[发明专利]菜品推荐方法及装置

说明书

本发明公开了一种菜品推荐方法及装置，其中，方法包括：将目标用户的用户属性信息和场景属性信息映射成对应的属性信息向量；获取多份待推荐菜品的菜品向量；将属性信息向量和各份待推荐菜品的菜品向量输入至训练得到的关联度模型中，得到属性信息向量与各份待推荐菜品的菜品向量的关联度值；根据关联度值从多份待推荐菜品中选择推荐菜品推荐至目标用户。本发明方案，可以不依赖于目标用户的历史点餐行为进行菜品推荐，即使针对点餐行为不丰富的目标用户，也可以利用关联度模型得到对应目标用户的属性信息向量与待推荐菜品的菜品向量的关联度值，并据此关联度值进行推荐，进而提升目标用户的点餐体验。

技术领域

本发明涉及计算机技术领域，具体涉及一种菜品推荐方法及装置。

背景技术

随着智能餐饮技术的兴起，点餐方式已从传统的纸质点餐向终端智能化点餐发展，例如，在外卖平台上点餐、或者在餐厅提供的点餐终端中点餐。与此同时，为了提高菜品的下单率以及提升用户的点餐体验，越来越多的提供点餐服务的平台会通过终端向用户进行菜品推荐。

现有的推荐方案中，通常是根据用户历史数据确定用户的偏好信息，并据此偏好信息进行推荐。如申请公布号为CN1068157745A的中国专利申请中，根据目标用户的评论信息确定目标用户的菜品成分偏好库，并根据该菜品成分偏好库确定为目标用户推荐的菜品。该方案依赖于目标用户的历史评论信息来确定为用户推荐的菜品，无法为没有评论或评论较少的目标用户提供精准地菜品推荐。又如申请公布号为CN108230009A的中国专利申请中，通过预先训练的偏好预测模型，基于目标用户对目标对象的交互行为特征(包括点击、购买、浏览以及收藏等行为特征)进行预测，得到目标用户对目标对象的偏好预测结果。该方案依赖于目标用户的历史交互行为来确定目标用户对目标对象的偏好度，无法对与目标对象之间未产生交互行为或者交互行为较少的目标用户准确的进行偏好度的预测，进而无法进行准确的推荐。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的菜品推荐方法及装置。

根据本发明的一个方面，提供了一种菜品推荐方法，包括：

将目标用户的用户属性信息和场景属性信息映射成对应的属性信息向量；

获取多份待推荐菜品的菜品向量；

将所述属性信息向量和各份待推荐菜品的菜品向量输入至训练得到的关联度模型中，得到属性信息向量与各份待推荐菜品的菜品向量的关联度值；

根据所述关联度值从多份待推荐菜品中选择推荐菜品推荐至目标用户。

可选的，在所述获取多份待推荐菜品的菜品向量之前，所述方法还包括：

根据菜品知识图谱构建菜品向量化模型的训练语料库；

从所述训练语料库中获取训练样本语料，将所述训练样本语料的笔画特征信息输入至初始化的菜品向量化模型中进行训练；根据训练结果得到菜品向量化矩阵。

可选的，所述获取多份待推荐菜品的菜品向量进一步包括：

根据所述菜品向量化矩阵将各份待推荐菜品的菜品名称对应的笔画特征信息映射成所述待推荐菜品的菜品向量。

可选的，所述关联度模型通过以下步骤训练得到：

获取多份菜品样本的菜品样本向量；以及，采集多次点餐行为对应的点餐用户样本的用户样本属性信息和点餐场景的场景样本属性信息；将所述用户样本属性信息和场景样本属性信息映射成对应的样本属性信息向量；

根据多次点餐行为，对所述样本属性信息向量与所述菜品样本向量的关联度进行标注，得到关联度标注结果；

将所述菜品样本向量和所述样本属性信息向量输入至关联度训练模型中，得到关联度训练模型输出的关联度输出结果；