技术领域
[0001] 本发明涉及数据处理技术领域，尤其涉及一种餐饮企业的环境卫生监管方法、装置、设备及存储介质。
相关背景技术
[0002] 当前国内餐饮企业数量众多，且各餐饮企业在环境卫生方面上的质量参差不齐，而餐饮企业的环境卫生又与大众的健康息息相关，因此，对餐饮企业在环境卫生上的监管就显得尤为重要。
[0003] 目前，对餐饮企业在环境卫生上的监管通常采用视频巡查的方式实现，通过监管人员参看分辨经视频巡查所拍摄的视频文件中是否存在影响环境卫生的因素，来对餐饮企业进行监管。但是所拍摄的视频文件数据量大，且每一个餐饮企业至少包含一个视频文件，监管人员需要花费大量数据查看分辨，影响了监管效率；并且查看过程中容易错过视频文件中诸如老鼠、蟑螂等小的因素，而导致了监管的不准确性。因此，当前餐饮企业的环境卫生监管所存在的不准确性和效率低是亟待解决的技术问题。
具体实施方式
[0044] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0045] 如图1所示，图1是本发明实施例方案涉及的硬件运行环境的餐饮企业的环境卫生监管设备结构示意图。
[0046] 在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
[0047] 本发明实施例餐饮企业的环境卫生监管设备可以是PC，也可以是平板电脑、便携计算机等可移动式终端设备。
[0048] 如图1所示，该餐饮企业的环境卫生监管设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
[0049] 本领域技术人员可以理解，图1中示出的餐饮企业的环境卫生监管设备结构并不构成对餐饮企业的环境卫生监管设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0050] 如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及餐饮企业的环境卫生监管程序。
[0051] 在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的餐饮企业的环境卫生监管程序，并执行以下操作：
[0052] 获取待检测餐饮企业的环境视频，并基于预设异常检测模型对所述环境视频进行检测，得到检测结果；
[0053] 获取所述待检测餐饮企业在环境卫生上的评论得分，并根据与所述待检测餐饮企业对应的修正因子，对所述评论得分进行修正，得到目标得分；
[0054] 将所述检测结果和所述目标得分传输到预设风险预测模型，获得风险等级预测结果，并根据所述风险等级预测结果，对所述待检测餐饮企业进行环境卫生监管。
[0055] 进一步地，所述获取所述待检测餐饮企业在环境卫生上的评论得分的步骤包括：
[0056] 监测是否存在与所述待检测餐饮企业在环境卫生上对应的评论信息，若存在所述评论信息，则对各所述评论信息进行分词处理，得到词向量矩阵；
[0057] 获取与所述环境卫生对应的预设关键词，并将各所述预设关键词生成为关键词向量；
[0058] 对所述词向量矩阵和所述关键词向量进行运算，得到所述待检测餐饮企业与各所述预设关键词对应的向量；
[0059] 根据与各所述预设关键词对应的权重，对与各所述预设关键词对应的向量进行加权处理，生成所述评论得分。
[0060] 进一步地，所述监测是否存在与所述待检测餐饮企业在环境卫生上对应的评论信息的步骤之后，处理器1001可以用于调用存储器1005中存储的餐饮企业的环境卫生监管程序，并执行以下操作：
[0061] 若不存在与所述待检测餐饮企业在环境卫生上对应的评论信息，则提取与所述待检测餐饮企业对应的位置信息和品牌信息；
[0062] 将所述位置信息和所述品牌信息传输到预设评论模型，生成所述待检测餐饮企业在环境卫生上的评论得分。
[0063] 进一步地，所述根据与所述待检测餐饮企业对应的修正因子，对所述评论得分进行修正，得到目标得分的步骤之前，处理器1001可以用于调用存储器1005中存储的餐饮企业的环境卫生监管程序，并执行以下操作：
[0064] 获取所述待检测餐饮企业的租赁信息，以及与所述待检测餐饮企业对应的位置信息和品牌信息；
[0065] 获取所述待检测餐饮企业在预设距离范围内具有预设类型企业的企业数量，并根据所述企业数量、租赁信息、位置信息和品牌信息，确定与所述待检测餐饮企业对应的修正因子。
[0066] 进一步地，所述根据所述企业数量、租赁信息、位置信息和品牌信息，确定与所述待检测餐饮企业对应的修正因子的步骤包括：
[0067] 查找与所述位置信息以及品牌信息一并对应的其他餐饮企业的第一消费均值数据；
[0068] 将所述待检测餐饮企业的第二消费均值数据与所述第一消费均值数据对比，确定所述第一消费均值数据与所述第二消费均值数据之间的差值；
[0069] 将所述差值、企业数量和所述租赁信息形成为目标信息组，并根据预设的信息组与参考因子之间的对应关系，确定与所述目标信息组对应的参考因子，作为与所述待检测餐饮企业对应的修正因子。
[0070] 进一步地，所述获取待检测餐饮企业的环境视频的步骤之前，处理器1001可以用于调用存储器1005中存储的餐饮企业的环境卫生监管程序，并执行以下操作：
[0071] 接收样本环境视频，并从所述样本环境视频中随机抽取出目标数量的样本环境图片；
[0072] 根据预设异常筛选条件，对目标数量的所述样本环境图片进行筛选，并接收对筛选出的样本环境图片的标注信息，得到目标环境图片；
[0073] 根据所述目标环境图片，对预设初始模型进行训练，生成预设异常检测模型。
[0074] 进一步地，所述根据所述风险等级预测结果，对所述待检测餐饮企业进行环境卫生监管的步骤包括：
[0075] 判断所述风险等级预测结果是否与第一预设等级区间匹配，若与第一预设等级区间匹配，则判断当前是否存在与环境卫生对应的健康影响信息；
[0076] 若存在与环境卫生对应的健康影响信息，则将所述待检测餐饮企业生成第一推送信息进行推送，以基于所述第一推送信息对所述待检测餐饮企业进行监管；
[0077] 若所述风险等级预测结果与第一预设等级区间不匹配，则判断所述风险等级预测结果是否与第二预设等级区间匹配；
[0078] 若与第二预设等级区间匹配，则将所述待检测餐饮企业生成第二推送信息进行推送，以基于所述第二推送信息对所述待检测餐饮企业进行监管。
[0079] 本发明餐饮企业的环境卫生监管设备的具体实施方式与下述餐饮企业的环境卫生监管方法各实施例基本相同，在此不再赘述。
[0080] 为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0081] 为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0082] 参照图2，本发明第一实施例提供一种餐饮企业的环境卫生监管方法的流程示意图。该实施例中，所述餐饮企业的环境卫生监管方法包括以下步骤：
[0083] 步骤S10，获取待检测餐饮企业的环境视频，并基于预设异常检测模型对所述环境视频进行检测，得到检测结果；
[0084] 本实施例中的餐饮企业的环境卫生监管方法应用于监管服务器，适用于通过监管服务器来对餐饮企业的环境卫生进行监管。其中，环境卫生至少涉及到：卫生、环境和服务三个维度。将需要监管的餐饮企业作为待检测餐饮企业，监管服务器与可拍摄视频的摄像头通信连接，通过摄像头将拍摄待检测餐饮企业的环境视频，并传输到监管服务器进行处理。其中，摄像头可以安装在企业的固定位置，且可在固定位置转动，转动的角度包含了餐饮企业的后厨范围和至少一个前厅范围，以从多个方面拍摄餐饮企业环境进行监管。此外，摄像头也可以以视频巡查的形式存在，且巡查的路线为后厨范围和至少一个前厅范围，以对餐饮企业进行全面拍摄。
[0085] 进一步地，服务器中预先训练有预设异常检测模型，以用于对环境视频中表征环境卫生异常的内容进行识别检测，其中环境卫生异常表征不符合环境卫生的标准。在通过摄像头获取到待检测餐饮企业的环境视频后，将该环境视频传输到预设异常检测模型进行处理，即可得到表征待检测餐饮企业在环境卫生方面是否存在异常的检测结果。其中，在通过摄像头获取待检测餐饮企业的环境视频之前，需要对预设异常检测模型进行训练，具体地，获取待检测餐饮企业的环境视频的步骤之前包括：
[0086] 步骤a1，接收样本环境视频，并从所述样本环境视频中随机抽取出目标数量的样本环境图片；
[0087] 进一步地，通过视频采集装置采集多个餐饮企业的环境视频作为样本环境视频传输到监管服务器，监管服务器在接收到该样本环境视频后，对其进行抽帧操作，从其中提取出图片数据帧，并检测各图片数据帧在环境视频中的环境音量值，将检测到的各图片数据帧的环境音量值添加到各图片数据帧中，以表征所形成的各图片数据帧具有的环境音量大小。进而对图片数据帧随机抽取，依据预先设定的抽取数量，从其中抽取出与抽取数量一致的后厨图片作为目标数量的样本环境图片。
[0088] 步骤a2，根据预设异常筛选条件，对目标数量的所述样本环境图片进行筛选，并接收对筛选出的样本环境图片的标注信息，得到目标环境图片；
[0089] 更进一步地，预先设定有预设有表征后厨环境卫生异常的异常筛选条件，如后厨中有老鼠、蟑螂，器具乱放、不整齐，餐具有污垢，环境嘈杂，员工无笑脸、服务不热情、未戴口罩、帽子等表征环境卫生脏、乱、差的筛选条件。根据该筛选条件对抽取的目标数量的样本环境图片进行筛选，得到满足筛选条件的样本环境图片，如得到包含有蟑螂的样本环境图片，环境音量值大于预设值的样本环境图片等。此后将经筛选的样本环境图片输出到与监管服务器连接的显示装置，由人工对显示的样本环境图片添加标注信息返回到监管服务器。监管服务器在接收到对筛选出的样本环境图片添加的标注信息后，将各样本环境图片及其对应的标准信息一并存储，形成目标环境图片。
[0090] 步骤a3，根据所述目标环境图片，对预设初始模型进行训练，生成预设异常检测模型。
[0091] 进一步地，按照预设的训练样本与测试样本之间的划分比例，对目标环境图片进行划分，如划分比例为8:2，则随机将80％的目标环境图片划分为训练样本，将剩余的20％目标环境图片作为测试样本。此后对训练样本进行几何变换、图像增强等处理，以得到数量更多、质量更好的训练样本。进而将经处理的训练样本传输到预设初始模型进行训练，其中预设初始模型为预先设置的神经网络模型；经过多层卷积运算，提取训练样本中的特征和标注信息进行对比，得到反馈调整参数；如此经过多次迭代，得到训练后的预设初始模型。为了表征训练的效果好坏，预先设定训练预设值，并用测试样本进行测试。若经训练后的预设初始模型对测试样本进行处理，得到的处理结果满足训练预设值的需求，则判定预设初始模型训练完成，形成用于异常检测的预设异常检测模型。反之，若得到的处理结果不满足训练预设值的要求，则继续训练，直到满足训练预设值的要求，实现依据目标环境图片，对预设初始模型进行训练，得到预设异常检测模型。
[0092] 步骤S20，获取所述待检测餐饮企业在环境卫生上的评论得分，并根据与所述待检测餐饮企业对应的修正因子，对所述评论得分进行修正，得到目标得分；
[0093] 更进一步地，本实施例除了将待检测餐饮企业的环境视频作为待检测餐饮企业的监管依据之外，还将到待检测餐饮企业就餐的用户对待检测餐饮企业的评论作为监管依据。具体地，获取就餐用户对待检测餐饮企业的评论，并从其中筛选出与环境卫生相关的评论进行打分，得到待检测餐饮企业在环境卫生上的评论得分。此外，考虑到不同餐饮企业受不同地理位置、企业品牌的影响，在环境卫生上具有不同的异常性。其中，地理位置和企业品牌越高档，其异常性相对较小，即环境卫生符合标准的可能性越大；反之，则异常性相对越大，即环境卫生不符合标准的可能性越大。因此，综合该类因素生成待检测餐饮企业的修正因子，并通过修正因子对评论得分进行修正，得到目标得分，以更为准确的反应待检测餐饮企业在环境卫生上的异常性。
[0094] 步骤S30，将所述检测结果和所述目标得分传输到预设风险预测模型，获得风险等级预测结果，并根据所述风险等级预测结果，对所述待检测餐饮企业进行环境卫生监管。
[0095] 进一步地，预先训练有用于对待检测餐饮企业在环境卫生方面上的风险进行预测的预设风险预测模型，待检测餐饮企业在环境卫生方面上的风险表征了待检测餐饮企业在环境卫生方面上的异常性，风险越高则越异常，越不符合环境卫生的标准，反之则越符合环境卫生的标准。预设风险预测模型则是基于关联分析、方差分析、协方差分析和线性回归等方式训练生成；不同训练方式所使用的函数具有差异性，但训练过程具有相似性。即，先获取多组检测样本、得分样本和风险标签的训练参数，将各组检测样本、得分样本和风险标签进行关联分析、方差分析、协方差分析或者线性回归分析，得到三者之间的关联关系、方差关系、协方差关系或者线性关系，并在得到的关系表征各组训练参数之间的误差损失最小时，将三者之间的关联关系、方差关系、协方差关系或者线性关系式形成为风险预测模型。否则继续分析训练，直到误差损失最小得到风险预测模型。
[0096] 更进一步地，在对待检测餐饮企业在环境卫生方面上的风险进行预测的过程中，将得到的检测结果和目标得分传输到该预设风险预测模型中，由预设风险预测模型对其进行风险预测处理，得到风险预测结果。其中，若检测结果为未戴口罩、未戴帽子、食物置于地上、具有老鼠等结果，且目标得分高于一定值，则可判定待检测餐饮企业在环境卫生方面具有较高的风险，其风险预测结果为高风险等级。此后，根据风险预测结果所表征的风险等级高低，对待检测餐饮企业进行环境卫生不同的监管。具体地，根据风险等级预测结果，对待检测餐饮企业进行环境卫生监管的步骤包括：
[0097] 步骤S31，判断所述风险等级预测结果是否与第一预设等级区间匹配，若与第一预设等级区间匹配，则判断当前是否存在与环境卫生对应的健康影响信息；
[0098] 进一步地，预先依据需求设定有第一预设等级区间，该第一预设等级区间所表征的风险相对较低，如低等风险、中低等风险和中等风险等。将生成的风险等级预测结果和该第一预设等级区间对比，判断风险等级预测结果是否存在于第一预设等级区间中。若存在于第一预设等级区间，则判定风险等级预测结果与第一预设等级区间匹配。同时判断当前是否存在与环境卫生对应的健康影响信息，该健康影响信息为由环境卫生引起健康问题的新闻消息，如流感高发时段，或者某一食物含有传染源的重大食品卫生新闻等。
[0099] 步骤S32，若存在与环境卫生对应的健康影响信息，则将所述待检测餐饮企业生成第一推送信息进行推送，以基于所述第一推送信息对所述待检测餐饮企业进行监管；
[0100] 更进一步地，若当前存在与环境卫生对应的健康影响信息，待检测餐饮企业在环境卫生上的异常可能使得当前健康问更为严重，故而将待检测餐饮企业生成为第一推送信息推送至监管部门，以便于监管部门基于该第一推送信息对该待检测餐饮企业进行监管。若当前不存在与环境卫生对应的健康影响信息，则不生成第一推送信息推送至监管部门，而生成提示信息传输至待检测餐饮企业，以便于待检测餐饮企业依据提示信息进行整改。
[0101] 步骤S33，若所述风险等级预测结果与第一预设等级区间不匹配，则判断所述风险等级预测结果是否与第二预设等级区间匹配；
[0102] 进一步地，若经判定风险等级预测结果与第一预设等级区间不匹配，则继续将风险等级预测结果和第二预设等级区间对比，判断风险等级预测结果是否存在于第二预设等级区间。其中，第二预设等级区间为预先依据需求设定，表征风险相对较高的区间，如中高等风险、高等风险和超高等风险等。若经对比风险等级预测结果存在于第二预设等级区间，则判定风险等级预测结果与第二预设等级区间匹配。
[0103] 步骤S34，若与第二预设等级区间匹配，则将所述待检测餐饮企业生成第二推送信息进行推送，以基于所述第二推送信息对所述待检测餐饮企业进行监管。
[0104] 更进一步地，因第二预设等级区间表征了较高的风险等级，一旦风险等级预测结果与第二预设等级区间匹配，则将待检测餐饮企业生成为第二推送信息推送至监管部门，以便于监管部门基于该第二推送信息对该待检测餐饮企业进行监管。其中，第一推送信息和第二推送信息均可采用文字信息或者语音信息的方式进行推送，但相对于第一推送信息，第二推送信息所表征的严重程度较高。
[0105] 需要说明的是，对于风险等级预测结果与第一预设等级区间、以及第二预设等级区间均不匹配的情形，表征待检测餐饮企业在环境卫生方面的风险性较小，异常性较低。此时，生成提示信息传输至待检测餐饮企业，以便于待检测餐饮企业依据提示信息进行整改，使环境卫生符合标准。
[0106] 本实施例的餐饮企业的环境卫生监管方法，先获取待检测餐饮企业的环境视频，并基于预设异常检测模型检测该环境视频，得到检测结果；再获取待检测餐饮企业在环境卫生上的评论得分，并用与待检测餐饮企业对应的修正因子对评论得分进行修正，得到目标得分；进而将检测结果和目标得分传输到预设风险模型进行风险预测，得到风险等级预测结果，以对待检测餐饮企业进行环境卫生的监管。通过经预先训练的预设异常检测模型对待检测餐饮企业的环境视频进行检测，避免了监管人员的查看分辨，提高了监管的效率；同时，结合待检测餐饮企业在环境卫生上的评论得分，并经修正得到目标得分传输到预设风险模型进行风险预测，进而实现监管，有利于从多个方面来确保监管的准确性。
[0107] 进一步的，基于本发明餐饮企业的环境卫生监管方法第一实施例，提出本发明餐饮企业的环境卫生监管方法第二实施例，在第二实施例中，所述获取所述待检测餐饮企业在环境卫生上的评论得分的步骤包括：
[0108] 步骤S21，监测是否存在与所述待检测餐饮企业在环境卫生上对应的评论信息，若存在所述评论信息，则对各所述评论信息进行分词处理，得到词向量矩阵；
[0109] 本实施例在获取待检测餐饮企业在环境卫生上的评论，并生成评论得分的过程中，先确定待检测餐饮企业是否存在环境卫生上的评论，即确定就餐用户是否就待检测餐饮企业的环境、卫生、服务进行评论。对待检测餐饮企业的各类评论进行收集，并识别各类评论所携带的类型标签，判断各类型标签中是否存在表征环境卫生的标签。若存在该类标签，则判定待检测餐饮企业存在环境卫生上的评论，读取该类型标签对应的评论作为与待检测餐饮企业在环境卫生上对应的批评信息。进而对各项评论信息进行分词处理，得到预设数量的分词，并对个各个分词进行向量化处理，生成词向量矩阵。
[0110] 步骤S22，获取与所述环境卫生对应的预设关键词，并将各所述预设关键词生成为关键词向量；
[0111] 进一步地，预先设定表征环境、卫生、服务的关键词，如表征卫生的关键词苍蝇、脏，表征环境的关键词安静、嘈杂，表征服务的关键词排队、热情等。获取该类关键词作为与环境卫生对应的预设关键词，并对各项预设关键词进行向量化处理，生成为关键词向量。
[0112] 步骤S23，对所述词向量矩阵和所述关键词向量进行运算，得到所述待检测餐饮企业与各所述预设关键词对应的向量；
[0113] 更进一步地，在词向量矩阵和关键词向量之间进行乘积运算，用各个关键词向量分别和词向量矩阵中的向量行进行相乘，实现由多项预设关键词对评论逐一进行向量化处理，得到评论信息在多项预设关键词上的评论句向量矩阵。进而将评论句向量矩阵中的各矩阵行相加，得到待检测企业在各项预设关键词上的向量。
[0114] 步骤S24，根据与各所述预设关键词对应的权重，对与各所述预设关键词对应的向量进行加权处理，生成所述评论得分。
[0115] 可理解地，相对于环境和服务，卫生对健康的影响更大，故预先设定三者之间的权重值，作为与各预设关键词对应的权重。在得到与待检测餐饮企业与各预设关键词对应的向量后，用该各项权重对与各预设关键词对应的向量进行加权处理，并对加权处理的结果进行均值处理，生成待检测餐饮企业在环境卫生上的评论得分。如设定卫生权重0.8、环境权重0.5、服务权重0.2等。若所生成的词向量矩阵为 表征卫生的预设关键词所生成的关键词向量为[0.1 0.2]，则词向量矩阵和关键词向量之间进行乘积运算，所得到的评论句向量矩阵为 进而将该评论句向量矩阵中的矩阵行相加，得到待检测企业在各项预设关键词上的向量[0.5 0.5]，此后对该向量进行加权处理和均值处理得到待检测餐饮企业的评论得分。
[0116] 进一步地，对于确定待检测餐饮企业不存在环境卫生上的评论，即不存在与待检测餐饮企业在环境卫生上对应评论信息的情况，本实施例设置有通过预先训练的预设评论模型来生成评论得分的机制。具体地，监测是否存在与待检测餐饮企业在环境卫生上对应的评论信息的步骤之后包括：
[0117] 步骤S25，若不存在与所述待检测餐饮企业在环境卫生上对应的评论信息，则提取与所述待检测餐饮企业对应的位置信息和品牌信息；
[0118] 更进一步地，若经判定不存在与待检测餐饮企业在环境卫生上对应评论信息，则读取待检测餐饮企业所在位置的位置信息和品牌信息。其中，位置信息至少包括省份、城市、行政区、行政街道，品牌信息至少包括是否连锁、菜品信息、人均消费价格是否低于同地区同菜品平均水平等，以通过与位置信息和品牌信息相似的其他餐饮企业在环境卫生上的评论信息，来得到待检测餐饮企业在环境卫生上的评论得分。
[0119] 步骤S26，将所述位置信息和所述品牌信息传输到预设评论模型，生成所述待检测餐饮企业在环境卫生上的评论得分。
[0120] 进一步地，预先依据各位置信息及其对应品牌信息的餐饮企业在环境卫生上的评论，对初始模型进行训练，得到依据位置信息和品牌信息预测与环境卫生相关的评论得分的预设评论模型。将提取的位置信息和品牌信息传输到该预设评论模型，通过预设评论模型进行处理，得到待检测餐饮企业在环境卫生上的评论得分。其中，预设评论模型依据核岭回归对数据建模生成。考虑矩阵分割 假设E和H都是可逆的，则有公式(1)、公式(2)和公式(3)：
[0121] (E-FH-1G)-1＝E-1+E-1F(H-GE-1F)-1GE-1 (1)
[0122] (E-FH-1G)-1FH-1＝E-1F(H-GE-1F)-1 (2)
[0123] |E-FH-1G|＝|H-GE-1F||H-1||E| (3)
[0124] 使用公式(2)逆的公式对w的最优解进行化简，其中w是以样本矩阵X(每一行是一T -1 T个样本)，label的向量y的最优值，且w＝(XX+λI) Xy，化简时，令：
[0125] 于是
[0126] (E-FH-1G)-1FH-1＝(I+X-Tλ-1X)-1λ-1＝(∧I-XTX)-1XT
[0127] 使用公式：w＝(XTX+∧I)-1XTy＝XT(λI+XXT)-1y。
[0128] 对于不存在与待检测餐饮企业在环境卫生上对应评论信息的情况，将获取的位置信息和品牌信息作为输入，与旧样本內积进行加权平均，得到预测的待检测餐饮企业在环境卫生上的评论得分，即：
[0129]
[0130] 本实施例针对待检测餐饮企业存在环境卫生上的评论信息和不存在环境卫生上的评论信息进行区分处理，确保了待检测餐饮企业在环境卫生上评论得分的获得。并且，无论是存在评论信息还是不存在评论信息，均进行精确化的处理，确保了所获得评论得分的准确性。
[0131] 进一步的，基于本发明餐饮企业的环境卫生监管方法第一实施例或第二实施例，提出本发明餐饮企业的环境卫生监管方法第三实施例，在第三实施例中，所述根据与所述待检测餐饮企业对应的修正因子，对所述评论得分进行修正，得到目标得分的步骤之前包括：
[0132] 步骤b1，获取所述待检测餐饮企业的租赁信息，以及与所述待检测餐饮企业对应的位置信息和品牌信息；
[0133] 步骤b2，获取所述待检测餐饮企业在预设距离范围内具有预设类型企业的企业数量，并根据所述企业数量、租赁信息、位置信息和品牌信息，确定与所述待检测餐饮企业对应的修正因子。
[0134] 本实施例在通过与待检测餐饮企业对应的修正因子，对评论得分进行修正之前，基于待检测餐饮企业的位置信息、品牌信息、租赁信息，以及反映待检测餐饮企业消费水平的其他企业数量，来生成修正因子。具体地，对待检测餐饮企业的租赁信息，以及与待检测餐饮企业对应的位置信息和品牌信息进行获取。其中，租赁信息为待检测餐饮企业的房租信息。对于位置信息，考虑到餐饮企业受不同地理区域的影响，在卫生、环境和服务上具有不同的风险性，如对于不同城市，监管力度大的城市相对监管力度小的城市，所具有的风险性较小；而对于同一城市，不同地理位置也具有不同的风险性，如在学校或者医院等区域的餐饮企业相对于高档小区区域的餐饮企业的风险性较高；故所获取的位置信息为某一城市的某一街道的某小区或商圈。
[0135] 进一步地，获取待检测餐饮企业在预设距离范围内具有的预设类型企业的企业数量，其中，预设距离范围可依据需求输定，如距离待检测餐饮企业500米或者1000米等。预设类型企业为预先设定表征消费水平相对较低的企业，诸如学校、医院此类；以待检测餐饮企业为中心，对距离该中心预设聚类范围内的预设类型企业的数量进行统计，即得到待检测餐饮企业在预设距离范围内具有预设类型企业的企业数量。进而依据企业数量、租赁信息、位置信息和品牌信息，即可确定与待检测餐饮企业对应的修正因子，对评论得分进行修正，使得评论得分更为准确。具体地，根据企业数量、租赁信息、位置信息和品牌信息，确定与待检测餐饮企业对应的修正因子的步骤包括：
[0136] 步骤b21，查找与所述位置信息以及品牌信息一并对应的其他餐饮企业的第一消费均值数据；
[0137] 更进一步地，查找与待检测餐饮企业在位置信息和品牌信息具有相似性的其他多家餐饮企业，作为与位置信息以及品牌信息一并对应的其他餐饮企业。读取各个其他餐饮企业的人均消费价格进行均值计算，生成第一消费均值数据，以表征其他具有该类位置信息和品牌信息的餐饮企业的整体人均消费价格。
[0138] 步骤b22，将所述待检测餐饮企业的第二消费均值数据与所述第一消费均值数据对比，确定所述第一消费均值数据与所述第二消费均值数据之间的差值；
[0139] 进一步地，将待检测餐饮企业的人均消费价格生成为待检测餐饮企业生成为第二消费均值数据，并比较第二消费均值数据和第一消费均值数据，确定两者之间的差值。
[0140] 步骤b23，将所述差值、企业数量和所述租赁信息形成为目标信息组，并根据预设的信息组与参考因子之间的对应关系，确定与所述目标信息组对应的参考因子，作为与所述待检测餐饮企业对应的修正因子。
[0141] 更进一步地，预先设定有信息组与参考因子之间的对应关系，其中信息组为预先将不同的企业数量范围、租赁信息范围和差值范围组合所形成的数据组，并依据数据组所表征的风险大小设定不同的参考因子。其中，若差值范围的下边界值越大，表征待检测餐饮企业的人均消费价格低于同类其他企业的人均消费价格较多，且在预设距离范围内具有较多数量的预设类型企业，同时租赁信息表征的房租价格较低，则该类数据所形成的数据组表征在卫生、环境和服务上的风险较高，故设定表征风险较高的修正因子。将待检测餐饮企业的差值、企业数量和租赁信息形成为目标信息组，并将目标信息组和对应关系对比，确定对应关系中与目标信息组匹配的信息组，对于匹配的信息组，待检测餐饮企业的差值、企业数量和租赁信息分别在该信息组的差值范围内、企业数量范围内和租赁信息范围内。进而查找匹配的信息组在对应关系中对应的参考因子，确定为与目标信息组对应参考因子；该对应的参考因子即为与待检测餐饮企业对应，对其评论得分进行修正的修正因子。
[0142] 本实施例结合待检测餐饮企业的地理位置、品牌信息、表征消费水平相对较低的预设类型企业、租赁信息等因素来确定用于对评论得分进行修正的修正因子，使得所确定的修正因子更为准确，进而提高了对评论得分修正的准确性。
[0143] 进一步地，本发明还提供一种餐饮企业的环境卫生监管装置。
[0144] 参照图3，图3为本发明餐饮企业的环境卫生监管装置第一实施例的功能模块示意图。所述餐饮企业的环境卫生监管装置包括：
[0145] 检测模块10，用于获取待检测餐饮企业的环境视频，并基于预设异常检测模型对所述环境视频进行检测，得到检测结果；
[0146] 修正模块20，用于获取所述待检测餐饮企业在环境卫生上的评论得分，并根据与所述待检测餐饮企业对应的修正因子，对所述评论得分进行修正，得到目标得分；
[0147] 监管模块30，用于将所述检测结果和所述目标得分传输到预设风险预测模型，获得风险等级预测结果，并根据所述风险等级预测结果，对所述待检测餐饮企业进行环境卫生监管。
[0148] 本实施例的餐饮企业的环境卫生监管装置，先由检测模块10获取待检测餐饮企业的环境视频，并基于预设异常检测模型检测该环境视频，得到检测结果；再由修正模块20获取待检测餐饮企业在环境卫生上的评论得分，并用与待检测餐饮企业对应的修正因子对评论得分进行修正，得到目标得分；进而由监管模块30将检测结果和目标得分传输到预设风险模型进行风险预测，得到风险等级预测结果，以对待检测餐饮企业进行环境卫生的监管。通过经预先训练的预设异常检测模型对待检测餐饮企业的环境视频进行检测，避免了监管人员的查看分辨，提高了监管的效率；同时，结合待检测餐饮企业在环境卫生上的评论得分，并经修正得到目标得分传输到预设风险模型进行风险预测，进而实现监管，有利于从多个方面来确保监管的准确性。
[0149] 进一步地，所述修正模块20包括：
[0150] 监测单元，用于监测是否存在与所述待检测餐饮企业在环境卫生上对应的评论信息，若存在所述评论信息，则对各所述评论信息进行分词处理，得到词向量矩阵；
[0151] 生成单元，用于获取与所述环境卫生对应的预设关键词，并将各所述预设关键词生成为关键词向量；
[0152] 运算单元，用于对所述词向量矩阵和所述关键词向量进行运算，得到所述待检测餐饮企业与各所述预设关键词对应的向量；
[0153] 处理单元，用于根据与各所述预设关键词对应的权重，对与各所述预设关键词对应的向量进行加权处理，生成所述评论得分。
[0154] 进一步地，所述修正模块20还包括：
[0155] 提取单元，用于若不存在与所述待检测餐饮企业在环境卫生上对应的评论信息，则提取与所述待检测餐饮企业对应的位置信息和品牌信息；
[0156] 传输单元，用于将所述位置信息和所述品牌信息传输到预设评论模型，生成所述待检测餐饮企业在环境卫生上的评论得分。
[0157] 进一步地，所述修正模块20还包括：
[0158] 获取单元，用于获取所述待检测餐饮企业的租赁信息，以及与所述待检测餐饮企业对应的位置信息和品牌信息；
[0159] 确定单元，用于获取所述待检测餐饮企业在预设距离范围内具有预设类型企业的企业数量，并根据所述企业数量、租赁信息、位置信息和品牌信息，确定与所述待检测餐饮企业对应的修正因子。
[0160] 进一步地，所述确定单元还用于：
[0161] 查找与所述位置信息以及品牌信息一并对应的其他餐饮企业的第一消费均值数据；
[0162] 将所述待检测餐饮企业的第二消费均值数据与所述第一消费均值数据对比，确定所述第一消费均值数据与所述第二消费均值数据之间的差值；
[0163] 将所述差值、企业数量和所述租赁信息形成为目标信息组，并根据预设的信息组与参考因子之间的对应关系，确定与所述目标信息组对应的参考因子，作为与所述待检测餐饮企业对应的修正因子。
[0164] 进一步地，所述餐饮企业的环境卫生监管装置还包括：
[0165] 接收模块，用于接收样本环境视频，并从所述样本环境视频中随机抽取出目标数量的样本环境图片；
[0166] 筛选模块，用于根据预设异常筛选条件，对目标数量的所述样本环境图片进行筛选，并接收对筛选出的样本环境图片的标注信息，得到目标环境图片；
[0167] 训练模块，用于根据所述目标环境图片，对预设初始模型进行训练，生成预设异常检测模型。
[0168] 进一步地，所述监管模块30还包括：
[0169] 第一判断单元，用于判断所述风险等级预测结果是否与第一预设等级区间匹配，若与第一预设等级区间匹配，则判断当前是否存在与环境卫生对应的健康影响信息；
[0170] 第一推送单元，用于若存在与环境卫生对应的健康影响信息，则将所述待检测餐饮企业生成第一推送信息进行推送，以基于所述第一推送信息对所述待检测餐饮企业进行监管；
[0171] 第二判断单元，用于若所述风险等级预测结果与第一预设等级区间不匹配，则判断所述风险等级预测结果是否与第二预设等级区间匹配；
[0172] 第二推送单元，用于若与第二预设等级区间匹配，则将所述待检测餐饮企业生成第二推送信息进行推送，以基于所述第二推送信息对所述待检测餐饮企业进行监管。
[0173] 本发明餐饮企业的环境卫生监管装置具体实施方式与上述餐饮企业的环境卫生监管方法各实施例基本相同，在此不再赘述。
[0174] 此外，本发明实施例还提出一种存储介质。
[0175] 存储介质上存储有餐饮企业的环境卫生监管程序，餐饮企业的环境卫生监管程序被处理器执行时实现如上所述的餐饮企业的环境卫生监管方法的步骤。
[0176] 本发明存储介质的具体实施方式与上述餐饮企业的环境卫生监管方法各实施例基本相同，在此不再赘述。
[0177] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
[0178] 上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0179] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
[0180] 以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
