CN109300527A - 饮食信息的推荐方法 - Google Patents

饮食信息的推荐方法 Download PDF

Info

Publication number
CN109300527A
CN109300527A CN201811530292.4A CN201811530292A CN109300527A CN 109300527 A CN109300527 A CN 109300527A CN 201811530292 A CN201811530292 A CN 201811530292A CN 109300527 A CN109300527 A CN 109300527A
Authority
CN
China
Prior art keywords
information
individual member
diet
inventory
nutritional
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
Application number
CN201811530292.4A
Other languages
English (en)
Inventor
徐亦楠
胡沁涵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou University
Original Assignee
Suzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou University filed Critical Suzhou University
Priority to CN201811530292.4A priority Critical patent/CN109300527A/zh
Publication of CN109300527A publication Critical patent/CN109300527A/zh
Pending legal-status Critical Current

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

Landscapes

  • Health & Medical Sciences (AREA)
  • Nutrition Science (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及一种饮食信息的推荐方法，包括：获取家庭饮食的期望价格信息；获取家庭成员个体的生理信息，并基于生理信息，获取每个成员个体所需的营养信息；获取每个成员个体的口味偏好信息及应季的食材信息，产生推荐饮食清单，推荐饮食清单对应的营养信息与每个成员个体所需的营养信息匹配，推荐饮食清单对应的价格信息与期望价格信息匹配；推荐饮食清单根据价格降序排列或升序排列以供每个成员个体选择。通过获取家庭饮食的期望价格信息、家庭成员个体所需的营养信息、口味偏好信息及应季的食材信息，并结合期望价格信息、营养信息、口味偏好信息及食材信息产生推荐符合要求的饮食清单供成员个体选择，达到多角度且灵活推荐的效果。

Description

饮食信息的推荐方法
技术领域
本发明涉及一种饮食信息的推荐方法。
背景技术
在我国经济迅猛发展的当代，人民的生活水平不断得到大幅度地改善，与此同时对于自己的饮食需求也随之提高，越来越注重每天的膳食搭配以及食品安全。探索对现代人类健康有正面影响的生活行为方式已经成为公共卫生领域的研究热点之一。近年来，快节奏的生活方式导致了快餐、外卖行业如雨后春笋般迅速崛起，由饮食诱发的健康问题日益显著。因此，只有注重饮食的合理性和健康性，才能避免这类问题，从而提高人的寿命和生活质量。
以家庭为例，某天家人询问你“今天想吃什么菜”的时候，多数人的回答都是“随便”，这是因为你无法给出一个确定答案，此现象也从侧面反映出了人们本身对于菜品选择的单一甚至不健康。如果能够采集到每个家庭成员的饮食习惯，根据食物之间的相似性(基于物品的协同过滤)、所含营养素推荐符合口味且营养的菜品，就可以直接或间接解决饮食问题。
协同过滤算法(Collaborative Filtering，CF)作为一种推广能力较好的推荐算法，已被广泛应用到饮食推荐系统中。但是存在的饮食推荐系统并不能做到家庭各个成员的口味及其所需营养两者兼得，所以无法根据不同规则进行混合推荐。
发明内容
本发明的目的在于提供一种能够综合家庭各个成员的口味及其所需营养、并且符合价格期待的饮食信息的推荐方法。
为达到上述目的，本发明提供如下技术方案：一种饮食信息的推荐方法，所述方法包括：
获取家庭饮食的期望价格信息；
获取家庭成员个体的生理信息，并基于所述生理信息，获取每个所述成员个体所需的营养信息；
获取每个所述成员个体的口味偏好信息及应季的食材信息，产生推荐饮食清单，所述推荐饮食清单对应的营养信息与每个所述成员个体所需的营养信息匹配，所述推荐饮食清单对应的价格信息与所述期望价格信息匹配；
所述推荐饮食清单根据价格降序排列或升序排列以供每个所述成员个体选择。
进一步地，所述方法的算法表达式定义为：
Sf(ME)＝α*Sf(NE)+β*Sf(IE)+(1-α-β)×Sf(SE)，
其中：
Sf(ME)∈Sf(PE)
α和β为0～1的权重系数，f(ME)是推荐饮食清单的计算方法，f(NE)为营养信息的计算方法、f(IE)为口味偏好信息的计算方法、f(SE)为应季的食材信息的计算方法、f(PE)为期望价格信息的计算方法。
进一步地，所述方法还包括：
获取每个所述成员个体对所选择的饮食清单的评分信息，并基于所述评分信息获得成员个体之间评分信息的相似度。
进一步地，所述基于所述评分信息获得成员个体之间评分信息的相似度具体为：
获取所述评分信息后建立评分矩阵，并通过Pearson相关系数度量出所述成员个体之间评分信息的相似度，通过协同过滤算法以产生邻居列表，根据所述邻居列表找出所述评分信息的最近邻居并根据所述最近邻居进行评分预测，根据预测的评分产生推荐列表。
进一步地，所述评分信息的相似度通过Pearson相关系数度量，所述Pearson相关系数的数学公式表达为：
其中，Tuv代表成员个体u和成员个体v具有评分信息且为两者共同评分饮食的集合；Ru,t和Rv,t表示成员个体u和成员个体v对于饮食t的评分信息；和表示成员个体u和成员个体v当前各自评分饮食的评分均值。
进一步地，所述方法还包括：
获取每个所述成员个体所需的营养信息后，构建营养信息优化的多目标函数；
根据每个所述成员个体的营养信息，确定所述营养信息优化的多目标函数的约束条件，构建营养搭配数学模型，所述数学模型为：
minf(x)＝(f1(x),f2(x),..fp,(x))T
x代表决策变量，f(x)为目标函数，minf(x)表示f(x)向量中各目标函数的极小化；
其中，所述数学模型的不等式约束条件为gi≤0，i＝1,2,…,m，等式约束条件为Hj(x)＝0,j＝1,2,…,k，决策变量为x＝(x1,x2,…,xn)∈X；
根据所述数学模型得到由Pareto最优解组成的集合。
进一步地，所述Pareto最优解定义为：
假设若不存在x∈X，使得成立，则称为多目标函数的Pareto最优解。
进一步地，所述生理信息包括所述目标用户的姓名信息、体重信息、性别信息及年龄信息。
进一步地，所述应季的食材信息包括应季的食材种类信息及食材价格信息。
本发明的有益效果在于：通过获取家庭饮食的期望价格信息、家庭成员个体所需的营养信息、口味偏好信息及应季的食材信息，并结合期望价格信息、营养信息、口味偏好信息及食材信息产生推荐符合要求的饮食清单供成员个体选择，达到多角度且灵活推荐的效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明的饮食信息的推荐方法的流程示意图。
图2为协同过滤算法流程示意图。
图3为本发明的饮食信息的推荐引擎的流程图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
请参见图1，本发明的一较佳实施例中的一种饮食信息的推荐方法，所述方法包括：
获取家庭饮食的期望价格信息；
获取家庭成员个体的生理信息，并基于所述生理信息，获取每个所述成员个体所需的营养信息；在本实施例中，所述生理信息包括所述目标用户的姓名信息、体重信息、性别信息、年龄信息及地域信息等其他信息。诚然，所述成员个体的生理信息在输入后也可在后期进行更改，后期更改后，根据更改后的生理信息重新获取成员个体所需的营养信息。
在获取每个所述成员个体所需的营养信息后，构建营养信息优化的多目标函数；
根据每个所述成员个体的营养信息，确定所述营养信息优化的多目标函数的约束条件，构建营养搭配数学模型，以推荐最佳的营养饮食的搭配组合。具体的，所述数学模型为：
minf(x)＝(f1(x),f2(x),..fp,(x))T
x代表决策变量，f(x)为目标函数，minf(x)表示f(x)向量中各目标函数的极小化；
其中，所述数学模型的不等式约束条件为gi≤0，i＝1,2,…,m，等式约束条件为Hj(x)＝0,j＝1,2,…,k，决策变量为x＝(x1,x2,…,xn)∈X；
根据所述数学模型得到由Pareto最优解组成的集合。
更为具体的，所述Pareto最优解定义为：
假设若不存在x∈X，使得成立，则称为多目标函数的Pareto最优解。
获取每个所述成员个体的口味偏好信息，所述成员个体的口味偏好信息在后期也可进行纠正，所述口味偏好信息以纠正后的为准。所述成员个体对所选择的推荐饮食清单进行评分，获取每个所述成员个体对所选择的饮食清单的评分信息，并基于所述评分信息获得成员个体之间评分信息的相似度。
请参见图2，在获取所述成员个体的评分信息后建立评分矩阵，并通过Pearson相关系数度量出所述成员个体之间评分信息的相似度，通过协同过滤算法以产生邻居列表，根据所述邻居列表找出所述评分信息的最近邻居并根据所述最近邻居进行评分预测，根据预测的评分产生推荐列表。
所述评分信息的相似度通过Pearson相关系数度量，所述Pearson相关系数的数学公式表达为：
其中，Tuv代表成员个体u和成员个体v具有评分信息且为两者共同评分饮食的集合；Ru,t和Rv,t表示成员个体u和成员个体v对于饮食t的评分信息；和表示成员个体u和成员个体v当前各自评分饮食的评分均值。
获取应季的食材信息后，产生推荐饮食清单，所述推荐饮食清单对应的营养信息与每个所述成员个体所需的营养信息匹配，所述推荐饮食清单对应的价格信息与所述期望价格信息匹配。在本实施例中，所述应季的食材信息包括应季的食材种类信息及食材价格信息。
所述产生推荐饮食清单的算法表达式为：
Sf(ME)＝α*Sf(NE)+β*Sf(IE)+(1-α-β)×Sf(SE)，
其中：
Sf(ME)∈Sf(PE)
α和β为0～1的权重系数，f(ME)是推荐饮食清单的计算方法，f(NE)为营养信息的计算方法、f(IE)为口味偏好信息的计算方法、f(SE)为应季的食材信息的计算方法、f(PE)为期望价格信息的计算方法。α和β的值可手动调节以达到最有效果，从而达到既满足每个成员个体的口味、又能满足每个成员个体所需的营养的效果，同时还能达到符合家庭支出价格的要求。更为具体的，在添加新的食材后，可利用与所述新食材对应的食材信息，并基于与所述新食材对应的食材信息，将与所述新食材关联度最高并且已选择过的饮食推荐给家庭。
所述饮食清单根据价格降序排列或升序排列以供每个所述成员个体选择。
值得注意的是，在本实施例中，对于初次设定家庭饮食的期望价格信息、成员个体的生理信息及口味偏好信息时，可通过寻找上述信息之间的关联，从而推荐给家庭与当前设定关联程度最好的饮食清单。
请参见图3，本发明还提供了一种饮食信息推荐引擎，包括：
饮食价格推荐子引擎，用于获取家庭饮食的期望价格信息以推荐符合所述期望价格信息的饮食清单；
饮食营养推荐子引擎，用于获取家庭成员个体的生理信息，并基于所述生理信息，获取每个所述成员个体所需的营养信息，根据所述营养信息推荐符合营养需求的饮食清单；
饮食个性推荐子引擎，用于获取所述成员个体的口味偏好信息，根据所述口味偏好信息推荐符合口味偏好的饮食清单；
饮食时令推荐子引擎，用于获取应季的食材信息，根据所述食材信息推荐符合季节的食材所组成的饮食清单；
饮食信息推荐引擎，用于结合饮食价格推荐子引擎、饮食营养推荐子引擎、饮食个性推荐子引擎及饮食时令推荐子引擎所推荐的饮食清单并产生最终饮食清单，所述最终饮食清单根据价格降序排列或升序排列以供每个所述成员个体选择。
综上所述：通过获取家庭饮食的期望价格信息、家庭成员个体所需的营养信息、口味偏好信息及应季的食材信息，并结合期望价格信息、营养信息、口味偏好信息及食材信息产生推荐符合要求的饮食清单供成员个体选择，达到多角度且灵活推荐的效果。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种饮食信息的推荐方法，其特征在于，包括：
获取家庭饮食的期望价格信息；
获取家庭成员个体的生理信息，并基于所述生理信息，获取每个所述成员个体所需的营养信息；
获取每个所述成员个体的口味偏好信息及应季的食材信息，产生推荐饮食清单，所述推荐饮食清单对应的营养信息与每个所述成员个体所需的营养信息匹配，所述推荐饮食清单对应的价格信息与所述期望价格信息匹配；
所述推荐饮食清单根据价格降序排列或升序排列以供每个所述成员个体选择。
2.如权利要求1所述的方法，其特征在于，所述方法的算法表达式定义为：
Sf(ME)＝α*Sf(NE)+β*Sf(IE)+(1-α-β)×Sf(SE)，
其中：
Sf(ME)∈Sf(PE)
α和β为0～1的权重系数，f(ME)是推荐饮食清单的计算方法，f(NE)为营养信息的计算方法、f(IE)为口味偏好信息的计算方法、f(SE)为应季的食材信息的计算方法、f(PE)为期望价格信息的计算方法。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取每个所述成员个体对所选择的饮食清单的评分信息，并基于所述评分信息获得成员个体之间评分信息的相似度。
4.如权利要求3所述的方法，其特征在于，所述基于所述评分信息获得成员个体之间评分信息的相似度具体为：
获取所述评分信息后建立评分矩阵，并通过Pearson相关系数度量出所述成员个体之间评分信息的相似度，通过协同过滤算法以产生邻居列表，根据所述邻居列表找出所述评分信息的最近邻居并根据所述最近邻居进行评分预测，根据预测的评分产生推荐列表。
5.如权利要求4所述的方法，其特征在于，所述评分信息的相似度通过Pearson相关系数度量，所述Pearson相关系数的数学公式表达为：
其中，Tuv代表成员个体u和成员个体v具有评分信息且为两者共同评分饮食的集合；Ru,t和Rv,t表示成员个体u和成员个体v对于饮食t的评分信息；和表示成员个体u和成员个体v当前各自评分饮食的评分均值。
6.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取每个所述成员个体所需的营养信息后，构建营养信息优化的多目标函数；
根据每个所述成员个体的营养信息，确定所述营养信息优化的多目标函数的约束条件，构建营养搭配数学模型，所述数学模型为：
min f(x)＝(f1(x),f2(x),..fp,(x))T
x代表决策变量，f(x)为目标函数，minf(x)表示f(x)向量中各目标函数的极小化；
其中，所述数学模型的不等式约束条件为gi≤0，i＝1,2,…,m，等式约束条件为Hj(x)＝0,j＝1,2,…,k，决策变量为x＝(x1,x2,…,xn)∈X；
根据所述数学模型得到由Pareto最优解组成的集合。
7.如权利要求6所述的方法，其特征在于，所述Pareto最优解定义为：
假设若不存在x∈X，使得成立，则称为多目标函数的Pareto最优解。
8.如权利要求1所述的方法，其特征在于，所述生理信息包括所述目标用户的姓名信息、体重信息、性别信息及年龄信息。
9.如权利要求1所述的方法，其特征在于，所述应季的食材信息包括应季的食材种类信息及食材价格信息。
CN201811530292.4A 2018-12-14 2018-12-14 饮食信息的推荐方法 Pending CN109300527A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811530292.4A CN109300527A (zh) 2018-12-14 2018-12-14 饮食信息的推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811530292.4A CN109300527A (zh) 2018-12-14 2018-12-14 饮食信息的推荐方法

Publications (1)

Publication Number Publication Date
CN109300527A true CN109300527A (zh) 2019-02-01

Family

ID=65142959

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811530292.4A Pending CN109300527A (zh) 2018-12-14 2018-12-14 饮食信息的推荐方法

Country Status (1)

Country Link
CN (1) CN109300527A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111599439A (zh) * 2020-05-14 2020-08-28 陕西师范大学 一种基于多目标需求相似性的家庭饮食推荐方法及设备
CN112150244A (zh) * 2020-09-23 2020-12-29 杭州纳福载运科技有限责任公司 食材购买过程中的数据处理方法和装置
CN112700842A (zh) * 2019-10-23 2021-04-23 宁波方太厨具有限公司 一种家庭饮食方案推荐方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102375916A (zh) * 2010-08-13 2012-03-14 北京创异联合科技有限公司 健康饮食查询器—家庭健康电子营养师
CN103764136A (zh) * 2011-02-18 2014-04-30 雀巢产品技术援助有限公司 用于治疗、减轻或预防动物神经系统损害的方法和组合物
CN104731846A (zh) * 2014-11-17 2015-06-24 陕西师范大学 基于多目标的个性化餐饮推荐方法及系统
CN105388821A (zh) * 2015-10-13 2016-03-09 中国农业科学院农业信息研究所 一种居民食物消费数据的监控方法
CN106096237A (zh) * 2016-05-31 2016-11-09 点击率（北京）科技有限公司 一种智能推荐健康饮食的方法及装置
CN106228022A (zh) * 2016-07-29 2016-12-14 宁波方太厨具有限公司 一种基于个体生理状态的家庭膳食推荐系统
CN107531388A (zh) * 2015-03-30 2018-01-02 塞斯特实验室公司 主动管理的食品递送
CN107657347A (zh) * 2017-09-30 2018-02-02 桂林电子科技大学 一种面向群组的旅游推荐方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102375916A (zh) * 2010-08-13 2012-03-14 北京创异联合科技有限公司 健康饮食查询器—家庭健康电子营养师
CN103764136A (zh) * 2011-02-18 2014-04-30 雀巢产品技术援助有限公司 用于治疗、减轻或预防动物神经系统损害的方法和组合物
CN104731846A (zh) * 2014-11-17 2015-06-24 陕西师范大学 基于多目标的个性化餐饮推荐方法及系统
CN107531388A (zh) * 2015-03-30 2018-01-02 塞斯特实验室公司 主动管理的食品递送
CN105388821A (zh) * 2015-10-13 2016-03-09 中国农业科学院农业信息研究所 一种居民食物消费数据的监控方法
CN106096237A (zh) * 2016-05-31 2016-11-09 点击率（北京）科技有限公司 一种智能推荐健康饮食的方法及装置
CN106228022A (zh) * 2016-07-29 2016-12-14 宁波方太厨具有限公司 一种基于个体生理状态的家庭膳食推荐系统
CN107657347A (zh) * 2017-09-30 2018-02-02 桂林电子科技大学 一种面向群组的旅游推荐方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孟佩: ""基于饮食行为的个性化饮食推荐服务研究"", 《工程科技》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112700842A (zh) * 2019-10-23 2021-04-23 宁波方太厨具有限公司 一种家庭饮食方案推荐方法
CN112700842B (zh) * 2019-10-23 2023-07-25 宁波方太厨具有限公司 一种家庭饮食方案推荐方法
CN111599439A (zh) * 2020-05-14 2020-08-28 陕西师范大学 一种基于多目标需求相似性的家庭饮食推荐方法及设备
CN111599439B (zh) * 2020-05-14 2023-06-02 陕西师范大学 一种基于多目标需求相似性的家庭饮食推荐方法及设备
CN112150244A (zh) * 2020-09-23 2020-12-29 杭州纳福载运科技有限责任公司 食材购买过程中的数据处理方法和装置

Similar Documents

Publication Publication Date Title
US20190034556A1 (en) Method, apparatus and refrigerator for recipe recommendation
Tuorila et al. Sensory food science in the changing society: Opportunities, needs, and challenges
Scarborough et al. Developing nutrient profile models: a systematic approach
O’Doherty Jensen et al. Preferences, quantities and concerns: socio-cultural perspectives on the gendered consumption of foods
CN109300527A (zh) 饮食信息的推荐方法
CN110504019A (zh) 用户个性化饮食推荐方法、装置、电子设备及存储介质
Ueda et al. Recipe recommendation method by considering the users preference and ingredient quantity of target recipe
Esnouf et al. Food system sustainability: insights from duALIne
CN106682433B (zh) 基于校园一卡通数据的学生饮食行为分析方法
CN109872798A (zh) 一种大数据背景下的营养供餐方法及系统
CN108877896A (zh) 一种人工智能生成体重管理方法
TW200926020A (en) Personalized meal planning method and system thereof
CN112289407A (zh) 基于健康管理的餐饮管理的方法、系统、装置和存储介质
CN110349648A (zh) 一种基于食谱库的生成推荐食谱方法
Mao et al. Recipe recommendation considering the flavor of regional cuisines
BAXTER et al. Children's perceptions of and preferences for vegetables in the West of Scotland: the role of demographic factors
Kumpulainen et al. The effect of freshness in a foodservice context
CN110362739A (zh) 一种基于大数据的推荐食谱方法
Nadamoto et al. Clustering for similar recipes in user-generated recipe sites based on main ingredients and main seasoning
Cardello et al. Hedonic measurement for product development: new methods for direct and indirect scaling
Cassano et al. Benchmarking online food delivery applications against menu labelling laws: a cross-sectional observational analysis
CN108630295A (zh) 一种食物推荐方法及系统
Adekunle et al. Effects of Food Price Shocks on Dietary Composition of Farm Households’ in Nigeria
CN111727429A (zh) 一种基于用户状况的个性化智能配餐方法及系统
Dahiya et al. Consumption habits and innovation potential of mung bean foods in Hisar District of Haryana State, India

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190201