[发明专利]一种餐馆推荐方法、装置、设备及可读存储介质

说明书

本发明公开了一种餐馆推荐方法，该方法包括：获取用户对餐馆的历史评分数据，并利用历史评分数据构建用户餐馆评分矩阵；获取各个待选餐馆的美食图片，利用评分预测模型提取美食图片的视觉特征；其中，视觉特征包括CNN特征和美学特征；利用评分预测模型将用户餐馆评分矩阵中未评分餐馆对应的视觉特征转化为预测评分，获得用户餐馆预测评分矩阵；利用用户餐馆预测评分矩阵向用户推荐感兴趣餐馆。本方法通过结合美食图像的美学特征中隐含的用户偏好和餐馆内容，可向用户推荐满足用户偏好的餐馆，使得餐馆推荐准确率更佳，可提升用户体验。本发明还公开了一种餐馆推荐装置、设备及可读存储介质，具有相应的技术效果。

技术领域

本发明涉及信息服务技术领域，特别是涉及一种餐馆推荐方法、装置、设备及可读存储介质。

背景技术

随着移动互联网技术不断发展，网络中的信息量以指数规律迅速扩展和增加，网络上的信息过载和信息迷航问题日益严重。为了给用户提供满意的信息和服务，推荐系统应运而生，成为了众多研究学者关注的研究领域。推荐系统通过预测用户对信息资源的喜好程度来进行信息过滤。根据用户具体需求通过协同过滤算法等技术进行个性化推荐。在众多推荐算法中，协同过滤推荐是迄今为止最为广泛应用的个性化推荐技术。兴趣点推荐作为推荐系统中重要的一个分支，在人们的日常生活中扮演了重要的角色。而餐馆推荐作为兴趣点推荐中独特的一环，餐馆作为一种特殊的兴趣点，其中包含的地理位置、餐馆类别等丰富的内容，通过分析这些内容进行推荐，从而增加用户粘度，提高餐馆的顾客流量。

在推荐系统领域，数据稀疏性和冷启动是仍然存在且颇具挑战性的问题。而在餐馆推荐领域，一些研究工作表明在基于内容的推荐中，使用丰富的内容来缓解这两个问题。传统的基于内容的兴趣点推荐系统主要使用了兴趣点类别、兴趣点地理位置和用户对兴趣点的评论等信息。基于此，目前的餐馆推荐仍然存在推荐准确率较低，即推荐效果不显著。也就是说，已有的餐馆推荐方法推荐给用户的餐馆不受用户喜爱等缺点。

综上所述，如何有效地提升餐馆推荐准确率等问题，是目前本领域技术人员急需解决的技术问题。

发明内容

本发明的目的是提供一种餐馆推荐方法、装置、设备及可读存储介质，以结合餐馆的美食图片中的美学特征进行餐馆推荐，可提升餐馆推荐准确率。

为解决上述技术问题，本发明提供如下技术方案：

一种餐馆推荐方法，包括：

获取用户对餐馆的历史评分数据，并利用所述历史评分数据构建用户餐馆评分矩阵；

获取各个待选餐馆的美食图片，利用评分预测模型提取所述美食图片的视觉特征；其中，所述视觉特征包括CNN特征和美学特征；

利用所述评分预测模型将所述用户餐馆评分矩阵中未评分餐馆对应的所述视觉特征转化为预测评分，获得用户餐馆预测评分矩阵；

利用所述用户餐馆预测评分矩阵向所述用户推荐感兴趣餐馆。

优选地，所述利用评分预测模型提取所述美食图片的视觉特征，包括：

利用所述评分预测模型中的卷积神经网络提取所述美食图片的所述CNN特征；

利用所述评分预测模型中的不同美学属性网络分别提取所述美食图片的不同属性的所述美学特征。

优选地，利用所述评分预测模型中的不同美学属性网络提取所述美食图片的所述美学特征，包括：

利用图像场景美学网络提取所述美食图片的图像场景信息；

利用图像语义美学网络提取所述美食图片的图像语义信息；

利用目标识别美学网络提取所述美食图片的美食目标信息；

利用图像情感识别网络提取所述美食图片的美食情感信息；