[发明专利]用餐人数预测方法、装置、电子设备及可读存储介质

权利要求书

1.一种用餐人数预测方法，其特征在于，所述方法包括：

对待识别菜品组合进行特征提取，得到所述待识别菜品组合的统计特征和序列特征，包括：对每个样本菜品组合中每个菜品进行全局维度的特征提取，得到该样本菜品组合的统计特征，以及，对每个样本菜品组合中每个菜品进行局部维度的特征提取，得到该样本菜品组合的序列特征，所述待识别菜品组合的序列特征包括所述待识别菜品组合中每个菜品的特征；

将所述待识别菜品组合的统计特征和序列特征输入预先训练的用餐人数预测模型，确定所述待识别菜品组合的用餐人数；

其中，所述用餐人数预测模型包括前向全连接神经网络模型、长短记忆网络模型以及线性回归模型，所述前向全连接神经网络模型以多个样本菜品组合的统计特征为输入，所述长短记忆网络模型以多个样本菜品组合各自的序列特征为输入，所述线性回归模型以多个样本菜品组合各自对应的拼接向量为输入；

其中，每个样本菜品组合携带用餐人数标签，每个样本菜品组合对应的拼接向量是对该样本菜品组合的统计特征对应的第一子向量和序列特征对应的第二子向量拼接而成的，所述第一子向量是通过所述前向全连接神经网络模型对该样本菜品组合的统计特征进行处理得到的，所述第二子向量是通过所述长短记忆网络模型，对该样本菜品组合中当前菜品的序列特征以及上一菜品的序列特征对应的向量进行处理得到的。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

以该样本菜品组合的统计特征和序列特征为训练样本，对前向全连接神经网络模型、长短记忆网络模型以及线性回归模型组成的整体模型进行训练，得到所述用餐人数预测模型。

3.根据权利要求2所述的方法，其特征在于，每个样本菜品组合的统计特征包括该样本菜品组合的至少一种以下统计信息：包括菜品的数量、总价格、类目标签上的菜品数量、类目标签上的价格、人均价格、人均菜品数量、人均类目标签上的菜品数量、人均类目标签上的价格。

4.根据权利要求2所述的方法，其特征在于，对每个样本菜品组合中每个菜品进行局部维度的特征提取，得到该样本菜品组合的序列特征，包括：

针对每个样本菜品组合，对该样本菜品组合中的每个菜品的名称、价格、份数、类目标签进行特征提取，得到该样本菜品组合的序列特征。

5.根据权利要求1－4任一项所述的方法，其特征在于，所述方法还包括：

获得针对目标菜品组合的订单的总数量，所述针对目标菜品组合的订单携带用户预先标记的餐具数量；

在所述总数量大于第一预设阈值的情况下，从各个针对目标菜品组合的订单中，确定餐具数量出现次数最多的目标餐具数量；

在所述目标餐具数量对应的订单的总数与所述总数量的比值大于第二预设阈值的情况下，确定所述目标菜品组合为所述样本菜品组合，并以所述目标餐具数量为该样本菜品组合携带的用餐人数标签。

6.根据权利要求1－4任一项所述的方法，其特征在于，在确定所述待识别菜品组合的用餐人数之后，所述方法还包括：

将所述待识别菜品组合的用餐人数推送给用户终端，以供用户确认该用餐人数。

7.根据权利要求1－4任一项所述的方法，其特征在于，在对待识别菜品组合进行特征提取之前，所述方法还包括：

确定用户在用户终端上当前已选中的多个菜品；

将所述多个菜品的组合确定为所述待识别菜品组合。