CN109446401A - 用户饮食偏好画像构建方法、装置以及机器可读存储介质 - Google Patents
用户饮食偏好画像构建方法、装置以及机器可读存储介质 Download PDFInfo
- Publication number
- CN109446401A CN109446401A CN201710756697.9A CN201710756697A CN109446401A CN 109446401 A CN109446401 A CN 109446401A CN 201710756697 A CN201710756697 A CN 201710756697A CN 109446401 A CN109446401 A CN 109446401A
- Authority
- CN
- China
- Prior art keywords
- recipe
- user
- weighted value
- attribute
- portrait
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种用户饮食偏好画像构建方法、装置以及机器可读存储介质,属于数据推算领域。该方法包括:从网络获取所述用户对于至少一个食谱中的每个食谱的行为数据;根据所述行为数据,确定所述每个食谱的权重值;根据所述每个食谱的权重值和所述每个食谱的食谱属性确定每个食谱属性的权重值;根据所述每个食谱属性的权重值确定用户标签;根据所述用户标签构建用户饮食偏好画像。本发明的用户饮食偏好画像构建方法、装置以及机器可读存储介质可以准确得到充分展示用户的饮食喜好和禁忌的画像,从而给予用户最佳的体验。
Description
技术领域
本发明涉及数据推算,具体地涉及一种用户饮食偏好画像构建方法、装置以及机器可读存储介质。
背景技术
用户画像包括很多,用户饮食偏好画像和用户上网行为画像等,有定性画像,也有定量画像,一个完整的用户画像需要多种方法结合的获得。
在现有技术中,可以通过以下流程获得用户画像:对网络上网日志数据进行预处理,对上网日志数据进行集群划分,接着分析处理得到属性特征,从数据库匹配该属性特征以得到属性标签,最后根据属性标签构建用户画像。现有技术通过统计方法归纳出标签,得到的用户画像不够准确。
发明内容
本发明实施例的目的是提供一种用户饮食偏好画像构建方法、装置以及机器可读存储介质,该用户饮食偏好画像构建方法、装置以及机器可读存储介质可以准确得到充分展示用户的饮食喜好和禁忌的画像,从而给予用户最佳的体验。
为了实现上述目的,本发明实施例提供一种用户饮食偏好画像构建方法,该方法包括:从网络获取所述用户对于至少一个食谱中的每个食谱的行为数据;根据所述行为数据,确定所述每个食谱的权重值;根据所述每个食谱的权重值和所述每个食谱的食谱属性确定每个食谱属性的权重值;根据所述每个食谱属性的权重值确定用户标签;根据所述用户标签构建用户饮食偏好画像。
优选地,所述根据所述行为数据,确定所述每个食谱的权重值包括:根据所述行为数据,确定至少一个行为中的每个行为的行为权重值;针对所述每个食谱,累加所述每个行为的次数与行为权重值的积。
优选地,所述根据所述每个食谱属性权重值确定用户标签包括:确定同类食谱属性中至少一个食谱属性的权重值的平均值,其中所述至少一个食谱包括至少一类食谱属性;根据权重值大于所述平均值的食谱属性确定所述用户标签。
优选地,所述根据所述每个食谱属性权重值确定用户标签包括:根据同类食谱属性中权重值最大的食谱属性确定所述用户标签。
优选地,所述同类食谱属性包括:口味、烹饪难度、热量、菜系、烹饪时间、烹饪工具、烹饪方式、食材以及功效的其中一者。
优选地,所述用户标签包括:用户口味标签、用户厨艺标签、用户健康标签、菜系偏好标签、工具偏好标签、烹饪方式偏好标签以及食材偏好标签中的至少一者。
本发明还提供一种用户饮食偏好画像构建装置,该装置包括:获取模块和处理模块,其中,所述获取模块用于从网络获取所述用户对于至少一个食谱中的每个食谱的行为数据;所述处理模块用于根据所述行为数据,确定所述每个食谱的权重值;根据所述每个食谱的权重值和所述每个食谱的食谱属性确定每个食谱属性的权重值;根据所述每个食谱属性的权重值确定用户标签;根据所述用户标签构建用户饮食偏好画像。
优选地,所述处理模块还用于:根据所述行为数据,确定至少一个行为中的每个行为的行为权重值;针对所述每个食谱,累加所述每个行为的次数与行为权重值的积。
优选地,所述处理模块还用于:确定同类食谱属性中至少一个食谱属性的权重值的平均值,其中所述至少一个食谱包括至少一类食谱属性;根据权重值大于所述平均值的食谱属性确定所述用户标签。
优选地,所述处理模块还用于:根据同类食谱属性中权重值最大的食谱属性确定所述用户标签。
本发明还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上文所述的用户饮食偏好画像构建方法。
通过上述技术方案,采用本发明提供的用户饮食偏好画像构建方法、装置以及机器可读存储介质,该方法包括:从网络获取所述用户对于至少一个食谱中的每个食谱的行为数据;根据所述行为数据,确定所述每个食谱的权重值;根据所述每个食谱的权重值和所述每个食谱的食谱属性确定每个食谱属性的权重值;根据所述每个食谱属性的权重值确定用户标签;根据所述用户标签构建用户饮食偏好画像。使用层次分析法确定底层权重值,并层层上推以得到用户饮食偏好画像,可以准确得到充分展示用户的饮食喜好和禁忌的画像,从而给予用户最佳的体验。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是本发明一实施例提供的用户饮食偏好画像构建方法的流程图;
图2是本发明另一实施例提供的用户饮食偏好画像构建方法的流程图;
图3是本发明另一实施例提供的用户饮食偏好画像构建方法的流程图;
图4是本发明另一实施例提供的用户饮食偏好画像构建方法的流程图;
图5是本发明一实施例提供的用户饮食偏好画像构建装置的结构示意图。
附图标记说明
1获取模块 2处理模块。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
图1是本发明一实施例提供的用户饮食偏好画像构建方法的流程图。如图1所示,本发明实施例提供一种用户饮食偏好画像构建方法,该方法包括:从网络获取所述用户对于至少一个食谱中的每个食谱的行为数据(步骤S11);根据所述行为数据,确定所述每个食谱的权重值(步骤S12);根据所述每个食谱的权重值和所述每个食谱的食谱属性确定每个食谱属性的权重值(步骤S13);根据所述每个食谱属性的权重值确定用户标签(步骤S14);根据所述用户标签构建用户饮食偏好画像(步骤S15)。
本发明实施例使用层次分析法(AHP)构建用户饮食偏好画像,层次分析法是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来,用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度,并合理地给出每个决策方案的每个标准的权数,利用权数求出各方案的优劣次序。在本实施例中,行为数据可以包括用户在网络中对食谱的浏览、搜索、点赞、评论、收藏以及上传等行为的次数,根据行为数据,通过层次分析法,可以确定至少一个行为中的每个行为的行为权重值。针对所述每个食谱,累加上述行为中的每个行为的次数与行为权重值的积,可以得到每个食谱的权重值。
为了方便说明使用,表1中给出了针对一个食谱的上述行为的每个行为的权重值以及行为次数,其中的数值仅为示例,本发明不做限定,针对该食谱的行为的权重值可以根据需要进行适当调整设置,行为次数以实际获取为准。另表2-5的数值也同样均为示例。
表1
用户行为 | 浏览 | 搜索 | 点赞 | 评论 | 收藏 | 上传 |
权重值 | 1 | 4 | 2 | 3 | 3 | 5 |
次数 | 10 | 4 | 5 | 2 | 1 | 0 |
针对表1的数值,该食谱的权重值为:
1×10+4×4+2×5+3×2+3×1+5×0=45。
图2是本发明另一实施例提供的用户饮食偏好画像构建方法的流程图。如图2所示,该方法包括:从网络获取所述用户对于至少一个食谱中的每个食谱的行为数据(步骤S21);根据所述行为数据,确定所述每个食谱的权重值(步骤S22);针对每个食谱属性,加和具有该食谱属性的至少一个食谱的权重值以得到每个食谱属性的权重值(步骤S23);根据所述每个食谱属性的权重值确定用户标签(步骤S24);根据所述用户标签构建用户饮食偏好画像(步骤S25)。
如表2所示,表2给出了多个食谱中每个食谱的权重值以及该食谱对应的食谱属性,可以将食谱属性分几类,例如表2中所示的三类,包括口味、烹饪难度以及功效,该表中分类情况仅为示例性,其它分类将在下文详细描述。
表2
在本实施例中,针对每个食谱属性,采用加和具有该食谱属性的至少一个食谱的权重值以得到每个食谱属性的权重值,例如使用表2中的示例权重值,“辣”这个食谱属性在食谱A和食谱D中均有出现,因此食谱属性“辣”的权重值为食谱A和食谱D的权重值之和,即45+20=65。其它食谱属性也可以同样确定,在此不再赘述。
图3是本发明另一实施例提供的用户饮食偏好画像构建方法的流程图。如图3所示,该方法包括:从网络获取所述用户对于至少一个食谱中的每个食谱的行为数据(步骤S31);根据所述行为数据,确定所述每个食谱的权重值(步骤S32);根据所述每个食谱的权重值和所述每个食谱的食谱属性确定每个食谱属性的权重值(步骤S33);确定同类食谱属性中至少一个食谱属性的权重值的平均值,其中所述至少一个食谱包括至少一类食谱属性(步骤S34);根据权重值大于所述平均值的食谱属性确定所述用户标签(步骤S35);根据所述用户标签构建用户饮食偏好画像(步骤S36)。
如上文所述,本发明优选口味、烹饪难度、热量、菜系、烹饪时间、烹饪工具、烹饪方式、食材以及功效等分别代表一类食谱属性,即同类食谱属性,所述口味可以包括酸、甜、苦、辣、咸、鲜和淡等中的至少一者;所述烹饪难度可以包括难度一、难度二和难度三等中的至少一者,其中,烹饪难度从难度一到难度三越来越高,也可以对应为简单、一般和困难;所述热量可以包括高热量、中高热量、中等热量、中低热量以及低热量等中的至少一者;所述菜系可以包括韩国料理、日本料理、广东小吃、四川小吃、浙江小吃、江苏小吃、福建小吃、湖南小吃、湖北小吃、山西小吃、北京小吃、上海小吃、天津小吃、川菜、湘菜、粤菜、鲁菜、徽菜、闽菜、浙菜、苏菜、北京菜、上海菜、河南菜、东北菜、西北菜、云贵菜、山西菜以及江西菜等中的至少一者;所述烹饪时间可以包括小于5分钟、5-20分钟、20-40分钟以及40分钟等中的至少一者;所述烹饪工具可以包括平底锅、电饭煲以及砂锅等中的至少一者;所述烹饪方式可以包括拌、腌、卤、炒、焖、蒸、炸、炖、煮、烤、冻、泡以及榨汁等中的至少一者;所述功效可以包括增强免疫力、健胃消食和瘦身中的至少一者。
优选用户标签至少包括用户口味标签、用户厨艺标签、用户健康标签、菜系偏好标签、工具偏好标签、烹饪方式偏好标签以及食材偏好标签等中的一者或多者,以能体现用户饮食偏好为宜。用户口味标签可以基于食谱属性“口味”得出,用户厨艺标签可以基于食谱属性“烹饪难度”和“烹饪时间”得出,用户健康标签可以基于食谱属性“热量”和“功效”得出,菜系偏好标签可以基于食谱属性“菜系”得出,工具偏好标签可以基于食谱属性“烹饪工具”得出,烹饪方式偏好标签可以基于食谱属性“烹饪方式”得出,食材偏好标签可以基于食谱属性“食材”得出。
本实施例中确定用户标签使用的是计算平均值的方法,如表3所示,表3给出了基于表1和表2的数值计算的,口味这一同类食谱属性中三个食谱属性“辣”、“咸”和“甜”的权重值以及平均值。
表3
在表3中,三个食谱属性“辣”、“咸”和“甜”的权重值的平均值是48,大于48的是食谱属性“辣”的75以及“咸”的50,因此,用户标签中的用户口味标签即为“辣”和“咸”。
同样的,还可以计算每个食谱属性的权重值占该类食谱属性的总权重值的百分比,并使用该百分比与平均百分比比较,大于平均百分比的百分比对应的食谱属性可以用来确定用户标签,在此不再赘述。
如表4所示,表4给出了基于表1和表2的数值计算的,功效这一同类食谱属性中三个食谱属性“增强免疫力”、“健胃消食”以及“瘦身”的权重值以及平均值。
表4
在表3中,三个食谱属性“增强免疫力”、“健胃消食”以及“瘦身”的权重值的平均值是38,大于38的是食谱属性“增强免疫力”的45以及“健胃消食”的50,因此,用户标签中的用户健康标签即为“关注增强免疫力”和“关注健胃消食”。
图4是本发明另一实施例提供的用户饮食偏好画像构建方法的流程图。如图4所示,该方法包括:从网络获取所述用户对于至少一个食谱中的每个食谱的行为数据(步骤S41);根据所述行为数据,确定所述每个食谱的权重值(步骤S42);根据所述每个食谱的权重值和所述每个食谱的食谱属性确定每个食谱属性的权重值(步骤S43);根据同类食谱属性中权重值最大的食谱属性确定所述用户标签(步骤S44);根据所述用户标签构建用户饮食偏好画像(步骤S45)。
本实施例中确定用户标签使用的是直接使用最大值的方法,如表5所示,表5给出了基于表1和表2的数值计算的,烹饪难度这一同类食谱属性中三个食谱属性“难度一”、“难度二”以及“难度三”的权重值。
表5
在表5中,权重值最大的为“难度二”,因此用户标签中的用户厨艺标签即为“一般”。如果“难度一”的权重值最大,则用户标签中的厨艺标签为“不擅长”,如果“难度三”的权重值最大,则用户标签中的厨艺标签为“擅长”。
另外,本发明还可以根据权重值较大的多个食谱属性确定用户标签,在此不再赘述。
需要说明的是,如果需要使用户标签包含多个用户标签,可以同时结合上述几种不同的用户标签确定方法,分别确定多个用户标签,最终组合以得到最完整的用户标签。
图5是本发明一实施例提供的用户饮食偏好画像构建装置的结构示意图。如图5所示,本发明还提供一种用户饮食偏好画像构建装置,该装置包括:获取模块1和处理模块2,其中,所述获取模块1用于从网络获取所述用户对于至少一个食谱中的每个食谱的行为数据;所述处理模块2用于根据所述行为数据,确定所述每个食谱的权重值;根据所述每个食谱的权重值和所述每个食谱的食谱属性确定每个食谱属性的权重值;根据所述每个食谱属性的权重值确定用户标签;根据所述用户标签构建用户饮食偏好画像。
优选地,所述处理模块2还用于:根据所述行为数据,确定至少一个行为中的每个行为的行为权重值;针对所述每个食谱,累加所述每个行为的次数与行为权重值的积。
优选地,所述处理模块2还用于:确定同类食谱属性中至少一个食谱属性的权重值的平均值,其中所述至少一个食谱包括至少一类食谱属性;根据权重值大于所述平均值的食谱属性确定所述用户标签。
优选地,所述处理模块2还用于:根据同类食谱属性中权重值最大的食谱属性确定所述用户标签。
本发明还提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行上文所述的用户饮食偏好画像构建方法。该机器可读存储介质可以单独设置为一种设备,也可以设置在冰箱等家电上,从而根据建立的用户偏好画像推荐合适的食材、食谱和健康知识,还可以提醒用户要注意的饮食弊端,从而提高用户的健康指数。
通过上述技术方案,采用本发明提供的用户饮食偏好画像构建方法、装置以及机器可读存储介质,使用层次分析法确定底层权重值,并层层上推以得到用户饮食偏好画像,可以准确得到充分展示用户的饮食喜好和禁忌的画像,从而给予用户最佳的体验。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (11)
1.一种用户饮食偏好画像构建方法,其特征在于,该方法包括:
从网络获取所述用户对于至少一个食谱中的每个食谱的行为数据;
根据所述行为数据,确定所述每个食谱的权重值;
根据所述每个食谱的权重值和所述每个食谱的食谱属性确定每个食谱属性的权重值;
根据所述每个食谱属性的权重值确定用户标签;
根据所述用户标签构建用户饮食偏好画像。
2.根据权利要求1所述的用户饮食偏好画像构建方法,其特征在于,所述根据所述行为数据,确定所述每个食谱的权重值包括:
根据所述行为数据,确定至少一个行为中的每个行为的行为权重值;
针对所述每个食谱,累加所述每个行为的次数与行为权重值的积。
3.根据权利要求1所述的用户饮食偏好画像构建方法,其特征在于,所述根据所述每个食谱属性权重值确定用户标签包括:
确定同类食谱属性中至少一个食谱属性的权重值的平均值,其中所述至少一个食谱包括至少一类食谱属性;
根据权重值大于所述平均值的食谱属性确定所述用户标签。
4.根据权利要求1所述的用户饮食偏好画像构建方法,其特征在于,所述根据所述每个食谱属性权重值确定用户标签包括:
根据同类食谱属性中权重值最大的食谱属性确定所述用户标签。
5.根据权利要求3或4所述的用户饮食偏好画像构建方法,其特征在于,所述同类食谱属性包括:
口味、烹饪难度、热量、菜系、烹饪时间、烹饪工具、烹饪方式、食材以及功效的其中一者。
6.根据权利要求1所述的用户饮食偏好画像构建方法,其特征在于,所述用户标签包括:
用户口味标签、用户厨艺标签、用户健康标签、菜系偏好标签、工具偏好标签、烹饪方式偏好标签以及食材偏好标签中的至少一者。
7.一种用户饮食偏好画像构建装置,其特征在于,该装置包括:
获取模块和处理模块,其中,
所述获取模块用于从网络获取所述用户对于至少一个食谱中的每个食谱的行为数据;
所述处理模块用于根据所述行为数据,确定所述每个食谱的权重值;根据所述每个食谱的权重值和所述每个食谱的食谱属性确定每个食谱属性的权重值;根据所述每个食谱属性的权重值确定用户标签;根据所述用户标签构建用户饮食偏好画像。
8.根据权利要求7所述的用户饮食偏好画像构建装置,其特征在于,所述处理模块还用于:
根据所述行为数据,确定至少一个行为中的每个行为的行为权重值;
针对所述每个食谱,累加所述每个行为的次数与行为权重值的积。
9.根据权利要求7所述的用户饮食偏好画像构建装置,其特征在于,所述处理模块还用于:
确定同类食谱属性中至少一个食谱属性的权重值的平均值,其中所述至少一个食谱包括至少一类食谱属性;
根据权重值大于所述平均值的食谱属性确定所述用户标签。
10.根据权利要求7所述的用户饮食偏好画像构建装置,其特征在于,所述处理模块还用于:
根据同类食谱属性中权重值最大的食谱属性确定所述用户标签。
11.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行权利要求1-6中任意一项权利要求所述的用户饮食偏好画像构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710756697.9A CN109446401A (zh) | 2017-08-29 | 2017-08-29 | 用户饮食偏好画像构建方法、装置以及机器可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710756697.9A CN109446401A (zh) | 2017-08-29 | 2017-08-29 | 用户饮食偏好画像构建方法、装置以及机器可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109446401A true CN109446401A (zh) | 2019-03-08 |
Family
ID=65530084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710756697.9A Pending CN109446401A (zh) | 2017-08-29 | 2017-08-29 | 用户饮食偏好画像构建方法、装置以及机器可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446401A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069619A (zh) * | 2019-03-16 | 2019-07-30 | 平安城市建设科技(深圳)有限公司 | 房源展示方法、装置、设备及计算机可读存储介质 |
CN111754118A (zh) * | 2020-06-24 | 2020-10-09 | 重庆电子工程职业学院 | 基于自适应学习的智能菜谱优化系统 |
CN112116987A (zh) * | 2020-09-23 | 2020-12-22 | 中国农业大学 | 一种基于多属性决策的膳食搭配方法及系统 |
CN113407521A (zh) * | 2021-05-24 | 2021-09-17 | 广州市万表科技股份有限公司 | 一种用户行为标签偏好排序方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102654860A (zh) * | 2011-03-01 | 2012-09-05 | 北京彩云在线技术开发有限公司 | 一种个性化音乐推荐方法及系统 |
US20160071159A1 (en) * | 2014-09-04 | 2016-03-10 | Fuji Xerox Co., Ltd. | Information processing apparatus and non-transitory computer readable medium |
CN105608171A (zh) * | 2015-12-22 | 2016-05-25 | 青岛海贝易通信息技术有限公司 | 用户画像构建方法 |
CN106055617A (zh) * | 2016-05-26 | 2016-10-26 | 乐视控股(北京)有限公司 | 一种数据推送方法及装置 |
CN106651533A (zh) * | 2016-12-29 | 2017-05-10 | 合肥华凌股份有限公司 | 一种基于用户行为的个性化商品推荐方法及装置 |
CN106776697A (zh) * | 2016-11-11 | 2017-05-31 | 北京小度信息科技有限公司 | 内容推荐方法及装置 |
-
2017
- 2017-08-29 CN CN201710756697.9A patent/CN109446401A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102654860A (zh) * | 2011-03-01 | 2012-09-05 | 北京彩云在线技术开发有限公司 | 一种个性化音乐推荐方法及系统 |
US20160071159A1 (en) * | 2014-09-04 | 2016-03-10 | Fuji Xerox Co., Ltd. | Information processing apparatus and non-transitory computer readable medium |
CN105608171A (zh) * | 2015-12-22 | 2016-05-25 | 青岛海贝易通信息技术有限公司 | 用户画像构建方法 |
CN106055617A (zh) * | 2016-05-26 | 2016-10-26 | 乐视控股(北京)有限公司 | 一种数据推送方法及装置 |
CN106776697A (zh) * | 2016-11-11 | 2017-05-31 | 北京小度信息科技有限公司 | 内容推荐方法及装置 |
CN106651533A (zh) * | 2016-12-29 | 2017-05-10 | 合肥华凌股份有限公司 | 一种基于用户行为的个性化商品推荐方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069619A (zh) * | 2019-03-16 | 2019-07-30 | 平安城市建设科技(深圳)有限公司 | 房源展示方法、装置、设备及计算机可读存储介质 |
CN111754118A (zh) * | 2020-06-24 | 2020-10-09 | 重庆电子工程职业学院 | 基于自适应学习的智能菜谱优化系统 |
CN112116987A (zh) * | 2020-09-23 | 2020-12-22 | 中国农业大学 | 一种基于多属性决策的膳食搭配方法及系统 |
CN112116987B (zh) * | 2020-09-23 | 2024-01-26 | 中国农业大学 | 一种基于多属性决策的膳食搭配方法及系统 |
CN113407521A (zh) * | 2021-05-24 | 2021-09-17 | 广州市万表科技股份有限公司 | 一种用户行为标签偏好排序方法、装置、设备及存储介质 |
CN113407521B (zh) * | 2021-05-24 | 2022-02-08 | 广州市万表科技股份有限公司 | 一种用户行为标签偏好排序方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109446401A (zh) | 用户饮食偏好画像构建方法、装置以及机器可读存储介质 | |
US10667638B2 (en) | Recipe generation system for cooking device, and cooking device | |
CN111684368A (zh) | 基于成分识别的食物制备方法和系统 | |
CN103646172B (zh) | 基于历史烹饪信息的烹饪引导方法和装置 | |
CN108133743A (zh) | 一种信息推送的方法、装置和系统 | |
CN104730931A (zh) | 一种美食交互系统和美食食谱的生成方法 | |
CN108074634A (zh) | 一种基于烹饪设备的菜谱生成方法 | |
CN108447543A (zh) | 基于烹饪设备的菜谱推送方法和装置 | |
CN106292368A (zh) | 一种水槽及其智能控制方法 | |
CN111035261B (zh) | 烹饪控制方法、装置及设备 | |
CN104898445B (zh) | 一种信息处理方法及智能家居设备 | |
CN108175259A (zh) | 烹饪装置与方法 | |
JP2015201210A (ja) | 複数のレシピの調理工程を下準備工程と仕上げ工程に分類する方法 | |
CN110289078A (zh) | 一种基于智慧家庭操作系统的食谱推荐方法及装置 | |
CN108415311A (zh) | 一种烹饪设备的控制方法和装置 | |
CN109710855A (zh) | 一种确定菜谱的方法、装置、烹饪设备及存储介质 | |
CN108492861A (zh) | 精准饮食提醒系统与方法 | |
US20190251202A1 (en) | Smart recipe recommendation apparatus, method thereof and automatic cooking apparatus | |
CN108134809A (zh) | 一种信息推送的方法、装置和系统 | |
CN109086367A (zh) | 一种智能烹饪器具的功能选项推荐方法及设备 | |
CN105962755B (zh) | 智能厨具工作的方法及装置 | |
CN111103815A (zh) | 一种菜谱的制作方法和装置 | |
JP2004220414A (ja) | 調理レシピ提供システム | |
WO2020066359A1 (ja) | サーバ装置、情報処理端末、システム、方法およびプログラム | |
CN111045367B (zh) | 烹饪方法、装置及设备 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 230601 Building No. 198, building No. 198, Mingzhu Avenue, Anhui high tech Zone, Anhui Applicant after: Hefei Midea Intelligent Technology Co.,Ltd. Address before: 230601 No. 176 Jinxiu Avenue, Hefei economic and Technological Development Zone, Anhui, China Applicant before: Hefei Midea Intelligent Technology Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |