[发明专利]商户菜品交易预测及备餐方法及装置

权利要求书

1.一种商户菜品交易预测及备餐方法，包括：

获取商户在待预测时间段对应的菜品交易特征数据；

将所述菜品交易特征数据作为商户的回归模型的输入，获取该商户在所述待预测时间段的菜品交易预测值；

根据所述菜品交易预测值，规划该菜品的备餐方案。

2.如权利要求1所述的方法，其中，所述将所述菜品交易特征数据作为商户的菜品交易预测模型的输入，获取该商户在所述待预测时间段的菜品交易预测值之前，还包含：

获取所述商户历史在多个时间段的菜品交易样本；

基于所述菜品交易样本的菜品交易特征数据与对应的菜品交易量，训练所述回归模型。

3.如权利要求1所述的方法，其中，所述菜品交易特征数据包括以下之一或其任意组合：菜品交易量的时序特征、天气特征、时间段特征、商户活动特征、菜品特征。

4.如权利要求3所述的方法，其中，所述菜品交易量的时序特征是指所述商户的历史的菜品交易量根据时间变化的特征。

5.如权利要求4所述的方法，其中，所述菜品交易量的时序特征是以下之一：近期历史的连续的L个固定时长T内的菜品交易量序列，近期历史的连续的L个固定时长T内的菜品交易量序列的加权平均值，近期历史的连续的L个固定时长T内的菜品交易量序列的一阶、二阶差分值。

6.如权利要求3所述的方法，其中，所述时间段特征包括一下之一或其任意组合：当前固定时长T所在日期的节假日类型，当前固定时长T所在日期是该星期的第几天以及类型，当前固定时长T在该天的序号以及当前固定时长T所在小时在该天的序号。

7.如权利要求3所述的方法，其中，所述商户活动信息包括：商户送券的金额，和/或商户交易价格减免的比例。

8.如权利要求3所述的方法，其中，所述菜品活动信息包括：所述菜品的单价，和/或所述菜品价格减免比例。

9.如权利要求1-8中任意一项所述的方法，其中，所述回归模型是LightGBM模型。

10.如权利要求2所述的方法，其中，所述回归模型包括N个子模型，所述回归模型输出的预测值是所述N个子模型输出的预测值的加权平均值；

所述基于所述菜品交易样本的菜品交易特征数据与对应的菜品交易量，训练所述回归模型，进一步包括：

从所述菜品交易样本中随机筛选固定比例数量的样本，设置随机参数种子，分别训练所述M个子模型，确定训练好的各个子模型的训练准确度，从所述M个子模型中挑选N个训练准确度超过预定门限的子模型，其中M≥N＞1。

11.如权利要求10所述的方法，其中，所述将N个子模型输出的预测值加权平均时，每个子模型的权重与该子模型的训练准确度正相关。

12.如权利要求10或11所述的方法，其中，所述子模型是LightGBM模型。

13.一种商户菜品交易预测及备餐装置，包括：

第二获取模块，用于获取商户在待预测时间段对应的菜品交易特征数据；

预测模块，用于将所述菜品交易特征数据作为商户的回归模型的输入，获取该商户在所述待预测时间段的菜品交易预测值；

规划模块，用于根据所述菜品交易预测值，规划该菜品的备餐方案。

14.如权利要求13所述的系统，其中，还包括：

第一获取模块，用于获取所述商户历史在多个时间段的菜品交易样本；

训练模块，用于基于所述菜品交易样本的菜品交易特征数据与对应的菜品交易量，训练所述回归模型。