CN108648059A - 订单推荐方法及装置 - Google Patents
订单推荐方法及装置 Download PDFInfo
- Publication number
- CN108648059A CN108648059A CN201810467020.8A CN201810467020A CN108648059A CN 108648059 A CN108648059 A CN 108648059A CN 201810467020 A CN201810467020 A CN 201810467020A CN 108648059 A CN108648059 A CN 108648059A
- Authority
- CN
- China
- Prior art keywords
- scoring
- commodity
- vegetable
- user
- set meal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000009471 action Effects 0.000 claims abstract description 23
- 230000001960 triggered effect Effects 0.000 claims abstract description 19
- 235000013311 vegetables Nutrition 0.000 claims description 215
- 235000012054 meals Nutrition 0.000 claims description 130
- 230000006399 behavior Effects 0.000 claims description 73
- 238000004891 communication Methods 0.000 claims description 33
- 230000015572 biosynthetic process Effects 0.000 claims description 12
- 238000003786 synthesis reaction Methods 0.000 claims description 12
- 239000002537 cosmetic Substances 0.000 description 34
- 230000006870 function Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 235000013372 meat Nutrition 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 235000013361 beverage Nutrition 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 210000004709 eyebrow Anatomy 0.000 description 3
- 238000007477 logistic regression Methods 0.000 description 3
- 238000000205 computational method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 210000004209 hair Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010572 single replacement reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003020 moisturizing effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种订单推荐方法及装置。其中,方法包括:接收针对店铺的购物触发操作,呈现与店铺对应的购物界面;接收由购物界面触发的一键购物请求,获取用户购物需求及获取与店铺对应的至少一个商品;根据商品与用户购物需求的匹配度获得商品的第一评分;获取用户行为数据,根据商品与用户行为数据的匹配度获得商品的第二评分;根据第一评分和第二评分,获得商品的评分;根据商品的评分,生成并推荐商品订单。采用本方案,可根据用户行为及需求,为用户快速且自动化地推荐与其契合度高的商品,从而实现针对于用户的商品定制化推荐,便于减少用户购买商品的决策时间,提高用户购买商品的效率,提升用户体验,并可进一步地提高店铺的销售效率。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种订单推荐方法及装置。
背景技术
随着科学技术的飞速发展以及人民生活水平的提高,消费者的消费能力也得到大幅提升。为吸引更多消费者,提高商品销售量,各类店铺竞相为用户推出相应的商品订单推荐方案。
然而,当前店铺制定的商品订单推荐方案通常是根据商品利润、商品原材料、以及商品库存等与商品相关的因素而制定的。对于同一店铺,其针对于不同消费者用户所推荐的商品订单相同,从而无法满足不同消费者用户的差异化需求,降低消费者用户的消费体验,不利于消费者购物效率的提升及店铺销售效率的提高。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的订单推荐方法及装置。
根据本发明的一个方面,提供了一种订单推荐方法,包括:接收针对店铺的购物触发操作,呈现与所述店铺对应的购物界面;接收由所述购物界面触发的一键购物请求,获取用户购物需求及获取与所述店铺对应的至少一个商品;根据商品与所述用户购物需求的匹配度获得商品的第一评分;获取用户行为数据,根据商品与所述用户行为数据的匹配度获得商品的第二评分;根据所述第一评分和所述第二评分,获得商品的评分;根据所述商品的评分,生成并推荐商品订单。
可选的,所述获取与所述店铺对应的至少一个商品进一步包括:在所述店铺对应的历史订单库中筛选出与所述用户购物需求相对应的至少一个商品。
可选的,所述用户行为数据包括以下数据中的至少一种:用户历史消费的客单价和/或商品单价、用户历史消费的商品、以及用户商品类型偏好数据。
可选的,所述根据所述第一评分和所述第二评分,获得商品的评分进一步包括:对所述第一评分和所述第二评分进行归一化处理;对归一化处理后的第一评分及第二评分进行加权处理,得到商品的评分。
可选的,所述根据所述商品的评分,生成并推荐商品订单进一步包括:根据商品的评分对至少一个商品进行排序;选择评分最高的商品,生成并推荐商品订单。
可选的,在所述生成并推荐商品订单之后,所述方法还包括:根据所触发的商品订单更换请求,按照评分排序依次选择商品,生成并推荐更换后的商品订单。
可选的,所述接收针对店铺的购物触发操作具体为:接收针对店铺的扫码购物操作。
根据本发明的另一方面,提供了一种菜品订单推荐方法,包括:接收针对餐馆的点餐触发操作,呈现与所述餐馆对应的点餐界面;接收由所述点餐界面触发的一键点餐请求,获取就餐人数及获取与所述餐馆对应的至少一个菜品套餐;根据菜品套餐与所述就餐人数的匹配度获得菜品套餐的第一评分;获取用户行为数据,根据菜品套餐与所述用户行为数据的匹配度获得菜品套餐的第二评分;根据所述第一评分和所述第二评分,获得菜品套餐的评分;根据所述菜品套餐的评分,生成并推荐菜品订单。
可选的,所述获取与所述餐馆对应的至少一个菜品套餐进一步包括:在所述餐馆对应的历史订单库中筛选出与所述就餐人数相对应的至少一个菜品套餐。
可选的,所述获取就餐人数进一步包括:获取用户在所述点餐界面输入的就餐人数;或者,获取设置在餐馆内部的传感器感测出的就餐人数。
可选的,所述根据菜品套餐与所述就餐人数的匹配度获得菜品套餐的第一评分进一步包括:根据菜品套餐的荤菜比例、素菜比例、饮料比例、和/或冷菜比例与所述就餐人数的匹配度获得菜品套餐的第一评分。
可选的,所述用户行为数据包括以下数据中的至少一种:用户历史消费的客单价和/或菜品单价、用户历史消费的菜品、以及用户口味偏好数据。
可选的,所述根据所述第一评分和所述第二评分,获得菜品套餐的评分进一步包括:对所述第一评分和所述第二评分进行归一化处理;对归一化处理后的第一评分及第二评分进行加权处理,得到菜品套餐的评分。
可选的,所述根据所述菜品套餐的评分,生成并推荐菜品订单进一步包括:根据菜品套餐的评分对至少一个菜品套餐进行排序;选择评分最高的菜品套餐,生成并推荐菜品订单。
可选的,在所述生成并推荐菜品订单之后,所述方法还包括:根据所触发的菜品订单更换请求,按照评分排序依次选择菜品套餐,生成并推荐更换后的菜品订单。
可选的,所述接收针对餐馆的点餐触发操作具体为:接收针对餐馆的扫码点餐操作。
根据本发明的一个方面,提供了一种订单推荐装置,包括:呈现模块,适于接收针对店铺的购物触发操作,呈现与所述店铺对应的购物界面;需求获取模块,适于接收由所述购物界面触发的一键购物请求,获取用户购物需求;商品获取模块,适于获取与所述店铺对应的至少一个商品;第一评分模块,适于根据商品与所述用户购物需求的匹配度获得商品的第一评分;行为获取模块,适于获取用户行为数据;第二评分模块,适于根据商品与所述用户行为数据的匹配度获得商品的第二评分;评分合成模块,适于根据所述第一评分和所述第二评分,获得商品的评分;推荐模块,适于根据所述商品的评分,生成并推荐商品订单。
可选的,所述商品获取模块进一步包括:在所述店铺对应的历史订单库中筛选出与所述用户购物需求相对应的至少一个商品。
可选的,所述用户行为数据包括以下数据中的至少一种:用户历史消费的客单价和/或商品单价、用户历史消费的商品、以及用户商品类型偏好数据。
可选的,所述评分合成模块进一步包括:对所述第一评分和所述第二评分进行归一化处理;对归一化处理后的第一评分及第二评分进行加权处理,得到商品的评分。
可选的,所述推荐模块进一步包括:根据商品的评分对至少一个商品进行排序;选择评分最高的商品,生成并推荐商品订单。
可选的,所述装置还包括:更换模块,适于根据所触发的商品订单更换请求,按照评分排序依次选择商品,生成并推荐更换后的商品订单。
可选的,所述呈现模块进一步适于:接收针对店铺的扫码购物操作,呈现与所述店铺对应的购物界面。
根据本发明的另一个方面,提供了一种菜品订单推荐装置,包括:呈现模块,适于接收针对餐馆的点餐触发操作,呈现与所述餐馆对应的点餐界面;人数获取模块,适于接收由所述点餐界面触发的一键点餐请求,获取就餐人数及获取;菜品获取模块,适于获取所述餐馆对应的至少一个菜品套餐;第一评分模块,适于根据菜品套餐与所述就餐人数的匹配度获得菜品套餐的第一评分;行为获取模块,适于获取用户行为数据;第二评分模块,适于根据菜品套餐与所述用户行为数据的匹配度获得菜品套餐的第二评分;评分合成模块,适于根据所述第一评分和所述第二评分,获得菜品套餐的评分;菜品推荐模块,适于根据所述菜品套餐的评分,生成并推荐菜品订单。
可选的,所述菜品获取模块进一步包括:在所述餐馆对应的历史订单库中筛选出与所述就餐人数相对应的至少一个菜品套餐。
可选的,所述人数获取模块进一步适于:获取用户在所述点餐界面输入的就餐人数;或者,获取设置在餐馆内部的传感器感测出的就餐人数。
可选的,所述第一评分模块进一步适于:根据菜品套餐的荤菜比例、素菜比例、饮料比例、和/或冷菜比例与所述就餐人数的匹配度获得菜品套餐的第一评分。
可选的,所述用户行为数据包括以下数据中的至少一种:用户历史消费的客单价和/或菜品单价、用户历史消费的菜品、以及用户口味偏好数据。
可选的,所述评分合成模块进一步适于:对所述第一评分和所述第二评分进行归一化处理;对归一化处理后的第一评分及第二评分进行加权处理,得到菜品套餐的评分。
可选的,所述菜品推荐模块进一步包括:根据菜品套餐的评分对至少一个菜品套餐进行排序;选择评分最高的菜品套餐,生成并推荐菜品订单。
可选的,所述装置还包括:更换模块,适于根据所触发的菜品订单更换请求,按照评分排序依次选择菜品套餐,生成并推荐更换后的菜品订单。
可选的,所述呈现模块进一步适于:接收针对餐馆的扫码点餐操作,呈现与所述店铺对应的购物界面。
根据本发明的一个方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述订单推荐方法对应的操作。
根据本发明的另一个方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行上述菜品订单推荐方法对应的操作。
根据本发明的一个方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述订单推荐方法对应的操作。
根据本发明的另一个方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如上述菜品订单推荐方法对应的操作。
根据本发明提供的订单推荐方法及装置,通过接收针对店铺的购物触发操作,呈现与店铺对应的购物界面;接收由购物界面触发的一键购物请求,获取用户购物需求及获取与店铺对应的至少一个商品;根据商品与用户购物需求的匹配度获得商品的第一评分;获取用户行为数据,根据商品与用户行为数据的匹配度获得商品的第二评分;根据第一评分和第二评分,获得商品的评分;根据商品的评分,生成并推荐商品订单。采用本方案,可基于用户行为数据及用户需求为用户快速且自动化地推荐与其契合度高的商品,从而实现针对于用户的商品定制化推荐,便于提高用户购买商品的效率,提升用户体验,并可进一步地提高店铺的销售效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例提供的订单推荐方法的流程示意图;
图2示出了根据本发明一个实施例提供的logistic函数曲线图;
图3示出了根据本发明一个实施例提供的菜品订单推荐方法的流程示意图;
图4示出了根据本发明一个实施例提供的订单推荐装置的功能结构示意图;
图5示出了根据本发明一个实施例提供的菜品订单推荐装置的功能结构示意图;
图6示出了根据本发明一个实施例提供计算设备的结构示意图;
图7示出了根据本发明另一个实施例提供计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例提供的订单推荐方法的流程示意图。如图1所示,该方法包括:
步骤S110,接收针对店铺的购物触发操作,呈现与店铺对应的购物界面。
其中,本实施例对针对店铺的购物触发操作的具体形式不做限定,本领域技术人员可根据实际的业务需求自行设定。例如,针对店铺的购物触发操作可以为针对店铺的扫码购物操作,通过扫描与店铺对应的二维码,触发针对该店铺的购物请求,进而呈现出与该店铺对应的购物界面;或者,在购物平台中搜索店铺,通过触控与该店铺对应的控件或热区,呈现与该店铺对应的购物界面。
步骤S120,接收由购物界面触发的一键购物请求,获取用户购物需求及获取与所述店铺对应的至少一个商品。
具体地,可在步骤S110呈现与店铺对应的购物界面后,通过预设的触发方式,在购物界面触发一键购物请求,如可通过点击购物界面中的一键购物控件,或通过语言控制等方式触发一键购物请求;或者,在步骤S110中呈现与店铺对应的购物界面的同时,自动触发一键购物请求,本实施例对具体的触发一键购物请求的方式及时机不做限定,本领域技术人员可自行设定。
具体地,为提高最终推荐的商品订单与用户的契合度,本实施例中需先获取用户购物需求。其中,用户购物需求具体可以为购物人数、欲购买商品的种类或数量、和/或其他个性化需求等;并且,用户购物需求可由步骤S110中所述的购物界面输入,本实施例对具体的购物需求的输入方式不做限定,如可以通过手动输入、语言输入、肢体识别输入等输入方式中的一种或多种的结合来实现用户购物需求的输入。
进一步地,在店铺对应的商品信息中查找与店铺对应的至少一个商品。在具体的实施过程中,在店铺对应的历史订单库中筛选出与用户购物需求相对应的至少一个商品。
步骤S130,根据商品与用户购物需求的匹配度获得商品的第一评分。
在步骤S120中获取与店铺对应的至少一个商品之后,可根据预设的订单推荐模型获得筛选出的各个商品的评分。具体地,为提高订单推荐模型获得商品的评分的准确度,本步骤中首先根据商品与用户购物需求的匹配度获得商品的第一评分。
步骤S140,获取用户行为数据,根据商品与用户行为数据的匹配度获得商品的第二评分。
由于用户行为数据可直接或间接地预测用户最终购买的商品信息,所以本实施例不同于现有技术中将商品的成本及库存等信息作为推荐商品的依据,而是在获得商品的第一评分之后,进一步获取用户行为数据,根据商品与用户行为数据的匹配度获得商品的第二评分。其中,在获取用户行为数据过程中,可在接收针对店铺的购物触发操作时获取用户标识,通过用户标识获取在预设空间中存储的用户行为数据。
具体地,用户行为数据包括以下数据中的至少一种:用户历史消费的客单价和/或商品单价、用户历史消费的商品、以及用户商品类型偏好数据等。则在获取商品的第二评分过程中,可分别根据商品与用户历史消费的客单价和/或商品单价、用户历史消费的商品、以及用户商品类型偏好数据的匹配度获得相应的第二评分子评分,根据各个子评分获得商品第二评分。
步骤S150,根据第一评分和第二评分,获得商品的评分。
具体地,根据步骤S130获得的商品的第一评分以及步骤S140获得的商品的第二评分,通过加权求和等计算方法获得商品的评分。
可选的,为进一步地提高最终获得的商品的评分的准确度及,本步骤中可进一步对第一评分和第二评分进行归一化处理,对归一化处理后的第一评分及第二评分进行加权处理,最终得到商品的评分。具体地,可针对商品的第一评分及商品的第二评分中的各个子评分进行归一化处理,并最终通过加权求和等方式获得商品评分。
其中,在对第一评分和第二评分进行归一化处理,或对第一评分及第二评分的各个子评分进行归一化处理的过程中,可通过logistic函数(又称Sigmoid函数)来实现。其中,logistic函数具体如公式1-1所示:
其中,e为自然对数,s为因变量,θ(s)为变量,其函数曲线如图2所示。
在实际的实施过程中,本发明中具体采用基于logistic函数的logisticRegression函数进行归一化处理。其中,logistic Regression函数具体如公式1-2所示:
其中,为归一化处理前的评分,为归一化处理后的评分,e为自然对数,为根据推荐模型设定的修正参数,T为根据推荐模型设定的另一个修正参数。从中可看出,logistic Regression函数可将各个评分转换为[0,1]的数值,从而实现第一评分及第二评分的归一化处理,或第一评分及第二评分的各个子评分的归一化处理。
步骤S160,根据商品的评分,生成并推荐商品订单。
具体地,根据步骤S150中获得的各个商品的评分,对至少一个商品进行排序,并选择评分最高的商品,生成并推荐商品订单。
可选的,当用户不满意于当前推荐的商品订单时,本实施例中还可根据所触发的商品订单更换请求,按照评分排序依次选择商品,生成并推荐更换后的商品订单。
为便于本领域技术人员理解本实施例的实施过程,以下将以购买化妆品场景为例来具体阐述步骤S110至步骤S160:
用户user1通过扫描化妆品店铺shopA的二维码,进入shopA对应的化妆品购物界面(对应步骤S110),并同时获取user1的用户标识。
用户user1在购物界面中输入相应的化妆品购物需求,如输入购买人数,购买化妆品的类别等,并通过点击该购物界面中的一键购物控件,触发一键购物请求。在接收到用户的一键购物请求后,在shopA的历史全量订单库中筛选出满足user1输入的化妆品购物需求的至少一个商品(对应步骤S120)。
通过预设的订单推荐模型,根据商品与用户购物需求的匹配度获得筛选出的化妆品的第一评分。例如,若user1在购物界面输入的化妆品购物需求为购买人数为2人,且购买彩妆类化妆品,则需在shopA的历史全量订单库中筛选出符合2人购买的彩妆类的化妆品,并且,若shopA预先设定最适于2人购买的彩妆类的化妆品为眼线笔与眉笔的比例为1:1,而筛选出的化妆品S1为眼线笔1支,眉笔2支;化妆品S2为眼线笔1支,眉笔1支,则化妆品S2与用户购物需求的匹配度大于化妆品S1,则化妆品S2的第一评分将大于化妆品S1(对应步骤S130)。
进一步地,根据user1的用户标识获取在预设的存储空间中存储的user1的用户行为数据,如获取用户user1历史消费的单人化妆品的消费额/化妆品单价,历史消费的化妆品信息、以及化妆品偏好(偏好可以为补水型、美白型、抗敏感型等),通过推荐模型,根据上述筛选出的化妆品与user1的用户行为数据的匹配度获得商品的第二评分。具体地,根据筛选出的化妆品的价格与user1历史消费的单人化妆品的消费额/化妆品单价的匹配度获得第二评分的第一子评分,根据筛选出的化妆品的类别等与user1历史消费的化妆品的类别的匹配度获得第二评分的第二子评分,以及根据筛选出的化妆品与user1的偏好的匹配度获得第二评分的第三子评分。通过第二评分的各个子评分获得化妆品的第二评分(对应步骤S140)。
并且,为第二评分中的各个子评分以及第一评分设置相应的权重系数,通过对第二评分的各个子评分及第一评分进行归一化及加权处理获得筛选出的各个化妆品的评分(对应步骤S150)。
最后,根据上述获得的筛选出的各个化妆品的评分,选择评分最高的化妆品,生成并推荐化妆品订单。若用户user1不满意当前推荐的化妆品订单S2,可通过点击“换一换”控件触发化妆品订单更换请求,进而选择评分仅次于S2的化妆品订单进行推荐(对应步骤S160)。从而实现针对店铺shopA中化妆品的一键购物,提升用户购物效率。
根据本实施例提供的订单推荐方法,通过接收针对店铺的购物触发操作,呈现与店铺对应的购物界面;接收由购物界面触发的一键购物请求,获取用户购物需求及获取与店铺对应的至少一个商品;根据商品与用户购物需求的匹配度获得商品的第一评分;获取用户行为数据,根据商品与用户行为数据的匹配度获得商品的第二评分;根据第一评分和第二评分,获得商品的评分;根据商品的评分,生成并推荐商品订单。采用本方案,可基于用户行为数据及需求为用户快速且自动化地推荐其选择的店铺中与其契合度高的商品,从而实现针对于用户的商品定制化推荐,便于提高用户购买商品的效率,提升用户体验,并可进一步地提高店铺的销售效率。
图3示出了根据本发明一个实施例提供的菜品订单推荐方法的流程示意图。如图3所示,该方法包括:
步骤S310,接收针对餐馆的点餐触发操作,呈现与餐馆对应的点餐界面。
其中,针对店铺的购物触发操作可以为针对餐馆的扫码点餐操作,通过扫描与餐馆对应的二维码,触发针对该餐馆的点餐请求,进而呈现出与该餐馆对应的点餐界面,并同时可获取点餐用户的用户标识。
步骤S320,接收由点餐界面触发的一键点餐请求,获取就餐人数及获取与所述餐馆对应的至少一个菜品套餐。
具体地,可在步骤S310呈现与餐馆对应的点餐界面后,通过预设的触发方式,在点餐界面触发一键购物请求,如可通过点击点餐界面中的一键点餐控件,或通过语言控制等方式触发一键点餐请求;或者,在步骤S310中呈现与餐馆对应的点餐界面的同时,自动触发一键点餐请求,本实施例对具体的触发一键点餐请求的方式及时机不做限定,本领域技术人员可自行设定。
具体地,为提高最终推荐的菜品订单与用户的契合度,本实施例中需先获取就餐人数。例如,可获取用户在点餐界面输入的就餐人数,也可获取设置在餐馆内部的传感器感测出的就餐人数。可选的,由于就餐人数在一定程度上可影响最终推荐的菜品订单的准确度,所以,本步骤中可设置相应的就餐人数阈值,当用户输入的就餐人数大于预设的就餐人数阈值时,通过相应的方法引导用户自行点餐。
进一步地,在餐馆对应的商品信息中查找与该餐馆对应的至少一个菜品套餐。在具体的实施过程中,可在餐馆对应的历史订单库中筛选出与就餐人数相对应的至少一个菜品套餐。
步骤S330,根据菜品套餐与就餐人数的匹配度获得菜品套餐的第一评分。
在步骤S320中获取与餐馆对应的至少一个菜品套餐之后,可根据预设的订单推荐模型获得筛选出的各个菜品套餐的评分。具体地,根据菜品套餐的荤菜比例、素菜比例、饮料比例、和/或冷菜比例与就餐人数的匹配度获得菜品套餐的第一评分。
步骤S340,获取用户行为数据,根据菜品套餐与用户行为数据的匹配度获得菜品套餐的第二评分。
由于用户行为数据可直接或间接地预测用户最终购买的菜品套餐,所以本实施例不同于现有技术中将菜品的成本及库存等信息作为推荐菜品的依据,而是在获得菜品套餐的第一评分之后,进一步获取用户行为数据,根据菜品套餐与用户行为数据的匹配度获得菜品的第二评分。其中,在获取用户行为数据过程中,可在接收针对店铺的购物触发操作时获取用户标识,通过用户标识获取在预设空间中存储的用户行为数据。
其中,用户行为数据具体包括:用户历史消费的客单价和/或菜品单价、用户历史消费的菜品、和/或用户口味偏好数据等。所以,在根据菜品套餐与用户行为数据的匹配度获得菜品套餐的第二评分过程中,可分别针对菜品与用户历史消费的客单价和/或菜品单价、用户历史消费的菜品、和/或用户口味偏好数据等的匹配度获得相应的第二评分的子评分,通过对各个第二评分的子评分获得菜品套餐总评分。
步骤S350,根据第一评分和第二评分,获得菜品套餐的评分。
具体地,根据步骤S330获得的菜品套餐的第一评分以及步骤S340获得的菜品套餐的第二评分,通过加权求和等计算方法获得菜品套餐的评分。
可选的,为进一步地提高最终获得的菜品套餐的评分的准确度及参考价值,本步骤中可进一步对第一评分和第二评分进行归一化处理,对归一化处理后的第一评分及第二评分进行加权处理,最终得到菜品套餐的评分。具体地,可针对菜品套餐的第一评分及商品的第二评分中的各个子评分进行归一化处理,并最终通过加权求和等方式获得商品评分。其中,在对第一评分和第二评分进行归一化处理,或对第一评分及第二评分的各个子评分进行归一化处理的过程中,可通过基于logistic函数的logistic Regression函数实现。
步骤S360,根据菜品套餐的评分,生成并推荐菜品订单。
具体地,根据步骤S350中获得的各个菜品套餐的评分,对至少一个菜品套餐进行排序,并选择评分最高的菜品套餐,生成并推荐菜品订单。
可选的,当用户不满意于当前推荐的菜品订单时,本实施例中还可根据所触发的菜品订单更换请求,按照评分排序依次选择菜品,生成并推荐更换后的菜品订单。
举例来说,用户user1通过扫描餐馆shopA的二维码,进入shopA对应的点餐界面(对应步骤S310),并获取该用户的用户标识。
用户user1在点餐界面中输入就餐人数为2,并通过点击该点餐界面中的一键点餐控件,触发的一键点餐请求。在接收到用户的一键点餐请求后,在shopA的历史全量订单库中筛选出就餐人数为2的菜品套餐(对应步骤S320)。
并且,预先设置有针对于2人就餐时最优的荤菜比例、素菜比例、饮料比例、和/或冷菜比例,则根据筛选出的各个菜品套餐的荤菜比例、素菜比例、饮料比例、和/或冷菜比例与就餐人数的匹配度(即与预先设置的2人就餐时最优的荤菜比例、素菜比例、饮料比例、和/或冷菜比例的匹配度)获得菜品套餐的第一评分(对应步骤S330)。
进一步地,根据用户标识获取在预设的存储空间中存储的user1的用户行为数据,如获取用户user1历史消费的用户历史消费的客单价和/或菜品单价、用户历史消费的菜品、和/或用户口味偏好数据,通过推荐模型,根据上述筛选出的菜品套餐与user1的用户行为数据的匹配度获得菜品套餐的第二评分。具体地,根据筛选出的菜品套餐的价格与user1历史消费的菜品单价或客单价的匹配度获得第二评分的第一子评分,根据筛选出的菜品套餐与user1历史消费的菜品套餐的匹配度获得第二评分的第二子评分,以及根据筛选出的菜品套餐与user1的口味偏好的匹配度获得第二评分的第三子评分。并且,可为第二评分中的各个子评分设置相应的权重系数,通过对第二评分的各个子评分进行归一化及加权处理获得筛选出的菜品套餐的第二评分(对应步骤S340)。
通过设定的第一评分及第二评分的权重系数,通过归一化及加权处理获得筛选出的各个菜品套餐的总评分(对应步骤S350)。
最后,根据上述获得的筛选出的各个菜品套餐评分,选择评分最高的菜品套餐,生成并推荐菜品订单(对应步骤S360)。若用户user1不满意当前推荐的菜品套餐C2,可通过点击“换一换”控件触发菜品订单更换请求,进而选择评分仅次于C2的菜品订单进行推荐。
根据本实施例提供的菜品订单推荐方法,通过接收针对餐馆的点餐触发操作,呈现与餐馆对应的点餐界面;接收由点餐界面触发的一键点餐请求,获取就餐人数及获取与餐馆对应的至少一个菜品套餐;并获取用户行为数据,根据菜品套餐与所述用户行为数据的匹配度获得菜品套餐的第二评分;根据所述第一评分和所述第二评分,获得菜品套餐的评分;最终根据菜品套餐的评分,生成并推荐菜品订单。采用本方案,可基于用户行为数据及用户就餐人数,为用户快速且自动化地推荐其选择的餐馆中与用户契合度高的菜品套餐,从而实现针对于用户的菜品定制化推荐,便于提高用户的点餐效率,提升用户用餐体验,并可进一步地提高餐馆的菜品销售效率。
图4示出了根据本发明一个实施例提供的订单推荐装置的功能结构示意图。如图4所示,该装置包括:呈现模块41、需求获取模块42、商品获取模块43、第一评分模块44、行为获取模块45、第二评分模块46、评分合成模块47、以及推荐模块48。
其中,呈现模块41,适于接收针对店铺的购物触发操作,呈现与所述店铺对应的购物界面。
需求获取模块42,适于接收由购物界面触发的一键购物请求,获取用户购物需求。
商品获取模块43,适于获取与所述店铺对应的至少一个商品。
第一评分模块44,适于根据商品与用户购物需求的匹配度获得商品的第一评分。
行为获取模块45,适于获取用户行为数据。
第二评分模块46,适于根据商品与用户行为数据的匹配度获得商品的第二评分。
评分合成模块47,适于根据第一评分和第二评分,获得商品的评分。
推荐模块48,适于根据商品的评分,生成并推荐商品订单。
可选的,商品获取模块43进一步包括:在店铺对应的历史订单库中筛选出与用户购物需求相对应的至少一个商品。
可选的,所述用户行为数据包括以下数据中的至少一种:用户历史消费的客单价和/或商品单价、用户历史消费的商品、以及用户商品类型偏好数据。
可选的,评分合成模块47进一步包括:对第一评分和第二评分进行归一化处理;对归一化处理后的第一评分及第二评分进行加权处理,得到商品的评分。
可选的,推荐模块48进一步包括:根据商品的评分对至少一个商品进行排序;选择评分最高的商品,生成并推荐商品订单。
可选的,所述装置还包括:更换模块(图中未示出),适于根据所触发的商品订单更换请求,按照评分排序依次选择商品,生成并推荐更换后的商品订单。
可选的,呈现模块41进一步适于:接收针对店铺的扫码购物操作,呈现与所述店铺对应的购物界面。
由此可见,采用本装置,可基于用户行为数据及需求为用户快速且自动化地推荐其选择的店铺中与其契合度高的商品,从而实现针对于用户的商品定制化推荐,便于提高用户购买商品的效率,提升用户体验,并可进一步地提高店铺的销售效率。
图5示出了根据本发明一个实施例提供的菜品订单推荐装置的功能结构示意图。如图5所示,该装置包括:呈现模块51、人数获取模块52、菜品获取模块53、第一评分模块54、行为获取模块55、第二评分模块56、评分合成模块57、以及菜品推荐模块58。
其中,呈现模块51,适于接收针对餐馆的点餐触发操作,呈现与所述餐馆对应的点餐界面.
人数获取模块52,适于接收由所述点餐界面触发的一键点餐请求,获取就餐人数及获取.
菜品获取模块53,适于获取所述餐馆对应的至少一个菜品套餐。
第一评分模块54,适于根据菜品套餐与所述就餐人数的匹配度获得菜品套餐的第一评分。
行为获取模块55,适于获取用户行为数据。
第二评分模块56,适于根据菜品套餐与所述用户行为数据的匹配度获得菜品套餐的第二评分。
评分合成模块57,适于根据所述第一评分和所述第二评分,获得菜品套餐的评分。
菜品推荐模块58,适于根据所述菜品套餐的评分,生成并推荐菜品订单。
可选的,菜品获取模块53进一步包括:在所述餐馆对应的历史订单库中筛选出与所述就餐人数相对应的至少一个菜品套餐。
可选的,人数获取模块52进一步适于:获取用户在所述点餐界面输入的就餐人数;或者,获取设置在餐馆内部的传感器感测出的就餐人数。
可选的,第一评分模块54进一步适于:根据菜品套餐的荤菜比例、素菜比例、饮料比例、和/或冷菜比例与所述就餐人数的匹配度获得菜品套餐的第一评分。
可选的,所述用户行为数据包括以下数据中的至少一种:用户历史消费的客单价和/或菜品单价、用户历史消费的菜品、以及用户口味偏好数据。
可选的,评分合成模块57进一步适于:对所述第一评分和所述第二评分进行归一化处理;对归一化处理后的第一评分及第二评分进行加权处理,得到菜品套餐的评分。
可选的,菜品推荐模块58进一步包括:根据菜品套餐的评分对至少一个菜品套餐进行排序;选择评分最高的菜品套餐,生成并推荐菜品订单。
可选的,该装置还包括:更换模块(图中未示出),适于根据所触发的菜品订单更换请求,按照评分排序依次选择菜品套餐,生成并推荐更换后的菜品订单。
可选的,呈现模块51进一步适于:接收针对餐馆的扫码点餐操作,呈现与所述店铺对应的购物界面。
由此可见,采用本装置,可基于用户行为数据为用户快速且自动化地推荐与其契合度高的菜品,从而实现针对于用户的菜品定制化推荐,便于提高用户的点餐效率,提升用户用餐体验,并可进一步地提高餐馆的菜品销售效率。
根据本发明一个实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的订单推荐方法。
根据本发明一个实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的菜品订单推荐方法。
图6示出了根据本发明一个实施例提供的一种计算设备的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图6所示,该计算设备可以包括:处理器(processor)602、通信接口(Communications Interface)604、存储器(memory)606、以及通信总线608。
其中:
处理器602、通信接口604、以及存储器606通过通信总线608完成相互间的通信。
通信接口604,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器602,用于执行程序610,具体可以执行上述订单推荐方法实施例中的相关步骤。
具体地,程序610可以包括程序代码,该程序代码包括计算机操作指令。
处理器602可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器606,用于存放程序610。存储器606可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序610具体可以用于使得处理器602执行以下操作:
接收针对店铺的购物触发操作,呈现与所述店铺对应的购物界面;接收由所述购物界面触发的一键购物请求,获取用户购物需求及获取与所述店铺对应的至少一个商品;根据商品与所述用户购物需求的匹配度获得商品的第一评分;获取用户行为数据,根据商品与所述用户行为数据的匹配度获得商品的第二评分;根据所述第一评分和所述第二评分,获得商品的评分;根据所述商品的评分,生成并推荐商品订单。
在一种可选的实施方式中,程序610具体可以用于使得处理器602执行以下操作:在所述店铺对应的历史订单库中筛选出与所述用户购物需求相对应的至少一个商品。
在一种可选的实施方式中,所述用户行为数据包括以下数据中的至少一种:用户历史消费的客单价和/或商品单价、用户历史消费的商品、以及用户商品类型偏好数据。
在一种可选的实施方式中,程序610具体可以用于使得处理器602执行以下操作:对所述第一评分和所述第二评分进行归一化处理;对归一化处理后的第一评分及第二评分进行加权处理,得到商品的评分。
在一种可选的实施方式中,程序610具体可以用于使得处理器602执行以下操作:根据商品的评分对至少一个商品进行排序;选择评分最高的商品,生成并推荐商品订单。
在一种可选的实施方式中,程序610具体可以用于使得处理器602执行以下操作:根据所触发的商品订单更换请求,按照评分排序依次选择商品,生成并推荐更换后的商品订单。
在一种可选的实施方式中,程序610具体可以用于使得处理器602执行以下操作:接收针对店铺的扫码购物操作。
图7示出了根据本发明一个实施例提供的一种计算设备的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图7所示,该计算设备可以包括:处理器(processor)702、通信接口(Communications Interface)704、存储器(memory)706、以及通信总线708。
其中:
处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。
通信接口704,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器702,用于执行程序710,具体可以执行上述菜品订单推荐方法实施例中的相关步骤。
具体地,程序710可以包括程序代码,该程序代码包括计算机操作指令。
处理器702可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器706,用于存放程序710。存储器706可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序710具体可以用于使得处理器702执行以下操作:接收针对餐馆的点餐触发操作,呈现与所述餐馆对应的点餐界面;接收由所述点餐界面触发的一键点餐请求,获取就餐人数及获取与所述餐馆对应的至少一个菜品套餐;根据菜品套餐与所述就餐人数的匹配度获得菜品套餐的第一评分;获取用户行为数据,根据菜品套餐与所述用户行为数据的匹配度获得菜品套餐的第二评分;根据所述第一评分和所述第二评分,获得菜品套餐的评分;根据所述菜品套餐的评分,生成并推荐菜品订单。
在一种可选的实施方式中,程序710具体可以用于使得处理器702执行以下操作:在所述餐馆对应的历史订单库中筛选出与所述就餐人数相对应的至少一个菜品套餐。
在一种可选的实施方式中,程序710具体可以用于使得处理器702执行以下操作:获取用户在所述点餐界面输入的就餐人数;或者,获取设置在餐馆内部的传感器感测出的就餐人数。
在一种可选的实施方式中,程序710具体可以用于使得处理器702执行以下操作:根据菜品套餐的荤菜比例、素菜比例、饮料比例、和/或冷菜比例与所述就餐人数的匹配度获得菜品套餐的第一评分。
在一种可选的实施方式中,所述用户行为数据包括以下数据中的至少一种:用户历史消费的客单价和/或菜品单价、用户历史消费的菜品、以及用户口味偏好数据。
在一种可选的实施方式中,程序710具体可以用于使得处理器702执行以下操作:对所述第一评分和所述第二评分进行归一化处理;对归一化处理后的第一评分及第二评分进行加权处理,得到菜品套餐的评分。
在一种可选的实施方式中,程序710具体可以用于使得处理器702执行以下操作:根据菜品套餐的评分对至少一个菜品套餐进行排序;选择评分最高的菜品套餐,生成并推荐菜品订单。
在一种可选的实施方式中,程序710具体可以用于使得处理器702执行以下操作:根据所触发的菜品订单更换请求,按照评分排序依次选择菜品套餐,生成并推荐更换后的菜品订单。
在一种可选的实施方式中,程序710具体可以用于使得处理器702执行以下操作:接收针对餐馆的扫码点餐操作。
在此提供的算法和显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种订单推荐方法,其包括:
接收针对店铺的购物触发操作,呈现与所述店铺对应的购物界面;
接收由所述购物界面触发的一键购物请求,获取用户购物需求及获取与所述店铺对应的至少一个商品;
根据商品与所述用户购物需求的匹配度获得商品的第一评分;
获取用户行为数据,根据商品与所述用户行为数据的匹配度获得商品的第二评分;
根据所述第一评分和所述第二评分,获得商品的评分;
根据所述商品的评分,生成并推荐商品订单。
2.根据权利要求1所述的方法,其中,所述获取与所述店铺对应的至少一个商品进一步包括:
在所述店铺对应的历史订单库中筛选出与所述用户购物需求相对应的至少一个商品。
3.根据权利要求1或2所述的方法,其中,所述用户行为数据包括以下数据中的至少一种:用户历史消费的客单价和/或商品单价、用户历史消费的商品、以及用户商品类型偏好数据。
4.一种菜品订单推荐方法,其包括:
接收针对餐馆的点餐触发操作,呈现与所述餐馆对应的点餐界面;
接收由所述点餐界面触发的一键点餐请求,获取就餐人数及获取与所述餐馆对应的至少一个菜品套餐;
根据菜品套餐与所述就餐人数的匹配度获得菜品套餐的第一评分;
获取用户行为数据,根据菜品套餐与所述用户行为数据的匹配度获得菜品套餐的第二评分;
根据所述第一评分和所述第二评分,获得菜品套餐的评分;
根据所述菜品套餐的评分,生成并推荐菜品订单。
5.一种订单推荐装置,其包括:
呈现模块,适于接收针对店铺的购物触发操作,呈现与所述店铺对应的购物界面;
需求获取模块,适于接收由所述购物界面触发的一键购物请求,获取用户购物需求;
商品获取模块,适于获取与所述店铺对应的至少一个商品;
第一评分模块,适于根据商品与所述用户购物需求的匹配度获得商品的第一评分;
行为获取模块,适于获取用户行为数据;
第二评分模块,适于根据商品与所述用户行为数据的匹配度获得商品的第二评分;
评分合成模块,适于根据所述第一评分和所述第二评分,获得商品的评分;
推荐模块,适于根据所述商品的评分,生成并推荐商品订单。
6.一种菜品订单推荐装置,其包括:
呈现模块,适于接收针对餐馆的点餐触发操作,呈现与所述餐馆对应的点餐界面;
人数获取模块,适于接收由所述点餐界面触发的一键点餐请求,获取就餐人数及获取;
菜品获取模块,适于获取所述餐馆对应的至少一个菜品套餐;
第一评分模块,适于根据菜品套餐与所述就餐人数的匹配度获得菜品套餐的第一评分;
行为获取模块,适于获取用户行为数据;
第二评分模块,适于根据菜品套餐与所述用户行为数据的匹配度获得菜品套餐的第二评分;
评分合成模块,适于根据所述第一评分和所述第二评分,获得菜品套餐的评分;
菜品推荐模块,适于根据所述菜品套餐的评分,生成并推荐菜品订单。
7.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-3中任一项所述的订单推荐方法对应的操作。
8.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求4中所述的菜品订单推荐方法对应的操作。
9.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-3中任一项所述的订单推荐方法对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求4所述的菜品订单推荐方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810467020.8A CN108648059B (zh) | 2018-05-16 | 2018-05-16 | 订单推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810467020.8A CN108648059B (zh) | 2018-05-16 | 2018-05-16 | 订单推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108648059A true CN108648059A (zh) | 2018-10-12 |
CN108648059B CN108648059B (zh) | 2020-08-04 |
Family
ID=63756100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810467020.8A Active CN108648059B (zh) | 2018-05-16 | 2018-05-16 | 订单推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108648059B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544285A (zh) * | 2018-11-13 | 2019-03-29 | 口碑(上海)信息技术有限公司 | 点餐过程的菜品推荐方法及装置 |
CN110009450A (zh) * | 2019-03-22 | 2019-07-12 | 口碑(上海)信息技术有限公司 | 套餐商品的点单方法及装置 |
CN110766509A (zh) * | 2019-05-31 | 2020-02-07 | 口碑(上海)信息技术有限公司 | 服务订单处理、外卖订单推荐方法及装置 |
CN111507780A (zh) * | 2020-05-09 | 2020-08-07 | 苏州中仑网络科技有限公司 | 提高客单价的方法及装置 |
CN111640046A (zh) * | 2020-05-29 | 2020-09-08 | 广东优特云科技有限公司 | 订单处理及下单方法、***装置及计算机可读存储介质 |
CN111784428A (zh) * | 2019-05-30 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 信息推送方法、装置、电子商务***以及存储介质 |
CN112036973A (zh) * | 2020-07-29 | 2020-12-04 | 北京三快在线科技有限公司 | 信息推送方法、装置、电子设备和计算机可读介质 |
CN112464086A (zh) * | 2020-11-23 | 2021-03-09 | 刘蓝田 | 一种基于大数据根据需求自动匹配并呈现特定供方的方法 |
CN112581232A (zh) * | 2020-12-24 | 2021-03-30 | 崔亚鹏 | 一种基于图像的电商商品推荐方法及*** |
CN113409124A (zh) * | 2021-07-08 | 2021-09-17 | 山东大学 | 一种基于贝叶斯回归分析的大宗商品推荐方法及*** |
CN117273868A (zh) * | 2023-11-20 | 2023-12-22 | 浙江口碑网络技术有限公司 | 店铺推荐方法、装置、电子设备与存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005122369A (ja) * | 2003-10-15 | 2005-05-12 | Kddi Corp | リコメンダシステムにおけるアイテム推薦度提示装置 |
CN106408377A (zh) * | 2016-08-31 | 2017-02-15 | 广东华邦云计算股份有限公司 | 购物推荐方法及*** |
CN107730313A (zh) * | 2017-09-30 | 2018-02-23 | 口碑(上海)信息技术有限公司 | 基于推荐理由的店铺推荐方法及装置 |
-
2018
- 2018-05-16 CN CN201810467020.8A patent/CN108648059B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005122369A (ja) * | 2003-10-15 | 2005-05-12 | Kddi Corp | リコメンダシステムにおけるアイテム推薦度提示装置 |
CN106408377A (zh) * | 2016-08-31 | 2017-02-15 | 广东华邦云计算股份有限公司 | 购物推荐方法及*** |
CN107730313A (zh) * | 2017-09-30 | 2018-02-23 | 口碑(上海)信息技术有限公司 | 基于推荐理由的店铺推荐方法及装置 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544285A (zh) * | 2018-11-13 | 2019-03-29 | 口碑(上海)信息技术有限公司 | 点餐过程的菜品推荐方法及装置 |
CN110009450A (zh) * | 2019-03-22 | 2019-07-12 | 口碑(上海)信息技术有限公司 | 套餐商品的点单方法及装置 |
CN110009450B (zh) * | 2019-03-22 | 2023-04-18 | 口碑(上海)信息技术有限公司 | 套餐商品的点单方法及装置 |
WO2020192635A1 (zh) * | 2019-03-22 | 2020-10-01 | 口碑(上海)信息技术有限公司 | 套餐商品的点单方法及装置 |
WO2020238363A1 (zh) * | 2019-05-30 | 2020-12-03 | 北京沃东天骏信息技术有限公司 | 信息推送方法、装置、电子商务***以及存储介质 |
CN111784428A (zh) * | 2019-05-30 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 信息推送方法、装置、电子商务***以及存储介质 |
CN110766509A (zh) * | 2019-05-31 | 2020-02-07 | 口碑(上海)信息技术有限公司 | 服务订单处理、外卖订单推荐方法及装置 |
CN111507780A (zh) * | 2020-05-09 | 2020-08-07 | 苏州中仑网络科技有限公司 | 提高客单价的方法及装置 |
CN111507780B (zh) * | 2020-05-09 | 2024-03-22 | 江苏中仑数字科技有限公司 | 提高客单价的方法及装置 |
CN111640046A (zh) * | 2020-05-29 | 2020-09-08 | 广东优特云科技有限公司 | 订单处理及下单方法、***装置及计算机可读存储介质 |
CN112036973A (zh) * | 2020-07-29 | 2020-12-04 | 北京三快在线科技有限公司 | 信息推送方法、装置、电子设备和计算机可读介质 |
CN112464086A (zh) * | 2020-11-23 | 2021-03-09 | 刘蓝田 | 一种基于大数据根据需求自动匹配并呈现特定供方的方法 |
CN112581232A (zh) * | 2020-12-24 | 2021-03-30 | 崔亚鹏 | 一种基于图像的电商商品推荐方法及*** |
CN113409124A (zh) * | 2021-07-08 | 2021-09-17 | 山东大学 | 一种基于贝叶斯回归分析的大宗商品推荐方法及*** |
CN117273868A (zh) * | 2023-11-20 | 2023-12-22 | 浙江口碑网络技术有限公司 | 店铺推荐方法、装置、电子设备与存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108648059B (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108648059A (zh) | 订单推荐方法及装置 | |
JP6161992B2 (ja) | 販売予測システム及び販売予測方法 | |
US20180150851A1 (en) | Commerce System and Method of Providing Intelligent Personal Agents for Identifying Intent to Buy | |
CN107766404B (zh) | 用于改进建议***的***和方法 | |
US20200320600A1 (en) | Virtual Marketplace Enabling Machine-to-Machine Commerce | |
US11816721B2 (en) | Recommendation apparatus and method | |
US20150220979A1 (en) | Controlling a Commerce System with Omnipresent Marketing | |
US20130138656A1 (en) | Method and Device for Expiration Date Weighted Food Inventory System and Meal Planner | |
Wong et al. | Intelligent product cross-selling system with radio frequency identification technology for retailing | |
CN108288219A (zh) | 餐品信息的推送方法及*** | |
US20150324828A1 (en) | Commerce System and Method of Providing Communication Between Publishers and Intelligent Personal Agents | |
US20130268395A1 (en) | Automated product selection and distribution system | |
CN110458650A (zh) | 商品推荐方法、装置、电子设备及存储介质 | |
CN109191242A (zh) | 餐品推送方法及装置 | |
CN109214955A (zh) | 餐品套餐的生成方法及装置 | |
JP2019045980A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN110322323A (zh) | 实体展示方法、装置、存储介质和电子设备 | |
CN109214956A (zh) | 餐品推送方法及装置 | |
KR20210097578A (ko) | 사용자의 최적화된 쇼핑 수단을 제공하는 유비쿼터스 스마트 쇼핑 시스템 | |
CN112418999A (zh) | 一种信息交互的方法、装置、可读存储介质和电子设备 | |
CN106537435A (zh) | 统计数据生成服务器装置、统计数据生成***及统计数据生成方法 | |
US20150006285A1 (en) | Method and system for providing information regarding items in a retail store and computer programs thereof | |
US20080172308A1 (en) | Method and Apparatus for Specifying Product Characteristics By Combining Characteristics of Products | |
Malathi et al. | Rating-based restaurant and food recommendation system using nearest neighbor algorithm | |
US11961280B2 (en) | System and method for image processing for trend analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |