- 為了解決業(yè)務場景和搭配條件多樣的問題，我們形成了離線、實時結合的算法搭配框架 。對于推薦型相關業(yè)務，我們采用離線搭配方法預先搭配出套餐候選，再在業(yè)務場景中做個性化排序 。離線搭配本著規(guī)則到模型的迭代思路，規(guī)則搭配依賴知識圖譜的商品表示，通過高頻聚合+規(guī)則搭配泛化，產(chǎn)出相對高質量套餐以確保頭部商家覆蓋 。模型搭配可以在保證搭配質量的同時，通過模型泛化提高套餐的場景覆蓋率 。對于實時搭配型的業(yè)務，算法會依據(jù)業(yè)務的搭配條件實時搭配套餐，進一步提升各個實時場景下的套餐的覆蓋率 。
- 為了解決美食商品非標品的問題，我們引入外賣美食圖譜對菜品進行了多方位的刻畫 。我們基于外賣知識圖譜提取了菜品豐富的信息表征，例如菜品的標準菜品、菜品品類、口味、食材、做法等，減弱非標品帶來的影響 。
- 為了保證搭配套餐的質量，我們開發(fā)了套餐質量評估的模型 。
圖2 套餐搭配框架
3. 套餐搭配模型3.1 基于圖譜標簽歸納的套餐搭配模型我們面臨的一個問題是外賣商品為非標品，菜品數(shù)據(jù)質量較差、屬性缺失 。為此，我們基于商家菜單、菜譜、商品描述等多種信息源，通過信息抽取、關系識別、知識融合等多種方法，構建了以美食為核心的知識圖譜，對菜品建立了品類、口味、做法、功效等多個維度的表示 。
圖3 外賣美食知識圖譜
商家的歷史高銷量套餐一般可認為是優(yōu)質的套餐，但是，中低銷量商家的高銷量套餐數(shù)量較少，難以支持套餐的個性化推薦等應用 。依賴美食圖譜對菜品的語義表達，我們首先嘗試了基于知識圖譜的直接歸納演繹進行套餐搭配的方案 。例如，通過高頻訂單可以歸納得出，{熱菜}+{米飯}+{湯}是一個常見的套餐搭配方式，進而對于商家演繹出“番茄炒雞蛋+番茄雞蛋湯+米飯”的套餐搭配 。
圖譜歸納演繹的過程是高頻聚合和基于搭配模板的泛化過程，我們通過訂單聚合、同品牌、同標簽、同菜品模板泛化，來產(chǎn)生高質量的套餐搭配，同時套餐的商家覆蓋率有了顯著的提升 。但是搭配模板的問題在于較難對搭配質量和泛化程度取得折中 。約束性較強的搭配模板可以確保搭配質量，但泛化能力不足，套餐覆蓋度較低 。如果用單一或少量標簽描述搭配項，會導致模式過度泛化，準確率不能保證 。為此，我們引入了基于模型的套餐搭配方法 。
3.2 基于Encoder-Decoder的套餐搭配模型用戶搭配套餐也是一個信息編碼到信息輸出的過程：用戶瀏覽商家菜單即是編碼過程，得到該商家和商品信息的一個整體概況，再基于這個概況去進行套餐的搭配 。貼合該過程的一個思路是采用Encoder-Decoder框架進行套餐搭配模型的建設，Encoder類比用戶瀏覽菜單的過程，學習菜單的語義信息，Decoder負責搭配出套餐 。Encoder-Decoder是一種深度學習網(wǎng)絡框架，已經(jīng)被廣泛應用于文本摘要、機器翻譯、對話生成等應用中，其建模的方式是通過編碼（特征提取）和解碼（目標擬合），學習從Encoder輸入數(shù)據(jù)到Decoder輸出數(shù)據(jù)的映射 。常見的編碼方式有CNN、RNN、Transformer等結構，解碼方式也類似 。
以上關于本文的內容，僅作參考！溫馨提示：如遇健康、疾病相關的問題，請您及時就醫(yī)或請專業(yè)人士給予相關指導!
「愛刨根生活網(wǎng)」www.malaban59.cn小編還為您精選了以下內容，希望對您有所幫助：- 手機套餐套路多 手機套餐套路太多
- 孔雀魚怎么搭配公母比例
- 自制果汁的搭配 喝自制果汁的注意事項
- 屬相男女更佳搭配，男女屬相婚配表大全
- 1539元二手游戲主機搭配推薦 二手游戲主機配置推薦
- 訂單量提升7大竅門 怎么樣才能把外賣的單量提上去
- 來來來真不知道可以降套餐 可以降套餐嗎
- 廈門電信229寬帶套餐 電信寬帶229套餐詳情
- 移動套餐可以減免1280新機購買價 移動套餐減免10元
- 用什么熬小米粥好 小米粥的不同搭配方法