欧美亚洲另类在线日韩国产 ,国产精品久久久久久久久电影网

圖6 套餐搭配價格約束
基于Attention網(wǎng)絡的套餐搭配模型
基于LSTM網(wǎng)絡的商家內(nèi)菜品特征提取面臨的問題有：第一，商家菜單的菜品本身無序，而RNN網(wǎng)絡依賴序列進行建模。第二，菜品之間可能存在長距離的語義依賴，例如，菜單內(nèi)是否有“米飯”、“饅頭”等菜品會影響對于“宮保雞丁”菜品的搭配。
為了更好的對無序菜單和菜品之間依賴信息進行表征，我們嘗試了基于Attention結構的Encoder-Decoder模型。Encoder部分采用層次化Attention結構提取菜品的語義信息，包含底層單菜品級的Attention和菜品之間的Attention兩部分。對于單菜品級的Attention，我們在字維度采用Multi-Head Attention結構得到菜品名稱的語義向量，菜品標簽同樣采用Multi-Head Attention 得到菜品標簽語義向量，對于菜品的交易屬性，我們采用多層全連接網(wǎng)絡提取交易特征的語義向量。
最后，菜品名稱語義向量、菜品標簽語義向量、交易特征語義向量拼接后經(jīng)過全連接層+層歸一化得到菜品語義向量。對于菜品之間的Attention層，我們對該店的菜品語義向量列表采用多層Multi-Head Attention得到該店的菜單級別語義向量。模型Decoder部分同樣采用Multi-Head Attention進行解碼，輸入信息包括用戶偏好信息、歷史時刻的解碼輸入、價格約束等上下文信息，模型在每步輸出商家菜單中的菜品被選擇的概率分布。Decoder過程中我們對用戶偏好信息同商家菜單級別的語義向量進行Multi-Head Attention，在套餐搭配過程中考慮用戶的用餐偏好。
圖7 基于Attention的套餐搭配網(wǎng)絡
3.2.3 套餐搭配模型分析我們認為商家高質(zhì)量的搭配可以從訂單的銷量體現(xiàn)，一種評估方法即是評估模型輸出的套餐對商家真實高銷量套餐的覆蓋。通過離線和在線評估，我們發(fā)現(xiàn)該模型可以擬合出商家高銷量套餐。在人工評估部分，我們把算法搭配的套餐和真實成單訂單進行混合并讓人工進行區(qū)分，發(fā)現(xiàn)人工無法分辨模型搭配的訂單和真實成單訂單的差異。同時，該模型具備良好的泛化能力，顯著提升了套餐對商家和特定業(yè)務場景的覆蓋度。
我們對模型輸出的菜品表征向量進行了分析，以了解模型的套餐搭配模式。利用TSNE對向量進行降維和聚類，通過聚類圖觀察發(fā)現(xiàn)“主食”、“主菜”、“小食”類的菜品各自聚集在一起，可以看出模型識別了菜品的“主食”、“菜品”、"小食"等品類語義屬性，并參考此語義進行套餐搭配。
3.3 實時套餐搭配模型利用離線搭配產(chǎn)生套餐候選的方案可以滿足推薦型業(yè)務的需求，但對于一些搭配型的業(yè)務場景仍然覆蓋不足，例如，目前離線套餐對菜品的覆蓋度較低，即對于菜品詳情頁等應用只保證部分PV的搭配模塊露出。
一種解決方案是通過離線搭配提升套餐對美食商品的覆蓋，但該方案的存儲成本較高，為此我們采用實時套餐搭配方案。實時生成方案的難點在于既要保證套餐質(zhì)量，又要滿足各種搭配條件，最重要的還要保證實時性。最初我們把離線搭配模型應用于線上實時搭配，發(fā)現(xiàn)在性能方面存在瓶頸。因此，我們對離線模型進行了精簡，精簡的思路是將選菜的過程精簡為選擇菜品類目的過程，將菜品維度的搭配關系精簡為菜品類目的搭配關系，實現(xiàn)整個解空間的縮小。如下圖8所示，具體流程如下：

搭配模板挖掘：通過商家歷史訂單挖掘出商家高銷的類目層面的搭配關系，即搭配模板，例如“熱菜+主食” 。
搜索剪枝：在搭配選菜時，依據(jù)搭配模板中的菜品類目，進行菜品的選擇。例如上述的例子，首先進行“熱菜”的選擇，然后進行“主食”的選擇。在選擇的過程中，根據(jù)用戶的實時需求，例如指定必選菜、指定價格、指定主食類型等約束條件，對整體的選擇過程進行剪枝。
- 上一頁
- 1
- 2
- 3
- 4
- 5
- 6
- 下一頁
以上關于本文的內(nèi)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(nèi)容，希望對您有所幫助：

外賣套餐搭配的探索和應用 外賣套餐怎么搭配( 四 )

外賣套餐搭配的探索和應用外賣套餐怎么搭配( 四 )