[发明专利]一种基于多用户信息融合和熵的餐厅点餐推荐方法和系统

权利要求书

1.一种基于多用户信息融合和熵的餐厅点餐推荐方法，其特征在于，包括：

获取历史点菜数据和权值信息，生成加权频繁模式树，确定出菜品和菜品、菜品数量和用餐人数之间的关联规则；所述权值信息为携带用餐人数的权重值；

接收同一桌号下的每个用户的菜品喜好信息，基于加权频繁模式树、熵和相似度的推荐矩阵，计算出向同一桌号下的每个用户推荐菜品的候选子集；其中，每个推荐菜品都携带有增益值信息；首先构建基于熵和相似度的目标函数f(M)，其中，评分函数R(M)代表用户对M中所有菜品的喜好程度，g(M)代表集合M中所有菜品的多样化程度，α代表熵的正则化常数，α＞0，K表示菜品组合的总数；再采用贪心近似算法求解目标函数得到最优解加入候选集合，直至达到用户点餐推荐数量上限；

接收同一桌号下的每个用户的属性信息并构建用户不相容度矩阵，将同一桌号下所有候选子集取并，重合菜品增益值相加，按照增益值由大到小排序菜品，再根据用户不相容度矩阵剔除不相容度超出预设阈值的菜品，筛选出增益值最高的且与当前用户数量相匹配的菜品数量作为最终推荐菜品集合，并向同一桌号下所有用户同步推荐。

2.如权利要求1所述的基于多用户信息融合和熵的餐厅点餐推荐方法，其特征在于，所述基于多用户信息融合和熵的餐厅点餐推荐方法，还包括：

接收参与点餐的用户对点过的菜品的反馈信息；

基于反馈信息更新加权频繁模式树。

3.如权利要求1所述的基于多用户信息融合和熵的餐厅点餐推荐方法，其特征在于，通过两次扫描历史点菜数据和权值信息来构建加权频繁模式树。

4.如权利要求3所述的基于多用户信息融合和熵的餐厅点餐推荐方法，其特征在于，第一次扫描统计所有历史菜品的使用情况，构建一张用菜品ID和用餐人数作为唯一键值的头表，头表第二列的值表示对应第一列键值出现的次数；第二次扫描遍历历史点菜数据，以维护一个指针指向加权频繁模式树中的对应节点。

5.如权利要求1所述的基于多用户信息融合和熵的餐厅点餐推荐方法，其特征在于，加权频繁模式树中每条路径的深度视作用户点餐推荐数量上限。

6.如权利要求1所述的基于多用户信息融合和熵的餐厅点餐推荐方法，其特征在于，将同一桌号下所有候选子集取并之前，还包括对同一子集的所有增益值信息进行归一化处理。

7.一种基于多用户信息融合和熵的餐厅点餐推荐系统，其特征在于，包括：

加权频繁模式树生成模块，其用于获取历史点菜数据和权值信息，生成加权频繁模式树，确定出菜品和菜品、菜品数量和用餐人数之间的关联规则；所述权值信息为携带用餐人数的权重值；

候选子集计算模块，其用于接收同一桌号下的每个用户的菜品喜好信息，基于加权频繁模式树、熵和相似度的推荐矩阵，计算出向同一桌号下的每个用户推荐菜品的候选子集；其中，每个推荐菜品都携带有增益值信息；首先构建基于熵和相似度的目标函数f(M)，其中，评分函数R(M)代表用户对M中所有菜品的喜好程度，g(M)代表集合M中所有菜品的多样化程度，α代表熵的正则化常数，α＞0，K表示菜品组合的总数；再采用贪心近似算法求解目标函数得到最优解加入候选集合，直至达到用户点餐推荐数量上限；

多用户信息融合模块，其用于接收同一桌号下的每个用户的属性信息并构建用户不相容度矩阵，将同一桌号下所有候选子集取并，重合菜品增益值相加，按照增益值由大到小排序菜品，再根据用户不相容度矩阵剔除不相容度超出预设阈值的菜品，筛选出增益值最高的且与当前用户数量相匹配的菜品数量作为最终推荐菜品集合，并向同一桌号下所有用户同步推荐。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一项所述的基于多用户信息融合和熵的餐厅点餐推荐方法中的步骤。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一项所述的基于多用户信息融合和熵的餐厅点餐推荐方法中的步骤。