CN115408612A - 餐厅推荐方法、装置、服务器、终端及存储介质 - Google Patents
餐厅推荐方法、装置、服务器、终端及存储介质 Download PDFInfo
- Publication number
- CN115408612A CN115408612A CN202211051913.7A CN202211051913A CN115408612A CN 115408612 A CN115408612 A CN 115408612A CN 202211051913 A CN202211051913 A CN 202211051913A CN 115408612 A CN115408612 A CN 115408612A
- Authority
- CN
- China
- Prior art keywords
- user
- restaurant
- dining
- price
- restaurants
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种餐厅推荐方法、装置、服务器、终端及存储介质,属于大数据分析技术领域,该方法包括:接收用户终端发送的餐厅推荐请求,解析所述请求获取用餐群体中各用户的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,所述推荐请求是用户在应用程序中触发的;根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足用餐群体路程需求的餐厅集合;根据各用户的用餐喜好及各用户的用餐价格从所述餐厅集合中确定与用餐群体匹配的餐厅,将该匹配的餐厅对应的餐厅信息发送至所述用户终端。本申请通过从满足用餐群体路程需求的餐厅集合确定匹配的餐厅,综合考虑用餐群体整体需求,推荐的餐厅能同时满足多个用户的需求。
Description
技术领域
本申请涉及大数据分析技术领域,尤其涉及一种餐厅推荐方法、装置、服务器、终端及存储介质。
背景技术
随着越来越多的居民在家庭、朋友聚会时会选择去餐厅用餐,用户可以使用美食推荐应用,或者直接搜索附近的餐厅。
通常在多人聚餐时,餐厅选择是较为费时,通常每个用户在美食推荐应用以自己的位置作为中心来搜索附近的餐厅,美食推荐应用会推荐的附近的多个餐厅,这种方式推荐的餐厅通常是距离用户比较近的餐厅。在选定了某个餐厅后,如果这家餐厅距离其他用户比较远或者是某个用户对餐厅的菜品不满意时,可以重新进行搜索。
现有的多人聚餐的餐厅推荐方式不仅耗费用户时间并且得到的推荐结果并没有综合考虑多个用户的需求。
发明内容
本申请提供一种餐厅推荐方法、装置、服务器、终端及存储介质,用以解决现有的多人聚餐的餐厅推荐方式并没有综合考虑多个用户的需求问题。
第一方面,本申请提供一种餐厅推荐方法,包括:
接收用户终端发送的餐厅推荐请求,解析所述请求获取用餐群体中各用户的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,所述推荐请求是用户在应用程序中触发的;
根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足用餐群体路程需求的餐厅集合;
根据各用户的用餐喜好及各用户的用餐价格从所述餐厅集合中确定与用餐群体匹配的餐厅,将该匹配的餐厅对应的餐厅信息发送至所述用户终端。
第二方面,本申请还提供一种餐厅推荐方法,包括:
基于用餐群体中各用户在应用程序输入的用餐价格、用餐喜好、用餐出行方式、位置信息生成餐厅推荐请求,发送餐厅推荐请求至对应的服务器;
接收服务器发送的餐厅信息,显示所述餐厅信息,所述餐厅信息是根据各用户的用餐喜好及各用户的用餐价格从餐厅集合中确定的与用餐群体匹配的餐厅的餐厅信息,所述餐厅集合是根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定的满足用餐群体路程需求的餐厅集合。
第三方面,本申请提供一种餐厅推荐装置,包括:
第一收发单元,用于接收用户终端发送的餐厅推荐请求;
第一处理单元,用于解析所述请求获取用餐群体中各用户的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,所述推荐请求是用户在应用程序中触发的;
确定单元,用于根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足用餐群体路程需求的餐厅集合;
确定单元,还用于根据各用户的用餐喜好及各用户的用餐价格从所述餐厅集合中确定与用餐群体匹配的餐厅;
第一收发单元,还用于将该匹配的餐厅对应的餐厅信息发送至所述用户终端。
第四方面,本申请还提供一种餐厅推荐装置,包括:
第二处理单元,用于基于用餐群体中各用户在应用程序输入的用餐价格、用餐喜好、用餐出行方式、位置信息生成餐厅推荐请求;
第二收发单元,用于发送餐厅推荐请求至对应的服务器;
第二收发单元,还用于接收服务器发送的餐厅信息;
显示单元,用于显示所述餐厅信息,所述餐厅信息是根据各用户的用餐喜好及各用户的用餐价格从餐厅集合中确定的与用餐群体匹配的餐厅的餐厅信息,所述餐厅集合是根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定的满足用餐群体路程需求的餐厅集合。
第五方面,本发明提供一种服务器,包括:处理器,存储器及收发器;
处理器,存储器及收发器电路互联;
存储器存储计算机执行指令;
收发器,用于收发数据以及请求;
处理器执行存储器存储的计算机执行指令,使得处理器执行如第一方面所述的方法。
第六方面,本发明提供一种用户终端,包括:处理器,存储器及收发器;
处理器,存储器及收发器电路互联;
存储器存储计算机执行指令;
收发器,用于收发数据以及请求;
处理器执行存储器存储的计算机执行指令,使得处理器执行如第二方面所述的方法。
第七方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如第一方面或第二方面所述的方法。
本申请提供的餐厅推荐方法、装置、服务器、终端及存储介质,通过接收用户终端发送的餐厅推荐请求,解析所述请求获取用餐群体中各用户的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,所述推荐请求是用户在应用程序中触发的;从而根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足用餐群体路程需求的餐厅集合;进一步根据各用户的用餐喜好及各用户的用餐价格从所述餐厅集合中确定与用餐群体匹配的餐厅,将该匹配的餐厅对应的餐厅信息发送至所述用户终端,通过从满足用餐群体路程需求的餐厅集合确定匹配的餐厅,综合考虑用餐群体整体需求,推荐的餐厅能同时满足多个用户的需求。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本发明提供的餐厅推荐方法的网络架构示意图;
图2是本发明实施例一提供的餐厅推荐方法的流程示意图;
图3是本发明实施例二提供的餐厅推荐方法的流程示意图;
图4是本发明实施例三提供的餐厅推荐方法的流程示意图;
图5是本发明实施例四提供的餐厅推荐方法的流程示意图;
图6是本发明实施例七提供的餐厅推荐方法的流程示意图;
图7是本发明实施例九提供的餐厅推荐方法的流程示意图;
图8是本发明一实施例提供的餐厅推荐装置的结构示意图;
图9是本发明另一实施例提供的餐厅推荐装置的结构示意图;
图10是用来实现本发明实施例的餐厅推荐方法的服务器框图;
图11是用来实现本发明实施例的餐厅推荐方法的用户终端框图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,本公开餐厅推荐方法、装置、服务器、终端及存储介质可用于大数据分析技术领域。也可用于除大数据分析技术领域以外的任意领域。本公开餐厅推荐方法、装置、服务器、终端及存储介质应用领域不作限定。
为了清楚理解本申请的技术方案,首先对现有技术的方案进行详细介绍。
通常在多人聚餐时,餐厅选择是较为费时,通常每个用户在美食推荐应用以自己的位置作为中心来搜索附近的餐厅,美食推荐应用会推荐的附近的多个餐厅,这种方式推荐的餐厅通常是距离用户比较近的餐厅。在选定了某个餐厅后,如果这家餐厅距离其他用户比较远或者是某个用户对餐厅的菜品不满意时,可以重新进行搜索。或者美食推荐应用会根据用户的口味推荐的附近的多个餐厅。
但是多人用餐不止一个用户,正所谓众口难调,现有的方式根据用户的距离或者口味为用户推荐餐厅,多人聚餐的餐厅推荐方式不仅耗费用户时间并且得到的推荐结果并没有综合考虑多个用户的需求。
所以针对现有技术中,多人聚餐的餐厅推荐方式并没有综合考虑多个用户的需求问题,发明人在研究中发现,接收用户终端发送的餐厅推荐请求,解析餐厅推荐请求获取用餐群体中各用户的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,根据各用户的用餐出行方式、位置信息及时间信息确定满足用餐群体路程需求的餐厅集合,根据各用户的用餐喜好及用餐价格从餐厅集合中确定与用餐群体匹配的餐厅,将该匹配的餐厅对应的餐厅信息发送至用户终端,通过从满足用餐群体路程需求的餐厅集合确定匹配的餐厅,综合考虑用餐群体整体需求,推荐的餐厅能同时满足多个用户的需求。
所以发明人基于上述的创造性发现,提出了本发明实施例的技术方案。下面对本发明实施例提供的餐厅推荐方法的网络架构及应用场景进行介绍。
如图1所示,本发明实施例提供的餐厅推荐方法对应的网络架构中包括:用户终端1及服务器2。服务器2与用户终端1进行通信连接。用户终端1中预先安装有餐厅推荐方法对应的客户端。用餐群体中某用户将用餐信息收集页面分享给用餐群体中的多个用户,各用户在各自的用户终端的客户端的操作界面的中输入用餐信息,包括:用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,由分享页面的用户点击确认按键,生成餐厅推荐请求,将餐厅推荐请求发送至服务器2。服务器2接收用户终端1发送的餐厅推荐请求,解析请求获取用餐群体中各用户的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,推荐请求是用户在应用程序中触发的;根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足用餐群体路程需求的餐厅集合;根据各用户的用餐喜好及各用户的用餐价格从餐厅集合中确定与用餐群体匹配的餐厅,将该匹配的餐厅对应的餐厅信息发送至用户终端1。通过从满足用餐群体路程需求的餐厅集合确定匹配的餐厅,综合考虑用餐群体整体需求,推荐的餐厅能同时满足多个用户的需求。
实施例一
图2是本发明实施例一提供的餐厅推荐方法的流程示意图,如图2所示,本实施例提供的餐厅推荐方法的执行主体为餐厅推荐装置,该餐厅推荐装置位于服务器中,则本实施例提供的餐厅推荐方法包括以下步骤:
步骤101,接收用户终端发送的餐厅推荐请求,解析请求获取用餐群体中各用户的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,推荐请求是用户在应用程序中触发的。
本实施例中,用户终端与服务器通信连接,接收用户终端发送的餐厅推荐请求,解析餐厅推荐请求获取用餐群体中各用户的用餐价格、各用户的用餐喜好、各用户的出行方式、各用户的位置信息及各用户的时间信息。
其中,用餐推荐请求是用餐群体中的用户在应用程序上触发。当多人聚餐时,可以在用户终端中的应用程序中将用餐信息收集页面分享给用餐群体中的多个用户,各用户在各自的用户终端的应用程序中输入用餐信息,包括:用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息。其中,位置信息包括出发位置及返回位置,其中,出发位置是指用户就餐时出发的位置;返回位置是指用户就餐结束后返回的位置。时间信息包括去程花费时间及返程花费时间,去程花费时间是指用户接受范围内的用餐路上所花费的时间;返程花费时间是指用户接受范围内的用餐结束后回去路上所花费的时间。其中,用餐价格是指用户可接受的价格上限或价格下限或价格区间。其中,用餐喜好是用户喜欢的用餐口味。其中,用餐出行方式包括步行、公交车、地铁、自行车、电动车及驾车。
步骤102,根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足用餐群体路程需求的餐厅集合。
本实施例中,根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足各用户路程需求的餐厅集合,进一步根据所有满足用餐群体中各用户路程需求的餐厅集合确定满足用餐群体路程需求的餐厅集合。
步骤103,根据各用户的用餐喜好及各用户的用餐价格从餐厅集合中确定与用餐群体匹配的餐厅,将该匹配的餐厅对应的餐厅信息发送至用户终端。
本实施例中,根据各用户的用餐喜好及各用户的用餐价格从满足用餐群体路程需求的餐厅集合中确定与用餐群体匹配的餐厅,获取与用餐群体匹配的餐厅的餐厅信息,餐厅信息包括餐厅位置信息、餐厅菜品信息、餐厅优惠信息、餐厅评价信息、餐厅营业时间及餐厅联系方式。将与用餐群体匹配的餐厅的餐厅信息发送至用户终端。
本实施例中,接收用户终端发送的餐厅推荐请求,解析餐厅推荐请求获取用餐群体中各用户的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,根据各用户的用餐出行方式、位置信息及时间信息确定满足用餐群体路程需求的餐厅集合,根据各用户的用餐喜好及用餐价格从餐厅集合中确定与用餐群体匹配的餐厅,将该匹配的餐厅对应的餐厅信息发送至用户终端,通过从满足用餐群体路程需求的餐厅集合确定匹配的餐厅,综合考虑用餐群体整体需求,推荐的餐厅能同时满足多个用户的需求。用户能够快速得到推荐结果,提高了推荐效率。
实施例二
图3是本发明实施例二提供的餐厅推荐方法的流程示意图,如图3所示,在本发明实施例一提供的餐厅推荐方法的基础上,对步骤102进行了进一步细化,具体包括以下步骤:
步骤1021,根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息分别确定满足各用户路程需求的餐厅集合。
本实施例中,根据各用户的用餐出行方式、各用的位置信息及各用户的时间信息确定各用户的去程距离,根据各用户的用餐出行方式、各用的位置信息及各用户的时间信息确定各用户的返程距离,根据各用户的去程距离范围内的餐厅集合以及各用户的返程距离范围内的餐厅集合确定满足各用户路程需求的餐厅集合。
步骤1022,对所有满足各用户路程需求的餐厅集合求交集,将交集确定为满足用餐群体路程需求的餐厅集合。
本实施例中,获取所有满足各用户路程需求的餐厅集合,求所有满足各用户路程需求的餐厅集合的交集,将交集确定为满足用餐群体路程需求的餐厅集合。
本实施例中,根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息能够得到用户路程需求的餐厅集合,进一步对用餐群体内所有满足各用户路程需求的餐厅集合求交集,该交集中的餐厅能够满足用餐群体各用户需求,从多个纬度为用餐群体筛选餐厅。
实施例三
图4是本发明实施例三提供的餐厅推荐方法的流程示意图,如图4所示,在本发明实施例一提供的餐厅推荐方法的基础上,对步骤103中的根据各用户的用餐喜好及各用户的用餐价格从餐厅集合中确定与用餐群体匹配的餐厅进行了进一步细化,具体包括以下步骤:
步骤1031,根据各用户的用餐喜好以及预设口味评分策略分别确定各用户对餐厅集合中各餐厅的口味评价分值。
本实施例中,确定各餐厅的口味评价分值及价格评价分值,具体地,根据各用户的用餐喜好以及预设口味评分策略分别确定各用户对餐厅集合中各餐厅的口味评价分值,如某用户输入的用餐喜好依次是湘菜、火锅、烧烤,该用户最想吃的是湘菜即第一选择,火锅为第二选择,烧烤为第三选择,若餐厅集合中某餐厅的口味湘菜,该餐厅与该用户口味较为匹配,则该餐厅的口味评价分值为100分。预设口味评分策略如下:若餐厅口味命中用户的第一选择,则该餐厅的口味评价分值为100分;若餐厅口味命中用户的第二选择,则该餐厅的口味评价分值为90分;若餐厅口味命中用户的第三选择,则该餐厅的口味评价分值为80分;若餐厅口味未命中用户的任一选择,则该餐厅的口味评价分值为60分。上述分值还可以设置为其他数值,并不限于上述数值。
步骤1032,根据各用户的用餐价格以及预设价格评分策略分别确定各用户对餐厅集合中各餐厅的价格评价分值。
本实施例中,根据各用户的用餐价格以及预设价格评分策略对餐厅集合中各餐厅进行评分,具体地,某用户的用餐价格上限为50及用餐价格下限为100,该价格为人均消费价格,若餐厅人均消费价格为80,则该餐厅的口味评价分值为100分。预设价格评分策略如下:餐厅人均消费价格小于或等于用户的用餐价格上限,则该餐厅的价格评价分值为100分;若餐厅人均消费价格大于用户的用餐价格上限,则该餐厅的价格评价分值为50分。上述分值还可以设置为其他数值,并不限于上述数值。
步骤1033,根据各用户对餐厅集合中各餐厅的口味评价分值及价格评价分值从餐厅集合中确定与用餐群体匹配的餐厅。
本实施例中,根据用餐群体中单个用户的用餐喜好及用餐价格分别对餐厅集合中各餐厅的口味及价格进行评分,从用户的用餐喜好及用餐价格两个维度评价餐厅,从而从餐厅集合中确定与用餐群体匹配的餐厅。
本实施例中,从用餐群体中各用户的用餐喜好及用餐价格两个维度评价餐厅,通过用餐群体各用户对餐厅集合中各餐厅的口味评价分值及价格评价分值最终从餐厅集合中确定与用餐群体匹配的餐厅,能够综合考虑用餐群体的需求,能够为用餐群体推荐更适合的餐厅。
实施例四
图5是本发明实施例四提供的餐厅推荐方法的流程示意图,如图5所示,在本发明实施例三提供的餐厅推荐方法的基础上,对步骤1033进行了进一步细化,具体包括以下步骤:
步骤1033a,分别根据同一用户对餐厅集合中各餐厅的口味评价分值及价格评价分值计算各餐厅的总评价分值。
本实施例中,根据同一用户对餐厅集合中各餐厅的口味评价分值及价格评价分值计算各餐厅的总评价分值,具体地,获取同一用户对餐厅集合中同一餐厅的口味评价分值及价格评价分值,将该口味评价分值与价格评价分值相加除以2,获得的分值即为该餐厅的总评价分值。按照上述方式分别计算各餐厅的总评价分值。
步骤1033b,根据全部用户对各餐厅的总评价分值计算各餐厅的评价均值,基于各餐厅的评价均值至少选择一个评价均值最高的餐厅,将该餐厅确定为与用餐群体匹配的餐厅。
本实施例中,根据全部用户对各餐厅的总评价分值计算各餐厅的评价均值,具体地,获取全部用户对同一餐厅的总评价分值,将全部用户对同一餐厅的总评价分值相加除以全部用户人数,获得的分值即为该餐厅的评价均值。按照上述方式分别计算各餐厅的评价均值。基于各餐厅的评价均值从中至少选择一个评价均值最高的餐厅,将该餐厅确定为与用餐群体匹配的餐厅。或者,选择3个评价均值较高的餐厅,将选择的评价均值较高的3个餐厅确定为与用餐群体匹配的餐厅。
本实施例中,通过各餐厅的总评价分值从中选择分值相对较高的餐厅,分值较高的餐厅不仅口味符合用餐群体需求而且在价格上也能满足用餐群体需求,能够综合考虑从而为用餐群体推荐适合的餐厅。
实施例五
在本发明实施例一提供的餐厅推荐方法的基础上,步骤104之后,还包括以下步骤:
步骤105,接收用户终端发送的二次推荐请求,根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息分别确定满足各用户路程需求的餐厅集合。
本实施例中,用户终端接收餐厅信息,若对餐厅信息不满意,则可以再次推荐。接收用户终端发送的二次推荐请求,获取用餐群体中各用户的用餐出行方式、各用户的位置信息及各用户的时间信息,根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息分别确定满足各用户路程需求的餐厅集合。需要说明的是,上述获取的用餐群体中各用户的用餐出行方式、各用户的位置信息及各用户的时间信息可以是用户重新输入的,即解析二次推荐请求获取的,或者是解析首次餐厅推荐请求获取的。
步骤106,对所有满足各用户路程需求的餐厅集合求并集,根据各用户的用餐喜好及各用户的用餐价格从并集中确定与用餐群体匹配的餐厅,将该匹配的餐厅对应的餐厅信息发送至用户终端。
本实施例中,将满足各用户路程需求的餐厅集合作为整体考虑,对所有满足各用户路程需求的餐厅集合求并集,根据各用户的用餐喜好及用餐价格从并集中确定与用餐群体匹配的餐厅,将匹配的餐厅对应的餐厅信息发送至用户终端。
本实施例中,如果用户对首次推荐的餐厅不满意,还可以再次推荐餐厅,综合考虑所有满足各用户路程需求的餐厅集合中的全部餐厅,再次为用餐群体推荐餐厅。
实施例六
在本发明实施例二或五提供的餐厅推荐方法的基础上,对步骤根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息分别确定满足各用户路程需求的餐厅集合进行了进一步细化,具体包括以下步骤:
步骤1051,将各用户的出发位置确定为第一原点,根据各用户的用餐出行方式以及去程花费时间计算第一半径,基于各用户对应的第一原点及对应的第一半径分别确定满足各用户去程需求的餐厅集合。
本实施例中,位置信息包括出发位置和返回位置;其中,出发位置是指用户就餐时出发的位置;返回位置是指用户就餐结束后返回的位置。时间信息包括去程花费时间及返程花费时间,去程花费时间是指用户接受范围内的用餐路上所花费的时间;返程花费时间是指用户接受范围内的用餐结束后回去路上所花费的时间。将用户的出发位置确定为第一原点,根据用户的用餐出行方式以及去程花费时间计算第一半径,具体地,获取餐出行方式对应的预设平均时速,如用户出行方式为电动车,获取电动车对应的预设平均时速,如30km/m,去程花费时间为30min,根据餐出行方式对应的预设平均时速及去程花费时间计算路程距离,将计算得到的路程距离确定为第一半径,即第一半径为90km。调用地图应用进行检索,以第一原点为中心,以第一半径为半径画圆,将落入圆形区域内的全部餐厅确定为满足用户去程需求的餐厅集合。按照上述方式确定满足各用户去程需求的餐厅集合。
步骤1052,将各用户的返回位置确定为第二原点,根据各用户的用餐出行方式以及返程花费时间计算第二半径,基于各用户对应的第二原点及对应的第二半径分别确定满足各用户返程需求的餐厅集合。
本实施例中,将用户的返回位置确定为第二原点,根据用户的用餐出行方式以及返程花费时间计算第二半径,具体地,获取餐出行方式对应的预设平均时速,如用户出行方式为电动车,获取电动车对应的预设平均时速,根据餐出行方式对应的预设平均时速及返程花费时间计算路程距离,将计算得到的路程距离确定为第二半径。调用地图应用进行检索,以第二原点为中心,以第二半径为半径画圆,将落入圆形区域内的全部餐厅确定为满足用户返程需求的餐厅集合。按照上述方式确定满足各用户返程需求的餐厅集合。
步骤1053,分别对满足各用户去程需求的餐厅集合及满足各用户返程需求的餐厅集合取交集,将交集确定为满足用户路程需求的餐厅集合。
本实施例中,分别对满足各用户去程需求的餐厅集合及满足各用户返程需求的餐厅集合求得交集,该交集中的餐厅为同时用户去程需求及返程需求的餐厅,将交集确定为满足用户路程需求的餐厅集合。
本实施例中,基于用户的出发位置及去程花费时间能够准确确定符合用户去程需求的餐厅结合,并基于用户的返回位置及返程花费时间能够准确确定符合用户返程需求的餐厅结合,从而得到同时满足用户去程需求及返程需求的餐厅。
实施例七
图6是本发明实施例七提供的餐厅推荐方法的流程示意图,如图6所示,在本发明实施例五提供的餐厅推荐方法的基础上,对步骤106中根据各用户的用餐喜好及各用户的用餐价格从并集中确定与用餐群体匹配的餐厅进行了进一步细化,具体包括以下步骤:
步骤1061,根据各用户的用餐喜好以及预设口味评分策略分别确定各用户对并集中各餐厅的口味评价分值。
本实施例中,根据各用户的用餐喜好以及预设口味评分策略分别确定各用户对并集中各餐厅进行口味评价,预设口味评分策略如下:若并集中餐厅口味命中用户的第一选择,则该餐厅的口味评价分值为100分;若并集中餐厅口味命中用户的第二选择,则该餐厅的口味评价分值为90分;若并集中餐厅口味命中用户的第三选择,则该餐厅的口味评价分值为80分;若并集中餐厅口味未命中用户的任一选择,则该餐厅的口味评价分值为60分。上述分值还可以设置为其他数值,并不限于上述数值。
步骤1062,根据各用户的用餐价格以及预设价格评分策略分别确定各用户对并集中各餐厅的价格评价分值。
本实施例中,根据各用户的用餐价格以及预设口味评分策略分别确定各用户对并集中各餐厅进行价格评价,预设价格评分策略如下:并集中餐厅人均消费价格小于或等于用户的用餐价格上限,则该餐厅的价格评价分值为100分;若并集中餐厅人均消费价格大于用户的用餐价格上限,则该餐厅的价格评价分值为50分。上述分值还可以设置为其他数值,并不限于上述数值。
步骤1063,根据各用户对并集中各餐厅的口味评价分值及价格评价分值从并集中确定与用餐群体匹配的餐厅。
本实施例中,根据用餐群体中单个用户的用餐喜好及用餐价格分别对并集中各餐厅的口味及价格进行评分,从用户的用餐喜好及用餐价格两个维度评价餐厅,从而从并集中确定与用餐群体匹配的餐厅。
本实施例中,从用餐群体中各用户的用餐喜好及用餐价格两个维度评价餐厅,通过用餐群体各用户对餐厅集合中各餐厅的口味评价分值及价格评价分值最终从并集中确定与用餐群体匹配的餐厅,能够综合考虑用餐群体的需求,能够为用餐群体再次推荐更适合的餐厅。
实施例八
在本发明实施例七提供的餐厅推荐方法的基础上,对步骤1063进行了进一步细化,具体包括以下步骤:
步骤1063a,分别根据各用户对并集中各餐厅的口味评价分值及价格评价分值确定各用户对并集中各餐厅的总评价分值。
本实施例中,根据同一用户对并集中各餐厅的口味评价分值及价格评价分值计算各餐厅的总评价分值,具体地,获取同一用户对并集中同一餐厅的口味评价分值及价格评价分值,将该口味评价分值与价格评价分值相加除以2,获得的分值即为该餐厅的总评价分值。按照上述方式分别计算各餐厅的总评价分值。
步骤1063b,基于并集中全部餐厅的总评价分值至少选择一个总评价分值最高的餐厅,将该餐厅确定为与用餐群体匹配的餐厅。
本实施例中,根据全部用户对并集中各餐厅的总评价分值计算各餐厅的评价均值,具体地,获取全部用户对同一餐厅的总评价分值,将全部用户对同一餐厅的总评价分值相加除以全部用户人数,获得的分值即为该餐厅的评价均值。按照上述方式分别计算并集中各餐厅的评价均值。基于各餐厅的评价均值从中至少选择一个评价均值最高的餐厅,将该餐厅确定为与用餐群体匹配的餐厅。或者,选择3个评价均值较高的餐厅,将选择的评价均值较高的3个餐厅确定为与用餐群体匹配的餐厅。
本实施例中,通过各餐厅的总评价分值从中选择分值相对较高的餐厅,分值较高的餐厅不仅口味符合用餐群体需求而且在价格上也能满足用餐群体需求,能够综合考虑从而为再次用餐群体推荐适合的餐厅,提供多种推荐方式,满足不同用餐群体的需求。
实施例九
图7是本发明实施例九提供的餐厅推荐方法的流程示意图,如图7所示,本实施例提供的餐厅推荐方法的执行主体为餐厅推荐装置,该餐厅推荐装置位于用户终端中,则本实施例提供的餐厅推荐方法包括以下步骤:
步骤201,基于用餐群体中各用户在应用程序输入的用餐价格、用餐喜好、用餐出行方式、位置信息生成餐厅推荐请求,发送餐厅推荐请求至对应的服务器。
本实施例中,当多人聚餐时,可以在用户终端中的应用程序中将用餐信息收集页面分享给用餐群体中的多个用户,各用户在各自的用户终端的应用程序中输入用餐信息,包括:用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,根据用餐群体各用户输入的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息生成餐厅推荐请求,将餐厅推荐请求发送至对应的服务器。
进一步地,服务器接收用户终端发送的餐厅推荐请求,解析餐厅推荐请求获取用餐群体中各用户的用餐价格、各用户的用餐喜好、各用户的出行方式、各用户的位置信息及各用户的时间信息。服务器根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足各用户路程需求的餐厅集合,进一步根据所有满足用餐群体中各用户路程需求的餐厅集合确定满足用餐群体路程需求的餐厅集合。服务器根据各用户的用餐喜好及各用户的用餐价格从满足用餐群体路程需求的餐厅集合中确定与用餐群体匹配的餐厅,获取与用餐群体匹配的餐厅的餐厅信息,餐厅信息包括餐厅位置信息、餐厅菜品信息、餐厅优惠信息、餐厅评价信息、餐厅营业时间及餐厅联系方式。将与用餐群体匹配的餐厅的餐厅信息发送至用户终端。
步骤202,接收服务器发送的餐厅信息,显示餐厅信息,餐厅信息是根据各用户的用餐喜好及各用户的用餐价格从餐厅集合中确定的与用餐群体匹配的餐厅的餐厅信息,餐厅集合是根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定的满足用餐群体路程需求的餐厅集合。
本实施例中,接收服务器发送的餐厅信息,并显示该餐厅信息,该餐厅信息是服务器根据各用户的用餐喜好及各用户的用餐价格从餐厅集合中确定的与用餐群体匹配的餐厅的餐厅信息,餐厅集合是服务器根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定的满足用餐群体路程需求的餐厅集合。
本实施例中,通过从满足用餐群体路程需求的餐厅集合确定匹配的餐厅,综合考虑用餐群体整体需求,推荐的餐厅能同时满足多个用户的需求。
实施例十
在本发明实施例七提供的餐厅推荐方法的基础上,方法还包括:
步骤203,基于用户在应用程序触发的二次推荐请求,发送二次推荐请求至服务器。
本实施例中,在接收到餐厅信息后,如果对推荐的餐厅不满意,还可以进行二次推荐,可以重新输入用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,或者自动填入首次推荐时输入的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息。对于服务器侧来说,首次推荐及二次推荐所得到的匹配方式是不同的,所得到餐厅也是不同的。
进一步地,服务器根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息分别确定满足各用户路程需求的餐厅集合。将满足各用户路程需求的餐厅集合作为整体考虑,对所有满足各用户路程需求的餐厅集合求并集,根据各用户的用餐喜好及用餐价格从并集中确定与用餐群体匹配的餐厅,将匹配的餐厅对应的餐厅信息发送至用户终端。
步骤204,接收服务器发送的餐厅信息,显示餐厅信息,餐厅信息是根据各用户的用餐喜好及各用户的用餐价格从并集中确定的与用餐群体匹配的餐厅的餐厅信息,并集是所有满足各用户路程需求的餐厅集合的并集,满足各用户路程需求的餐厅集合是分别根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定的。
本实施例中,接收服务器发送的餐厅信息,显示该餐厅信息,该餐厅信息是服务器根据各用户的用餐喜好及各用户的用餐价格从并集中确定的与用餐群体匹配的餐厅的餐厅信息,并集是所有满足各用户路程需求的餐厅集合的并集,满足各用户路程需求的餐厅集合是服务器分别根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定的。
本实施例中,如果用户对首次推荐的餐厅不满意,还可以再次推荐餐厅,综合考虑所有满足各用户路程需求的餐厅集合中的全部餐厅,再次为用餐群体推荐餐厅,提供多种推荐方式。
图8是本发明一实施例提供的餐厅推荐装置的结构示意图,如图8所示,本实施例提供的餐厅推荐装置200包括第一收发单元201,第一处理单元202,确定单元203。
其中,第一收发单元201,用于接收用户终端发送的餐厅推荐请求。第一处理单元202,用于解析请求获取用餐群体中各用户的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,推荐请求是用户在应用程序中触发的。确定单元203,用于根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足用餐群体路程需求的餐厅集合。确定单元203,还用于根据各用户的用餐喜好及各用户的用餐价格从餐厅集合中确定与用餐群体匹配的餐厅。第一收发单元201,还用于将该匹配的餐厅对应的餐厅信息发送至用户终端。
可选地,确定单元,还用于根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息分别确定满足各用户路程需求的餐厅集合;对所有满足各用户路程需求的餐厅集合求交集,将交集确定为满足用餐群体路程需求的餐厅集合。
可选地,确定单元,还用于根据各用户的用餐喜好以及预设口味评分策略分别确定各用户对餐厅集合中各餐厅的口味评价分值;根据各用户的用餐价格以及预设价格评分策略分别确定各用户对餐厅集合中各餐厅的价格评价分值;根据各用户对餐厅集合中各餐厅的口味评价分值及价格评价分值从餐厅集合中确定与用餐群体匹配的餐厅。
可选地,确定单元,还用于分别根据同一用户对餐厅集合中各餐厅的口味评价分值及价格评价分值计算各餐厅的总评价分值;根据全部用户对各餐厅的总评价分值计算各餐厅的评价均值,基于各餐厅的评价均值至少选择一个评价均值最高的餐厅,将该餐厅确定为与用餐群体匹配的餐厅。
可选地,第一收发单元,还用于接收用户终端发送的二次推荐请求。确定单元,还用于根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息分别确定满足各用户路程需求的餐厅集合。确定单元,还用于对所有满足各用户路程需求的餐厅集合求并集,根据各用户的用餐喜好及各用户的用餐价格从并集中确定与用餐群体匹配的餐厅。第一收发单元,还用于将该匹配的餐厅对应的餐厅信息发送至用户终端。
可选地,确定单元,还用于将各用户的出发位置确定为第一原点,根据各用户的用餐出行方式以及去程花费时间计算第一半径,基于各用户对应的第一原点及对应的第一半径分别确定满足各用户去程需求的餐厅集合;将各用户的返回位置确定为第二原点,根据各用户的用餐出行方式以及返程花费时间计算第二半径,基于各用户对应的第二原点及对应的第二半径分别确定满足各用户返程需求的餐厅集合;分别对满足各用户去程需求的餐厅集合及满足各用户返程需求的餐厅集合取交集,将交集确定为满足用户路程需求的餐厅集合。
可选地,确定单元,还用于根据各用户的用餐喜好以及预设口味评分策略分别确定各用户对并集中各餐厅的口味评价分值;根据各用户的用餐价格以及预设价格评分策略分别确定各用户对并集中各餐厅的价格评价分值;根据各用户对并集中各餐厅的口味评价分值及价格评价分值从并集中确定与用餐群体匹配的餐厅。
可选地,确定单元,还用于分别根据各用户对并集中各餐厅的口味评价分值及价格评价分值确定各用户对并集中各餐厅的总评价分值;基于并集中全部餐厅的总评价分值至少选择一个总评价分值最高的餐厅,将该餐厅确定为与用餐群体匹配的餐厅。
图9是本发明另一实施例提供的餐厅推荐装置的结构示意图,如图9所示,本实施例提供的餐厅推荐装置300包括第二处理单元301,第二收发单元302,显示单元303。
其中,第二处理单元301,用于基于用餐群体中各用户在应用程序输入的用餐价格、用餐喜好、用餐出行方式、位置信息生成餐厅推荐请求。第二收发单元302,用于发送餐厅推荐请求至对应的服务器。第二收发单元302,还用于接收服务器发送的餐厅信息。显示单元303,用于显示餐厅信息,餐厅信息是根据各用户的用餐喜好及各用户的用餐价格从餐厅集合中确定的与用餐群体匹配的餐厅的餐厅信息,餐厅集合是根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定的满足用餐群体路程需求的餐厅集合。
可选地,第二收发单元,还用于基于用户在应用程序触发的二次推荐请求,发送二次推荐请求至服务器。第二收发单元,还用于接收服务器发送的餐厅信息。显示单元,还用于显示餐厅信息,餐厅信息是根据各用户的用餐喜好及各用户的用餐价格从并集中确定的与用餐群体匹配的餐厅的餐厅信息,并集是所有满足各用户路程需求的餐厅集合的并集,满足各用户路程需求的餐厅集合是分别根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定的。
图10是用来实现本发明实施例的餐厅推荐方法的服务器框图,如图10所示,该服务器400包括:存储器401,处理器402及收发器403。
处理器402,存储器401及收发器403电路互联;
收发器403,用于收发数据以及请求;
存储器401存储计算机执行指令;
处理器402执行存储器401存储的计算机执行指令,使得处理器402执行实施例一至实施例八任意实施例提供的方法。
图11是用来实现本发明实施例的餐厅推荐方法的用户终端框图,如图11所示,该用户终端500包括:存储器501,处理器502及收发器503。
处理器502,存储器501及收发器503电路互联;
收发器503,用于收发数据以及请求;
存储器501存储计算机执行指令;
处理器502执行存储器501存储的计算机执行指令,使得处理器502执行实施例九或实施例十提供的方法。
在示例性实施例中,还提供了一种计算机可读存储介质,计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行上述任意一个实施例中的方法。
在示例性实施例中,还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行上述任意一个实施例中的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (15)
1.一种餐厅推荐方法,其特征在于,所述方法包括:
接收用户终端发送的餐厅推荐请求,解析所述请求获取用餐群体中各用户的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,所述推荐请求是用户在应用程序中触发的;
根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足用餐群体路程需求的餐厅集合;
根据各用户的用餐喜好及各用户的用餐价格从所述餐厅集合中确定与用餐群体匹配的餐厅,将该匹配的餐厅对应的餐厅信息发送至所述用户终端。
2.根据权利要求1所述的方法,其特征在于,所述根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足用餐群体路程需求的餐厅集合,包括:
根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息分别确定满足各用户路程需求的餐厅集合;
对所有满足各用户路程需求的餐厅集合求交集,将交集确定为满足用餐群体路程需求的餐厅集合。
3.根据权利要求1所述的方法,其特征在于,所述根据各用户的用餐喜好及各用户的用餐价格从所述餐厅集合中确定与用餐群体匹配的餐厅,包括:
根据各用户的用餐喜好以及预设口味评分策略分别确定各用户对所述餐厅集合中各餐厅的口味评价分值;
根据各用户的用餐价格以及预设价格评分策略分别确定各用户对所述餐厅集合中各餐厅的价格评价分值;
根据各用户对所述餐厅集合中各餐厅的口味评价分值及价格评价分值从所述餐厅集合中确定与用餐群体匹配的餐厅。
4.根据权利要求3所述的方法,其特征在于,所述根据各用户对所述餐厅集合中各餐厅的口味评价分值及价格评价分值从所述餐厅集合中确定与用餐群体匹配的餐厅,包括:
分别根据同一用户对所述餐厅集合中各餐厅的口味评价分值及价格评价分值计算各餐厅的总评价分值;
根据全部用户对各餐厅的总评价分值计算各餐厅的评价均值,基于各餐厅的评价均值至少选择一个评价均值最高的餐厅,将该餐厅确定为与用餐群体匹配的餐厅。
5.根据权利要求1所述的方法,其特征在于,所述将该匹配的餐厅对应的餐厅信息发送至所述用户终端之后,还包括:
接收用户终端发送的二次推荐请求,根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息分别确定满足各用户路程需求的餐厅集合;
对所有满足各用户路程需求的餐厅集合求并集,根据各用户的用餐喜好及各用户的用餐价格从并集中确定与用餐群体匹配的餐厅,将该匹配的餐厅对应的餐厅信息发送至所述用户终端。
6.根据权利要求2或5所述的方法,其特征在于,所述位置信息包括:出发位置及返回位置;所述时间信息包括:去程花费时间及返程花费时间;
所述根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息分别确定满足各用户路程需求的餐厅集合,包括:
将各用户的出发位置确定为第一原点,根据各用户的用餐出行方式以及去程花费时间计算第一半径,基于各用户对应的第一原点及对应的第一半径分别确定满足各用户去程需求的餐厅集合;
将各用户的返回位置确定为第二原点,根据各用户的用餐出行方式以及返程花费时间计算第二半径,基于各用户对应的第二原点及对应的第二半径分别确定满足各用户返程需求的餐厅集合;
分别对满足各用户去程需求的餐厅集合及满足各用户返程需求的餐厅集合取交集,将交集确定为满足用户路程需求的餐厅集合。
7.根据权利要求5所述的方法,其特征在于,所述根据各用户的用餐喜好及各用户的用餐价格从并集中确定与用餐群体匹配的餐厅,包括:
根据各用户的用餐喜好以及预设口味评分策略分别确定各用户对并集中各餐厅的口味评价分值;
根据各用户的用餐价格以及预设价格评分策略分别确定各用户对并集中各餐厅的价格评价分值;
根据各用户对并集中各餐厅的口味评价分值及价格评价分值从并集中确定与用餐群体匹配的餐厅。
8.根据权利要求7所述的方法,其特征在于,所述根据各用户对并集中各餐厅的口味评价分值及价格评价分值从并集中确定与用餐群体匹配的餐厅,包括:
分别根据各用户对并集中各餐厅的口味评价分值及价格评价分值确定各用户对并集中各餐厅的总评价分值;
基于并集中全部餐厅的总评价分值至少选择一个总评价分值最高的餐厅,将该餐厅确定为与用餐群体匹配的餐厅。
9.一种餐厅推荐方法,其特征在于,所述方法包括:
基于用餐群体中各用户在应用程序输入的用餐价格、用餐喜好、用餐出行方式、位置信息生成餐厅推荐请求,发送餐厅推荐请求至对应的服务器;
接收服务器发送的餐厅信息,显示所述餐厅信息,所述餐厅信息是根据各用户的用餐喜好及各用户的用餐价格从餐厅集合中确定的与用餐群体匹配的餐厅的餐厅信息,所述餐厅集合是根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定的满足用餐群体路程需求的餐厅集合。
10.根据权利要求9所述的方法,其特征在于,所述方法包括:
基于用户在应用程序触发的二次推荐请求,发送二次推荐请求至所述服务器;
接收所述服务器发送的餐厅信息,显示所述餐厅信息,所述餐厅信息是根据各用户的用餐喜好及各用户的用餐价格从并集中确定的与用餐群体匹配的餐厅的餐厅信息,所述并集是所有满足各用户路程需求的餐厅集合的并集,所述满足各用户路程需求的餐厅集合是分别根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定的。
11.一种餐厅推荐装置,其特征在于,所述装置包括:
第一收发单元,用于接收用户终端发送的餐厅推荐请求;
第一处理单元,用于解析所述请求获取用餐群体中各用户的用餐价格、用餐喜好、用餐出行方式、位置信息及时间信息,所述推荐请求是用户在应用程序中触发的;
确定单元,用于根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定满足用餐群体路程需求的餐厅集合;
确定单元,还用于根据各用户的用餐喜好及各用户的用餐价格从所述餐厅集合中确定与用餐群体匹配的餐厅;
第一收发单元,还用于将该匹配的餐厅对应的餐厅信息发送至所述用户终端。
12.一种餐厅推荐装置,其特征在于,所述装置包括:
第二处理单元,用于基于用餐群体中各用户在应用程序输入的用餐价格、用餐喜好、用餐出行方式、位置信息生成餐厅推荐请求;
第二收发单元,用于发送餐厅推荐请求至对应的服务器;
第二收发单元,还用于接收服务器发送的餐厅信息;
显示单元,用于显示所述餐厅信息,所述餐厅信息是根据各用户的用餐喜好及各用户的用餐价格从餐厅集合中确定的与用餐群体匹配的餐厅的餐厅信息,所述餐厅集合是根据各用户的用餐出行方式、各用户的位置信息及各用户的时间信息确定的满足用餐群体路程需求的餐厅集合。
13.一种服务器,包括:处理器,存储器及收发器;
处理器,存储器及收发器电路互联;
收发器,用于收发数据以及请求;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如权利要求1至8中任一项所述的方法。
14.一种用户终端,包括:处理器,存储器及收发器;
处理器,存储器及收发器电路互联;
收发器,用于收发数据以及请求;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如权利要求9或10所述的方法。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至10任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211051913.7A CN115408612A (zh) | 2022-08-31 | 2022-08-31 | 餐厅推荐方法、装置、服务器、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211051913.7A CN115408612A (zh) | 2022-08-31 | 2022-08-31 | 餐厅推荐方法、装置、服务器、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115408612A true CN115408612A (zh) | 2022-11-29 |
Family
ID=84164431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211051913.7A Pending CN115408612A (zh) | 2022-08-31 | 2022-08-31 | 餐厅推荐方法、装置、服务器、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115408612A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115734183A (zh) * | 2022-12-23 | 2023-03-03 | 博泰车联网科技(上海)股份有限公司 | 拼餐信息的处理方法、系统、设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100030569A1 (en) * | 2008-07-31 | 2010-02-04 | Fujitsu Limited | Party place recommendation apparatus and program |
| CN104813311A (zh) * | 2012-12-11 | 2015-07-29 | 纽昂斯通讯公司 | 用于多人的虚拟代理推荐的系统和方法 |
| CN105184615A (zh) * | 2015-09-29 | 2015-12-23 | 袁汉宁 | 一种适于多人聚餐的餐厅推荐方法 |
| CN107944007A (zh) * | 2018-02-06 | 2018-04-20 | 中山大学 | 一种结合情境信息的个性化餐厅推荐方法 |
| CN109190031A (zh) * | 2018-08-23 | 2019-01-11 | Oppo广东移动通信有限公司 | 餐厅推荐方法、电子装置及计算机可读存储介质 |
| CN113282822A (zh) * | 2021-04-29 | 2021-08-20 | 青岛海尔科技有限公司 | 用于餐厅推荐的方法及装置、智能终端 |
| CN114022187A (zh) * | 2021-10-18 | 2022-02-08 | 浪潮卓数大数据产业发展有限公司 | 一种面向多人聚会的商家推荐方法与系统 |
-
2022
- 2022-08-31 CN CN202211051913.7A patent/CN115408612A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100030569A1 (en) * | 2008-07-31 | 2010-02-04 | Fujitsu Limited | Party place recommendation apparatus and program |
| CN104813311A (zh) * | 2012-12-11 | 2015-07-29 | 纽昂斯通讯公司 | 用于多人的虚拟代理推荐的系统和方法 |
| CN105184615A (zh) * | 2015-09-29 | 2015-12-23 | 袁汉宁 | 一种适于多人聚餐的餐厅推荐方法 |
| CN107944007A (zh) * | 2018-02-06 | 2018-04-20 | 中山大学 | 一种结合情境信息的个性化餐厅推荐方法 |
| CN109190031A (zh) * | 2018-08-23 | 2019-01-11 | Oppo广东移动通信有限公司 | 餐厅推荐方法、电子装置及计算机可读存储介质 |
| CN113282822A (zh) * | 2021-04-29 | 2021-08-20 | 青岛海尔科技有限公司 | 用于餐厅推荐的方法及装置、智能终端 |
| CN114022187A (zh) * | 2021-10-18 | 2022-02-08 | 浪潮卓数大数据产业发展有限公司 | 一种面向多人聚会的商家推荐方法与系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115734183A (zh) * | 2022-12-23 | 2023-03-03 | 博泰车联网科技(上海)股份有限公司 | 拼餐信息的处理方法、系统、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101558910B1 (ko) | 여가 활동들을 위한 혼합형 모델 추천기 | |
| US8306921B2 (en) | Mobile recommendation and reservation system | |
| US10115118B2 (en) | Obtaining event reviews | |
| US20190340537A1 (en) | Personalized Match Score For Places | |
| US20250199659A1 (en) | Dynamic Sorting and Inference Using Gesture Based Machine Learning | |
| US20180285465A1 (en) | Methods and apparatus for communication channel, decision making, and recommendations | |
| US10366422B2 (en) | Quality visit measure for controlling computer response to query associated with physical location | |
| US8606612B2 (en) | Method and apparatus for improving efficiency in event information exchange among parties of event | |
| US20080234929A1 (en) | System and method to determine, in a vehicle, locations of interest | |
| JP6087467B2 (ja) | 相対比較による商品推薦サービス方法、このための推薦サービス装置、及びプログラム | |
| US20150127638A1 (en) | Automatic selection of an intermediate dating location | |
| US20090234664A1 (en) | System and method for recommending entertainment venues for specific occasions | |
| JP2017134744A (ja) | 情報処理システム、情報処理方法、および情報処理プログラム | |
| JP5631366B2 (ja) | ナビゲーションシステム、ナビゲーション方法、および、コンピュータプログラム | |
| US20230085500A1 (en) | Method, apparatus, and computer program product for point-of-interest recommendations | |
| CN115408612A (zh) | 餐厅推荐方法、装置、服务器、终端及存储介质 | |
| US11720578B2 (en) | Information providing method | |
| US20110302203A1 (en) | System and method for providing searches including a "with" search parameter | |
| JP6638265B2 (ja) | 情報提供装置、プログラム | |
| CN110825982B (zh) | 用于提供兴趣点信息的方法和装置 | |
| US20170249364A1 (en) | Apparatus, method and computer-readable medium that assigns a measure to an item and assits location of an item | |
| US20140129537A1 (en) | Topic search based method and apparatus for facilitating social contact in a network of users | |
| US20200118221A1 (en) | System and method for making group decisions | |
| JP2014119991A (ja) | 訪問先提案装置及び訪問先提案方法 | |
| WO2016075827A1 (ja) | レコメンドシステム、レコメンド方法及びレコメンドプログラム |
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 |