技術(shù)特征：

1.一種智能生成推薦菜單的方法，其特征在于：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(shè)有客戶數(shù)據(jù)庫，所述客戶數(shù)據(jù)庫中設(shè)有一一對應(yīng)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(biāo)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(dāng)前客戶u對所述商家的每個菜品的評分矩陣R_m×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(dāng)前用戶對菜品j的興趣值Score_uj，將菜品以Score_uj降序排列，取A個菜品生成預(yù)推薦菜單，進(jìn)行步驟1.5；否則，進(jìn)行步驟1.4；

步驟1.4：當(dāng)前客戶未與當(dāng)前商家進(jìn)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(dāng)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(yù)推薦菜單；進(jìn)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(yù)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(yù)推薦菜單；

步驟1.7：取排序最前的N個菜品，生成當(dāng)前客戶u的推薦菜單。

2.根據(jù)權(quán)利要求1所述的一種智能生成推薦菜單的方法，其特征在于：所述步驟1.1中，控制端內(nèi)設(shè)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(biāo)簽識別編號，其中，葷菜為1，素菜為0。

3.根據(jù)權(quán)利要求1所述的一種智能生成推薦菜單的方法，其特征在于：所述步驟1.3中，所述評分矩陣其中，R_m×n表示用戶對菜品的評分矩陣，X_m×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。

4.根據(jù)權(quán)利要求3所述的一種智能生成推薦菜單的方法，其特征在于：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，x_u表示客戶u的偏好的隱含特征向量，y_i表示菜品i包含的隱含特征向量，r_ui表示客戶u對菜品i的評分，向量x_u和y_i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x_u是X的第u行，y_j是Y的第j行。

5.根據(jù)權(quán)利要求1所述的一種智能生成推薦菜單的方法，其特征在于：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，O_i表示所有訂單中出現(xiàn)i菜品的個數(shù)，O_di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＝w_ij×(1+α_i)；

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，p_up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。

6.根據(jù)權(quán)利要求5所述的一種智能生成推薦菜單的方法，其特征在于：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。

7.根據(jù)權(quán)利要求1所述的一種智能生成推薦菜單的方法，其特征在于：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(dāng)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M_u及總點菜個數(shù)N_u；

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D_u＝εC_u，其中，ε為溢出權(quán)重；

步驟5.4：將預(yù)推薦菜單里的菜品單價與所述最大可接受菜品單價進(jìn)行比較，當(dāng)預(yù)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(jìn)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(yù)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。

8.根據(jù)權(quán)利要求7所述的一種智能生成推薦菜單的方法，其特征在于：1＜ε＜2。

9.根據(jù)權(quán)利要求1所述的一種智能生成推薦菜單的方法，其特征在于：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(dāng)前的預(yù)推薦菜單，統(tǒng)計預(yù)推薦菜單中的葷菜個數(shù)；當(dāng)預(yù)推薦菜單中的葷菜個數(shù)為A或0時，直接進(jìn)行步驟1.7；

步驟6.2：當(dāng)葷菜個數(shù)少于預(yù)推薦菜單的菜品個數(shù)的25％時，進(jìn)行步驟6.3；當(dāng)葷菜個數(shù)多于預(yù)推薦菜單的菜品個數(shù)的75％時，進(jìn)行步驟6.4；當(dāng)葷菜個數(shù)介于預(yù)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(yù)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(jìn)行匹配，篩選出葷菜，替換預(yù)推薦菜單的素菜菜品中Score_uj較低的菜品，形成新的推薦菜單；當(dāng)新的預(yù)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(dāng)前預(yù)推薦菜單中Score_uj較低的葷菜，形成新的推薦菜單；當(dāng)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。