CN114971818A - 一种智慧餐厅数据存储处理方法及*** - Google Patents
一种智慧餐厅数据存储处理方法及*** Download PDFInfo
- Publication number
- CN114971818A CN114971818A CN202210918820.3A CN202210918820A CN114971818A CN 114971818 A CN114971818 A CN 114971818A CN 202210918820 A CN202210918820 A CN 202210918820A CN 114971818 A CN114971818 A CN 114971818A
- Authority
- CN
- China
- Prior art keywords
- data
- storage
- area
- matching
- acquiring
- 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
- 238000013500 data storage Methods 0.000 title claims abstract description 34
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 75
- 238000004891 communication Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000002452 interceptive effect Effects 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims description 42
- 239000013598 vector Substances 0.000 claims description 36
- 230000003993 interaction Effects 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 34
- 239000011159 matrix material Substances 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 17
- 230000004927 fusion Effects 0.000 claims description 15
- 230000007717 exclusion Effects 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种智慧餐厅数据存储处理方法及***,其方法包括:步骤1:获取智慧餐厅的数据接口,并根据所述数据接口的接口类型匹配第一存放区域;步骤2:确定每个数据接口的通信交互操作,并对所述第一存放区域进行区域处理;步骤3:对所述智慧餐厅的服务数据进行数据处理,并将数据处理结果与区域处理结果进行匹配,将对应匹配数据存储在相关的第二存放区域中。通过确定数据接口的类型并进行区域匹配,然后通过通信交互操作进行区域处理,进行数据与区域的合理匹配,保证数据的合理存储,方便后续对数据进行核查,提高核查效率。
Description
技术领域
本发明涉及数据存储及处理技术领域,特别涉及一种智慧餐厅数据存储处理方法及***。
背景技术
随着社会的发展和进步,越来越多的餐厅都开始智能化建设,且针对智慧餐厅一般会进行店内订餐或者店外订餐,该智慧餐厅的平台会自动对相关的订单进行保留存储,方便店主核查,但是一般用户会针对某个时间段、某个食品的销量等进行查询,但是该查询过程都是基于存储的整个数据内容进行核查的,并不对针对某小部分数据进行核查,导致核查效率低下。
因此,本发明提出一种智慧餐厅数据存储处理方法及***。
发明内容
本发明提供一种智慧餐厅数据存储处理方法及***,通过确定数据接口的类型并进行区域匹配,然后通过通信交互操作进行区域处理,进行数据与区域的合理匹配,保证数据的合理存储,方便后续对数据进行核查,提高核查效率。
本发明提供一种智慧餐厅数据存储处理方法,包括:
步骤1:获取智慧餐厅的数据接口,并根据所述数据接口的接口类型匹配第一存放区域;
步骤2:确定每个数据接口的通信交互操作,并对所述第一存放区域进行区域处理;
步骤3:对所述智慧餐厅的服务数据进行数据处理,并将数据处理结果与区域处理结果进行匹配,将对应匹配数据存储在相关的第二存放区域中。
优选的,对所述智慧餐厅的服务数据进行数据处理的过程中,包括:
获取所述智慧餐厅的下单信息,并按照所述下单信息对下单物件进行统计,获取每个下单物件的下单曲线图,且所述下单曲线图与下单时间、下单数量、下单金额以及就餐类型有关;
基于所述下单曲线图,构建同个下单物件的第一目标函数;
构建所述同个下单物件在包含该下单物件的所有下单信息中的第二目标函数;
基于函数分析模型,分析所述第二目标函数对应的每个约束条件基于所述第一目标函数的跟随向量,进而构建跟随矩阵;
获取所述跟随矩阵的跟随特征,并确定所述同个下单物件的伴随推荐系数X;
其中,表示第i个跟随向量对应的同个下单物件的出现概率,当所述同个下单物件是基于预设套餐一同出现时,对应的出现概率为1,否则,对应的出现概率与历史时段内的历史订单所对应的同个下单物件的出现概率相等;表示所述跟随特征;x1表示满足跟随标准的标准特征;n1表示跟随矩阵中跟随向量的总个数;表示出现概率为不1的剩余跟随向量中的第j个跟随向量的出现概率;n2表示出现概率为不1的剩余跟随向量的总个数;
根据所述伴随推荐系数X,预测在预设时段内与所述同个下单物件相关的最大下单数目,并向所述最大下单数目匹配暂存空间,并向所述暂存空间设置所述同个下单物件的物件标识。
优选的,获取智慧餐厅的数据接口,包括:
统计所述智慧餐厅的工作平台,并获取每个工作平台的平台可配置接口;
调取每个可配置接口的历史工作日志,确定是否存在被支配工作的情况;
若存在,将所述可配置接口保留;
否则,将所述可配置接口剔除;
基于所有保留的接口作为数据接口。
优选的,根据所述数据接口的接口类型匹配第一存放区域,包括:
基于历史数据库确定所述接口类型的类型日志;
对所述类型日志进行分析,确定所述接口类型的存放规则,并按照所述存放规则,确定所述智慧餐厅相关的待存放区域;
获取所述待存放区域的工作配置信息,得到所述待存放区域的数据存放工作流,并从所述待存放区域中筛选所述数据存储工作流与所述存放规则完全一致的区域,作为第一存放区域。
优选的,确定每个数据接口的通信交互操作,并对所述第一存放区域进行区域处理,包括:
获取同个数据接口的通信交互操作,并得到所述通信交互操作的通信交互日志;
基于深度神经网络模型,获取同通信交互日志中同类数据类型与对应的同类数据特征的单映射关系以及获取同通信交互日志中所有类数据类型与所有类数据特征的全映射关系;
基于所有单映射关系建立待比较关系,并将所述待比较关系与全映射关系进行比较,确定是否一致,若一致,将所述单映射关系以及全映射关系保留;
否则,根据不一致关系,对所述深度神经网络模型进行校验,获取反馈信息,并判断所述反馈信息是否满足可剔除标准,若满足,剔除所述单映射关系,且将所述全映射关系保留;
根据保留的映射关系,构建每个通信交互日志的数据类型与数据特征的类型-特征场景,并按照所述类型-特征场景,获取得到同数据类型的数据接入的第一场景、数据传输的第二场景以及数据接收的第三场景;
对同数据类型的所述第一场景、第二场景以及第三场景进行场景分析;
根据同通信交互日志的数据来源,来确定加权矩阵,其中,所述加权阵列与数据接入、数据传输以及数据接收有关;
基于所述第一场景的场景属性,从所述加权矩阵中调取第一加权阵列,基于所述第二场景的场景属性,从所述加权矩阵中调取第二加权阵列,同时,基于所述第三场景的场景属性,从所述加权矩阵中调取第三加权阵列;
对所述第一加权阵列、第二加权阵列以及第三加权阵列进行加权参数提取,并进行加权参数融合,得到第四加权阵列;
按照场景分析结果以及第四加权阵列,预测对应同数据类型的接入元素、传输元素以及接收元素;
对获取的同通信交互日志的所有接入元素进行第一融合分析、所有传输元素进行第二融合分析以及所有接收元素进行第三融合分析;
根据融合分析结果,确定对应第一存放区域的区域拆分条件,并对对应第一存放区域进行区域处理。
优选的,将对应匹配数据存储在相关的第二存放区域中的过程中,还包括:
基于权限解析模型,对所述匹配数据进行权限解析,得到第一权限;
获取所述第二存放区域是否存在与所述第一权限匹配的权限操作;
若存在,将所述匹配数据存储在相关的第二存放区域中;
否则,计算所述第二存放区域的存放权限与所述第一权限的权限互斥度;
其中,H11表示权限互斥度;S0表示第一权限;S1表示存放权限;H0表示第一权限与第二权限的并指标总数;表示第一权限中第h1个指标的指标值,取值范围为[0,0.5];表示存放权限中第h1个指标的指标值,取值范围为[0,0.5];表示获取与中的较大值;e表示常数,取值为2.7;表示交集符号;表示并集符号;
当所述权限互斥度大于预设互斥度时,重新寻找与所述第一权限匹配的第二存放区域,并进行区域存储;
优选的,将数据处理结果与区域处理结果进行匹配,将对应匹配数据存储在相关的第二存放区域中,包括:
基于类型识别模型,对数据处理结果的餐厅物品标识出现位置进行标定,并确定标定位置的标识类型;
基于标识出现位置,确定同类标识类型的标识分布,并基于所述标识分布确定对应的数据分布;
基于同个数据分布的数据内容以及所述数据分布中每个数据段的数据出现时间,构建同个数据分布的数据向量;
确定同个数据分布的初次数据段,并获取与所述初次数据段相邻的第一关联数据段,同时,获取所述同个数据分布的剩余数据段,并获取与每个剩余数据段相邻的第二关联数据段;
基于所述初次数据段的数据类型以及第一关联数据段的数据类型,向所述第一关联数据段设置第一关联权重,同时,根据所述初次数据段的历史可关联概率,对所述第一关联权重进行调整,得到第二关联权重;
基于每个剩余数据段与所述初次数据段处于同个数据分布的历史出现概率以及每个第二关联数据段的数据类型,向每个第二关联数据段设置第三关联权重;
基于所述第二关联权重、第三关联权重,向同个数据分布的数据向量进行调整,得到调整向量,并根据所述调整向量获取对应特征;
基于所有特征,构建得到所述数据处理结果的特征阵列,并向所述特征阵列中的每个元素匹配对应的存储方式;
按照所述存储方式,匹配区域处理结果中一致存储属性的第二存放区域,将对应特征的数据处理结果进行存储。
优选的,按照所述存储方式,匹配区域处理结果中一致存储属性的第二存放区域,包括:
获取所述存储方式的存储线程,并解析所述存储线程,标定按照所述存储方式进行存储的存储难点;
基于所述存储难点,构建存储匹配条件,同时,获取所述存储方式的存储属性;
基于所述存储匹配条件以及存储属性,匹配区域处理结果中一致的第二存放区域。
本发明提供一种智慧餐厅数据存储处理***,包括:
区域匹配模块,用于获取智慧餐厅的数据接口,并根据所述数据接口的接口类型匹配第一存放区域;
区域处理模块,用于确定每个数据接口的通信交互操作,并对所述第一存放区域进行区域处理;
数据区域匹配模块,用于对所述智慧餐厅的服务数据进行数据处理,并将数据处理结果与区域处理结果进行匹配,将对应匹配数据存储在相关的第二存放区域中。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种智慧餐厅数据存储处理方法的流程图;
图2为本发明实施例中一种智慧餐厅数据存储处理***的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供一种智慧餐厅数据存储处理方法,如图1所示,包括:
步骤1:获取智慧餐厅的数据接口,并根据所述数据接口的接口类型匹配第一存放区域;
步骤2:确定每个数据接口的通信交互操作,并对所述第一存放区域进行区域处理;
步骤3:对所述智慧餐厅的服务数据进行数据处理,并将数据处理结果与区域处理结果进行匹配,将对应匹配数据存储在相关的第二存放区域中。
该实施例中,数据接口指的是参与该智慧餐厅进行智能运行的相关平台上的接口。
该实施例中,接口类型可以与数据传输的内容类型有关,通过根据类型匹配,来实现区域的匹配。
该实施例中,通信交互操作指的是数据接口接收的来自不同平台的操作以及不同平台传输的数据等。
该实施例中,比如通信交互操作存在操作1、2、3,此时,由于该数据接口本身就对应的第一存放区域,因此,按照不同的操作来对该区域进行再次划分。
该实施例中,数据处理指的是该智慧餐厅的服务数据的类型以及对应存储方式的一个确定,且通过与再次划分后的区域进行匹配,实现将数据的有效存放。
上述技术方案的有益效果是:通过确定数据接口的类型并进行区域匹配,然后通过通信交互操作进行区域处理,进行数据与区域的合理匹配,保证数据的合理存储,方便后续对数据进行核查,提高核查效率。
本发明提供一种智慧餐厅数据存储处理方法,对所述智慧餐厅的服务数据进行数据处理的过程中,包括:
获取所述智慧餐厅的下单信息,并按照所述下单信息对下单物件进行统计,获取每个下单物件的下单曲线图,且所述下单曲线图与下单时间、下单数量、下单金额以及就餐类型有关;
基于所述下单曲线图,构建同个下单物件的第一目标函数;
构建所述同个下单物件在包含该下单物件的所有下单信息中的第二目标函数;
基于函数分析模型,分析所述第二目标函数对应的每个约束条件基于所述第一目标函数的跟随向量,进而构建跟随矩阵;
获取所述跟随矩阵的跟随特征,并确定所述同个下单物件的伴随推荐系数X;
其中,表示第i个跟随向量对应的同个下单物件的出现概率,当所述同个下单物件是基于预设套餐一同出现时,对应的出现概率为1,否则,对应的出现概率与历史时段内的历史订单所对应的同个下单物件的出现概率相等;x0 表示所述跟随特征;x1表示满足跟随标准的标准特征;n1表示跟随矩阵中跟随向量的总个数;表示出现概率为不1的剩余跟随向量中的第j个跟随向量的出现概率;n2表示出现概率为不1的剩余跟随向量的总个数;
根据所述伴随推荐系数X,预测在预设时段内与所述同个下单物件相关的最大下单数目,并向所述最大下单数目匹配暂存空间,并向所述暂存空间设置所述同个下单物件的物件标识。
该实施例中,确定伴随推荐系数,主要是为了确定该物件在点餐情况时,被点餐的可能性,可以对区间进行有效预估,保证区域容量。
该实施例中,约束条件是基于函数确定的,比如是基于口味的确定、分量的确定、时间的确定等。
该实施例中,函数分析模型是预先训练好的,是针对不同情况下的模型进行分析。
该实施例中,n1远大于1。
上述技术方案的有益效果是:通过对下单信息进行曲线图绘制,来构建第一目标函数,且通过按照基于所有下单信息的情况构建第二目标函数,进而来构建跟随矩阵,来计算得到推荐系数,确定该物件在点餐情况时,被点餐的可能性,可以对区间进行有效预估,保证区域容量,为区间分配提供有效基础。
本发明提供一种智慧餐厅数据存储处理方法,获取智慧餐厅的数据接口,包括:
统计所述智慧餐厅的工作平台,并获取每个工作平台的平台可配置接口;
调取每个可配置接口的历史工作日志,确定是否存在被支配工作的情况;
若存在,将所述可配置接口保留;
否则,将所述可配置接口剔除;
基于所有保留的接口作为数据接口。
上述技术方案的有益效果是:通过确定平台,来确定接口,进而确定是否被支配工作,实现对数据接口的有效确定,为后续区域划分提供基础。
本发明提供一种智慧餐厅数据存储处理方法,根据所述数据接口的接口类型匹配第一存放区域,包括:
基于历史数据库确定所述接口类型的类型日志;
对所述类型日志进行分析,确定所述接口类型的存放规则,并按照所述存放规则,确定所述智慧餐厅相关的待存放区域;
获取所述待存放区域的工作配置信息,得到所述待存放区域的数据存放工作流,并从所述待存放区域中筛选所述数据存储工作流与所述存放规则完全一致的区域,作为第一存放区域。
上述技术方案的有益效果是:通过对日志分析以及规则的确定,可以确定待存放区域,进而获取一致的区域,为确定第一存放区域提供基础。
本发明提供一种智慧餐厅数据存储处理方法,确定每个数据接口的通信交互操作,并对所述第一存放区域进行区域处理,包括:
获取同个数据接口的通信交互操作,并得到所述通信交互操作的通信交互日志;
基于深度神经网络模型,获取同通信交互日志中同类数据类型与对应的同类数据特征的单映射关系以及获取同通信交互日志中所有类数据类型与所有类数据特征的全映射关系;
基于所有单映射关系建立待比较关系,并将所述待比较关系与全映射关系进行比较,确定是否一致,若一致,将所述单映射关系以及全映射关系保留;
否则,根据不一致关系,对所述深度神经网络模型进行校验,获取反馈信息,并判断所述反馈信息是否满足可剔除标准,若满足,剔除所述单映射关系,且将所述全映射关系保留;
根据保留的映射关系,构建每个通信交互日志的数据类型与数据特征的类型-特征场景,并按照所述类型-特征场景,获取得到同数据类型的数据接入的第一场景、数据传输的第二场景以及数据接收的第三场景;
对同数据类型的所述第一场景、第二场景以及第三场景进行场景分析;
根据同通信交互日志的数据来源,来确定加权矩阵,其中,所述加权阵列与数据接入、数据传输以及数据接收有关;
基于所述第一场景的场景属性,从所述加权矩阵中调取第一加权阵列,基于所述第二场景的场景属性,从所述加权矩阵中调取第二加权阵列,同时,基于所述第三场景的场景属性,从所述加权矩阵中调取第三加权阵列;
对所述第一加权阵列、第二加权阵列以及第三加权阵列进行加权参数提取,并进行加权参数融合,得到第四加权阵列;
按照场景分析结果以及第四加权阵列,预测对应同数据类型的接入元素、传输元素以及接收元素;
对获取的同通信交互日志的所有接入元素进行第一融合分析、所有传输元素进行第二融合分析以及所有接收元素进行第三融合分析;
根据融合分析结果,确定对应第一存放区域的区域拆分条件,并对对应第一存放区域进行区域处理。
该实施例中,通信交互操作与通信数据、通信方式、数据类型、数据容量、通信时间等有关,进而得到通信交互日志。
该实施例中,深度神经网络模型是预先训练好的,主要是同个接口对应的通信交互日志进行关系分析,且关系分析包括该通信交互日志中每种类型与该类型数据特征的单映射以及所有类型与所有数据特征的全映射,前者是一对一的关系,后者是多对多的关系,单映射与全映射是采用的两种方式,进而通过比较,来确定需要对哪些数据进行保留。
该实施例中,单映射关系:1-01,2-02,多映射关系:1、2-01、02,此时视为两者一致,若多映射关系为:1、2-01、02、03,此时视为两者不一致,通过单映射方式,来获取单映射关系,通过多映射方式,来获取多映射关系。
该实施例中,场景都是根据预先智慧餐厅对应的运行平台的在接收、传输、接入数据的一个场景,且顺序一般为:接入、传输、接收。
该实施例中,区域拆分条件是需要满足同类型数据包含的接入、传输、接收等元素在内的。
该实施例中,类型-特征场景是针对的不同数据类型以及该类型的特征可以应用的场景,进而可以确定接入、交接收及传输的场景。
该实施例中,加权矩阵是预先设定好的,可以通过数据来源直接确定。
该实施例中,不同的场景属性会从加权矩阵中匹配得到对应的加权阵列,进而通过对每个加权阵列中的关键参数的提取,来得到包括接入、交互以及传输在内的融合阵列,也就是第四阵列。
上述技术方案的有益效果是:通过根据映射关系确定同数据类型的数据的不同场景,进而通过场景属性调取加权阵列以及阵列融合,可以得到不同数据类型的接入、接收以及传输元素,便于对同个接口对应的所有数据的融合分析,来构建对区域合理拆分的条件,保证对区域的合理拆分,实现后续对数据的精准核查。
本发明提供一种智慧餐厅数据存储处理方法,将对应匹配数据存储在相关的第二存放区域中的过程中,还包括:
基于权限解析模型,对所述匹配数据进行权限解析,得到第一权限;
获取所述第二存放区域是否存在与所述第一权限匹配的权限操作;
若存在,将所述匹配数据存储在相关的第二存放区域中;
否则,计算所述第二存放区域的存放权限与所述第一权限的权限互斥度;
其中,H11表示权限互斥度;S0表示第一权限;S1表示存放权限;H0表示第一权限与第二权限的并指标总数;表示第一权限中第h1个指标的指标值,取值范围为[0,0.5];表示存放权限中第h1个指标的指标值,取值范围为[0,0.5];表示获取与中的较大值;e表示常数,取值为2.7;表示交集符号;表示并集符号;
当所述权限互斥度大于预设互斥度时,重新寻找与所述第一权限匹配的第二存放区域,并进行区域存储;
该实施例中,权限解析模型是预先训练好的,且以匹配数据以及与该数据对应的各种权限为样本训练得到的,最后得到匹配数据的第一权限。
该实施例中,权限操作,比如是数据写入、数据调取等操作。
该实施例中,N小于H0。
该实施例中,进行存放指标的修正,可以保证对权限的修正,进一步保证区域与第一权限的匹配。
上述技术方案的有益效果是:通过对第二存放区域的权限操作与第一权限进行匹配,来确定第二存放区域是否存放合理,且进一步当不匹配时,通过计算两个权限之间的权限互斥度,来采用不同的方式对第二存放区域进行处理,保证与第一权限匹配,进而保证对匹配数据的合理存放,保证第二存放区域的存放合理性,为后续进行数据的核查提供有效基础。
本发明提供一种智慧餐厅的数据存储处理方法,将数据处理结果与区域处理结果进行匹配,将对应匹配数据存储在相关的第二存放区域中,包括:
基于类型识别模型,对数据处理结果的餐厅物品标识出现位置进行标定,并确定标定位置的标识类型;
基于标识出现位置,确定同类标识类型的标识分布,并基于所述标识分布确定对应的数据分布;
基于同个数据分布的数据内容以及所述数据分布中每个数据段的数据出现时间,构建同个数据分布的数据向量;
确定同个数据分布的初次数据段,并获取与所述初次数据段相邻的第一关联数据段,同时,获取所述同个数据分布的剩余数据段,并获取与每个剩余数据段相邻的第二关联数据段;
基于所述初次数据段的数据类型以及第一关联数据段的数据类型,向所述第一关联数据段设置第一关联权重,同时,根据所述初次数据段的历史可关联概率,对所述第一关联权重进行调整,得到第二关联权重;
基于每个剩余数据段与所述初次数据段处于同个数据分布的历史出现概率以及每个第二关联数据段的数据类型,向每个第二关联数据段设置第三关联权重;
基于所述第二关联权重、第三关联权重,向同个数据分布的数据向量进行调整,得到调整向量,并根据所述调整向量获取对应特征;
基于所有特征,构建得到所述数据处理结果的特征阵列,并向所述特征阵列中的每个元素匹配对应的存储方式;
按照所述存储方式,匹配区域处理结果中一致存储属性的第二存放区域,将对应特征的数据处理结果进行存储。
该实施例中,类型识别模型是预先训练好的,且以不同的类型的标识为样本训练得到的,进而可以确定数据不同标识的位置,进而得到同标识的分布。
该实施例中,数据出现时间指的是每个数据段的初时间点。
该实施例中,数据向量主要是以内容以及时间确定的,且每个内容和时间可以作为向量中的一个元素。
该实施例中,初次数据段指的是首次出现该标识的数据段,剩余数据段指的是同类型标识中除初始数据段的其他数据段。
该实施例中,由于同个通信交互数据中对应的数据类型是不一样的,其他的数据类型会对该数据存储产生影响,因此,针对不同的数据段设置对应的影响权重,来调整向量,保证每个数据分布对应向量的可靠性,进而保证不同类型的数据进行存储的合理性。
上述技术方案的有益效果是:通过类型识别模型,对持有数据进行类型区分,得到数据分布,进而根据同个数据分布的数据向量以及同个数据分布最后不同数据段的的影响权重,来对数据向量调整,保证每个持有数据对应特征获取的可靠性,保证对数据进行存放的合理性,进一步保证后续对数据核查的高效性。
本发明提供一种智慧餐厅的数据存储处理方法按照所述存储方式,匹配区域处理结果中一致存储属性的第二存放区域,包括:
获取所述存储方式的存储线程,并解析所述存储线程,标定按照所述存储方式进行存储的存储难点;
基于所述存储难点,构建存储匹配条件,同时,获取所述存储方式的存储属性;
基于所述存储匹配条件以及存储属性,匹配区域处理结果中一致的第二存放区域。
该实施例中,比如存储方式1对应的存储线程为01、02、03,其中,按照解析线程模型对存储线程进行解析之后,确定的存储难点为02,此时,根据存储难点02的存储相关参数,来构建存储匹配条件,存储难点指的是在存储过程中需要特别注意的情况。
该实施例中,存储属性与存储类型、存储容量等有关。
该实施例中,匹配的第二存放区域是同时满足存储匹配条件以及存储属性的。
上述技术方案的有益效果是:通过确定存储方式的存储线程,并根据存储难点确定条件,并结合属性,可以匹配得到第二存放区域,保证数据的有效分区存放,为后续核查提供有效基础。
本发明提供一种智慧餐厅数据存储处理***,如图2所示,包括:
区域匹配模块,用于获取智慧餐厅的数据接口,并根据所述数据接口的接口类型匹配第一存放区域;
区域处理模块,用于确定每个数据接口的通信交互操作,并对所述第一存放区域进行区域处理;
数据区域匹配模块,用于对所述智慧餐厅的服务数据进行数据处理,并将数据处理结果与区域处理结果进行匹配,将对应匹配数据存储在相关的第二存放区域中。
上述技术方案的有益效果是:通过确定数据接口的类型并进行区域匹配,然后通过通信交互操作进行区域处理,进行数据与区域的合理匹配,保证数据的合理存储,方便后续对数据进行核查,提高核查效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种智慧餐厅数据存储处理方法,其特征在于,包括:
步骤1:获取智慧餐厅的数据接口,并根据所述数据接口的接口类型匹配第一存放区域;
步骤2:确定每个数据接口的通信交互操作,并对所述第一存放区域进行区域处理;
步骤3:对所述智慧餐厅的服务数据进行数据处理,并将数据处理结果与区域处理结果进行匹配,将对应匹配数据存储在相关的第二存放区域中。
2.如权利要求1所述的智慧餐厅数据存储处理方法,其特征在于,对所述智慧餐厅的服务数据进行数据处理的过程中,包括:
获取所述智慧餐厅的下单信息,并按照所述下单信息对下单物件进行统计,获取每个下单物件的下单曲线图,且所述下单曲线图与下单时间、下单数量、下单金额以及就餐类型有关;
基于所述下单曲线图,构建同个下单物件的第一目标函数;
构建所述同个下单物件在包含该下单物件的所有下单信息中的第二目标函数;
基于函数分析模型,分析所述第二目标函数对应的每个约束条件基于所述第一目标函数的跟随向量,进而构建跟随矩阵;
获取所述跟随矩阵的跟随特征,并确定所述同个下单物件的伴随推荐系数X;
其中,表示第i个跟随向量对应的同个下单物件的出现概率,当所述同个下单物件是基于预设套餐一同出现时,对应的出现概率为1,否则,对应的出现概率与历史时段内的历史订单所对应的同个下单物件的出现概率相等;表示所述跟随特征;x1表示满足跟随标准的标准特征;n1表示跟随矩阵中跟随向量的总个数;表示出现概率为不1的剩余跟随向量中的第j个跟随向量的出现概率;n2表示出现概率为不1的剩余跟随向量的总个数;
根据所述伴随推荐系数X,预测在预设时段内与所述同个下单物件相关的最大下单数目,并向所述最大下单数目匹配暂存空间,并向所述暂存空间设置所述同个下单物件的物件标识。
3.如权利要求1所述的智慧餐厅数据存储处理方法,其特征在于,获取智慧餐厅的数据接口,包括:
统计所述智慧餐厅的工作平台,并获取每个工作平台的平台可配置接口;
调取每个可配置接口的历史工作日志,确定是否存在被支配工作的情况;
若存在,将所述可配置接口保留;
否则,将所述可配置接口剔除;
基于所有保留的接口作为数据接口。
4.如权利要求1所述的智慧餐厅数据存储处理方法,其特征在于,根据所述数据接口的接口类型匹配第一存放区域,包括:
基于历史数据库确定所述接口类型的类型日志;
对所述类型日志进行分析,确定所述接口类型的存放规则,并按照所述存放规则,确定所述智慧餐厅相关的待存放区域;
获取所述待存放区域的工作配置信息,得到所述待存放区域的数据存放工作流,并从所述待存放区域中筛选所述数据存储工作流与所述存放规则完全一致的区域,作为第一存放区域。
5.如权利要求1所述的智慧餐厅数据存储处理方法,其特征在于,确定每个数据接口的通信交互操作,并对所述第一存放区域进行区域处理,包括:
获取同个数据接口的通信交互操作,并得到所述通信交互操作的通信交互日志;
基于深度神经网络模型,获取同通信交互日志中同类数据类型与对应的同类数据特征的单映射关系以及获取同通信交互日志中所有类数据类型与所有类数据特征的全映射关系;
基于所有单映射关系建立待比较关系,并将所述待比较关系与全映射关系进行比较,确定是否一致,若一致,将所述单映射关系以及全映射关系保留;
否则,根据不一致关系,对所述深度神经网络模型进行校验,获取反馈信息,并判断所述反馈信息是否满足可剔除标准,若满足,剔除所述单映射关系,且将所述全映射关系保留;
根据保留的映射关系,构建每个通信交互日志的数据类型与数据特征的类型-特征场景,并按照所述类型-特征场景,获取得到同数据类型的数据接入的第一场景、数据传输的第二场景以及数据接收的第三场景;
对同数据类型的所述第一场景、第二场景以及第三场景进行场景分析;
根据同通信交互日志的数据来源,来确定加权矩阵,其中,所述加权矩阵与数据接入、数据传输以及数据接收有关;
基于所述第一场景的场景属性,从所述加权矩阵中调取第一加权阵列,基于所述第二场景的场景属性,从所述加权矩阵中调取第二加权阵列,同时,基于所述第三场景的场景属性,从所述加权矩阵中调取第三加权阵列;
对所述第一加权阵列、第二加权阵列以及第三加权阵列进行加权参数提取,并进行加权参数融合,得到第四加权阵列;
按照场景分析结果以及第四加权阵列,预测对应同数据类型的接入元素、传输元素以及接收元素;
对获取的同通信交互日志的所有接入元素进行第一融合分析、所有传输元素进行第二融合分析以及所有接收元素进行第三融合分析;
根据融合分析结果,确定对应第一存放区域的区域拆分条件,并对对应第一存放区域进行区域处理。
6.如权利要求1所述的智慧餐厅数据存储处理方法,其特征在于,将对应匹配数据存储在相关的第二存放区域中的过程中,还包括:
基于权限解析模型,对所述匹配数据进行权限解析,得到第一权限;
获取所述第二存放区域是否存在与所述第一权限匹配的权限操作;
若存在,将所述匹配数据存储在相关的第二存放区域中;
否则,计算所述第二存放区域的存放权限与所述第一权限的权限互斥度;
其中,H11表示权限互斥度;S0表示第一权限;S1表示存放权限;H0表示第一权限与第二权限的并指标总数;表示第一权限中第h1个指标的指标值,取值范围为[0,0.5];表示存放权限中第h1个指标的指标值,取值范围为[0,0.5];表示获取与中的较大值;e表示常数,取值为2.7;表示交集符号;表示并集符号;
当所述权限互斥度大于预设互斥度时,重新寻找与所述第一权限匹配的第二存放区域,并进行区域存储;
7.如权利要求1所述的智慧餐厅数据存储处理方法,其特征在于,将数据处理结果与区域处理结果进行匹配,将对应匹配数据存储在相关的第二存放区域中,包括:
基于类型识别模型,对数据处理结果的餐厅物品标识出现位置进行标定,并确定标定位置的标识类型;
基于标识出现位置,确定同类标识类型的标识分布,并基于所述标识分布确定对应的数据分布;
基于同个数据分布的数据内容以及所述数据分布中每个数据段的数据出现时间,构建同个数据分布的数据向量;
确定同个数据分布的初次数据段,并获取与所述初次数据段相邻的第一关联数据段,同时,获取所述同个数据分布的剩余数据段,并获取与每个剩余数据段相邻的第二关联数据段;
基于所述初次数据段的数据类型以及第一关联数据段的数据类型,向所述第一关联数据段设置第一关联权重,同时,根据所述初次数据段的历史可关联概率,对所述第一关联权重进行调整,得到第二关联权重;
基于每个剩余数据段与所述初次数据段处于同个数据分布的历史出现概率以及每个第二关联数据段的数据类型,向每个第二关联数据段设置第三关联权重;
基于所述第二关联权重、第三关联权重,向同个数据分布的数据向量进行调整,得到调整向量,并根据所述调整向量获取对应特征;
基于所有特征,构建得到所述数据处理结果的特征阵列,并向所述特征阵列中的每个元素匹配对应的存储方式;
按照所述存储方式,匹配区域处理结果中一致存储属性的第二存放区域,将对应特征的数据处理结果进行存储。
8.如权利要求7所述的智慧餐厅的数据存储处理方法,其特征在于,按照所述存储方式,匹配区域处理结果中一致存储属性的第二存放区域,包括:
获取所述存储方式的存储线程,并解析所述存储线程,标定按照所述存储方式进行存储的存储难点;
基于所述存储难点,构建存储匹配条件,同时,获取所述存储方式的存储属性;
基于所述存储匹配条件以及存储属性,匹配区域处理结果中一致的第二存放区域。
9.一种智慧餐厅数据存储处理***,其特征在于,包括:
区域匹配模块,用于获取智慧餐厅的数据接口,并根据所述数据接口的接口类型匹配第一存放区域;
区域处理模块,用于确定每个数据接口的通信交互操作,并对所述第一存放区域进行区域处理;
数据区域匹配模块,用于对所述智慧餐厅的服务数据进行数据处理,并将数据处理结果与区域处理结果进行匹配,将对应匹配数据存储在相关的第二存放区域中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210918820.3A CN114971818B (zh) | 2022-08-02 | 2022-08-02 | 一种智慧餐厅数据存储处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210918820.3A CN114971818B (zh) | 2022-08-02 | 2022-08-02 | 一种智慧餐厅数据存储处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114971818A true CN114971818A (zh) | 2022-08-30 |
CN114971818B CN114971818B (zh) | 2023-04-28 |
Family
ID=82969571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210918820.3A Active CN114971818B (zh) | 2022-08-02 | 2022-08-02 | 一种智慧餐厅数据存储处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114971818B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117908684A (zh) * | 2024-03-20 | 2024-04-19 | 南昌大学 | 一种虚拟现实实现方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170124616A1 (en) * | 2015-10-28 | 2017-05-04 | Under Armour, Inc. | Health tracking system with restaurant matching |
CN106951572A (zh) * | 2017-04-12 | 2017-07-14 | 上海斐讯数据通信技术有限公司 | 一种餐饮推荐***和餐饮推荐方法 |
CN109087230A (zh) * | 2018-08-13 | 2018-12-25 | 河南易商谷电子商务有限公司 | 一种智慧社区服务***及其使用方法 |
CN111444396A (zh) * | 2020-03-24 | 2020-07-24 | 深圳市中盛瑞达科技有限公司 | 一种大数据存储*** |
CN112861149A (zh) * | 2021-01-29 | 2021-05-28 | 深圳市鹰硕云科技有限公司 | 智慧教育平台的数据存储方法及*** |
CN113052651A (zh) * | 2021-03-17 | 2021-06-29 | 广东便捷神科技股份有限公司 | 一种基于大数据的智能零售管理方法及*** |
CN113592674A (zh) * | 2021-07-01 | 2021-11-02 | 北京优海网络科技有限公司 | 一种基于ikms的智慧餐厅*** |
CN113673757A (zh) * | 2021-08-17 | 2021-11-19 | 杭州企智互联科技有限公司 | 智慧食堂就餐规律预测方法及装置 |
CN113870063A (zh) * | 2021-10-13 | 2021-12-31 | 滨州学院 | 一种基于计算机视觉技术的校园智慧餐厅*** |
CN113869677A (zh) * | 2021-09-15 | 2021-12-31 | 张家豪 | 基于互联网的餐饮业供销平台及其控制方法 |
CN114529405A (zh) * | 2022-02-24 | 2022-05-24 | 发明之家(北京)科技有限公司 | 一种基于智能交易的信息访问管理方法及*** |
-
2022
- 2022-08-02 CN CN202210918820.3A patent/CN114971818B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170124616A1 (en) * | 2015-10-28 | 2017-05-04 | Under Armour, Inc. | Health tracking system with restaurant matching |
CN106951572A (zh) * | 2017-04-12 | 2017-07-14 | 上海斐讯数据通信技术有限公司 | 一种餐饮推荐***和餐饮推荐方法 |
CN109087230A (zh) * | 2018-08-13 | 2018-12-25 | 河南易商谷电子商务有限公司 | 一种智慧社区服务***及其使用方法 |
CN111444396A (zh) * | 2020-03-24 | 2020-07-24 | 深圳市中盛瑞达科技有限公司 | 一种大数据存储*** |
CN112861149A (zh) * | 2021-01-29 | 2021-05-28 | 深圳市鹰硕云科技有限公司 | 智慧教育平台的数据存储方法及*** |
CN113052651A (zh) * | 2021-03-17 | 2021-06-29 | 广东便捷神科技股份有限公司 | 一种基于大数据的智能零售管理方法及*** |
CN113592674A (zh) * | 2021-07-01 | 2021-11-02 | 北京优海网络科技有限公司 | 一种基于ikms的智慧餐厅*** |
CN113673757A (zh) * | 2021-08-17 | 2021-11-19 | 杭州企智互联科技有限公司 | 智慧食堂就餐规律预测方法及装置 |
CN113869677A (zh) * | 2021-09-15 | 2021-12-31 | 张家豪 | 基于互联网的餐饮业供销平台及其控制方法 |
CN113870063A (zh) * | 2021-10-13 | 2021-12-31 | 滨州学院 | 一种基于计算机视觉技术的校园智慧餐厅*** |
CN114529405A (zh) * | 2022-02-24 | 2022-05-24 | 发明之家(北京)科技有限公司 | 一种基于智能交易的信息访问管理方法及*** |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117908684A (zh) * | 2024-03-20 | 2024-04-19 | 南昌大学 | 一种虚拟现实实现方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN114971818B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685635A (zh) | 金融业务的风险评估方法、风控服务端及存储介质 | |
US20020032645A1 (en) | System and method for score calculation | |
US20150317749A1 (en) | System and Method for Characterizing Financial Messages | |
CN111178639A (zh) | 一种基于多模型融合实现预测的方法及装置 | |
CN113052651B (zh) | 一种基于大数据的智能零售管理方法及*** | |
CN113127563B (zh) | 一种基于区块链的智能零售管理方法及*** | |
CN114971818B (zh) | 一种智慧餐厅数据存储处理方法及*** | |
CN111886619A (zh) | 基于历史案例的车辆碰撞定损方法及*** | |
CN112860769A (zh) | 一种能源规划数据管理*** | |
van der Hagen et al. | Machine learning–based feasibility checks for dynamic time slot management | |
CN112328901B (zh) | 基于云计算和区块链金融的业务推荐方法及云计算*** | |
US20180089774A1 (en) | Method for automatic property valuation | |
CN115934923B (zh) | 一种基于大数据的电商回复方法及*** | |
CN111831892A (zh) | 信息推荐方法、信息推荐装置、服务器及存储介质 | |
CN111275371A (zh) | 数据处理方法、数据处理设备和计算机可读存储介质 | |
CN111581245B (zh) | 一种数据搜索方法以及装置 | |
CN111768139B (zh) | 备货处理方法、装置、设备及存储介质 | |
CN112650935A (zh) | 应用于电商云业务环境的智能化信息处理方法及云服务器 | |
CN111210309A (zh) | 一种基于商场大数据的空铺推荐*** | |
CN110427558A (zh) | 资源处理事件的推送方法及装置 | |
KR102647892B1 (ko) | 인공지능 기반의 제품 발주 예측 방법 및 서버 | |
CN117689274B (zh) | 基于供应链管理的绩效智能核算方法、装置、设备及介质 | |
CN115840771B (zh) | 一种数据处理*** | |
CN116993396B (zh) | 基于车辆用户标签的风险预警方法、计算机设备 | |
CN115883667A (zh) | 资源转移路由方法、装置、计算机设备、存储介质 |
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 |