[发明专利]一种菜品定价处理方法及装置

权利要求书

1.一种菜品定价处理方法，其特征在于，包括：

确定当前时间周期内目标门店的目标预测菜品销量；

确定所述当前时间周期内所述目标门店的预测材料使用量；

根据所述预测材料使用量、所述目标预测菜品销量以及预先存储的价格与销量的对应关系对所述当前时间周期内所述目标门店的菜品进行定价。

2.根据权利要求1所述的方法，其特征在于，所述确定当前时间周期内目标门店的目标预测菜品销量包括：

获取所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品价格以及菜品销量；

将所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品价格输入到预先训练好的第一目标神经网络模型中，得到所述第一目标神经网络模型输出的所述当前时间周期内的预测菜品销量的概率，其中，所述概率大于第一预定阈值的所述预测菜品销量确定为所述目标预测菜品销量。

3.根据权利要求2所述的方法，其特征在于，在所述确定当前时间周期内目标门店的菜品的预测销量与预测客流量之前，所述方法还包括：

获取第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格以及菜品销量；

使用所述第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格以及菜品销量对第一原始神经网络模型进行训练，得到所述第一目标神经网络模型，其中，所述第一预定数量时间周期的日期、节假日、天气、门店的位置信息、菜品价格为所述第一原始神经网络模型的输入，训练好的所述第一目标神经网络模型输出的预测菜品销量与实际对应的菜品销量满足第一目标函数。

4.根据权利要求1所述的方法，其特征在于，所述确定所述当前时间周期内所述目标门店的预测材料使用量包括：

获取所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及材料用量；

将所述当前时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量输入到预先训练好的第二目标神经网络模型中，得到所述第二目标神经网络模型输出的所述当前时间周期内的预测预测材料用量的概率，其中，所述概率大于第二预定阈值的所述预测材料用量确定为所述目标预测材料用量。

5.根据权利要求4所述的方法，其特征在于，在所述确定所述当前时间周期内所述目标门店的预测材料使用量之前，所述方法还包括：

获取第二预定数量时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及材料用量；

使用所述第二预定数量时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量以及材料用量对第二原始神经网络模型进行训练，得到所述第二目标神经网络模型，其中，所述第二预定数量时间周期的日期、节假日、天气、目标门店的位置信息、菜品销量为所述第二原始神经网络模型的输入，训练好的所述第二目标神经网络模型输出的预测材料用量与实际对应的材料用量满足第二目标函数。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述预测材料使用量、所述目标预测菜品销量以及预先存储的价格与销量的对应关系对所述当前时间周期内所述目标门店的菜品进行定价包括：

根据所述预测材料使用量确定菜品库存量，其中，所述预测材料使用量等于库存材料量；

根据所述菜品库存量、所述目标预测菜品销量以及预先存储的价格与销量的对应关系确定所述当前时间周期内所述目标门店的预测销售额；

根据所述预测销售额对所述目标门店的菜品进行定价。