本發(fā)明屬于智能餐飲技術領域，尤其涉及一種菜品推薦方法及系統(tǒng)。

背景技術：

隨著生活水平的提高，越來越多的人選擇在餐廳、酒店就餐，或者使用外賣服務進行點餐就餐，隨著網(wǎng)絡的發(fā)展，使用網(wǎng)絡來參考和了解餐廳或酒店，再進行點餐。但是對琳瑯滿目的菜品和有限的菜品庫信息，很多用戶都對點菜犯難，不知道自己怎么選擇合適。

現(xiàn)有的菜品推薦方法主要是根據(jù)餐館、用戶的位置、購買記錄、瀏覽記錄等信息將對應的菜品推薦給用戶，但推薦的菜品往往只是品類上能滿足用戶的需求，其匹配度精度不高也不夠人性化。

技術實現(xiàn)要素：

本發(fā)明實施例旨在提供一種菜品推薦方法及系統(tǒng)，以解決現(xiàn)有技術中菜品推薦方法推薦的菜品往往只是品類上能滿足用戶的需求，匹配度精度不高也不夠人性化的問題。

為了解決上述技術問題，第一方面，本發(fā)明實施例提供了一種菜品推薦方法，包括：

獲取與當前用戶相關的菜品標簽，所述菜品標簽包括所述當前用戶定義輸入的第一菜品標簽和與所述當前用戶具備相似特征的用戶輸入的第二菜品標簽；

將所述第一菜品標簽和第二菜品標簽分別與預設的菜品數(shù)據(jù)模型進行匹配，得到第一匹配菜品和第二匹配菜品；

通過所述預設的菜品數(shù)據(jù)模型，對所述匹配菜品進行多維度評分，以得到每道所述匹配菜品的推薦總分；

對所述第一匹配菜品和第二匹配菜品分別依據(jù)所述推薦總分從高到低依次輸出所述匹配菜品的相關信息，得到第一類推薦菜品和第二類推薦菜品，以使所述當前用戶根據(jù)輸出的推薦菜品確定消費的菜品；

采集所述當前用戶對所述消費的菜品的質量評分及商家服務質量評分的反饋信息，輸入至所述預設的菜品數(shù)據(jù)模型，以對所述預設的菜品數(shù)據(jù)模型進行更新。

進一步地，在獲取與當前用戶相關的菜品標簽之前，所述的方法還包括：

檢測用戶是否為已注冊用戶：

若是已注冊用戶，接收用戶定義輸入的第一菜品標簽與用戶地理位置信息，并添加用戶地理位置至數(shù)據(jù)模型；

若是未注冊用戶，提示用戶進行注冊，并輸入用戶庫信息至數(shù)據(jù)模型。

進一步地，所述第二菜品標簽包括：

所述第二菜品標簽為剔除第一菜品標簽后的具備相似特征的用戶輸入的所有菜品標簽。

所述的反饋庫信息包括：所有用戶對已消費的菜品的菜品質量評分信息以及對商家服務質量評分信息。

進一步地，所述數(shù)據(jù)模型的構成包括：用戶庫信息、菜品庫信息、商家?guī)煨畔⒑头答亷煨畔ⅰ?/p>

進一步地，所述通過所述預設的菜品數(shù)據(jù)模型，對所述匹配菜品進行多維度評分，以得到每道所述匹配菜品的推薦總分包括：

當為所述第一匹配菜品時：

對所述第一匹配菜品中每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值進行計算并求和，得出推薦菜品中每個菜品的推薦總分；

當為第二匹配菜品時：

對第二匹配菜品中每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值進行計算；

將每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值分別代入到協(xié)同過濾推薦算法中計算相應分值，再加各項分值求和，得出菜品推薦總分。

第二方面，本發(fā)明實施例提供了一種菜品推薦系統(tǒng)，包括：

獲取單元，用于獲取與當前用戶相關的菜品標簽，所述菜品標簽包括所述當前用戶定義輸入的第一菜品標簽和與所述當前用戶具備相似特征的用戶輸入的第二菜品標簽；

匹配單元，用于將所述第一菜品標簽和第二菜品標簽分別與預設的菜品數(shù)據(jù)模型進行匹配，得到第一匹配菜品和第二匹配菜品；

評分單元，用于通過所述預設的菜品數(shù)據(jù)模型，對所述匹配菜品進行多維度評分，以得到每道所述匹配菜品的推薦總分；

推薦單元，用于對所述第一匹配菜品和第二匹配菜品分別依據(jù)所述推薦總分從高到低依次輸出所述匹配菜品的相關信息，得到第一類推薦菜品和第二類推薦菜品，以使所述當前用戶根據(jù)輸出的推薦菜品確定消費的菜品。

反饋單元，用于采集所述當前用戶對所述消費的菜品的質量評分及商家服務質量評分的反饋信息，輸入至所述預設的菜品數(shù)據(jù)模型，以對所述預設的菜品數(shù)據(jù)模型進行更新。

進一步地，在所述獲取單元之前，所述的方法還包括：

用戶檢測單元，用于檢測用戶是否為已注冊用戶：

第一采集單元，用于若是已注冊用戶，接收用戶定義輸入的第一菜品標簽與用戶地理位置信息，并添加用戶地理位置至數(shù)據(jù)模型；

第二采集單元，若是未注冊用戶，提示用戶進行注冊，并輸入用戶庫信息至數(shù)據(jù)模型。

進一步地，所述第二菜品標簽包括：

所述第二菜品標簽為剔除第一菜品標簽后的具備相似特征的用戶輸入的所有菜品標簽。

進一步地，所述數(shù)據(jù)模型的構成包括：用戶庫信息、菜品庫信息、商家?guī)煨畔⒑头答亷煨畔ⅰ?/p>

進一步地，所述評分單元具體用于：

當為所述第一匹配菜品時：

對所述第一匹配菜品中每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值進行計算并求和，得出推薦菜品中每個菜品的推薦總分；

當為第二匹配菜品時：

對第二匹配菜品中每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值進行計算；

將每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值分別代入到協(xié)同過濾推薦算法中計算相應分值，再加各項分值求和，得出菜品推薦總分。

在本發(fā)明實施例中，通過同時對當前用戶定義輸入的第一菜品標簽和與所述當前用戶具備相似特征的用戶輸入的第二菜品標簽的推薦菜品處理，并同時考慮了標簽匹配、菜品質量、商家服務質量、消費能力、健康狀況以及地理位置等因素的影響，而且在用戶消費結束后還收集用戶本次消費的反饋信息，根據(jù)收集到的反饋信息輸入數(shù)據(jù)模型，使得推薦的菜品不僅僅只是品類上滿足用戶的需求，更能從用戶個性化信息中匹配更加適合用戶個人的具體菜品，使得匹配菜品時更人性化更精確化。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對實施例或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1本發(fā)明實施例提供的一種菜品推薦方法的實現(xiàn)流程圖；

圖2是本發(fā)明實施例提供的菜系-家鄉(xiāng)標簽匹配模型示意圖；

圖3是本發(fā)明實施例提供的消費能力劃分示意圖；

圖4是本發(fā)明實施例提供的菜品品種的詳盡區(qū)分示意圖；

圖5是本發(fā)明實施例提供的用戶定義的標簽與商家定義的標簽匹配度的計算規(guī)則示意圖；

圖6是本發(fā)明實施例提供的用戶定義的標簽與系統(tǒng)定義的標簽的匹配度計算規(guī)則示意圖；

圖7是本發(fā)明實施例提供的菜品質量評分信息與評分分值對應規(guī)則示意圖；

圖8是本發(fā)明實施例提供的商家服務質量評分信息與評分分值對應規(guī)則示意圖；

圖9是本發(fā)明實施例提供的用戶消費能力等級與菜品價格對應規(guī)則的部分規(guī)則示意圖；

圖10是本發(fā)明實施例提供的用戶的健康狀況與菜品種類對應規(guī)則的部分規(guī)則示意圖；

圖11是本發(fā)明實施例提供的用戶地理位置與商家實體店地理位置對應規(guī)則示意圖；

圖12是本發(fā)明本發(fā)明的一個用戶點餐的優(yōu)選實施例示意圖；

圖13是本發(fā)明實施例提供的一種菜品推薦系統(tǒng)的結構框圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步地詳細說明。應當理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明實施例獲取與當前用戶相關的菜品標簽，所述菜品標簽包括所述當前用戶定義輸入的第一菜品標簽和與所述當前用戶具備相似特征的用戶輸入的第二菜品標簽；將所述第一菜品標簽和第二菜品標簽分別與預設的菜品數(shù)據(jù)模型進行匹配，得到第一匹配菜品和第二匹配菜品；通過所述預設的菜品數(shù)據(jù)模型，對所述匹配菜品進行多維度評分，以得到每道所述匹配菜品的推薦總分；對所述第一匹配菜品和第二匹配菜品分別依據(jù)所述推薦總分從高到低依次輸出所述匹配菜品的相關信息，得到第一類推薦菜品和第二類推薦菜品，以使所述當前用戶根據(jù)輸出的推薦菜品確定消費的菜品；采集所述當前用戶對所述消費的菜品的質量評分及商家服務質量評分的反饋信息，輸入至所述預設的菜品數(shù)據(jù)模型，以對所述預設的菜品數(shù)據(jù)模型進行更新。

圖1示出了本發(fā)明實施例提供的一種菜品推薦方法的實現(xiàn)流程圖，詳述如下：

在S101中，獲取與當前用戶相關的菜品標簽，所述菜品標簽包括所述當前用戶定義輸入的第一菜品標簽和與所述當前用戶具備相似特征的用戶輸入的第二菜品標簽。

在所述獲取與當前用戶相關的菜品標簽之前，包括：

檢測用戶是否為已注冊用戶：

若是已注冊用戶，接收用戶定義輸入的第一菜品標簽與用戶地理位置信息，并添加用戶地理位置至數(shù)據(jù)模型；

若是未注冊用戶，提示用戶進行注冊，并輸入用戶庫信息至數(shù)據(jù)模型。

所述若已注冊用戶，在輸入定義的標簽與用戶地理位置信息時：若不輸入地理位置，則不使用地理位置作為此次推薦菜品的參考分值；

所述未注冊用戶在輸入好信息注冊完成后，無需登錄即可直接輸入點餐需求和地理位置。

所述前用戶定義輸入的第一菜品標簽，是指：

用戶輸入時可以通過定義的標簽，來標明自己感興趣的商品，如：清淡、排骨、潮州，用戶可同時定義一個或多個標簽。通過定義的標簽可以增強匹配時的準確率，使得推薦的結果更加適合用戶個人，更加人性化。

在S102中，根將所述第一菜品標簽和第二菜品標簽分別與預設的菜品數(shù)據(jù)模型進行匹配，得到第一匹配菜品和第二匹配菜品。

所述根將所述第一菜品標簽和第二菜品標簽分別與預設的菜品數(shù)據(jù)模型進行匹配之前還包括：設置好菜品與用戶之間的標簽匹配模型以及商家與用戶之間的之間的標簽匹配模型，設定好對應的匹配指數(shù)關系。

所述匹配模型與匹配指數(shù)是指：將相關菜品與用戶中的標簽進行匹配，如菜系-家鄉(xiāng)和菜品-口味，并按兩者的實際匹配程度進行指數(shù)制定，如粵菜對于家鄉(xiāng)是廣州的用戶來說，匹配指數(shù)最高，而對家鄉(xiāng)是成都的來說，匹配指數(shù)最低，以此類推。如圖2所示，是本發(fā)明實施例提供的菜系-家鄉(xiāng)標簽匹配模型示意圖。利用設置好菜品與用戶之間的標簽匹配關系以及商家與用戶之間的之間的標簽匹配模型與匹配指數(shù)進行菜品篩選，選取匹配指數(shù)最大的菜品作為推薦菜品。

在S103中，通過所述預設的菜品數(shù)據(jù)模型，對所述匹配菜品進行多維度評分，以得到每道所述匹配菜品的推薦總分。

對于第一匹配菜品，從標簽匹配、菜品質量、商家服務質量、消費能力、健康狀況以及地理位置等多維度因素角度，去計算調整推薦菜品的菜品推薦總分。

對于第二匹配菜品從標簽匹配、菜品質量、商家服務質量、消費能力、健康狀況以及地理位置等多維度因素角度，去計算調整推薦菜品的各項分值；

采用協(xié)同過濾推薦算法將推薦菜品的各項分值進行轉化并求和，得出菜品推薦總分。

在S104中，對所述第一匹配菜品和第二匹配菜品分別依據(jù)所述推薦總分從高到低依次輸出所述匹配菜品的相關信息，得到第一類推薦菜品和第二類推薦菜品，以使所述當前用戶根據(jù)輸出的推薦菜品確定消費的菜品。

所述第一類推薦菜品是指針對用戶輸入的標簽得到的菜品查詢結果，第二類推薦菜品是指以及推送用戶可能喜歡的菜品結果。第一部分內容直接針對用戶定義輸入的標簽進行處理即可，而第二部分的內容則無法直接得出，本發(fā)明采用與所述當前用戶具備相似特征的用戶輸入的第二菜品標簽進行數(shù)據(jù)處理得出。

所述提供推薦菜品還可以以郵件或微信等方式推送給用戶，需要此服務的用戶需在注冊時額外填寫其郵件或微信等聯(lián)系方式。

在S104中，采集所述當前用戶對所述消費的菜品的質量評分及商家服務質量評分的反饋信息，輸入至所述預設的菜品數(shù)據(jù)模型，以對所述預設的菜品數(shù)據(jù)模型進行更新。

所述用戶本次消費對菜品質量評分及商家服務質量評分的反饋信息是指：在消費結束時，會要求用戶對本次消費的菜品及商家服務進行星級評分。

所述將反饋信息輸入數(shù)據(jù)模型，使得數(shù)據(jù)模型反饋庫信息能實時跟隨用戶的消費而更新。

進一步地，所述第二菜品標簽：

所述第二菜品標簽為剔除第一菜品標簽后的具備相似特征的用戶輸入的所有菜品標簽。

所述第二菜品標簽：選取與用戶庫信息中信息最相似的部分相似用戶，具體選取多少位相似用戶，可根據(jù)實際需求進行確定。所述的第二菜品標簽是指將相似用戶所有標記過的菜品標簽全部提出，并剔除其中當前用戶已標記過的所有菜品標簽后，所剩余的菜品標簽。

進一步地，所述數(shù)據(jù)模型的構成包括：用戶庫信息、菜品庫信息、商家?guī)煨畔⒑头答亷煨畔ⅲ?/p>

所述用戶庫信息具體包括用戶的：家鄉(xiāng)、口味、年齡、職位、城市、收入、健康狀況信息、地理位置等基本信息，以及從基本信息中提取出來的標簽，如清淡、消費能力高端、三高、深圳華強北等；

所述用戶庫信息中基本信息是由用戶在注冊時輸入，但地理信息是用戶點餐時的實時地理位置，允許用戶手動進行修改操作。所述的標簽信息是由基本信息進過處理提取出來的，如消費能力的提取需要參考用戶的職位、城市及收入等信息，構建消費能力模型，從而對消費能力進行高端、中高端、中端、中低端、低端的劃分，如圖3所示。

所述菜品庫信息具體包括每各菜品的：菜系、烹飪方法、菜品細目、口味、等基本信息，以及從基本信息中提取出來的標簽，如粵菜、川菜、紅燒、油炸、麻辣、五香、炸子雞、佛手排骨等等；

所述菜品庫信息通過以下4個維度，對菜品標簽進行分類：

1)大類-菜系：如四大菜系川菜、粵菜、蘇菜和魯菜；

2)中類-烹飪方法：如煎、炒、炸、紅燒、煮、蒸、燒烤等；

3)小類-口味：如酸甜辣、咸香、苦鮮、咖喱、麻辣、孜然、清淡等；

4)菜品細目：對菜品品種的詳盡區(qū)分，包括菜品名稱，如炸子雞。如圖4所示。

所述商家?guī)煨畔ǎ簩嶓w店詳細地址信息與位置標簽、對該商家所有菜品標簽的定義，如對佛手排骨定義標簽：粵菜、煮、清淡。

所述商家?guī)煨畔⒅胁似沸畔?，是由商家在對菜品進行上架的時候輸入至數(shù)據(jù)模型的，為了明確銷售的菜品特點，商家在進行菜品上架同時進行菜品標簽定義，而商家實體店詳細地址信息與位置標簽則是由商家在首次進行菜品上架時輸入至數(shù)學模型的。

所述的反饋庫信息包括：所有用戶對已消費的菜品的菜品質量評分信息以及對商家服務質量評分信息。

進一步地，所述通過所述預設的菜品數(shù)據(jù)模型，對所述匹配菜品進行多維度評分，以得到每道所述匹配菜品的推薦總分包括：

當為所述第一匹配菜品時：

對所述第一匹配菜品中每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值進行計算并求和，得出推薦菜品中每個菜品的推薦總分；

當為第二匹配菜品時：

對第二匹配菜品中每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值進行計算；

將每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值分別代入到協(xié)同過濾推薦算法中計算相應分值，再加各項分值求和，得出菜品推薦總分。

所述對推薦菜品中每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值進行計算并求和，得出推薦菜品中每個菜品的推薦總分，具體步驟如下：

1、根據(jù)用戶定義關注的標簽與商家定義的標簽匹配度的計算規(guī)則、用戶定義的標簽與系統(tǒng)定義的標簽的匹配度計算規(guī)則計算標簽匹配分值；

2、對所有反饋的菜品質量評分進行統(tǒng)計計算平均，根據(jù)菜品質量評分信息與評分分值對應規(guī)則得到推薦菜品對應的菜品質量評分分值；

3、對所有反饋的服務質量評分信息進行統(tǒng)計計算平均，根據(jù)商家服務質量評分信息與評分分值對應規(guī)則得到推薦菜品對應的商家服務質量評分分值；

4、根據(jù)用戶消費能力等級與菜品價格對應規(guī)則，查詢的菜品價格是否落在用戶的消費能力的正態(tài)分布的范圍內，并得到推薦菜品對應的用戶消費能力評分分值；

5、根據(jù)用戶的健康狀況與菜品種類對應規(guī)則，查詢菜品是否適合當前用戶身體狀況，并得到推薦菜品對應的健康狀況匹配度評分分值；

6、根據(jù)用戶地理位置與商家實體店地理位置對應規(guī)則，優(yōu)化推薦菜品順序。按距離用戶當前位置的遠近來計算分值。離用戶越近，分值越大，得到地理位置計算分值。該步驟為可選步驟，用戶可自主選擇是否加入該項參考分值；

7、對推薦菜品種每個菜品對應的上述標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值進行求和，得出菜品推薦總分；

所述用戶定義關注的標簽與商家定義的標簽匹配度的計算規(guī)則、用戶定義的標簽與系統(tǒng)定義的標簽的匹配度計算規(guī)則、菜品質量評分信息與評分分值對應規(guī)則以、商家服務質量評分信息與評分分值對應規(guī)則及用戶地理位置與商家實體店地理位置對應規(guī)則分別對應如圖5-8、圖11所示的示意圖。

所述的用戶消費能力等級與菜品價格對應規(guī)則和用戶的健康狀況與菜品種類對應規(guī)則的部分規(guī)則示意分別對應圖9、圖10。

所述的對第二匹配菜品中每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值進行計算，與上文中計算方法一樣。

所述協(xié)同過濾推薦算法:首先需要找出與目標用戶u最相似的K個用戶，用集合S(u,K)表示，將S中用戶已標記過該標簽的菜品全部提取出來，并去除u已經標記過該標簽的菜品。對于每個候選菜品i，用戶u對它感興趣的程度用如下公式計算：

其中r_vi表示用戶v對i的喜歡程度。

基于圖12對應的實施例，是本發(fā)明的一個用戶點餐的優(yōu)選實施例，詳述如下：

該用戶王五是已注冊用戶，在點餐時，輸入其想吃的食物標簽，如紅燒排骨、可樂排骨；根據(jù)王五輸入定義的標簽紅燒排骨，進行進行菜品的匹配篩選，得到推薦菜品：紅燒排骨、可樂排骨、糖醋排骨、蜜汁排骨、蒜香排骨、麻辣排骨等；根據(jù)健康狀況、地理位置等維度因素，計算每個菜品的推薦總分；根據(jù)用戶庫中與王五相似度最高的五個人，提取第二菜品標簽對應推薦菜品：紅燒肉、可樂雞翅、紅燒雞、紅燒魚等；再根據(jù)健康狀況、地理位置等維度因素，計算第二菜品標簽對應的推薦菜品的推薦總分；將兩個推薦菜品分別依照推薦總分從高到低排序，得出最終的第一類推薦菜品：紅燒排骨、可樂排骨、麻辣排骨、蜜汁排骨糖醋排骨、蒜香排骨等，第二類推薦菜品：紅燒肉、紅燒雞、紅燒魚、可樂雞翅等，輸出所述兩類推薦菜品及菜品的相關信息；消費結束后王五需對最終消費的菜品質量及商家服務進行評分。

在本發(fā)明的優(yōu)選實施例中，從用戶定義的標簽和相似用戶的第二菜品標簽兩個方向出發(fā)，分別求出了分別針對用戶輸入的定義標簽得到的菜品查詢結果，以及推送用戶可能喜歡的菜品結果，而且在使用預設處理方法處理兩種標簽時，充分考慮了標簽匹配、菜品質量、商家服務質量、消費能力、健康狀況匹配度以及地理位置等多維度因素，從多維度對預設處理方法進行了修正，收集每次消費的反饋信息，動態(tài)修正數(shù)據(jù)模型，使得推薦菜品的匹配度精度得到了極大地提高且更加人性化地推薦給用戶適合其個人的菜品。

對應上文實施例所述的身份識別方法，圖13示出了本發(fā)明實施例提供的一種菜品推薦系統(tǒng)的結構框圖。

參照圖13，該系統(tǒng)包括：

獲取單元131，用于獲取與當前用戶相關的菜品標簽，所述菜品標簽包括所述當前用戶定義輸入的第一菜品標簽和與所述當前用戶具備相似特征的用戶輸入的第二菜品標簽；

匹配單元132，用于將所述第一菜品標簽和第二菜品標簽分別與預設的菜品數(shù)據(jù)模型進行匹配，得到第一匹配菜品和第二匹配菜品；

評分單元133，用于通過所述預設的菜品數(shù)據(jù)模型，對所述匹配菜品進行多維度評分，以得到每道所述匹配菜品的推薦總分；

推薦單元134，用于對所述第一匹配菜品和第二匹配菜品分別依據(jù)所述推薦總分從高到低依次輸出所述匹配菜品的相關信息，得到第一類推薦菜品和第二類推薦菜品，以使所述當前用戶根據(jù)輸出的推薦菜品確定消費的菜品。

反饋單元135，用于采集所述當前用戶對所述消費的菜品的質量評分及商家服務質量評分的反饋信息，輸入至所述預設的菜品數(shù)據(jù)模型，以對所述預設的菜品數(shù)據(jù)模型進行更新。

進一步地，獲取單元131之前，所述的方法還包括：

用戶檢測單元，用于檢測用戶是否為已注冊用戶：

第一采集單元，用于若是已注冊用戶，接收用戶定義輸入的第一菜品標簽與用戶地理位置信息，并添加用戶地理位置至數(shù)據(jù)模型；

第二采集單元，若是未注冊用戶，提示用戶進行注冊，并輸入用戶庫信息至數(shù)據(jù)模型。

進一步地，第二菜品標簽包括：

所述第二標簽為剔除第一菜品標簽后的具備相似特征的用戶輸入的所有菜品標簽。

進一步地，所述數(shù)據(jù)模型的構成包括：用戶庫信息、菜品庫信息、商家?guī)煨畔⒑头答亷煨畔ⅲ?/p>

進一步地，所述評分單元具體用于：

當為所述第一匹配菜品時：

對所述第一匹配菜品中每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值進行計算并求和，得出推薦菜品中每個菜品的推薦總分；

當為第二匹配菜品時：

對第二匹配菜品中每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值進行計算；

將每個菜品對應的標簽匹配分值、菜品質量評分分值、商家服務質量評分分值、消費能力評分分值、健康狀況匹配度評分分值以及地理位置計算分值分別代入到協(xié)同過濾推薦算法中計算相應分值，再加各項分值求和，得出菜品推薦總分。

以上所述的實施例僅用于以說明本發(fā)明的技術方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或對其中部分技術特征進行等同替換；而這些修改或替換，并不使相應技術方案的本質脫離本發(fā)明各實施例技術方案的精神和范圍，均應包含在本發(fā)明的保護范圍之內。