餐厅类似的餐厅。3.根据权利要求2所述的方法，其特征在于，还包括：根据所述第二批餐厅的餐厅信息、推荐菜品、食材种类构建知识图谱，通过所述知识图谱获取与所述第二批餐厅相同类型的餐厅的食材预测需求数据。4.根据权利要求3所述的方法，其特征在于，还包括：根据所述第二批餐厅的菜系、菜品和食材之间的相互关系，基于文本相似度和文本聚类技术构造交叉的树型特征，从而计算出所述客户和潜在B端客户的近似度；所述基于图论的节点嵌入算法将所述B端客户及其菜系、菜品和食材作为节点，构建知识图谱，利用节点嵌入算法，将所述B端客户表达为向量，从而计算出所述B端客户和潜在B端客户的近似度。5.根据权利要求1所述的方法，其特征在于，还包括：获取所述第二批餐厅的食材实际需求数据，根据所述第二批餐厅的食材实际需求数据校正所述第二批餐厅的推荐菜品的食材预测需求数据。6.一种餐厅需求的预测系统，其特征在于，包括：餐厅信息获取模块，用于获取预定区域内的餐厅的信息，其中所述餐厅的信息至少包括：餐厅类型、...

【专利技术属性】
技术研发人员：张辰，凌澎，陆恒，冯正全，申大峰，
申请(专利权)人：上海正圆计算机科技有限公司，
类型：发明
国别省市：