随着互联网和人工智能的飞速发展,数据挖掘分析方法不断地融入各行各业的研究,餐饮业也已经迈向了数字化时代。面对竞争日益激烈的餐饮市场,越来越多的餐饮企业实行数字化管理,积累了大量数据,有重要的参考价值,而其中的信息没能得到有效利用。要满足客户的显性需求,发现客户的潜在需求,并引导客户的需求趋势,就需要对历史数据进行深入分析和挖掘,从各种异质的数据来源中提取出隐藏信息。本文基于深度学习技术,对餐饮企业的内部销售数据和外部互联网舆情数据进行数据分析和预测,用于指导餐饮企业管理和经营水平的提升和改进。针对这一目标,本文进行了以下内容的研究:1)提出了一种基于混合注意力GRU神经网络的评论文本分类模型HATT-GRU。通过基于字符的网络结构来避免语法限制,且将情感加入网络模型,使循环神经网络可以充分利用文本中每个字词和情感的特征信息;采用注意力机制将字符注意力和情绪特征注意力结合,使网络能更好地专注于更有利于分类的特征。实验证明HATT-GRU在中英文评论数据上均优于多个对比模型。2)提出了一种基于自注意力扩张卷积神经网络的销量预测模型SA-DCNN。该模型能正确处理时间顺序和长期依赖,而不会导致过于复杂的模型结构。同时加入多头自注意力机制,捕捉输入的时间序列之间和不同特征之间的关联关系,且能在不同的表示子空间里学习到更多维的信息。在多个数据集上的实验证明了 SA-DCNN模型在销量预测上能取得较好的效果提升。3)构建了可视化的餐饮企业智能信息系统,集成多个算法组件进行餐饮数据的多维度智能分析,并提供友好的交互操作界面,用于指导餐饮企业的相关管理和决策。