CN107533585A - 食物推荐 - Google Patents
食物推荐 Download PDFInfo
- Publication number
- CN107533585A CN107533585A CN201680025330.3A CN201680025330A CN107533585A CN 107533585 A CN107533585 A CN 107533585A CN 201680025330 A CN201680025330 A CN 201680025330A CN 107533585 A CN107533585 A CN 107533585A
- Authority
- CN
- China
- Prior art keywords
- profile
- food
- computer
- history
- individual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/0092—Nutrition
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nutrition Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Educational Technology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
用于考虑用户在一段时间内的食物摄入后推荐食物的系统和方法。消耗或推荐的每个食物项与表示该食物项中包含的各种营养素(例如维生素,矿物质,卡路里,脂肪等)的一组参数(或参数范围)相关联。消耗的物品可以以各种方式(简单平均值,移动平均值,加权平均值)进行聚合,以产生用户营养状态的总体指标,并且给定目标营养状态,可以推荐将用户的营养状态向目标营养状态推进的用于消耗的食物。
Description
技术领域
本发明总体涉及通过食物选择来改善健康,并且更具体而言涉及针对饮食需要专门定制的食物的推荐。
背景技术
若干年来,食品推荐已经是活跃的研究领域。以前的尝试着重于学习用户对特定成分,美食,口味等的喜欢和不喜欢。通过接收对以前建议的反馈,推荐者学习用户的偏好,有时保持用户特别不喜欢的成分黑名单。
最近的努力尝试考虑了推荐的膳食的健康。可以以解决特定营养素的饮食缺乏或盈余而非可能不解决这些营养问题的膳食的目的来推荐膳食。
然而,目前的努力的缺点是食品的推荐通常是孤立地进行的,未考虑个体饮食习惯的长期健康状况。例如,对低脂肪食谱高于高脂肪食谱的持续推荐可能会导致营养不平衡,因为不饱和脂肪含有重要的脂溶性营养素。此外,总是提供健康建议的推荐者可能被与被推荐者交互的用户认为是没有吸引力的或者被拒绝。
因此,需要为一种避免这些缺陷的用户推荐食品的方法和系统。
发明内容
提供本发明内容以用简化形式介绍一些概念,这些概念将在下面的具体实施例部分进一步描述。本发明内容并非旨在识别或排除要求保护的主题的关键特征或必要特征,也不旨在用于帮助确定要求保护的主题的范围。
本发明的实施例在考虑了用户最近的食物摄入历史之后推荐食物。消耗或推荐的每个食物项与表示该食物项中包含的各种营养素(例如维生素,矿物质,卡路里,脂肪等)的一组参数(或参数范围)相关联。消耗的项可以以各种方式(简单平均,移动平均,加权平均)进行聚合,以产生用户营养状态的总体指标,并且给定目标营养状态,可以推荐将用户的营养状态向目标营养状态推进的用于消耗的食物。
在一个方面中,本发明的实施例涉及一种用于推荐用于消耗的食品的计算机实现的方法。所述方法包括提供计算机处理器,所述计算机处理器被配置为:维护针对个体的食物摄取量的历史简档,计算针对所述个体的所述历史简档与期望简档之间的目标简档,并且推荐至少一种食物以用于由所述个体消耗,其中,所推荐的至少一种食物具有使所述历史简档移动为更接近所述目标简档的营养简档,其中,每个简档包括参数的矢量,其中,每个参数与营养素相关联。
在一个实施例中,所述计算机处理器还被配置为接收对由所述个体消耗的至少一种食物的指示,将对所述至少一种消耗的食物的所述指示转换为至少一个食物消耗简档,并更新所述历史简档以并入所述至少一个食物消耗简档,其中,所述食物消耗简档包括参数的矢量,每个参数与营养素相关联。
在一个实施例中,更新所述历史简档包括计算所述历史简档与所述至少一个食物消耗简档的加权平均。在一个实施例中,更新所述历史简档包括计算所述历史简档与所述至少一个食物消耗简档的非加权的平均。
在一个实施例中,所述目标简档中的每个参数是由下限和上限定义的值的范围。在一个实施例中,所述历史简档包括多个矢量。在一个实施例中,所述推荐向不同的参数应用不同的权重。在一个实施例中,推荐用于消耗的至少一种食物包括从针对至少一种食物的营养简档的数据库中选择至少一种食物。
在一个实施例中,所述目标简档是所述历史简档与所述期望简档之间的多个中间目标简档中的一个。在一个实施例中,计算所述目标简档,以便能够由个体在合理的时间段内实现。在一个实施例中,所述目标简档是所述期望简档。
在一个方面中,本发明的实施例涉及一种包含计算机可执行指令的计算机可读介质,所述计算机可执行指令用于执行用于推荐用于消耗的至少一种食物的方法。所述介质包括:用于维护针对个体的食物摄入的历史简档的计算机可执行指令;用于将所述历史简档的至少部分传送到处理模块的计算机可执行指令,所述处理模块被配置为计算针对所述个体的所述历史简档与期望简档之间的目标简档;用于从所述处理模块接收信息的计算机可执行指令;以及用于推荐至少一种食物以用于由所述个体消耗的计算机可执行指令,其中,所推荐的至少一种食物具有使所述历史简档移动为更接近所述目标简档的营养简档,其中,每个简档包括参数的矢量,其中,每个参数与营养素相关联。
在一个实施例中,所述计算机可读介质还包括:用于接收对由所述个体消耗的至少一种食物的指示的计算机可执行指令;用于将对消耗的所述至少一种食物的所述指示转换为至少一种食物消耗简档的计算机可执行指令;以及用于更新所述历史简档以并入所述至少一种食物消耗简档的计算机可执行指令,其中,每个食物消耗简档包括参数的矢量,每个参数与营养素相关联。
在一个实施例中,更新所述历史简档包括计算所述历史简档与所述至少一个食物消耗简档的加权平均。在一个实施例中,更新所述历史简档包括计算所述历史简档与所述至少一个食物消耗简档的非加权的平均。
在一个实施例中,推荐的用于消耗的食物由所述处理模块确定并且被提供于接收到的信息中。在一个实施例中,所述目标简档的中的至少一个参数是由下限和上限定义的值的范围。在一个实施例中,所述历史简档包括多个矢量。在一个实施例中,所述推荐向不同的参数应用不同的权重。在一个实施例中,用于推荐至少一种食物消耗的所述计算机可执行指令包括用于从针对至少一种食物的营养简档的数据库中选择至少一种食物的计算机可执行指令。
在一个实施例中,所述目标简档是所述历史简档与所述期望简档之间等距的多个目标简档中的一个。在一个实施例中,所述目标简档被计算为能够由个体在合理的时间段内实现。在一个实施例中,所述目标简档是所述期望简档。
在一个方面中,本发明的实施例涉及一种包含计算机可执行指令的计算机可读介质,所述计算机可执行指令用于执行用于推荐用于消耗的至少一种食物的方法。所述介质包括:用于维护个体的食物摄入的历史简档的计算机可执行指令;用于计算针对所述个体的所述历史简档与期望简档之间的目标简档的计算机可执行指令;以及用于推荐至少一种食物以用于由所述个体消耗的计算机可执行指令,其中,所推荐的至少一种食物具有使所述历史简档移动为更接所述近目标简档的营养简档,其中,每个简档包括参数的矢量,其中,每个参数与营养素相关联。
通过阅读下面的详细描述和相关附图的概览,这些和其它特征和优点(其描绘本发明的非限制性实施例的特征)将是显而易见的。应当理解,前面的一般描述和以下详细描述都仅是说明性的,而不限制要求保护的非限制性实施例。
附图说明
参考以下附图描述了非限制性和非穷尽性实施例,其中,
图1是根据本发明的食物推荐的范例,其将用户的历史食物摄入的营养成分改变为期望目标状态的营养成分;
图2描绘了根据本发明的使用多个目标状态来促进营养成分的大的变化;
图3示出了根据本发明的用于食物推荐的方法的示例性实施例;并且
图4是根据本发明的用于食物推荐的装置的实施例的示意图。
在附图中,相同的附图标记一般贯穿不同视图指代对应的部分。附图不一定按比例绘制,而是重点放在操作的原则和概念上。
具体实施方式
以下参考附图更详细地描述了各种实施例,附图形成实施例的一部分,并且示出了具体的示例性实施例。然而,实施例可以以多种不同的形式来实现,并且不应被解释为限于本文所阐述的实施例;而是,提供这些实施例是为了使本公开内容透彻和完整,并将向本领域技术人员充分传达本公开内容的范围。各实施例可以被实践为方法、系统或设备。因此,实施例可以采取硬件实现方式、完全软件实现方式或组合了软件和硬件方面的实现方式的形式。因此,以下详细描述不应被认为是限制性的。
说明书中对“一个实施例”或“实施例”的引用意味着结合所述实施例描述的特定特征、结构或特性被包括在本发明的至少一个实施例中。在说明书中的各位置,短语“在一个实施例中”的出现不一定都指代相同的实施例。
以下说明的一些部分关于存储在计算机存储器中的非瞬态信号的操作的符号表示来呈现。这些描述和表示是数据处理领域的技术人员用来最有效地将其工作的实质传达给本领域其他技术人员的手段。这样的操作通常需要对物理量的物理操作。通常,但是不一定,这些量采取能够被存储、传输、组合、比较和以其他方式操纵的电、磁或光学信号的形式。有时,主要是出于通常使用的原因,将这些信号称为比特、值、元素、符号、字符、术语、数字等。此外,有时将需要对物理量的物理操纵的步骤的特定布置称为模块或代码设备也是的方便的,而不失一般性。
然而,所有这些和类似的术语都将与适当的物理量相关联,并且仅仅是应用于这些量的便利标签。除非根据以下讨论显而易见另行专门陈述,应该理解,在贯穿本说明,使用诸如“处理”或“运算”或“计算”或“确定”或“显示”等术语的讨论是指计算机系统或类似电子计算设备的动作和过程,其对表示为计算机系统存储器或寄存器或其他此类信息存储、传输或显示设备内的物理(电子)量的数据进行操纵和变换。
本发明的特定方面包括可以以软件、固件或硬件实现的过程步骤和指令,并且当以软件实现时,可以将其下载以驻留在各种操作系统所使用的不同平台上并由其操作。
本发明还涉及一种用于执行本文中的操作的装置。该装置可以针对期望的目的而特别构造,或者其可以包括由存储在计算机中的计算机程序选择性地激活或重新配置的通用计算机。这样的计算机程序可以存储在计算机可读存储介质中,诸如但不限于,任何类型的盘(包括软盘、光盘、CD-ROM、磁光盘)、只读存储器(ROM)、随机存取存储器(RAM)、EPROM、EEPROM、磁卡或光卡、专用集成电路(ASIC)、或适用于存储电子指令的任何类型的介质,并且每个都耦合到计算机系统总线。此外,说明书中所指的计算机可以包括单个处理器,或者可以是采用多个处理器设计以提高计算能力的架构。
本文提出的过程和显示并不固有地与任何特定的计算机或其他装置相关。各种通用系统也可以根据本文的教导的程序一起使用,或者构造更专用的装置来执行期望的方法步骤可以证明是方便的。针对多种这些系统期望的结构将根据下面的描述显现。此外,本发明不是参考任何特定的编程语言来描述的。应当理解,可以使用各种编程语言来实现如本文所述的本发明的教导,并且以下对特定语言的任何引用被提供用于公开本发明的实现和最佳模式。
此外,说明书中使用的语言主要是为了可读性和教学目的而选择的,并且可能没有被选择来描绘或限定本发明的主题。因此,本发明的公开内容旨在说明而不是限制在权利要求中阐述的本发明的范围。
本发明的实施例涉及专门针对个体的饮食需要定制的食品的推荐。通过将相关营养素表示为多维矢量的独立维度,个体食物的营养成分以及个体的长期膳食需求可以表示为矢量。基于食物有多好与表示个体近期食物摄取的矢量的组合(近似为表示个体的特定长期膳食需求的目标矢量)来建议特定的食物。
营养素矢量
为了能够提出与用户最近的饮食历史相匹配的食物,在本发明的实施方案中将食物(即个体食品,食谱,膳食,个体食品的组合等)建模为多维矢量,其中,每个维度表示特定的营养素,所述特定的营养素应该被监测以判断用户的饮食习惯的健康状况。可以以该矢量形式表示的示例性宏观营养素包括但不限于饱和脂肪,盐,碳水化合物,蛋白质等。矢量还可以包括维生素和矿物质,其是广义的或在一些实施例中是针对特定的人或特定的医疗状况(如孕妇的叶酸或老年人的维生素D)定制的。
再其他的实施例包括营养素矢量中的非营养素参数,例如用于消耗特定食物的点数或其他奖励,但是为了简单起见,以下讨论集中于仅包括营养素参数的营养物质。
一旦针对矢量选择了参数,食物的营养成分就以矢量格式表示,即,e=(e1,e2,...em),其中,ei是食物对用户的对营养素i的摄入量的贡献。
用户最近的饮食习惯h可以被建模为在特定时段内单独消耗的食物的累积营养贡献的简档,包括建议的食谱、小吃、膳食等。在各种实施例中,历史简档h可以是针对前面的食物的营养成分矢量的加和的矢量h=(h1,h2,...hm),或者其可以是个体营养成分矢量的历史记录。虽然前者对于食物建议是足够的,但是如下所述,个体矢量的历史简档允许各种额外的感兴趣特征,例如加权平均的计算等。
特定用户的期望的营养状态可以被建模为相关营养物质的目标矢量g,即,g=(g1,g2,...gm),如果对于营养素i,针对该营养素的期望的摄取可以表示为单个值gi。鉴于针对特定营养素的最佳摄入量通常取决于用户的个体特征,例如医学状况,遗传易感性等,那么在某些情况下,营养素的最佳摄入量被更好地表达为一个范围[li...ui],其中,下限li和上限ui之间的值对于特定用户被认为是健康的。在这种情况下,期望的营养摄入量的目标可以表示为超立方体g=([l1,u1],[l2,u2]...[lm,um]);当针对一种或多种营养素的下限和上限相同时,超立方体将退化。在再其他实施例中,目标矢量可以是针对特定营养物的特定值与矢量中的针对其它营养素的期望范围的组合。
令d(h,g)指代表示用户的饮食历史h的营养贡献的矢量与针对该用户的期望的营养状态g之间的“距离”,其通过适当选择的距离度量测量,可能根据用户的个体状况定制。例如,一些距离度量可能被加权,给予一些营养维度更多的重量,而牺牲其他营养维度。
然后,根据本发明,具有营养成分r的食物项导致与更新的饮食历史简档u的营养成分之间的“距离”的减小,所述更新的饮食历史简档u包括新食物的营养成分,即,u=c(h,r),其中,c()是表示矢量运算,如矢量移动平均,平滑的矢量平均等,并且目标营养状态g=(g1,g2,...gm)可以认为合适的给用户的推荐。在符合条件的食物(个体食物,食谱,膳食等)中,针对其d(u,g)足够小的那些,或者在d(h,g)较大时,针对其d(h,g)-d(u,g)足够大的那些,被认为是合适的。
图1以图形形式呈现了这些概念的简单示例。简单起见,假设对于表达食物营养成分e、来自饮食历史曲线h营养的贡献、以及期望的营养状态g,只有两种营养素是相关的。图1呈现了作为阴影矩形的期望的营养状态g,即二维的超立方体,其表示针对所讨论的两种营养素的期望范围。来自用户饮食历史的营养贡献由起始点h确定。
箭头指示从来自用户当前的饮食历史h的营养贡献朝向期望的营养状态g的可能轨迹,其被实现为一系列食物建议,其中,每个箭头表示推荐的食物项的营养成分。
如所指示的,建议包括几种个体食物,其营养成分在营养素1方面是不足的,但供应营养素2。要注意,这种情况可能会在更新规则c(h,r)为例如移动平均时发生。当营养素i具有历史值hi并且推荐食物r具有相应的营养值ri时,使用移动平均的对针对该营养素的h′的更新将采取形式h′i=αi·ri+(1-αi)·hi,其中,αi∈(0,1)。αi的值可以根据特定营养素的重要性来选择。对健康有重要意义的营养素可能与较高的α值相关联;不重要的营养素可能与较低的α值相关联。现在,如果ri<hi,则h′i<hi。换句话说,通过不食用足够的特定营养,其值降低。
在一些情况下,从以下意义上说个体的食物摄入的历史简档的营养成分与期望的营养目标之间的距离太大:所述距离可能超过例如预定的或特定于个体的阈值。对这样的状况的一个解释是,个体的当由营养状态(例如由例如个体的饮食历史所例示)与期望的目标营养状态之间的差异太大,而无法通过例如单一的食物、单一的膳食、或食物消耗等在不久的将来解决。这可能在个体随着时间的推移己经发展出不良的饮食习惯时发生,并且中期(或更长时间)的严格饮食对于改善个体的营养简档将是必要的。
当距离太大时,达到目标营养状态所需要的建议可能太严格而阻止个体进行该计划。在这种情况下,可以计算用户历史消耗的营养成分与期望的目标营养状态之间的一个或多个中间目标营养状态,并且本发明的实施例可以进行以推荐减少与个体当前的营养状态(例如个体的食物摄入历史简档)与计算出的中间目标营养状态之间的距离的至少一种食物以用于由个体消耗。
中间目标营养状态可以在用户的历史简档的营养成分与期望的营养状态之间等距,或者如图2所示,在用户的历史简档h与期望的营养状态g的营养成分之间的多个目标营养状态(g’,g”等)中的一个。初始目标简档g’可以是用户历史简档h的营养成分与足够接近个体当前的饮食习惯的营养成分的期望营养状态g之间的中间状态,使得其可以由个体在合理的时间或合理数量的建议内达到。随后的中间目标营养状态g”,g”’等(包括小的改进),然后可以形成第一中间营养目标状态与期望营养状态之间的轨迹,每个步骤从一个中间营养目标状态到下一个,其彼此足够接近,以便能够在合理的时间量或合理数量的建议内达到下一个中间营养目标状态。如图2中所示,该实施例中的每个中间目标营养状态是超立方体,具有针对每个营养素的其自己的下限和上限。
以此方式,可以定义渐增的规定饮食,包括更小的、更容易的中间营养目标,以达到最终期望的营养状态。这样做的一种方式是定从个体的当前营养状态到期望的营养状态的直线,并定义足够数量的等距中间营养状态。另一种可能是,在每个相继的中间状态中,重视营养素的一子集以实现总体期望的营养状态。在后一种情况下,针对每个中间营养状态使用加权或变化的距离度量可能是有利的。
中间目标状态的这种轨迹可以被计算一次,或者可以在达到每个中间目标状态时重新计算。在后一种情况下,在达到一个中间目标状态之后,考虑例如个体食用更少的特定成分或营养素所遇到的困难,如上所述地定义新的轨迹。例如,新的轨迹可以在该营养维度中定义较小的步骤,或者在一段时间内保持该营养物质的值恒定。注意,这个困难可以由系统本身衡量,因为其跟踪个体的食物摄入。以此方式,自适应轨迹是定制的,目的是保持个体在轨道上。
在一个实施例中,收集来自不同用户的轨迹以及关于每个单独用户的数据,以及针对每个轨迹的成功的度量。该成功分数可以由所述系统通过利用例如个体进行改进的速度或者保持个体在轨道上所必需的调整次数来计算。可以分析轨迹的该集合以识别或生成通常成功的轨迹或轨迹模板,其可能针对特定类型的个体用户而定制。然后可以将这些成功的轨迹或模板提供给个体用户的系统,通过提供经验证的轨迹和模板来改善系统的功能。例如,模板以比轨迹更抽象的方式描述定义轨迹的策略,例如,通过首先观察每日摄入的饱和并逐渐引入增加的钙摄取。
图3呈现了根据本发明的用于食物推荐的方法的流程图。首先,使用历史资料数据源和营养资料数据来源来生成来自个体的食物摄入的营养贡献的历史简档(步骤300)。接下来,使用适当配置的计算单元来计算针对个体的营养贡献的历史简档与期望的目标营养摄入简档之间的目标营养摄入简档(步骤304)。然后由适当配置的计算单元推荐食物(即食品,食品的组合,食谱等)以用于由个体消耗,所述食物具有可以将个体的营养成分的历史简档移动为更接近目标营养摄入简档的营养成分(步骤308)。
在一个实施例中,使用食物摄入的电子日志来实现个体的历史简档(步骤300)。个体可以使用键盘(物理的或屏幕上的)或语音接口来手动输入他消耗的食物。在其他实施例中,个体可以例如使用相机来捕获其食用的食物的图像,并且本发明系统的实施例通过图像识别、对食物条形码的扫描、它们的某种组合等来自动识别食物。
替代地,可以使用食物浏览器或选择历史来近似个体的饮食历史(步骤300),允许个体指示他们已经烹饪和/或消耗的食物以及其数量。在再其他的实施例中,可以使用个体的食物采购历史的记录来近似个体的食物摄入的历史简档(步骤300)。
每个输入的食物可以通过查询营养简档数据源(例如与食物的营养成分相关联的数据库,并重制为矢量)而被矢量化。然后可以将用户的营养贡献的历史简档(步骤300)建模为矢量h=(h1,h2,...hm)=c(e1,e2,...),即,例如,与过去一段时间(例如过去一天,过去三天,过去一小时等)消耗的食物e1,e2等相关联的营养贡献矢量的诸如简单平均,移动平均,指数平均等矢量操作,其对最近的食物更重地加权。
期望的营养摄入简档可以由个体或第三方(例如护士,营养师或医师)手动地指定。如果指定了目标营养状态,则也可以由适当配置的计算单元以编程方式来确定期望的营养摄取简档。
在一些实施例中,目标营养简档可以与期望的营养摄取简档相同(步骤304)。在其他实施例中,如上所述,如果个体的食物摄入的历史营养简档与期望的营养简档之间的距离太大,则可以由适当配置的计算单元计算历史营养简档与期望的营养简档之间的一个或多个中间目标营养简档,并且本发明的实施例可以进行以推荐减少个体的当前营养状态(例如个体的食物摄入的历史营养简档)与中间目标营养简档之间的距离的至少一种食物以用于由个体消耗。如上所述,中间目标营养简档可以是在历史营养简档与期望的营养简档之间等距的,或者是在历史营养简档与期望的营养所述之间等距的多个目标营养简档中的一个。
可以通过以下来从一组食物e,e’,e”...中选择减少个体饮食历史h的营养成分与期望目标分布g的营养成分之间的距离d的食物e(步骤308),通过适当配置的计算单元根据个体的饮食历史h和来自一组合格的食物中的每一种食物e来计算更新的饮食历史u=c(h,e),并且然后确定目标营养状态与提出的饮食历史的营养成分之间的距离是否小于目标营养状态与用户的初始历史的营养成分之间的距离,即d(c(h,e),g)<d(h,g)(步骤308)。减小所述距离的食物e适于推荐(步骤308)。
适于推荐的所述一组食物e,e',e”...可以进一步被限制为考虑个体偏好。这被认为使个体更容易遵守长期的体重管理计划。这样的个体偏好可以包括针对特定口味(例如,“甜的”或“可口的”)或风味(例如“巧克力”或“草莓”)的用户指定的偏好,或者相反地,用户指定的黑名单,例如,不喜欢的成分(例如,“甜饼”或“蘑菇”),其可以被用于去除用户将发现难吃的食谱。如果个体偏好将合适食物的集合减少到进行推荐不可行的点,则可以丢弃这些个体偏好中的一个或多个。
如上所述,组合函数c()可以在本发明的各种实施例中采用各种形式。组合函数可以是矢量操作,例如更新的滑动平均,指数平滑或任何其他合适的方法。
更新的饮食历史u可以是通过保存由个体在给定时间段p(这可能是一天,两天等)消耗的食物的记录的滑动平均的结果。每种食物可以如上所述通过查询营养成分矢量的数据库并检索与所述食物相关联的矢量或查询针对营养成分的另一数据源并将数据重制为矢量而被表达为营养成分的矢量。然后可以通过简单地将感兴趣时段内的与食物相关联的营养成分矢量相加来计算饮食历史h的营养成分。经更新的饮食历史u可以通过将针对当前食物e至h的营养成分矢量相加来计算。因此,在时间段p之外的由个体消耗的食物不包括在饮食历史上。
经更新的饮食历史u的营养成分可以是通过保存个体在给定时间段p(其可以是一天两天等)消耗的食物的记录来进行指数平滑的结果。每种食物可以如上所述地通过查询营养成分矢量的数据库并且检索与所述食物的相关联的营养成分矢量而被表达为营养成分的矢量。可以通过以下方式来计算经更新的饮食历史u:
u=αe+(1-α)h
操作是递归的,即,使得:
h=αei-1+(1-α)hi-1
对于在感兴趣的时段内的食品,并且α∈(0,1),其中,α矢量被选择为对消耗特定营养素的重要性进行加权。不重要的营养素可能会获得小的值αi,并且相反,重要的营养素可能会分配以大的αi。通常,h最初被设定为特定值,比如说h0,然后使用公式进行更新。这使得h的维护本质上是递归的,并且其并不每次从头开始重新计算。
可以以不同的方式测量用户的饮食历史h,u与目标营养成分简档g的营养成分之间的“距离”。对于每个整数p∈{1,2,...},我们可以定义由下式给出的距离度量:
对于p=2,我们得到公知的欧氏距离,其可以被重写为:
对于p=1,我们得到所谓的曼哈顿距离,其可以被重写为:
d1(h,g)=|h1-g1|+…+|hm-gm|
取决于用户的医学状况,可以对距离度量中的每种营养素赋予或大或小的权重,得到加权的距离度量。欧几里德和曼哈顿距离的加权版本分别由下式给出:
以及
d1,w(h,g)=β1|h1-g1|+…+βm|hm-gm|。
如果目标营养简档g是超立方体,即由于目标状态中的一种或多种营养素的期望值是一个范围,则用户的食物摄入的历史简档h,u的营养成分与超立方体g之间的距离可以由h,u与终止于超立方体g内的任何矢量之间的最小距离来定义。这可以表达为:
其中,针对营养素i的贡献ci在hi<li或者hi>ui时由下式给出:
ci=min(|hi-li|,|hi-ui|)
并且如果li≤hi≤ui,则ci=0。该表达可以类似地适用于其他距离度量。
本发明的一些实施例包括以下功能:对于每个食物推荐,计算和/或显示个体通过遵循该特定推荐而朝向目标营养状态的进程。可视化可以采取例如五星量表的形式,其中,始终选择五星食谱允许用户在一周内达到期望的营养状态,而持续地选择一星食谱可能实际上阻止用户到达期望的营养状态。可视化使用户不仅根据个体喜好选择食谱,而且还意识到用户的总体营养目标的实现的选择的影响。
尽管前面的讨论集中在减小食物摄入的个体的历史简档与期望的营养成分简档或目标营养成分简档之间的距离的食物的推荐,但在一些情况下,本发明的实施方案可以推荐增加在历史简档的营养成分与期望营养成分之间的距离的食物。这样的食物可能被认为是“款待”,即名义上不健康的物品,如一盘冰淇淋或糖果条。相信偶尔的款待可能使个体更容易遵守长期减肥计划。
增加距离的建议可能被限制于以下情形,例如个体历史简档的营养成分与期望的营养成分简档之间的距离足够接近以使得距离的增加不会对个体的总体健康有实质的不利影响。
对普通技术人员显而易见的是,上述讨论中的步骤顺序不一定是规范的。例如,普通技术人员将认识到可以在计算目标营养成分简档之前,与其同时或在其之后推荐食物。此外,由于本发明的实施例通常在迭代的背景下使用,因而可以预期可以指定和/或计算多个目标营养成分简档,并且为实现这些各种目标营养成分简档而进行多种食物建议。再其他实施例允许鉴于用户对他们的到目标营养状态的进展的可视化的响应来重新计算目标营养成分简档和推荐食物。
图4是根据本发明的用于食物推荐的示例性系统的框图。在该实施例中,计算单元300与数据源404通信,用于存储食物摄入的历史简档和营养素简档数据的源408。
计算单元400可以在各种实施例中采用各种形式。适于结合本发明使用的示例性计算单元包括台式计算机,膝上型计算机,虚拟计算机,服务器计算机,智能电话,平板电脑,平板手机等。数据源404、408也可以采取各种形式,包括但不限于,结构化数据库(例如SQL数据库),非结构化数据库(例如,Hadoop集群,NoSQL数据库),或运行在各种计算单元(例如台式计算机,笔记本电脑,虚拟计算机,服务器计算机,智能手机,平板电脑,平板手机等)上的其他数据源。在本发明的各种实施例中,计算单元可以是异构的或同构的。在一些实施例中,数据源304可以通过广域网(WAN)连接到一个或多个第三方数据源,并且在需要时创建这样的用于食品的营养素简档。在一些实施例中,数据源308可以通过广域网(WAN)连接到一个或多个第三方数据源,以便通过对例如从杂货店的购买、来自饭店的餐饮记录等进行检索和转换来组合食物摄入的历史简档。
在各种实施例中,可以使用各种异构或同构的网络技术将系统的组件互连。合适的网络技术包括但不限于有线网络连接(例如,以太网,千兆以太网,令牌环等)和无线网络连接(例如,蓝牙,802.11x,3G/4G无线技术等)。
在操作中,计算单元400向历史资料数据源304查询有关个体的食物摄入量历史简档的信息。历史简档数据源404可以具有这样的信息,因为个体可能己经将这样的数据手动地输入到数据源中,或者其可以从第三方数据源直接或间接(即,通过数据录入或传输)接收到这样的信息,所述第三方数据源包括对用户的食品消耗的直接记录或可以被分析以导出这种信息的记录(例如,在超市购买的收据,消耗食品的图片的照片分享(Instagram)馈送等)。
计算单元400向营养简档数据源408查询有关从食物摄取的历史简档中取得的至少一种食物(例如食品,膳食,食谱,食器的组合等)的营养成分的信息或者期望推荐的至少一种食物。营养简档数据源408可以在本地存储有这样的信息,或者其可以联系其他数据源以根据需要获得相关的营养素信息,将其转换成以上讨论的矢量表示。
在已经接收到个体的食物摄入的历史简档后,计算单元400可以计算历史简档与期望的营养简档的营养成分之间的目标营养简档。如上所述,所述目标营养简档可以是期望的营养简档或在其之间的中间营养状态,例如个体在合理时间或在合理努力下可达到的中间营养状态。
通过计算出的目标营养简档和对营养简档数据源的访问,计算单元400可以推荐至少一种食物以用于由个体消耗,其减少历史简档与目标营养简档的营养成分之间的距离,或者在一些情况下,在对帮助个体符合长期饮食方案的兴趣下,将距离增加额定量,如以上结合图3更详细讨论的那样。计算单元400还可以生成食物建议的质量的图形显示。
如上所述,计算单元400可以首先访问数据源404、408之一或同时访问两个数据源。在一些实施例中,计算单元400在个体的本地,即定位于由个体访问局域网上的或包含在由个体穿戴(例如智能手表)或)携带(例如智能手机)的设备中。在其他实施例中,计算单元400由个体在再另外的网络连接(未示出)上访问,诸如广域网或因特网,并且通过这样的网络连接将图形表示递送给操作者。在这些实施例中,计算单元400包括对这种远程访问设备定制的安全和web服务器功能。
上面参照根据本公开的实施例的方法、系统和计算机程序产品的框图和/或操作说明来描述了本公开的实施例。方框中记载的功能/动作可能按照不同于任何流程图中所示的顺序发生。例如,取决于所涉及的功能/动作,相继地示出的两个块实际上可以基本上同时执行,或者块有时可以以相反的顺序执行。另外,并不是任何流程图中示出的所有块都需要执行和/或运行。例如,如果给定的流程图具有包含功能/动作的五个块,则可能的情况是,仅执行和/或运行五个块中的三个块。在该范例中,可以执行和/运执行五个块中的任意三个。
在本申请中提供的对一个或多个实施例的描述和说明并不旨在以任何方式限制要求保护的本公开的范围。在本申请中提供的实施例、范例和细节被认为足以传达该所有物并使其他人能够制造和使用要求保护的实施例的最佳模式。要求保护的实施例不应被解释为限于本申请中提供的任何实施例、范例或细节。无论是组合地还是单独地示出和描述,各种特征(结构的和方法的两者)旨在被选择性地包括或省略以产生具有特定特征的集合的实施例。已经提供了本申请的描述和说明,本领域技术人员可以设想到落入本申请中体现的总体发明概念的更广泛方面的精神中的变型、修改和替代实施例,其不脱离要求保护的实施例的更宽的范围。
Claims (21)
1.一种用于推荐用于消耗的至少一种食物的计算机实现的方法,所述方法包括:
提供计算机处理器,所述计算机处理器被配置为:
维护针对个体的食物摄入的历史简档;
至少部分地基于针对所述个体的所述历史简档和期望简档来计算目标简档;并且
推荐用于由所述个体消耗的至少一种食物,其中,所推荐的至少一种食物具有减小所述历史简档与所述目标简档之间的距离的营养简档,
其中,每个简档包括参数的矢量,其中,每个参数与营养素相关联。
2.根据权利要求1所述的计算机实现的方法,所述计算机处理器还被配置为:
接收对由所述个体消耗的至少一种食物的指示;
将对消耗的所述至少一种食物的所述指示转换成至少一个食物消耗简档;并且
更新所述历史简档以并入所述至少一个食物消耗简档,
其中,每个食物消耗简档包括参数的矢量,其中,每个参数与营养素相关联。
3.根据权利要求2所述的计算机实现的方法,其中,更新所述历史简档包括计算所述历史简档与所述至少一个食物消耗简档的加权平均。
4.根据权利要求2所述的计算机实现的方法,其中,更新所述历史简档包括计算所述历史简档与所述至少一个食物消耗简档的非加权的平均。
5.根据权利要求1所述的计算机实现的方法,其中,所述目标简档中的至少一个参数是由下限和上限定义的值的范围。
6.根据权利要求1所述的计算机实现的方法,其中,所述历史简档包括多个矢量。
7.根据权利要求1所述的计算机实现的方法,其中,所述推荐向不同的参数应用不同的权重。
8.根据权利要求1所述的计算机实现的方法,其中,推荐用于消耗的至少一种食物包括从针对至少一种食物的营养简档的数据库中选择至少一种食物。
9.根据权利要求1所述的计算机实现的方法,其中,所述目标简档是在所述历史简档与所述期望简档之间的等距的多个目标简档中的一个。
10.根据权利要求1所述的计算机实现的方法,其中,所述目标简档是所述期望简档。
11.一种包括计算机可执行指令的计算机可读介质,所述计算机可执行指令用于执行用于推荐用于消耗的至少一种食物的方法,所述介质包括:
用于维护针对个体的食物摄入的历史简档的计算机可执行指令;
用于将所述历史简档的至少部分传送到处理模块的计算机可执行指令,所述处理模块被配置为计算针对个体的所述历史简档与期望简档之间的目标简档;
用于从所述处理模块接收信息的计算机可执行指令;以及
用于推荐至少一种食物以用于由所述个体消耗的计算机可执行指令,其中,所推荐的至少一种食物具有使所述历史简档移动为更接近所述目标简档的营养简档,
其中,每个简档包括参数的矢量,其中,每个参数与营养素相关联。
12.根据权利要求11所述的计算机可读介质,所述介质还包括用于以下的计算机可执行指令:
接收对由所述个体消耗的至少一种食物的指示;
将对消耗的至少一种食物的所述指示转换成至少一个食物消耗简档;并且
更新所述历史简档以并入所述至少一个食物消耗简档,
其中,每个食物消耗简档包括参数的矢量,其中,每个参数与营养素相关联。
13.根据权利要求14所述的计算机可读介质,其中,更新所述历史简档包括计算所述历史简档与所述至少一个食物消耗简档的加权平均。
14.根据权利要求11所述的计算机可读介质,其中,所推荐的用于消耗的食物由所述处理模块确定并且被提供于接收到的信息中。
15.根据权利要求11所述的计算机可读介质,其中,所述目标简档的中的至少一个参数是由下限和上限定义的值的范围。
16.根据权利要求11所述的计算机可读介质,其中,所述历史简档包括多个矢量。
17.根据权利要求11所述的计算机可读介质,其中,所述推荐向不同的参数应用不同的权重。
18.根据权利要求11所述的计算机可读介质,其中,用于推荐用于消耗的至少一种食物的所述计算机可执行指令包括用于从针对至少一种食物的营养简档的数据库中选择至少一种食物的计算机可执行指令。
19.根据权利要求11所述的计算机可读介质,其中,所述目标简档是所述历史简档与所述期望简档之间的多个中间目标简档中的一个。
20.根据权利要求11所述的计算机可读介质,其中,所述目标简档是所述期望简档。
21.一种包括计算机可执行指令的计算机可读介质,所述计算机可执行指令用于执行用于推荐用于消耗的至少一种食物的方法,所述介质包括:
用于维护针对个体的食物摄入的历史简档的计算机可执行指令;
用于计算针对所述个体的所述历史简档与期望简档之间的目标简档的计算机可执行指令;以及
用于推荐至少一种食物以用于由所述个体消耗的计算机可执行指令,其中,所推荐的至少一种食物具有使所述历史简档移动为更接近所述目标简档的营养简档,
其中,每个简档包括参数的矢量,其中,每个参数与营养素相关联。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562155825P | 2015-05-01 | 2015-05-01 | |
US62/155,825 | 2015-05-01 | ||
PCT/IB2016/052062 WO2016178108A1 (en) | 2015-05-01 | 2016-04-12 | Edible recommendation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107533585A true CN107533585A (zh) | 2018-01-02 |
Family
ID=55808802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680025330.3A Pending CN107533585A (zh) | 2015-05-01 | 2016-04-12 | 食物推荐 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20180137935A1 (zh) |
EP (1) | EP3289496A1 (zh) |
CN (1) | CN107533585A (zh) |
WO (1) | WO2016178108A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766262A (zh) * | 2018-07-05 | 2020-02-07 | 利普乐普股份有限公司 | 评估多个水配方的方法以及选择水配方的方法 |
CN113396457A (zh) * | 2018-11-29 | 2021-09-14 | 珍纳瑞公司 | 用于生物物理建模和响应预测的系统、方法和装置 |
US20220301083A1 (en) * | 2019-11-27 | 2022-09-22 | Panasonic Intellectual Property Management Co., Ltd. | Method, information terminal, and storage medium |
US20230245251A1 (en) * | 2020-03-03 | 2023-08-03 | Panasonic Intellectual Property Management Co., Ltd. | Method, information terminal, and non-transitory computer-readable recording medium |
US20230245252A1 (en) * | 2020-03-03 | 2023-08-03 | Panasonic Intellectual Property Management Co., Ltd. | Method, information terminal, and non-transitory computer-readable recording medium |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180144820A1 (en) * | 2016-10-24 | 2018-05-24 | Habit, Llc | System and method for implementing meal selection based on vitals, genotype and phenotype |
US20180121631A1 (en) * | 2016-10-27 | 2018-05-03 | True Positive Analytics Pvt. Ltd. | Systems and methods for multi-parameter and personalized dietary recommendations |
CN115803819A (zh) * | 2020-06-30 | 2023-03-14 | 皇家飞利浦有限公司 | 利用人工智能进行个性化处理的系统和方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2420428A (en) * | 2004-11-19 | 2006-05-24 | Anthony Paul Yusuf | System for indicating food types to a user |
US7680690B1 (en) * | 2005-05-09 | 2010-03-16 | Catalano Anthony B | Intelligent menu ordering system |
US8924239B1 (en) * | 2007-10-10 | 2014-12-30 | Maureen Kay Kurple | Method and apparatus for monitoring calorie, nutrient, and expense of food consumption and effect on long term health and short term state |
US8647121B1 (en) * | 2008-10-17 | 2014-02-11 | Yottamark, Inc. | Food item grading |
US20140287384A1 (en) * | 2009-06-30 | 2014-09-25 | Jeffery Boyes | Method, system and apparatus for improved nutritional analysis |
US20110318717A1 (en) * | 2010-06-23 | 2011-12-29 | Laurent Adamowicz | Personalized Food Identification and Nutrition Guidance System |
US20120083669A1 (en) * | 2010-10-04 | 2012-04-05 | Abujbara Nabil M | Personal Nutrition and Wellness Advisor |
WO2013049427A2 (en) * | 2011-09-27 | 2013-04-04 | Southam Adam Gyles | Recommending consumer products using product-ingredient efficacy and/or user-profile data |
US20130105565A1 (en) * | 2011-10-29 | 2013-05-02 | Richard Alan Kamprath | Nutritional Information System |
US20130196297A1 (en) * | 2012-01-31 | 2013-08-01 | Yasir Anwar | Interactive shopping - health & wellness |
EP4202945A1 (en) * | 2012-02-17 | 2023-06-28 | Good Measures, LLC | Systems and methods for user-specific modulation of nutrient intake |
US20140074649A1 (en) * | 2012-09-13 | 2014-03-13 | Coupons.Com Incorporated | Grocery recommendation engine |
US8690578B1 (en) * | 2013-01-03 | 2014-04-08 | Mark E. Nusbaum | Mobile computing weight, diet, nutrition, and exercise tracking system with enhanced feedback and data acquisition functionality |
US20140195556A1 (en) * | 2013-01-10 | 2014-07-10 | Sap Ag | Calories Tracking When Making Mobile Payment Through Near Field Communications |
US9317815B2 (en) * | 2013-01-17 | 2016-04-19 | Kinetic Stone, Llc | Health and fitness management system |
US9812022B2 (en) * | 2014-01-20 | 2017-11-07 | Xerox Corporation | Method and apparatus for providing healthier food purchase suggestions to a shopper |
-
2016
- 2016-04-12 EP EP16718477.9A patent/EP3289496A1/en not_active Withdrawn
- 2016-04-12 CN CN201680025330.3A patent/CN107533585A/zh active Pending
- 2016-04-12 US US15/570,113 patent/US20180137935A1/en not_active Abandoned
- 2016-04-12 WO PCT/IB2016/052062 patent/WO2016178108A1/en active Application Filing
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766262A (zh) * | 2018-07-05 | 2020-02-07 | 利普乐普股份有限公司 | 评估多个水配方的方法以及选择水配方的方法 |
CN113396457A (zh) * | 2018-11-29 | 2021-09-14 | 珍纳瑞公司 | 用于生物物理建模和响应预测的系统、方法和装置 |
US20220301083A1 (en) * | 2019-11-27 | 2022-09-22 | Panasonic Intellectual Property Management Co., Ltd. | Method, information terminal, and storage medium |
US11989792B2 (en) * | 2019-11-27 | 2024-05-21 | Panasonic Intellectual Property Management Co., Ltd. | Method, information terminal, and storage medium |
US20230245251A1 (en) * | 2020-03-03 | 2023-08-03 | Panasonic Intellectual Property Management Co., Ltd. | Method, information terminal, and non-transitory computer-readable recording medium |
US20230245252A1 (en) * | 2020-03-03 | 2023-08-03 | Panasonic Intellectual Property Management Co., Ltd. | Method, information terminal, and non-transitory computer-readable recording medium |
Also Published As
Publication number | Publication date |
---|---|
US20180137935A1 (en) | 2018-05-17 |
WO2016178108A1 (en) | 2016-11-10 |
EP3289496A1 (en) | 2018-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107533585A (zh) | 食物推荐 | |
US11580879B2 (en) | Systems and methods for generating personalized nutritional recommendations | |
JP6725619B2 (ja) | 栄養摂取量のユーザ特異的な調整のためのシステムおよび方法 | |
WO2020062950A1 (zh) | 信息推荐方法及装置、电子设备和存储介质 | |
US20180293638A1 (en) | Blood and saliva biomarker optimized food consumption and delivery with artificial intelligence | |
CN109804438A (zh) | 使用生物标记数据的个性化营养推荐 | |
US20220230730A1 (en) | Recipe recommendation method and device, computing device and storage medium | |
US20190027060A1 (en) | Food proposing system, food proposing method and food proposing program | |
US20190213487A1 (en) | Dynamically generating an adapted recipe based on a determined characteristic of a user | |
WO2022133985A1 (zh) | 食物推荐方法、装置、存储介质及电子设备 | |
CN110349647A (zh) | 饮食管理方法、系统、电子设备及存储介质 | |
KR102189232B1 (ko) | 생활 습관을 기반으로 콘텐츠를 제공하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 | |
Contois | “Lose like a man”: Gender and the constraints of self-making in weight watchers online | |
Eghbali-Zarch et al. | A New Multi-objective Optimization Model for Diet Planning of Diabetes Patients under Uncertainty | |
O’Neill | Big Food without big diets? Food regimes and Kenyan diets | |
CN112951374B (zh) | 数据分析方法、系统、计算机设备及存储介质 | |
Prohaska | “Nothing should jiggle while you’re moving”: Preparing the fat body for an American “plus-size” pageant | |
JP6635417B2 (ja) | サプリメント創造探索システム | |
Hou | Unorthodox proposals for China’s extreme aging population | |
Percy | A comparison of Olympic and Paralympic performances | |
Urrutia et al. | Minimization of food cost on 2000-calorie diabetic diet | |
Baker et al. | An empirical Bayes' procedure for ranking players in Ryder Cup golf | |
Zheng et al. | A showdown in the kitchen: Exploring consumers’ preferences for robot-made versus human-made foods at different stages of dietary restraint | |
KR20220074612A (ko) | 사용자 맞춤형 식생활 솔루션을 제공하는 영양상담시스템 | |
Bachman | My Jewish Life |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180102 |