CN107423553A - 食品的推荐方法及装置 - Google Patents

Abstract

本发明适用于数据处理技术领域，提供了食品的推荐方法及装置，包括：获取目标用户的怀孕周数以及食品数据；获取全体用户和食品的选择关系，通过推荐算法对所述全体用户和食品的关系进行计算，生成向目标用户推荐的食品集合，作为候选食品集合；在接收目标用户对所述候选食品集合中食品的选择后，根据与所述怀孕周数对应的各个所述营养成分的单日摄入上限，更新所述候选食品集合，以供用户选择，提高了食品推荐的准确性和针对性，使得用户可以及时的获得自己喜欢的且最有利于健康的食品推荐。

Description

食品的推荐方法及装置

技术领域

本发明属于数据处理技术领域，尤其涉及食品的推荐方法及装置。

背景技术

在现实生活中，孕妇的饮食直接的影响到孕妇的健康以及胎儿的发育情况，因此对于孕妇的饮食指导显得尤为重要。孕妇摄入自己喜欢且有利于健康的食品，不仅可以身心愉悦，而且可以保证一个良好的身体条件。

然而当前，人们往往只能通过阅读一些健康类的书籍或者询问医生的方式获得自己应该摄入哪些有利于自己健康的食品，而缺乏有针对性的且非人工的饮食指导方法。此外，人们被推荐的食物很可能是自己不喜欢吃的，而且单一的食品推荐，从健康的层面来看，也不一定适合所有的人群。以孕妇为例，一个孕妇由于怀孕的时间不同，需要摄入的营养成分的含量也会不同；由于孕期的生理变化，孕妇也会变得较为挑剔，此时若医生为孕妇推荐的食品，是孕妇非常抵触的，那么可能严重影响孕妇情绪，这不利于孕妇及胎儿的健康。

综上，当前的食品的推荐方式较为单一，不能有针对性地同时适应人们的不同健康需求以及食品喜好。

发明内容

有鉴于此，本发明实施例提供了食品的推荐方法及装置，以解决现有的食物推荐的方法会出现的推荐针对性差的问题。

本发明实施例的第一方面提供了一种食品的推荐方法，包括：获取目标用户的怀孕周数以及食品数据，所述食品数据包括食品的营养成分；获取全体用户和食品的选择关系，通过推荐算法对所述全体用户和食品的关系进行计算，生成向目标用户推荐的食品集合，作为候选食品集合；接收目标用户对所述候选食品集合中食品的选择，并根据与所述怀孕周数对应的各个所述营养成分的单日摄入上限，更新所述候选食品集合，以供用户选择。

本发明实施例的第二方面提供了一种食品的推荐装置，包括：

获取模块，用于获取目标用户的怀孕周数以及食品数据，所述食品数据包括食品的营养成分；生成模块，用于获取全体用户和食品的选择关系，通过推荐算法对所述全体用户和食品的关系进行计算，生成向目标用户推荐的食品集合，作为候选食品集合；更新模块，用于接收目标用户对所述候选食品集合中食品的选择，并根据与所述怀孕周数对应的各个所述营养成分的单日摄入上限，更新所述候选食品集合，以供用户选择。

本发明实施例的第三方面提供了一种食品的推荐装置，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：获取目标用户的怀孕周数以及食品数据；获取全体用户和食品的选择关系，通过推荐算法对所述全体用户和食品的关系进行计算，生成向目标用户推荐的食品集合，作为候选食品集合；在接收目标用户对所述候选食品集合中食品的选择后，根据与所述怀孕周数对应的各个所述营养成分的单日摄入上限，更新所述候选食品集合，以供用户选择，提高了食品推荐的准确性和针对性，使得用户可以及时的获得自己喜欢的且最有利于健康的食品推荐。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的食品的推荐方法的实现流程图；

图2是本发明实施例提供的食品的推荐方法S102的具体实现流程图；

图3是本发明实施例提供的食品的推荐方法的加权计算示意图；

图4是本发明实施例提供的食品的推荐方法S103的具体实现流程图；

图5是本发明实施例提供的食品的推荐装置的结构框图；

图6是本发明实施例提供的食品的推荐装置的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

图1示出了本发明实施例提供的食品的推荐方法的实现流程，详述如下：

在S101中，获取目标用户的怀孕周数以及食品数据，所述食品数据包括食品的营养成分。

在本发明实施例中，主要通过获取目标用户的怀孕周数，从而确定目标用户当前需要摄入哪些营养成分，以及各个营养成分的单日摄入上限。可以理解地各个营养成分的单日摄入上限，是为用户推荐食品是否符合健康要求的决定性因素。

在本发明实施例中，除了目标用户的怀孕周数以外，还需要获取各种食品数据，这些食品数据包括一种食品所包含的各个营养成分。例如一个食品所包含的营养成分主要包括：糖类、脂肪、蛋白质、矿物质、维生素等；其中维生素包括：维生素A、维生素B、维生素C等；矿物质包括：钙、钾、纳以及锌等。可以理解地，本发明实施例所涉及的技术方案并不限于上述的营养成分，也并非一定包括上述的营养成分，而是根据不同的数据库的大小，统计和储存不同数量的食品，以及各个食品对应的不同数量的营养成分。

在S102中，获取全体用户和食品的选择关系，通过推荐算法对所述全体用户和食品的关系进行计算，生成向目标用户推荐的食品集合，作为候选食品集合。

在本发明实施例中，通过用户的喜好以及健康要求这两个维度的综合考虑向客户推荐食品。其中，目标用户的喜好主要是通过推荐算法，根据其他用户对食品的选择，以及目标用户历史上对食品的选择，从数据库中选择出目标用户可能喜欢的若干食品。可以理解地，全体用户和食品的关系包括除目标用户以外的用户对食品的选择，以及目标用户曾经选择过的食品的情况。

具体地，所述全体用户和食品的选择关系包括全体用户对食品的选择次数。

可以理解地，在本发明实施例中，可以将用户选择某种食品的次数作为该用户对该食品的喜爱程度，从数据统计的角度来看，通过用户对食品的选择次数，可以建立起两类数据之间的选择关系。

具体地，获取全体用户和食品的选择关系，通过推荐算法对所述全体用户和食品的关系进行计算，生成向目标用户推荐的食品集合包括：根据各个用户对食品的选择次数，构建第一矩阵，并使用协同过滤算法对所述第一矩阵进行计算，生成向目标用户推荐的食品集合。

图2示出了本发明实施例提供的食品的推荐方法S102的具体实现流程，详述如下：

在S201中，计算两两用户之间的相似度，并基于所述两两用户之间的相似度组建用户相似性矩阵。

在本发明实施例中，采用协同过滤算法分析第一矩阵，以获得目标用户可能喜爱的食品集合。在上文提到，第一矩阵为各个用户对食品的选择次数。

具体地，通过杰卡德相关系数公式：计算第一矩阵中，两两用户之间的相似度，其中I_U和I_s分别表示用户u和用户s选择过的食品的集合。可以理解地，通过两个用户共同选择过的食品数量，除以两个用户总共选择过的食品数量的值，可以看出两个用户之间的兴趣是否相近。两个用户共同选择过的食品数量与两个用户总共选择过的食品数量比值越大，则证明两个用户之间的兴趣越接近；反之两个用户共同选择过的食品数量与两个用户总共选择过的食品数量比值越小，则证明两个用户之间的兴趣差异越大。

具体地，在获得两两用户之间的相似度之后，将全部的两两用户之间的相似度集合起来，形成用户相似性矩阵。可以理解地，通过用户相似性矩阵，可以查找出任意两个用户之间的相似度。

在S202中，根据所述用户相似性矩阵，选择与目标用户相似度最高的第一预设数量的用户作为相似用户。

在本发明实施例中，此步骤解决的技术问题是根据与目标用户相似的若干用户对于食品的选择，计算出目标用户可能选择的食品。可以理解地，需要首先从相似性矩阵中选出第一预设数量的与目标用户相似度最高的用户，进行后续的计算。

可以理解地，使用第一预设数量的与目标用户相似度最高的用户而不是使用全部的用户，作为后续计算的参考，是为在满足推荐准确性的前提下，尽量减少计算量，从而降低运算的成本。这里的第一预设数量的具体数值，可以根据用户对准确性的要求，以及装置的实际计算能力，随时进行修改。

在S203中，根据所述相似用户对食品的选择次数，以及所述相似用户与所述目标用户的相似度，通过加权求和计算出目标用户对食品的选择次数期望。

下面举例说明。图3是本发明实施例提供的食品的推荐方法的加权计算示意图。假设有两个用户：S1和S2，有三种食品i1、i2和i3。假设根据第一矩阵得出结果，用户S1选择三种食品的次数分别为r11＝4,r12＝5,r13＝3；用户S2选择三种食品的次数分别为r21＝3，r22＝4，r23＝2。某目标用户属于全体用户集合，并且根据相似性矩阵，目标用户与用户1以及用户2的相似度分别为：W11＝0.6，W12＝0.8。因此通过加权平均算法，目标用户对食品1的选择次数期望为；对食品2的选择次数期望为 对食品3的选择次数期望为

在S204中，将所述选择次数期望最大的第二预设数量个食品，组合成向目标用户推荐的食品集合。

在本发明实施例中，依据上文提到的方式计算出目标用户对食品的选择次数期望之后，从全部食品中挑选出选择次数期望最大的第二预设数量个食品，并将这些食品作为向目标用户推荐的食品集合。

图4示出了本发明实施例提供的食品的推荐方法S103的具体实现流程，详述如下：

在S401中，接收目标用户对所述候选食品集合中食品的选择，以确定被选食品。

在本发明实施例中，除了通过全体用户与食品之间的选择关系外，还需要在用户对于食品的选择之后，根据怀孕周数对应的营养成分的单日摄入上限的要求，更新候选食品集合。

例如：原始的候选食品集合有烧鸡(500克)和爆炒牛肉(500克)，若用户选择了候选食品集合中的烧鸡，则烧鸡(500克)为被选食品。

在S402中，根据食品数据，获取所述被选食品的各个营养成分的含量作为被选营养成分含量。

在上文示例中，将烧鸡(500克)作为被选食品，假如烧鸡(500克)含有蛋白质98.7克、脂肪44.6克、糖类6.3克、铁6.2毫克、锌5.1毫克以及磷880毫克，则可以将蛋白质98.7克、脂肪44.6克、糖类6.3克、铁6.2毫克、锌5.1毫克以及磷880毫克全部作为被选营养成分含量。

在本发明实施例中，根据不同的数据库以及用户选择，可以纳入不同数量的营养成分作为后续计算的一个参数。可以理解地，一种食品所包含的营养成分可以达到上百种甚至上千种，而在本发明实施例中，只选取其中几项对人体影响较大的营养成分作为后续计算的限制条件。在上文示例中，提到的营养成分只起到举例的作用，而并不能作为对本发明实施例的限制。

在S403中，计算所述怀孕周数对应的各个所述营养成分的单日摄入上限，与各个所述被选营养成分含量的差值，作为各个营养成分待摄入值。

在上文示例中，蛋白质98.7克、脂肪44.6克、糖类6.3克、铁6.2毫克、锌5.1毫克以及磷880毫克作为被选营养成分含量。假设各个营养成分的单日摄入上限分别为：蛋白质100克、脂肪80克、糖类20克、铁30毫克、锌40毫克以及磷2000毫克。

在本发明实施例中，营养成分待摄入值等于营养成分的单日摄入上限减去被选营养成分含量，因此在上文示例中，各个营养成分待摄入值分别为：蛋白质1.3克、脂肪55.4克、糖类13.7克、铁23.8毫克、锌34.9毫克以及磷1120毫克。

在S404中，从所述候选食品集合中，删除存在至少一种营养成分的含量大于所述该营养成分待摄入值的食品，以更新所述候选食品集合。

在上文示例中，各个营养成分待摄入值分别为：蛋白质1.3克、脂肪55.4克、糖类13.7克、铁23.8毫克、锌34.9毫克以及磷1120毫克。

若爆炒牛肉(500克)含有蛋白质110克、脂肪50克、糖类8克、铁10毫克、锌12毫克以及磷1000毫克，则由于爆炒牛肉(500克)含有的蛋白质含量超过了待摄入的蛋白质含量，因此爆炒牛肉(500克)存在至少一种营养成分的含量大于所述营养成分待摄入值，因此爆炒牛肉(500克)会从候选食品集合中删除。

对应于上文的食品的推荐方法，图5示出了本发明实施例提供的食品的推荐装置的结构框图。

可以理解地，在本发明实施例中，候选食品集合有一个不断更新的过程，最开始的候选食品集合完全是通过推荐算法估算出用户可能喜欢的食品，以供用户的选择。而当用户进行一次选择以后，候选食品集合会删除掉一些如果再被选择，会导致用户每天的某种营养含量超标的食品，更新后的候选食品集合继续供用户选择，接着候选食品集合再次删除掉一些如果再被选择，会导致用户每天的某种营养含量超标的食品，这样循环的进行选择和集合更新的步骤，这样可以保证用户在选择自己喜欢的食品的同时，又不会摄入过多的某类营养成分；此外，用户在看到候选食品集合中还有食品可供选择时，也会知道自己还有部分营养成分没有摄入足够，可继续进行选择。

值得注意的是，本发明实施例提供的是一种推荐方法，用户可以遵从这些建议，在装置中选择了某种食品后，真正去食用这种食品，也可以根据实际情况做出不符合本推荐方法推荐的食品，用户的行为本身不会对本推荐方法产生限制性作用，只要用户在本发明实施例提供的装置上输入了自己对于食品的选择，本发明实施例就会进行相应的计算和推荐。

参照图5，该装置包括：

获取模块501，用于获取目标用户的怀孕周数以及食品数据，所述食品数据包括食品的营养成分；

生成模块502，用于获取全体用户和食品的选择关系，通过推荐算法对所述全体用户和食品的关系进行计算，生成向目标用户推荐的食品集合，作为候选食品集合；

更新模块503，用于接收目标用户对所述候选食品集合中食品的选择，并根据与所述怀孕周数对应的各个所述营养成分的单日摄入上限，更新所述候选食品集合，以供用户选择。

进一步地，生成模块包括：

计算子模块，用于根据所述各个用户对食品的选择次数，构建第一矩阵，并使用协同过滤算法对所述第一矩阵进行计算，生成向目标用户推荐的食品集合。

进一步地，计算子模块包括：

相似计算子模块，用于计算两两用户之间的相似度，并基于所述两两用户之间的相似度组建用户相似性矩阵；

选择子模块，用于根据所述用户相似性矩阵，选择与目标用户相似度最高的第一预设数量的用户作为相似用户；

期望计算子模块，用于根据所述相似用户对食品的选择次数，以及所述相似用户与所述目标用户的相似度，通过加权求和计算出目标用户对食品的选择次数期望；

推荐子模块，用于将所述选择次数期望最大的第二预设数量个食品，组合成向目标用户推荐的食品集合。

进一步地，更新模块包括：

确定子模块，用于接收目标用户对所述候选食品集合中食品的选择，以确定被选食品；

成分获取子模块，用于根据食品数据，获取所述被选食品的各个营养成分的含量作为被选营养成分含量；

差值计算子模块，用于计算所述怀孕周数对应的各个所述营养成分的单日摄入上限，与各个所述被选营养成分含量的差值，作为营养成分待摄入值；

删除子模块，用于从所述候选食品集合中，删除存在至少一种营养成分的含量大于所述营养成分待摄入值的食品，以更新所述候选食品集合。

图6是本发明一实施例提供的食品的推荐装置的示意图。如图6所示，该实施例的食品的推荐装置包括：处理器60、存储器61以及存储在所述存储器61中并可在所述处理器60上运行的计算机程序62，例如食品的推荐程序。所述处理器60执行所述计算机程序62时实现上述各个食品的推荐方法实施例中的步骤，例如图1所示的步骤S101至S104。或者，所述处理器60执行所述计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块501至504的功能。

示例性的，所述计算机程序62可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器61中，并由所述处理器60执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序62在所述食品的推荐装置6中的执行过程。例如，所述计算机程序62可以被分割成接收模块、调取模块、设定模块、调整模块(虚拟装置中的模块)，各模块具体功能如下：

接收模块，用于接收用户选择的应用模式；

调取模块，用于根据所述应用模式，调取与所述应用模式对应的各区域计划亮度值以及各区域灯光初始亮度值，所述各区域计划亮度值为各区域最终应达到的亮度值，所述各区域灯光初始亮度值为在接收用户选择的应用模式后，灯光应达到的亮度值；

设定模块，用于将当前各区域灯光的亮度值设定为各区域灯光初始亮度值；

调整模块，用于调整各区域灯光的亮度，以使各区域的实际亮度值达到所述各区域计划亮度值。

所述食品的推荐装置6可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述食品的推荐装置/装置可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图6仅仅是食品的推荐装置6的示例，并不构成对食品的推荐装置6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，例如所述食品的推荐装置还可以包括输入输出设备、网络接入设备、总线等。

所称处理器60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器61可以是所述食品的推荐装置的内部存储单元，例如食品的推荐装置6的硬盘或内存。所述存储器61也可以是所述食品的推荐装置/装置6的外部存储设备，例如所述食品的推荐装置/装置6上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器61还可以既包括所述食品的推荐装置/装置6的内部存储单元也包括外部存储设备。所述存储器61用于存储所述计算机程序以及所述食品的推荐装置/装置所需的其他程序和数据。所述存储器61还可以用于暂时地存储已经输出或者将要输出的数据。所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/装置和方法，可以通过其它的方式实现。例如，以上所描述的装置/装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种食品的推荐方法，其特征在于，包括：

获取目标用户的怀孕周数以及食品数据，所述食品数据包括食品的营养成分；

获取全体用户和食品的选择关系，通过推荐算法对所述全体用户和食品的关系进行计算，生成向目标用户推荐的食品集合，作为候选食品集合；

接收目标用户对所述候选食品集合中食品的选择，并根据与所述怀孕周数对应的各个所述营养成分的单日摄入上限，更新所述候选食品集合，以供用户选择。

2.如权利要求1所述的方法，其特征在于，所述全体用户和食品的选择关系包括全体用户对食品的选择次数；

所述获取全体用户和食品的选择关系，通过推荐算法对所述全体用户和食品的关系进行计算，生成向目标用户推荐的食品集合包括：

根据所述各个用户对食品的选择次数，构建第一矩阵，并使用协同过滤算法对所述第一矩阵进行计算，生成向目标用户推荐的食品集合。

3.如权利要求2所述的方法，其特征在于，所述使用协同过滤算法对所述第一矩阵进行计算，生成向目标用户推荐的食品集合，包括：

计算两两用户之间的相似度，并基于所述两两用户之间的相似度组建用户相似性矩阵；

根据所述用户相似性矩阵，选择与目标用户相似度最高的第一预设数量的用户作为相似用户；

根据所述相似用户对食品的选择次数，以及所述相似用户与所述目标用户的相似度，通过加权求和计算出目标用户对食品的选择次数期望；

将所述选择次数期望最大的第二预设数量种食品，组合成向目标用户推荐的食品集合。

4.如权利要求1所述的方法，其特征在于，所述接收目标用户对所述候选食品集合中食品的选择，并根据与所述怀孕周数对应的各个所述营养成分的单日摄入上限，更新所述候选食品集合，以供用户选择，包括：

接收目标用户对所述候选食品集合中食品的选择，以确定被选食品；

根据食品数据，获取所述被选食品的各个营养成分的含量作为被选营养成分含量；

计算所述怀孕周数对应的各个所述营养成分的单日摄入上限，与各个所述被选营养成分含量的差值，作为各个营养成分待摄入值；

从所述候选食品集合中，删除存在至少一种营养成分的含量大于所述该营养成分待摄入值的食品，以更新所述候选食品集合。

5.一种食品的推荐装置，其特征在于，包括：

获取模块，用于获取目标用户的怀孕周数以及食品数据，所述食品数据包括食品的营养成分；

生成模块，用于获取全体用户和食品的选择关系，通过推荐算法对所述全体用户和食品的关系进行计算，生成向目标用户推荐的食品集合，作为候选食品集合；

更新模块，用于接收目标用户对所述候选食品集合中食品的选择，并根据与所述怀孕周数对应的各个所述营养成分的单日摄入上限，更新所述候选食品集合，以供用户选择。

6.如权利要求5所述的装置，其特征在于，所述生成模块包括：

计算子模块，用于根据所述各个用户对食品的选择次数，构建第一矩阵，并使用协同过滤算法对所述第一矩阵进行计算，生成向目标用户推荐的食品集合。

7.如权利要求6所述的装置，其特征在于，所述计算子模块包括：

相似计算子模块，用于计算两两用户之间的相似度，并基于所述两两用户之间的相似度组建用户相似性矩阵；

选择子模块，用于根据所述用户相似性矩阵，选择与目标用户相似度最高的第一预设数量的用户作为相似用户；

期望计算子模块，用于根据所述相似用户对食品的选择次数，以及所述相似用户与所述目标用户的相似度，通过加权求和计算出目标用户对食品的选择次数期望；

推荐子模块，用于将所述选择次数期望最大的第二预设数量个食品，组合成向目标用户推荐的食品集合。

8.如权利要求5所述的装置，其特征在于，所述更新模块包括：

确定子模块，用于接收目标用户对所述候选食品集合中食品的选择，以确定被选食品；

成分获取子模块，用于根据食品数据，获取所述被选食品的各个营养成分的含量作为被选营养成分含量；

差值计算子模块，用于计算所述怀孕周数对应的各个所述营养成分的单日摄入上限，与各个所述被选营养成分含量的差值，作为各个营养成分待摄入值；

删除子模块，用于从所述候选食品集合中，删除存在至少一种营养成分的含量大于所述该营养成分待摄入值的食品，以更新所述候选食品集合。

9.一种食品的推荐装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。