一种智能化推荐点菜方法及系统

摘要

一种智能化推荐点菜方法及系统，智能化推荐点菜方法包括：A、对所有菜品的属性进行挖掘生成关联规则集，并计算其中每条关联规则的置信度；B、接收第一菜品，并存储至已点菜品数据库；C、从关联规则集中，寻找匹配以已点菜品的属性为关联规则前件，以菜品X的属性为关联规则后件的属性关联规则集，并将获得的属性关联规则集中的每条关联规则的置信度相加计算得到该菜品X的推荐价值；D、将推荐价值进行排序，选取N个菜品作为推荐菜品，并输出；E、判断是否接收到用户输入的菜品，若是，则将输入的菜品存储至已点菜品数据库并继续步骤C；否则，结束推荐。智能化推荐点菜的系统包括：关联规则生成模块、菜品接收模块、推荐价值生成模块、输出模块、判断模块。由此能够使推荐菜品更具科学化和合理化。

主权项

一种智能化推荐点菜方法，其特征在于，包括以下步骤：A、根据获取的历史点菜数据库中所有菜品的属性数据，对所述所有菜品的属性数据之间进行数据挖掘生成关联规则集，所述关联规则集由多条关联规则组成，并计算所述关联规则集中每条关联规则的置信度；其中，所述关联规则由关联规则前件和关联规则后件组成，所述关联规则后件由所述关联规则前件推导得出，定义所述历史点菜数据库中所有菜品的属性数据的数据集为P，在数据集P中有N1次出现所述关联规则前件的同时，又有N2次出现所述关联规则后件，则所述关联规则的置信度为N2/N1*100％，用于表示所述关联规则在置信度为N2/N1*100％的概率上是可信的；其中，所述所有菜品的属性数据包括以下属性类别：主成分属性和特征属性；所述步骤A具体包括：根据获取的历史点菜数据库中所有菜品的主成分属性数据，对所述所有菜品的主成分属性数据之间进行数据挖掘生成主成分关联规则集，所述主成分关联规则集由多条主成分关联规则组成，并计算所述主成分关联规则集中每条主成分关联规则的置信度；根据获取的历史点菜数据库中所有菜品的特征属性数据，对所述所有菜品的特征属性数据之间进行数据挖掘生成特征关联规则集，所述特征关联规则集由多条特征关联规则组成，并计算所述特征关联规则集中每条特征关联规则的置信度；B、接收用户输入的第一菜品，并将所述输入的第一菜品存储至已点菜品数据库；C、从所述关联规则集中，针对所述所有菜品中的菜品X，寻找匹配以所述已点菜品数据库中的已点菜品的一种属性数据或者一种以上组合的属性数据为关联规则前件，以所述菜品X的一种属性数据或者一种以上组合的属性数据为关联规则后件的属性关联规则集，并将获得的所述属性关联规则集中的每条关联规则的置信度相加计算得到所述菜品X的推荐价值；其中，X为所述所有菜品中的其中的一个菜品；所述步骤C具体包括：C1、对所述主成分属性和所述特征属性分别设立主成分属性权值函数和特征属性权值函数；C2、从所述主成分关联集中，针对所述所有菜品中的菜品X，寻找匹配以所述已点菜品数据库中的已点菜品的一种主成分属性数据或者一种以上组合的主成分属性数据为关联规则前件，以所述菜品X的一种主成分属性数据或者一种以上组合的主成分属性数据为关联规则后件的主成分属性关联规则集，并将获得的所述主成分属性关联规则集中的每条主成分关联规则的置信度与主成分权值相乘，即得到所述所有菜品中的菜品X的主成分属性推荐置信度，其中，所述主成分权值是根据所述主成分属性权值函数计算得到；C3、从所述特征关联集中，针对所述所有菜品中的菜品X，寻找匹配以所述已点菜品数据库中的已点菜品的一种特征属性数据或者一种以上组合的特征属性数据为关联规则前件，以所述菜品X的一种特征属性数据或者一种以上组合的特征属性数据为关联规则后件的特征属性关联规则集，并将获得的所述特征属性关联规则集中的每条特征关联规则的置信度与特征权值相乘，即得到所述所有菜品中的菜品X的特征属性推荐置信度，其中，所述特征权值是根据所述特征属性权值函数计算得到；C4、将所述菜品X的主成分属性推荐置信度与特征属性推荐置信度相加，即得到所述菜品X的推荐价值；D、将所述所有菜品中的每一个菜品的推荐价值进行排序，选取推荐价值排名靠前的N个菜品作为推荐菜品，并输出所述N个推荐菜品，其中，所述N为大于0的整数；E、判断是否接收到用户输入的菜品，若是，则将所述输入的菜品存储至所述已点菜品数据库并继续步骤C；否则，结束推荐点菜。