[发明专利]基于销量、用户偏好与优惠折扣的外卖平台餐厅排序方法

权利要求书

1.一种基于销量、用户偏好与优惠折扣的外卖平台餐厅排序方法，其特征在于：

步骤1，餐厅数据处理

对餐厅数据进行处理，主要涉及两个方面：按照餐厅所属的菜系类别对餐厅进行标记；计算餐厅当前的优惠折扣力度；

1.1餐厅菜系标记

菜系类别是餐厅的一个很重要的特征，也是为用户做餐厅排序推荐时需要考虑的一个重要因素，所以需要提前标记好餐厅的所属菜系类别；一家餐厅根据其主要销售的菜品，有一个或多个菜系标签；

1.2餐厅优惠折扣力度计算

餐厅可能会提供多种全场优惠，需要计算出其中最大优惠作为餐厅的最终优惠，一家餐厅的优惠折扣力度越大，该餐厅从优惠角度来看应该优先展示；

步骤2订单数据分析

读取平台的历史订单数据，数据中需要包括以下字段：订单ID、下单时间、用户ID、餐厅ID和餐厅菜系；

2.1分时段销量统计

对读取的订单数据以小时为单位，分时段统计各餐厅的订单销量；

2.2计算用户菜系偏好

使用矩阵分解算法，通过对每一个用户和菜系类别生成一个隐向量，将用户和菜系定位到隐向量表示的空间上，与用户距离相近的菜系表明用户更感兴趣，因此给该类别菜系的餐厅分配更高的曝光率；使用奇异值分解SVD算法提前计算出用户对于各菜系的偏好值，供后续排序使用；

步骤3餐厅筛选与运费区间排序

餐厅筛选与运费区间排序包括以下两个步骤：

3.1餐厅筛选

餐厅筛选分为两步，首先获取用户的实时或者输入的位置信息，根据位置信息只保留用户所在城市的餐厅；然后，过滤掉停业、下架状态的餐厅，只保留当日营业的餐厅；

3.2运费计算与基于运费区间的排序

根据用户的位置，对3.1中筛选出的餐厅根据平台的运费规则，计算餐厅与用户产生的运费；

从低到高设置若干运费区间，然后对餐厅按照其所处的运费区间进行标记；

使用弱序关系对餐厅按照标记好的运费区间，由低到高进行排序；

步骤4排序融合

4.1销量百分位次计算

近似用户浏览平台的整点时间，使用弱序关系再次对3.2的各运费区间内的餐厅，按照2.1中对应的整点销量数据进行排序，得到的结果记做销量排序；然后，计算出所有餐厅在其所在的运费区间内的销量排序的百分位次；

4.2偏好百分位次计算

查询2.2中计算得出的该用户对于不同菜系的偏好值，对于3.2的各运费区间内的餐厅使用弱序关系进行排序，得到的结果记作偏好排序；然后，计算出所有餐厅在其所在的运费区间内的偏好排序的百分位次；

4.3优惠折扣百分位次计算

使用弱序关系对3.2的各运费区间内的餐厅根据1.2得出餐厅的最终优惠进行排序，得到的结果记作优惠折扣排序；然后，计算出所有餐厅在其所在的运费区间内优惠折扣排序的百分位次；

4.4综合百分位次计算与餐厅重排输出

对于3.2各运费区区间内的餐厅，将其在4.1、4.2、4.3中得到的三个百分位次求和并在区间内升序排列；

步骤5数据更新

考虑到季节性因素对于订单的影响，需要对于2.1、2.2中的排序每两周更新一次。

2.根据权利要求1所述的一种基于销量、用户偏好与优惠折扣的外卖平台餐厅排序方法，其特征在于：所述使用奇异值分解SVD算法提前计算出用户对于各菜系的偏好值，具体如下：

对已读取到的订单数据进行处理，生成用户ID与餐厅菜系的共现矩阵M，M的行代表用户，M的列代表菜系，统计过去两周历史订单中用户i在菜系标签为j的餐厅中的下单次数作为元素M_ij的取值；假设矩阵M是一个m×n的矩阵，则将其分解为M＝U∑V^T，其中U是m×m的正交矩阵，V是n×n的正交矩阵，∑是m×n的对角阵，位于∑对角线上的元素被称为奇异值，奇异值一定程度上反映了矩阵中隐含的重要信息，其值的大小与重要性正相关；根据对角阵∑上奇异值的大小，取对角阵∑中数值最大的k个奇异值作为隐含特征，删除对角阵∑的其他维度以及U和V中对应的维度，即将U_m×m、V_n×n分别转化为U_m×k、V_k×n，由此矩阵M被分解为M≈M′＝U_m×k∑_k×kV_k×n^T，至此完成了隐性量维度为k的矩阵分解；

记录矩阵M′，矩阵M′中的每行元素代表一个用户对于不同菜系的偏好值。