本發(fā)明屬于專門適用于行政、商業(yè)、金融、管理、監(jiān)督或預測目的的數(shù)據(jù)處理系統(tǒng)或方法的技術領域,特別涉及一種能通過線上和線下的協(xié)同作業(yè)、通過匹配相似客戶和相似菜品以達到快速推薦菜單的智能生成推薦菜單的方法。
背景技術:
目前,餐飲行業(yè)的點菜環(huán)節(jié)主要還是采用餐廳印發(fā)紙質(zhì)菜單,顧客查看紙質(zhì)菜單,服務員記錄下顧客的菜單再去收銀機點菜方式,菜單菜品更換成本高,更新菜品無法及時展示,服務員人工效率低。同時,已經(jīng)有部分的餐廳已經(jīng)開始采用智能通信裝置如智能手機、pad等電子設備,利用快速發(fā)展的互聯(lián)網(wǎng)云技術,為顧客提供依托于智能通信裝置的自主點餐環(huán)境。
這種利用智能通信裝置完成點餐本身為客戶提供了便利,然而在實際的操作中,當客戶借助智能通信裝置進行點菜時,僅能逐一查看基于智能通信裝置顯示的菜單上的菜品,其對自己本身點的菜并沒有完整的把握,這將導致所點菜品超過需求量、營養(yǎng)過剩、超過消費能力可承受范圍等問題,造成浪費,對消費者本身的身體或精神形成負擔;同時,當商家對于所有客戶的點菜都是統(tǒng)一采用了這種智能的點菜方式時,缺乏了原有的人工點菜方式中的靈活隨機的一面,比如對老客的管理、對于菜品的重點推薦、對于重復菜品的去重建議等,非常不人性化,讓很多客戶只會重復點幾個菜,而不會去關注別的菜品,對于商家本身的發(fā)展亦是不利的。
技術實現(xiàn)要素:
本發(fā)明解決的技術問題是,現(xiàn)有技術中,利用智能通信裝置完成點餐的工作時,客戶僅能逐一查看基于智能通信裝置顯示的菜單上的菜品,其對自己本身點的菜并沒有完整的把握,而導致的所點菜品超過需求量、營養(yǎng)過剩、超過消費能力可承受范圍等問題,造成浪費,對消費者本身的身體或精神形成負擔,且缺乏靈活隨機性,不人性化,對于商家本身的發(fā)展亦存在不利之處的問題,進而提供了一種優(yōu)化的智能生成推薦菜單的方法。
本發(fā)明所采用的技術方案是,一種智能生成推薦菜單的方法,所述方法包括以下步驟:
步驟1.1:建立客戶端和商家端,所述客戶端和商家端連接至控制端,所述控制端內(nèi)設有客戶數(shù)據(jù)庫,所述客戶數(shù)據(jù)庫中設有一一對應的客戶編碼和客戶注冊ID,所述控制端內(nèi)保存有所有客戶的歷史點菜行為數(shù)據(jù);
步驟1.2:客戶u利用客戶端的攝像頭掃描任一商家的每桌專用二維碼或電子標簽碼,客戶編碼傳輸至控制端,控制端比較客戶編碼和客戶注冊ID,判斷此客戶是否為已在該商家產(chǎn)生過消費的老客戶;
步驟1.3:若是,則從控制端中通過客戶編碼調(diào)取當前客戶u對所述商家的每個菜品的評分矩陣Rm×n,其中,m表示所有參與客戶歷史點菜行為數(shù)據(jù)獲得評分矩陣的用戶的總個數(shù),n表示所有參與客戶歷史點菜行為數(shù)據(jù)獲得評分矩陣的菜品的總個數(shù);獲得當前用戶對菜品j的興趣值Scoreuj,將菜品以Scoreuj降序排列,取A個菜品生成預推薦菜單,進行步驟1.5;否則,進行步驟1.4;
步驟1.4:當前客戶未與當前商家進行過交易,提供菜單,由客戶初始化點一個菜,客戶點菜后,從控制端調(diào)取當前商家的所有客戶歷史點菜行為數(shù)據(jù),利用相似度擬合方法獲得該客戶所點菜的最接近的菜品的菜單,按照相似度由高至低排列,取A個菜品生成預推薦菜單;進行步驟1.6;
步驟1.5:利用消費能力調(diào)整方法調(diào)整所述推薦菜單,重新排列預推薦菜單中的菜品;
步驟1.6:利用營養(yǎng)搭配調(diào)整方法調(diào)整所述預推薦菜單;
步驟1.7:取排序最前的N個菜品,生成當前客戶u的推薦菜單。
優(yōu)選地,所述步驟1.1中,控制端內(nèi)設有每個商家的菜品,商家通過商家端的讀寫模塊在控制端內(nèi)寫入菜品數(shù)據(jù)、放置菜品圖片;所有菜品包括標簽識別編號,其中,葷菜為1,素菜為0。
優(yōu)選地,所述步驟1.3中,所述評分矩陣其中,Rm×n表示用戶對菜品的評分矩陣,Xm×k表示客戶對隱含特征的偏好矩陣,表示菜品所包含隱含特征的矩陣的轉(zhuǎn)置,其中,k表示維度。
優(yōu)選地,所述評分矩陣通過客戶歷史點菜行為數(shù)據(jù)獲得的方法包括以下步驟:
步驟3.1:定義平方誤差損失函數(shù):其中,xu表示客戶u的偏好的隱含特征向量,yi表示菜品i包含的隱含特征向量,rui表示客戶u對菜品i的評分,向量xu和yi的內(nèi)積是客戶u對菜品i評分的近似,λ是正則化項的系數(shù);
步驟3.2:以梯度下降法使得L(X,Y)最小,并求得此時的X和Y;
步驟3.3:用戶u對菜品j的興趣值為其中xu是X的第u行,yj是Y的第j行。
優(yōu)選地,所述步驟1.4中,所述相似度擬合方法包括以下步驟:
步驟4.1:獲取客戶歷史點菜行為數(shù)據(jù),取最近若干個月的訂單記錄,以i和j表示待比對的2個菜品;
步驟4.2:計算待比對的2個菜品間的相似度其中,N(i)表示客戶點i菜品的次數(shù),N(j)表示客戶點j菜品的次數(shù),|N(i)∩N(j)|表示客戶在最近2個月點菜品i的時候同時點菜品j的次數(shù);
步驟4.3:計算i菜品的回頭點擊率其中,Oi表示所有訂單中出現(xiàn)i菜品的個數(shù),Odi表示所有訂單中經(jīng)過客戶注冊ID去重后出現(xiàn)i菜品的個數(shù);
步驟4.4:強化待比對的2個菜品間的相似度w′ij=wij×(1+αi);
步驟4.5:通過客戶已點菜品的集合N(u)來計算該店中的所有菜品和N(u)相似度值,其中,pup表示用戶u對菜品N(p)的興趣值,S(p,k)是和菜品p最相似的所有k個菜品的集合,w′pq表示菜品p和菜品q的相似度。
優(yōu)選地,所述步驟4.1中,獲取客戶歷史點菜行為數(shù)據(jù),取最近2個月的訂單記錄,以i和j表示待比對的2個菜品。
優(yōu)選地,所述步驟1.5中,所述消費能力調(diào)整方法包括以下步驟:
步驟5.1:取當前客戶u在近M個月內(nèi)的所有訂單數(shù)據(jù),計算總金額Mu及總點菜個數(shù)Nu;
步驟5.2:計算平均每個菜的單價
步驟5.3:令該客戶的最大可接受菜品單價為Du=εCu,其中,ε為溢出權重;
步驟5.4:將預推薦菜單里的菜品單價與所述最大可接受菜品單價進行比較,當預推薦菜單里的菜品單價大于最大可接受菜品單價時,刪除菜品并放置在控制端的緩存區(qū),其后的菜品依次排名往前;完成后進行步驟5.5;
步驟5.5:計算完成步驟5.4后的各菜品的單價與所述最大可接受菜品單價的差值,按照差值對預推薦菜單中的菜品重新排列;差值越小,菜品排名越靠前,反之靠后。
優(yōu)選地,1<ε<2。
優(yōu)選地,所述步驟1.6中,所述營養(yǎng)搭配調(diào)整方法包括以下步驟:
步驟6.1:取當前的預推薦菜單,統(tǒng)計預推薦菜單中的葷菜個數(shù);當預推薦菜單中的葷菜個數(shù)為A或0時,直接進行步驟1.7;
步驟6.2:當葷菜個數(shù)少于預推薦菜單的菜品個數(shù)的25%時,進行步驟6.3;當葷菜個數(shù)多于預推薦菜單的菜品個數(shù)的75%時,進行步驟6.4;當葷菜個數(shù)介于預推薦菜單的菜品個數(shù)的25%~75%時,完成營養(yǎng)搭配調(diào)整;
步驟6.3:保留預推薦菜單中的葷菜菜品,將利用消費能力調(diào)整方法去除的菜品與控制端中的葷菜數(shù)據(jù)庫進行匹配,篩選出葷菜,替換預推薦菜單的素菜菜品中Scoreuj較低的菜品,形成新的推薦菜單;當新的預推薦菜單滿足葷菜個數(shù)介于菜品總個數(shù)的25%~75%時,完成營養(yǎng)搭配調(diào)整;
步驟6.4:將利用消費能力調(diào)整方法去除的菜品中的素菜篩選出來,替換當前預推薦菜單中Scoreuj較低的葷菜,形成新的推薦菜單;當新的推薦菜單滿足葷菜個數(shù)介于菜品總個數(shù)的25%~75%時,完成營養(yǎng)搭配調(diào)整。
本發(fā)明提供了一種優(yōu)化的智能生成推薦菜單的方法,通過控制端對于客戶編碼和客戶注冊ID的判斷,識別出客戶是新客戶還是老客戶,對老客戶直接給出依喜好排序的預推薦菜單,對新客戶則通過初始化點菜的形式,結合控制端內(nèi)的客戶歷史點菜行為數(shù)據(jù)以相似度擬合方法獲得最接近的菜單,對兩種模式下的預推薦菜單根據(jù)消費能力調(diào)整方法和營養(yǎng)搭配方法進行調(diào)節(jié),最后自動生成排序最靠前的若干個菜品,推薦給對應的客戶。本發(fā)明兼具智能通信裝置完成點餐的便利性,使得客戶不僅能自主選擇菜品,同時還通過對于數(shù)據(jù)的分析比對,給出建議,綜合考慮客戶的消費水平和營養(yǎng)搭配,綠色環(huán)保,有益于消費者的身心健康,靈活,隨機性強,同時更有利于商家本身的發(fā)展。
具體實施方式
下面結合實施例對本發(fā)明做進一步的詳細描述,但本發(fā)明的保護范圍并不限于此。
本發(fā)明涉及一種智能生成推薦菜單的方法,所述方法包括以下步驟:
步驟1.1:建立客戶端和商家端,所述客戶端和商家端連接至控制端,所述控制端內(nèi)設有客戶數(shù)據(jù)庫,所述客戶數(shù)據(jù)庫中設有一一對應的客戶編碼和客戶注冊ID,所述控制端內(nèi)保存有所有客戶的歷史點菜行為數(shù)據(jù)。
所述步驟1.1中,控制端內(nèi)設有每個商家的菜品,商家通過商家端的讀寫模塊在控制端內(nèi)寫入菜品數(shù)據(jù)、放置菜品圖片;所有菜品包括標簽識別編號,其中,葷菜為1,素菜為0。
本發(fā)明中,一般情況下,客戶端即由客戶的手機或隨身攜帶的智能設備完成,手機和智能設備一般采用移動網(wǎng)絡、無線網(wǎng)絡或藍牙等方式與控制端進行通信,完成信息的交互。在這種情況下,客戶的手機或智能設備會存在一個唯一固定的識別號,控制端只需要獲得當前客戶的識別號,即可進行后續(xù)的工作。此為本領域技術人員容易理解的技術,可以依據(jù)本領域技術人員的理解按需設置。
本發(fā)明中,商家端可以是智能終端或計算機的任一種,其可以對控制端中當前商家的菜品內(nèi)容進行讀寫,完成菜品的編輯。商家端也可以采用移動網(wǎng)絡、無線網(wǎng)絡或藍牙等方式與控制端進行通信,完成信息的交互。在這種情況下,商家端亦會存在一個唯一固定的識別號,如計算機的物理地址等,控制端只需要獲得當前商家的識別號,即可進行后續(xù)的工作。此為本領域技術人員容易理解的技術,可以依據(jù)本領域技術人員的理解按需設置。
本發(fā)明中,控制端內(nèi)設有客戶數(shù)據(jù)庫,其中設有一一對應的客戶編碼和客戶注冊ID,通過客戶編碼與客戶注冊ID進行匹配,完成調(diào)取當前客戶信息并進行控制的作業(yè)。
本發(fā)明中,控制端內(nèi)還保存有所有客戶的歷史點菜行為數(shù)據(jù),用于在離線狀態(tài)中對客戶的行為進行分析,得到用戶對菜品的評分矩陣。
本發(fā)明中,步驟1.1主要為初始設置用,故為了便于推薦菜單的生成,控制端內(nèi)除了設有每個商家的菜品,商家可以通過商家端的讀寫模塊在控制端內(nèi)寫入菜品數(shù)據(jù)、放置菜品圖片外,商家還可以預先對所有菜品設置標簽識別編號,例如以1標注葷菜,0標注素菜,一則可以直接顯示,便于不用需求的客戶選擇菜品,二則可以在后臺進行營養(yǎng)搭配時,遍歷標簽識別編號,剔除掉過多的葷菜或是提示葷菜量的不足,幫助客戶做到點菜時的葷素搭配。
步驟1.2:客戶u利用客戶端的攝像頭掃描任一商家的每桌專用二維碼或電子標簽碼,客戶編碼傳輸至控制端,控制端比較客戶編碼和客戶注冊ID,判斷此客戶是否為已在該商家產(chǎn)生過消費的老客戶。
本發(fā)明中,步驟1.2為判斷過程,主要即是通過客戶掃碼與控制端進行通信,調(diào)取商家的信息,并查看此客戶編碼與商家的客戶注冊ID的集合是否有吻合,對新老客戶采取不同的預推薦菜單的形成模式。
步驟1.3:若是,則從控制端中通過客戶編碼調(diào)取當前客戶u對所述商家的每個菜品的評分矩陣Rm×n,其中,m表示所有參與客戶歷史點菜行為數(shù)據(jù)獲得評分矩陣的用戶的總個數(shù),n表示所有參與客戶歷史點菜行為數(shù)據(jù)獲得評分矩陣的菜品的總個數(shù);獲得當前用戶對菜品j的興趣值Scoreuj,將菜品以Scoreuj降序排列,取A個菜品生成預推薦菜單,進行步驟1.5;否則,進行步驟1.4;
所述步驟1.3中,所述評分矩陣其中,Rm×n表示用戶對菜品的評分矩陣,Xm×k表示客戶對隱含特征的偏好矩陣,表示菜品所包含隱含特征的矩陣的轉(zhuǎn)置,其中,k表示維度。
所述評分矩陣通過客戶歷史點菜行為數(shù)據(jù)獲得的方法包括以下步驟:
步驟3.1:定義平方誤差損失函數(shù):其中,xu表示客戶u的偏好的隱含特征向量,yi表示菜品i包含的隱含特征向量,rui表示客戶u對菜品i的評分,向量xu和yi的內(nèi)積是客戶u對菜品i評分的近似,λ是正則化項的系數(shù);
步驟3.2:以梯度下降法使得L(X,Y)最小,并求得此時的X和Y;
步驟3.3:用戶u對菜品j的興趣值為其中xu是X的第u行,yj是Y的第j行。
步驟1.4:當前客戶未與當前商家進行過交易,提供菜單,由客戶初始化點一個菜,客戶點菜后,從控制端調(diào)取當前商家的所有客戶歷史點菜行為數(shù)據(jù),利用相似度擬合方法獲得該客戶所點菜的最接近的菜品的菜單,按照相似度由高至低排列,取A個菜品生成預推薦菜單;進行步驟1.6。
所述步驟1.4中,所述相似度擬合方法包括以下步驟:
步驟4.1:獲取客戶歷史點菜行為數(shù)據(jù),取最近若干個月的訂單記錄,以i和j表示待比對的2個菜品。
所述步驟4.1中,獲取客戶歷史點菜行為數(shù)據(jù),取最近2個月的訂單記錄,以i和j表示待比對的2個菜品。
步驟4.2:計算待比對的2個菜品間的相似度其中,N(i)表示客戶點i菜品的次數(shù),N(j)表示客戶點j菜品的次數(shù),|N(i)∩N(j)|表示客戶在最近2個月點菜品i的時候同時點菜品j的次數(shù)。
步驟4.3:計算i菜品的回頭點擊率其中,Oi表示所有訂單中出現(xiàn)i菜品的個數(shù),Odi表示所有訂單中經(jīng)過客戶注冊ID去重后出現(xiàn)i菜品的個數(shù)。
步驟4.4:強化待比對的2個菜品間的相似度w′ij=wij×(1+αi)。
步驟4.5:通過客戶已點菜品的集合N(u)來計算該店中的所有菜品和N(u)相似度值,其中,pup表示用戶u對菜品N(p)的興趣值,S(p,k)是和菜品p最相似的所有k個菜品的集合,w′pq表示菜品p和菜品q的相似度。
本發(fā)明中,步驟1.3和步驟1.4為對老客戶和新客戶的不同的預推薦菜單的生成模式。
本發(fā)明中,當客戶為老客戶時,可以直接調(diào)取其常點菜品的信息即通過客戶的歷史點菜行為數(shù)據(jù)進行統(tǒng)計的數(shù)據(jù),獲得當前客戶u對該商家的每個菜品的評分矩陣R后,即可獲得當前用戶對菜品j的興趣值Scoreuj,將菜品以Scoreuj降序排列,生成預推薦菜單。
本發(fā)明中,步驟1.3及具體的評分矩陣的得到步驟主要針對老客戶,在老客戶的群體中,每一個客戶是上述矩陣X的一個向量,每一個菜品是矩陣Y的一個向量,當前客戶對于當前菜品的興趣值是上述兩個向量的點積R,其中,m表示所有參與客戶歷史點菜行為數(shù)據(jù)獲得評分矩陣的用戶的總個數(shù),n表示所有參與客戶歷史點菜行為數(shù)據(jù)獲得評分矩陣的菜品的總個數(shù),矩陣X和Y的維度為k。
本發(fā)明中,在實際的操作中,若需要提取或計算某個客戶對某個菜品的興趣值,只需要從矩陣X中取出該客戶對應的向量,從矩陣Y中取出對應的菜品的向量,求點積即可。
本發(fā)明中,當客戶為新客戶時,則需要請客戶先初始化選一個菜品,選擇該菜品后,可以利用相似度擬合方法進行菜品和菜品之間的比對,比對該初始化選擇的菜品和其他任一菜品間的相似度,并通過回頭點擊率強化此相似度數(shù)據(jù),以相似度對菜品進行排序,即為客戶在點了某個菜品后,依據(jù)數(shù)據(jù)記載更可能選擇的菜品的順序,由此生成預推薦菜單。
本發(fā)明中,不直接反饋相似度,而是采用回頭點擊率強化相似度,目的是將對某個菜品有特殊喜好、強烈個人喜好的相關數(shù)據(jù)剔除,保證了數(shù)據(jù)的準確性,使得預推薦菜單的排序更為準確,不受他人喜好的影響。
步驟1.5:利用消費能力調(diào)整方法調(diào)整所述推薦菜單,重新排列預推薦菜單中的菜品。
所述步驟1.5中,所述消費能力調(diào)整方法包括以下步驟:
步驟5.1:取當前客戶u在近M個月內(nèi)的所有訂單數(shù)據(jù),計算總金額Mu及總點菜個數(shù)Nu;
步驟5.2:計算平均每個菜的單價
步驟5.3:令該客戶的最大可接受菜品單價為Du=εCu,其中,ε為溢出權重;
步驟5.4:將預推薦菜單里的菜品單價與所述最大可接受菜品單價進行比較,當預推薦菜單里的菜品單價大于最大可接受菜品單價時,刪除菜品并放置在控制端的緩存區(qū),其后的菜品依次排名往前;完成后進行步驟5.5;
步驟5.5:計算完成步驟5.4后的各菜品的單價與所述最大可接受菜品單價的差值,按照差值對預推薦菜單中的菜品重新排列;差值越小,菜品排名越靠前,反之靠后。
1<ε<2。
本發(fā)明中,由于在生成預推薦菜單的過程中只是參考了菜品間的相似度數(shù)據(jù),但是并未考慮過實際的菜品單價,為了保證最終的推薦菜單能更大程度符合客戶的實際點菜需求,故利用消費能力調(diào)整方法調(diào)整該預推薦菜單。
本發(fā)明中,對于老客戶,可以獲得當前客戶的歷史點菜行為數(shù)據(jù),計算平均每個菜的單價,由于平均值只能反應一定程度的價格,故還增加溢出權重,由溢出權重來控制預推薦菜單中可被接受的菜品的最大單價;對于新客戶,由于不存在歷史點菜行為數(shù)據(jù),跳過此步驟。一般情況下,該溢出權重取1.5,但可以根據(jù)商家的實際需求及商家菜價的浮動做一定的調(diào)整。
本發(fā)明中,價格高于最大可接受菜品單價的菜品被直接刪除并存儲在緩存區(qū)備用,其他的菜品以與最大可接受菜品單價的差值為依據(jù),以差值由小到大順次排列。
步驟1.6:利用營養(yǎng)搭配調(diào)整方法調(diào)整所述預推薦菜單。
所述步驟1.6中,所述營養(yǎng)搭配調(diào)整方法包括以下步驟:
步驟6.1:取當前的預推薦菜單,統(tǒng)計預推薦菜單中的葷菜個數(shù);當預推薦菜單中的葷菜個數(shù)為A或0時,直接進行步驟1.7;
步驟6.2:當葷菜個數(shù)少于預推薦菜單的菜品個數(shù)的25%時,進行步驟6.3;當葷菜個數(shù)多于預推薦菜單的菜品個數(shù)的75%時,進行步驟6.4;當葷菜個數(shù)介于預推薦菜單的菜品個數(shù)的25%~75%時,完成營養(yǎng)搭配調(diào)整;
步驟6.3:保留預推薦菜單中的葷菜菜品,將利用消費能力調(diào)整方法去除的菜品與控制端中的葷菜數(shù)據(jù)庫進行匹配,篩選出葷菜,替換預推薦菜單的素菜菜品中Scoreuj較低的菜品,形成新的推薦菜單;當新的預推薦菜單滿足葷菜個數(shù)介于菜品總個數(shù)的25%~75%時,完成營養(yǎng)搭配調(diào)整;
步驟6.4:將利用消費能力調(diào)整方法去除的菜品中的素菜篩選出來,替換當前預推薦菜單中Scoreuj較低的葷菜,形成新的推薦菜單;當新的推薦菜單滿足葷菜個數(shù)介于菜品總個數(shù)的25%~75%時,完成營養(yǎng)搭配調(diào)整。
本發(fā)明中,在進行了幾次調(diào)整后,預推薦菜單里的菜品可能出現(xiàn)營養(yǎng)不搭配的情況,但由于計算了菜品間的相似度且考慮了消費水平,一般情況下,并不可能出現(xiàn)只剩下素菜或只剩下葷菜的情況,當出現(xiàn)這種情況時,即葷菜個數(shù)為A或0時,則直接進行步驟1.7。
本發(fā)明中,需要對可能營養(yǎng)失調(diào)的預推薦菜單進行重新整合,一般情況下,認為菜品中葷菜的個數(shù)介于預推薦菜單的菜品個數(shù)的25%~75%是符合營養(yǎng)搭配的標準的,此數(shù)據(jù)可由商家根據(jù)實際情況進行調(diào)整。
本發(fā)明中,當菜品中葷菜過少時,保留預推薦菜單中的葷菜,并在緩存區(qū)中遍歷菜品,選出葷菜替換預推薦菜單中Scoreuj較低的素菜;當菜品中葷菜過多時,將利用消費能力調(diào)整方法去除的菜品中的素菜篩選出來,替換當前預推薦菜單中Scoreuj較低的葷菜,形成新的推薦菜單,最終當菜品中葷菜的個數(shù)介于預推薦菜單的菜品個數(shù)的25%~75%時,完成調(diào)整。
步驟1.7:取排序最前的N個菜品,生成當前客戶u的推薦菜單。
本發(fā)明中,可以根據(jù)商家的實際需求設置N的數(shù)量,N小于等于A。
本發(fā)明解決了現(xiàn)有技術中,利用智能通信裝置完成點餐的工作時,客戶僅能逐一查看基于智能通信裝置顯示的菜單上的菜品,其對自己本身點的菜并沒有完整的把握,而導致的所點菜品超過需求量、營養(yǎng)過剩、超過消費能力可承受范圍等問題,造成浪費,對消費者本身的身體或精神形成負擔,且缺乏靈活隨機性,不人性化,對于商家本身的發(fā)展亦存在不利之處的問題,通過控制端對于客戶編碼和客戶注冊ID的判斷,識別出客戶是新客戶還是老客戶,對老客戶直接給出依喜好排序的預推薦菜單,對新客戶則通過初始化點菜的形式,結合控制端內(nèi)的客戶歷史點菜行為數(shù)據(jù)以相似度擬合方法獲得最接近的菜單,對兩種模式下的預推薦菜單根據(jù)消費能力調(diào)整方法和營養(yǎng)搭配方法進行調(diào)節(jié),最后自動生成排序最靠前的若干個菜品,推薦給對應的客戶。本發(fā)明兼具智能通信裝置完成點餐的便利性,使得客戶不僅能自主選擇菜品,同時還通過對于數(shù)據(jù)的分析比對,給出建議,綜合考慮客戶的消費水平和營養(yǎng)搭配,綠色環(huán)保,有益于消費者的身心健康,靈活,隨機性強,同時更有利于商家本身的發(fā)展。