CN109448817A - 一种基于深度神经网络的食谱推荐方法及设备 - Google Patents
一种基于深度神经网络的食谱推荐方法及设备 Download PDFInfo
- Publication number
- CN109448817A CN109448817A CN201811142466.XA CN201811142466A CN109448817A CN 109448817 A CN109448817 A CN 109448817A CN 201811142466 A CN201811142466 A CN 201811142466A CN 109448817 A CN109448817 A CN 109448817A
- Authority
- CN
- China
- Prior art keywords
- food
- recommender score
- score
- nutriology
- tcm
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nutrition Science (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Coloring Foods And Improving Nutritive Qualities (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于深度神经网络的食物推荐方法及设备,其中,该方法包括:构建中医营养学食物图谱;辨识用户输入的舌象图片表示的体质类型;根据体质类型,获取体质类型对应的目标归经以及与目标归经对应的药性类型和药味类型;获取体质分别对应目标归经、四种药性、五种药味时的推荐分数表;根据目标归经对应的药性类型和药味类型,分别计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;将推荐分数大于3的食物作为推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。通过本发明,通过机器的感知智能识别用户体质,通过食物的气味归经属性,智能检索出用户适用的食物,推荐给用户,以达到更好的食用效果。
Description
技术领域
本发明涉及食谱推荐设备技术领域,特别涉及一种基于深度神经网络的食谱推荐方法及设备。
背景技术
推荐系统是机器学习最广泛的应用领域之一,通过推荐系统可以帮助用户更快、更方便地从海量信息中找到有价值的信息。推荐系统的最终目的是从百万甚至上亿内容或者商品中把有用的东西高效地显示给用户,这样就可以为用户节省很多自行查询的时间,也可以提示用户可能忽略的内容或商品,使用户更愿意花时间待在网站上,从而使商家可以从内容或者商品中赚取更多的利润。
但是目前市场上的推荐算法,一般理解用户的方法,都是用户点击了某个视频、打开了某个网页等来预测用户的喜好,没有用户的健康数据,对于推荐健康相关的内容和商品往往就不能达到很好的效果,特别是对于食物的推荐,更是束手无策,无法为用户推荐合适的定制化的食物。
发明内容
本发明提供一种基于深度神经网络的食谱推荐方法及设备,通过机器的感知智能识别用户体质,通过食物的气味归经属性,智能检索出用户适用的食物,推荐给用户,以达到更好的食用效果。
根据本发明的一个方面,提供了一种基于深度神经网络的食谱推荐方法,包括以下步骤:构建中医营养学食物图谱;中医营养学食物图谱中包含若干种食物以及若干种食物对应的归经气味;辨识用户输入的舌象图片表示的体质类型;根据体质类型,获取体质类型对应的目标归经以及与目标归经对应的药性类型和药味类型;获取体质分别对应目标归经、四种药性、五种药味时的推荐分数表;根据目标归经对应的药性类型和药味类型,分别计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;将推荐分数大于3的食物作为推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
优选地,根据目标归经对应的药性类型和药味类型,分别计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数,包括以下步骤:根据目标归经对应的药性类型,从体质对应四种药性的推荐分数表中提取药性类型的推荐分数;根据目标归经对应的药味类型,从体质对应五种药味的推荐分数表中提取药味类型的推荐分数;通过推荐分数的计算公式计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;其中,推荐分数的计算公式为推荐分数=(归经*0.5+药性*1.5+药味)/3,归经的分数为1。
优选地,根据目标归经对应的药性类型和药味类型,分别计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数之后,该方法还包括以下步骤:将推荐分数大于3的食物和推荐分数小于或等于3的食物进行区分;从中医营养学食物图谱中提取推荐分数大于3的食物的营养特性;
将推荐分数大于3的食物作为推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户,具体为:将推荐分数大于3的食物作为推荐食物,并且与推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户。
优选地,将推荐分数大于3的食物作为推荐食物,并且与推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户之后,该方法还包括以下步骤:根据中医营养学食物图谱包含的食物,构建中医营养学知识图谱;中医营养学知识图谱中包括症状与食物的关联关系;获取用户输入的症状信息;根据中医营养学知识图谱,获取症状信息对应的适合服用的食物清单;从推荐分数大于3的食物中选出属于食物清单的若干种适合服用的食物;将若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
优选地,将若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户之后,该方法还包括以下步骤:根据中医营养学食物图谱包含的食物,建立中医营养学食谱数据库;根据用户输入的症状信息和疾病调理推荐食物,从中医营养学食谱数据库中提取目标食谱并显示出来推荐给用户。
根据本发明的另一个方面,还提供了一种基于深度神经网络的食物推荐设备,包括:食物图谱构建单元,用于构建中医营养学食物图谱;中医营养学食物图谱中包含若干种食物以及若干种食物对应的归经气味;体质辨识单元,用于辨识用户输入的舌象图片表示的体质类型;归经气味获取单元,用于根据体质类型,获取体质类型对应的目标归经以及与目标归经对应的药性类型和药味类型;分数表获取单元,用于获取体质分别对应目标归经、四种药性、五种药味时的推荐分数表;分数计算单元,用于根据目标归经对应的药性类型和药味类型,分别计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;第一食物推荐单元,用于将推荐分数大于3的食物作为推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
优选地,分数计算单元包括:药性分数获取子单元,用于根据目标归经对应的药性类型,从体质对应四种药性的推荐分数表中提取药性类型的推荐分数;药味分数获取子单元,用于根据目标归经对应的药味类型,从体质对应五种药味的推荐分数表中提取药味类型的推荐分数;分数计算子单元,用于通过推荐分数的计算公式计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;其中,推荐分数的计算公式为推荐分数=(归经*0.5+药性*1.5+药味)/3,归经的分数为1。
优选地,一种基于深度神经网络的食物推荐设备还包括:食物区分单元,用于在分数计算单元根据目标归经对应的药性类型和药味类型,分别计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数之后,将推荐分数大于3的食物和推荐分数小于或等于3的食物进行区分;营养特性提取单元,用于从中医营养学食物图谱中提取推荐分数大于3的食物的营养特性;第一食物推荐单元,具体用于将推荐分数大于3的食物作为推荐食物,并且与推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户。
优选地,一种基于深度神经网络的食物推荐设备还包括:知识图谱构建单元,用于在第一食物推荐单元将推荐分数大于3的食物作为推荐食物,并且与推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户之后,根据中医营养学食物图谱包含的食物,构建中医营养学知识图谱;中医营养学知识图谱中包括症状与食物的关联关系;症状获取单元,用于获取用户输入的症状信息;食物清单获取单元,用于根据中医营养学知识图谱,获取症状信息对应的适合服用的食物清单;食物挑选单元,用于从推荐分数大于3的食物中选出属于食物清单的若干种适合服用的食物;第二食物推荐单元,用于将若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
优选地,一种基于深度神经网络的食物推荐设备还包括:食谱库建立单元,用于在第二食物推荐单元将若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户之后,根据中医营养学食物图谱包含的食物,建立中医营养学食谱数据库;食谱推荐单元,用于根据用户输入的症状信息和疾病调理推荐食物,从中医营养学食谱数据库中提取目标食谱并显示出来推荐给用户。
与现有技术相比较,本发明的有益效果如下:
通过本发明,首先需要建立中医营养学食物图谱,再检测用户的体质类型,根据用户的体质类型确定合适的归经和四气五味类型,通过查看推荐分数表格获取用户的体质类型对应的归经、四气和五味的推荐分数,通过推荐分数计算公式计算中医营养学食物图谱包含的多种食物的推荐分数,最后将推荐分数大于3的食物按照推荐分数由大到小的顺序推荐给用户。这种推荐方法能够根据用户的自身体质去推荐合适的食物,比起传统的根据用户浏览过的网页或是用户搜索过的关键词去预估用户的喜好,进而向用户推荐合适的食物,本发明的推荐方法更加注重食物与用户身体的匹配度,更加注重营养和健康,能够达到更好的食用效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。附图中:
图1是根据本发明实施例的一种基于深度神经网络的食物推荐方法的流程图;
图2是根据本发明实施例的一种基于深度神经网络的食物推荐设备的结构框图;
图3是根据本发明实施例一的另一种基于深度神经网络的食物推荐方法的流程图;
图4是根据本发明实施例二的又一种基于深度神经网络的食物推荐方法的流程图;
图5是根据本发明实施例中体质与四气的对应分数图;
图6是根据本发明实施例中体质与五味的对应分数图。
具体实施方式
下面将结合本发明附图,对本发明技术方案进行描述,但所描述的实施例仅仅是本发明一部分实施例,基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供了一种基于深度神经网络的食物推荐方法,图1是根据本发明实施例的一种基于深度神经网络的食物推荐方法的流程图,如图1所示,包括以下步骤:
步骤S101:构建中医营养学食物图谱;中医营养学食物图谱中包含若干种食物以及若干种食物对应的归经气味;
步骤S102:辨识用户输入的舌象图片表示的体质类型;
步骤S103:根据体质类型,获取体质类型对应的目标归经以及与目标归经对应的药性类型和药味类型;
步骤S104:获取体质分别对应目标归经、四种药性、五种药味时的推荐分数表;
步骤S105:根据目标归经对应的药性类型和药味类型,分别计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;
步骤S106:将推荐分数大于3的食物作为推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
在实施过程中,在步骤S105中,可以根据目标归经对应的药性类型,从体质对应四种药性的推荐分数表中提取药性类型的推荐分数;根据目标归经对应的药味类型,从体质对应五种药味的推荐分数表中提取药味类型的推荐分数;通过推荐分数的计算公式计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;其中,推荐分数的计算公式为推荐分数=(归经*0.5+药性*1.5+药味)/3,归经的分数为1。
在步骤S105之后,可以将推荐分数大于3的食物和推荐分数小于或等于3的食物进行区分;从中医营养学食物图谱中提取推荐分数大于3的食物的营养特性;
将推荐分数大于3的食物作为推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户,具体为:将推荐分数大于3的食物作为推荐食物,并且与推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户。
进一步的,还可以根据中医营养学食物图谱包含的食物,构建中医营养学知识图谱;中医营养学知识图谱中包括症状与食物的关联关系;获取用户输入的症状信息;根据中医营养学知识图谱,获取症状信息对应的适合服用的食物清单;从推荐分数大于3的食物中选出属于食物清单的若干种适合服用的食物;将若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
更进一步的,还可以根据中医营养学食物图谱包含的食物,建立中医营养学食谱数据库;根据用户输入的症状信息和疾病调理推荐食物,从中医营养学食谱数据库中提取目标食谱并显示出来推荐给用户。
通过上述步骤,通过机器的感知智能识别用户体质,通过食物的气味归经属性,智能检索出用户适用的食物,推荐给用户,以达到更好的食用效果。
本发明实施例还提供了一种基于深度神经网络的食物推荐设备20,用于实现上述一种基于深度神经网络的食物推荐方法。
图2是根据本发明实施例的一种基于深度神经网络的食物推荐设备20的结构框图,如图2所示,该设备20包括:食物图谱构建单元201,用于构建中医营养学食物图谱;中医营养学食物图谱中包含若干种食物以及若干种食物对应的归经气味;体质辨识单元202,用于辨识用户输入的舌象图片表示的体质类型;归经气味获取单元203,用于根据体质类型,获取体质类型对应的目标归经以及与目标归经对应的药性类型和药味类型;分数表获取单元204,用于获取体质分别对应目标归经、四种药性、五种药味时的推荐分数表;分数计算单元205,用于根据目标归经对应的药性类型和药味类型,分别计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;第一食物推荐单元206,用于将推荐分数大于3的食物作为推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
对于一种基于深度神经网络的食物推荐设备20,分数计算单元205包括:药性分数获取子单元2051,用于根据目标归经对应的药性类型,从体质对应四种药性的推荐分数表中提取药性类型的推荐分数;药味分数获取子单元2052,用于根据目标归经对应的药味类型,从体质对应五种药味的推荐分数表中提取药味类型的推荐分数;分数计算子单元2053,用于通过推荐分数的计算公式计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;其中,推荐分数的计算公式为推荐分数=(归经*0.5+药性*1.5+药味)/3,归经的分数为1。
对于一种基于深度神经网络的食物推荐设备20,还包括:食物区分单元207,用于在分数计算单元205根据目标归经对应的药性类型和药味类型,分别计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数之后,将推荐分数大于3的食物和推荐分数小于或等于3的食物进行区分;营养特性提取单元208,用于从中医营养学食物图谱中提取推荐分数大于3的食物的营养特性;第一食物推荐单元206,具体用于将推荐分数大于3的食物作为推荐食物,并且与推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户。
对于一种基于深度神经网络的食物推荐设备20,还包括:知识图谱构建单元209,用于在第一食物推荐单元206将推荐分数大于3的食物作为推荐食物,并且与推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户之后,根据中医营养学食物图谱包含的食物,构建中医营养学知识图谱;中医营养学知识图谱中包括症状与食物的关联关系;症状获取单元210,用于获取用户输入的症状信息;食物清单获取单元211,用于根据中医营养学知识图谱,获取症状信息对应的适合服用的食物清单;食物挑选单元212,用于从推荐分数大于3的食物中选出属于食物清单的若干种适合服用的食物;第二食物推荐单元213,用于将若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
对于一种基于深度神经网络的食物推荐设备20,还包括:食谱库建立单元214,用于在第二食物推荐单元213将若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户之后,根据中医营养学食物图谱包含的食物,建立中医营养学食谱数据库;食谱推荐单元215,用于根据用户输入的症状信息和疾病调理推荐食物,从中医营养学食谱数据库中提取目标食谱并显示出来推荐给用户。
需要说明的是,装置实施例中描述的一种基于深度神经网络的食物推荐设备对应于上述的方法实施例,其具体的实现过程在方法实施例中已经进行过详细说明,在此不再赘述。
为了使本发明的技术方案和实现方法更加清楚,下面将结合优选的实施例对其实现过程进行详细描述。
实施例一
本实施例提供另一种基于深度神经网络的食物推荐方法,如图3所示,图3是根据本发明实施例一的另一种基于深度神经网络的食物推荐方法的流程图,包括以下步骤:
步骤S301:食物推荐设备构建中医营养学食物图谱;
本发明实施例中,中医营养学食物图谱中包含若干种食物以及若干种食物对应的归经气味;食物推荐设备首先从大量的中医营养学书籍中抽取出食物和食物的营养特性信息,并通过深度神经网络算法进行模型训练,得到中医营养学食物图谱,该中医营养学食物图谱中包含有大量的食物种类和各种种类的食物的营养特性信息;
步骤S302:食物推荐设备辨识用户输入的舌象图片表示的体质类型;
作为一种可选的实施方式,用户需要将自己的舌象图片输入食物推荐设备中以检测自身的体质类型,用户获取自身的舌象图片可以是利用手机拍摄自己的舌象图片,也可以是通过专门的拍摄装置,如相机拍摄自己的舌象图片,本发明实施例不做限定,但是需要说明的是,输入至食物推荐设备中的舌象图片只需要有舌头图象,不需要包括整张人脸,因为包括整张人脸的舌象图片会使的食物推荐设备在检测体质类型时的辨识度降低,降低体质类型检测的精准度;
可选的,上述体质类型可以包括11种,分别为寒凝血淤、寒湿、脾胃气虚、气血两虚、热盛伤津、湿热、实热、食积痰浊、胃气阴不足、阴虚、淤血;
步骤S303:食物推荐设备根据体质类型,获取体质类型对应的目标归经以及与目标归经对应的药性类型和药味类型;
作为一种可选的实施方式,食物推荐设备中提前存储有体质、适合归经、四气以及五味的关系图,当食物推荐设备获取到用户的体质类型之后,就可以查看上述关系图得到用户的体质类型对应的适合归经以及归经对应的四气的类型和五味的类型;
具体的,上述归经指的是药物作用的定位,就是把药物的作用与人体的脏腑经络密切联系起来,以说明药物作用对机体某部分的选择性,从而为临床辩证用药提供依据。一般采用十二脏腑经络法表述,常直接写为归心、肝、脾、肺、肾、胃、大肠、小肠、膀胱、胆、心包、三焦经等;四气指药物的寒、热、温、凉四种特性,又称四性,寒凉和温热是两种对立的药性,而寒与凉、热与温之间只是程度的不同,另外还有平性,即药性平和;五味指辛、甘、酸、苦、咸五种味道;
步骤S304:食物推荐设备获取体质分别对应目标归经、四种药性、五种药味时的推荐分数表;
作为一种可选的实施方式,食物推荐设备中提前存储有体质与分别与四气对应时的分数值,体质分别与五味对应时的分数值,当体质辨别正确时,选取的归经就是合适的,此时体质与适合归经对应的分数为1,体质与四气的对应分数图如图5所示,体质与五味的对应分数图如图6所示;
步骤S305:食物推荐设备根据目标归经对应的药性类型,从体质对应四种药性的推荐分数表中提取药性类型的推荐分数;
步骤S306:食物推荐设备根据目标归经对应的药味类型,从体质对应五种药味的推荐分数表中提取药味类型的推荐分数;
步骤S307:食物推荐设备通过推荐分数的计算公式计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;
作为一种可选的实施方式,上述推荐分数的计算公式为推荐分数=(归经*0.5+药性*1.5+药味)/3,归经的分数为1;
步骤S308:食物推荐设备将推荐分数大于3的食物和推荐分数小于或等于3的食物进行区分;
作为一种可选的实施方式,当食物推荐设备计算出营养学食物图谱中包含的所有食物的推荐分数之后,将推荐分数大于3的食物挑选出来,推荐分数大于3的食物就是适合用户食用的食物,即为食物推荐设备可以向用户推荐的食物;
步骤S309:食物推荐设备从中医营养学食物图谱中提取推荐分数大于3的食物的营养特性;
步骤S310:食物推荐设备将推荐分数大于3的食物作为推荐食物,并且与推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户。
作为一种可选的实施方式,在步骤S310将推荐分数大于3的食物按照推荐分数由大到小的顺序显示出来推荐给用户之后,食物推荐设备还可以向用户推荐合适的食谱,具体的推荐方法为:食物推荐设备先构建关于中医营养学食物图谱中包含的所有食物的食用方法数据库,用户可以在推荐的多种食物中选择自己想吃的几种食物,然后在食物推荐设备上选择食谱推荐功能按键,当然,食物推荐设备具有食谱推荐功能,并且在视频推荐设备上设有食谱推荐功能按键,该按键可以是物理按键,也可以是虚拟按键,本发明实施例不做限定,此时食物推荐设备就会将与用户挑选的几种食物相关的食谱从食谱数据库中挑选出来,显示出来供用户查看,这样就能全方位的为用户推荐合适的食物,使得用户可以食用与自身体质相符合的健康营养的食物,有利于身体健康。
可选的,食物推荐设备可以是手持式的电子设备,如手机、平板等,不仅体积小,轻便,而且方便用户使用,当食物推荐设备为手机时,用户可以直接通过手机上的摄像头拍摄自己的舌象图片并上传,可以更加方便快速的获得自身的体质类型,由于手机可以连接网络,所以食物推荐设备向用户推荐食谱的同时还可以在网络上搜索推荐的食谱的操作视频,用户可以通过观看视频更加直观的知道食物推荐设备推荐的食物的具体烹饪方法,使得用户更愿意去食用食物推荐设备推荐的食物,长时间之后会有利于用户的身体健康。
实施例二
本实施例提供又一种基于深度神经网络的食物推荐方法,如图4所示,图4是根据本发明实施例二的又一种基于深度神经网络的食物推荐方法的流程图,包括以下步骤:
步骤S401:食物推荐设备构建中医营养学食物图谱;
本发明实施例中,中医营养学食物图谱中包含若干种食物以及若干种食物对应的归经气味;食物推荐设备首先从大量的中医营养学书籍中抽取出食物和食物的营养特性信息,并通过深度神经网络算法进行模型训练,得到中医营养学食物图谱,该中医营养学食物图谱中包含有大量的食物种类和各种种类的食物的营养特性信息;
步骤S402:食物推荐设备辨识用户输入的舌象图片表示的体质类型;
作为一种可选的实施方式,用户需要将自己的舌象图片输入食物推荐设备中以检测自身的体质类型,用户获取自身的舌象图片可以是利用手机拍摄自己的舌象图片,也可以是通过专门的拍摄装置,如相机拍摄自己的舌象图片,本发明实施例不做限定,但是需要说明的是,输入至食物推荐设备中的舌象图片只需要有舌头图象,不需要包括整张人脸,因为包括整张人脸的舌象图片会使的食物推荐设备在检测体质类型时的辨识度降低,降低体质类型检测的精准度;
可选的,上述体质类型可以包括11种,分别为寒凝血淤、寒湿、脾胃气虚、气血两虚、热盛伤津、湿热、实热、食积痰浊、胃气阴不足、阴虚、淤血;
步骤S403:食物推荐设备根据体质类型,获取体质类型对应的目标归经以及与目标归经对应的药性类型和药味类型;
作为一种可选的实施方式,食物推荐设备中提前存储有体质、适合归经、四气以及五味的关系图,如图5所示,当食物推荐设备获取到用户的体质类型之后,就可以查看上述关系图得到用户的体质类型对应的适合归经以及归经对应的四气的类型和五味的类型;
具体的,上述归经指的是药物作用的定位,就是把药物的作用与人体的脏腑经络密切联系起来,以说明药物作用对机体某部分的选择性,从而为临床辩证用药提供依据。一般采用十二脏腑经络法表述,常直接写为归心、肝、脾、肺、肾、胃、大肠、小肠、膀胱、胆、心包、三焦经等;四气指药物的寒、热、温、凉四种特性,又称四性,寒凉和温热是两种对立的药性,而寒与凉、热与温之间只是程度的不同,另外还有平性,即药性平和;五味指辛、甘、酸、苦、咸五种味道;
步骤S404:食物推荐设备获取体质分别对应目标归经、四种药性、五种药味时的推荐分数表;
作为一种可选的实施方式,食物推荐设备中提前存储有体质与分别与四气对应时的分数值,体质分别与五味对应时的分数值,当体质辨别正确时,选取的归经就是合适的,此时体质与适合归经对应的分数为1,体质与四气的对应分数图如图6所示,体质与五味的对应分数图如图7所示;
步骤S405:食物推荐设备根据目标归经对应的药性类型,从体质对应四种药性的推荐分数表中提取药性类型的推荐分数;
步骤S406:食物推荐设备根据目标归经对应的药味类型,从体质对应五种药味的推荐分数表中提取药味类型的推荐分数;
步骤S407:食物推荐设备通过推荐分数的计算公式计算中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;
作为一种可选的实施方式,上述推荐分数的计算公式为推荐分数=(归经*0.5+药性*1.5+药味)/3,归经的分数为1;
步骤S408:食物推荐设备将推荐分数大于3的食物和推荐分数小于或等于3的食物进行区分;
作为一种可选的实施方式,当食物推荐设备计算出营养学食物图谱中包含的所有食物的推荐分数之后,将推荐分数大于3的食物挑选出来,推荐分数大于3的食物就是适合用户食用的食物,即为食物推荐设备可以向用户推荐的食物;
步骤S409:食物推荐设备从中医营养学食物图谱中提取推荐分数大于3的食物的营养特性;
步骤S410:食物推荐设备将推荐分数大于3的食物作为推荐食物,并且与推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户。
步骤S411:食物推荐设备根据中医营养学食物图谱包含的食物,构建中医营养学知识图谱;
作为一种可选的实施方式,上述中医营养学知识图谱中包括症状与食物的关联关系,即症状与该症状下禁食的食物的关系以及症状与该症状下适合食用的食物的关系;
步骤S412:食物推荐设备获取用户输入的症状信息;
步骤S413:食物推荐设备根据中医营养学知识图谱,获取症状信息对应的适合服用的食物清单;
步骤S414:食物推荐设备从推荐分数大于3的食物中选出属于食物清单的若干种适合服用的食物;
步骤S415:食物推荐设备将若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
步骤S416:食物推荐设备根据中医营养学食物图谱包含的食物,建立中医营养学食谱数据库;
步骤S417:食物推荐设备根据用户输入的症状信息和上述疾病调理推荐食物,从中医营养学食谱数据库中提取目标食谱并显示出来推荐给用户。
综合上述,通过上述实施例,首先建立中医营养学食物图谱,再检测用户的体质类型,根据用户的体质类型确定合适的归经和四气五味类型,通过查看推荐分数表格获取用户的体质类型对应的归经、四气和五味的推荐分数,通过推荐分数计算公式计算中医营养学食物图谱包含的多种食物的推荐分数,最后将推荐分数大于3的食物按照推荐分数由大到小的顺序推荐给用户。这种推荐方法能够根据用户的自身体质去推荐合适的食物,比起传统的根据用户浏览过的网页或是用户搜索过的关键词去预估用户的喜好,进而向用户推荐合适的食物,本发明的推荐方法更加注重食物与用户身体的匹配度,更加注重营养和健康,能够达到更好的食用效果。
Claims (10)
1.一种基于深度神经网络的食物推荐方法,其特征在于,包括以下步骤:
构建中医营养学食物图谱;所述中医营养学食物图谱中包含若干种食物以及所述若干种食物对应的归经气味;
辨识用户输入的舌象图片表示的体质类型;
根据所述体质类型,获取所述体质类型对应的目标归经以及与所述目标归经对应的药性类型和药味类型;
获取体质分别对应目标归经、四种药性、五种药味时的推荐分数表;
根据所述目标归经对应的药性类型和药味类型,分别计算所述中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;
将推荐分数大于3的食物作为推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标归经对应的药性类型和药味类型,分别计算所述中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数,包括以下步骤:
根据所述目标归经对应的药性类型,从体质对应四种药性的推荐分数表中提取所述药性类型的推荐分数;
根据所述目标归经对应的药味类型,从体质对应五种药味的推荐分数表中提取所述药味类型的推荐分数;
通过推荐分数的计算公式计算所述中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;其中,所述推荐分数的计算公式为推荐分数=(归经*0.5+药性*1.5+药味)/3,归经的分数为1。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标归经对应的药性类型和药味类型,分别计算所述中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数之后,还包括以下步骤:
将推荐分数大于3的食物和推荐分数小于或等于3的食物进行区分;
从所述中医营养学食物图谱中提取推荐分数大于3的食物的营养特性;
将推荐分数大于3的食物作为推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户,具体为:
将推荐分数大于3的食物作为推荐食物,并且与所述推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户。
4.根据权利要求3所述的方法,其特征在于,所述将推荐分数大于3的食物作为推荐食物,并且与所述推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户之后,还包括以下步骤:
根据所述中医营养学食物图谱包含的食物,构建中医营养学知识图谱;所述中医营养学知识图谱中包括症状与食物的关联关系;
获取用户输入的症状信息;
根据所述中医营养学知识图谱,获取所述症状信息对应的适合服用的食物清单;
从所述推荐分数大于3的食物中选出属于所述食物清单的若干种适合服用的食物;
将所述若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
5.根据权利要求4所述的方法,其特征在于,所述将所述若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户之后,还包括以下步骤:
根据所述中医营养学食物图谱包含的食物,建立中医营养学食谱数据库;
根据用户输入的所述症状信息和所述疾病调理推荐食物,从所述中医营养学食谱数据库中提取目标食谱并显示出来推荐给用户。
6.一种基于深度神经网络的食物推荐设备,其特征在于,包括:
食物图谱构建单元,用于构建中医营养学食物图谱;所述中医营养学食物图谱中包含若干种食物以及所述若干种食物对应的归经气味;
体质辨识单元,用于辨识用户输入的舌象图片表示的体质类型;
归经气味获取单元,用于根据所述体质类型,获取所述体质类型对应的目标归经以及与所述目标归经对应的药性类型和药味类型;
分数表获取单元,用于获取体质分别对应目标归经、四种药性、五种药味时的推荐分数表;
分数计算单元,用于根据所述目标归经对应的药性类型和药味类型,分别计算所述中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;
第一食物推荐单元,用于将推荐分数大于3的食物作为推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
7.根据权利要求6所述的设备,其特征在于,分数计算单元包括:
药性分数获取子单元,用于根据所述目标归经对应的药性类型,从体质对应四种药性的推荐分数表中提取所述药性类型的推荐分数;
药味分数获取子单元,用于根据所述目标归经对应的药味类型,从体质对应五种药味的推荐分数表中提取所述药味类型的推荐分数;
分数计算子单元,用于通过推荐分数的计算公式计算所述中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数;其中,所述推荐分数的计算公式为推荐分数=(归经*0.5+药性*1.5+药味)/3,归经的分数为1。
8.根据权利要求6所述的设备,其特征在于,还包括:
食物区分单元,用于在所述分数计算单元根据所述目标归经对应的药性类型和药味类型,分别计算所述中医营养学食物图谱中包含的若干种食物的每一种食物的推荐分数之后,将推荐分数大于3的食物和推荐分数小于或等于3的食物进行区分;
营养特性提取单元,用于从所述中医营养学食物图谱中提取推荐分数大于3的食物的营养特性;
所述第一食物推荐单元,具体用于将推荐分数大于3的食物作为推荐食物,并且与所述推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户。
9.根据权利要求8所述的设备,其特征在于,还包括:
知识图谱构建单元,用于在所述第一食物推荐单元将推荐分数大于3的食物作为推荐食物,并且与所述推荐食物对应的营养特性按照推荐分数由大到小的顺序一起显示出来推荐给用户之后,根据所述中医营养学食物图谱包含的食物,构建中医营养学知识图谱;所述中医营养学知识图谱中包括症状与食物的关联关系;
症状获取单元,用于获取用户输入的症状信息;
食物清单获取单元,用于根据所述中医营养学知识图谱,获取所述症状信息对应的适合服用的食物清单;
食物挑选单元,用于从所述推荐分数大于3的食物中选出属于所述食物清单的若干种适合服用的食物;
第二食物推荐单元,用于将所述若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户。
10.根据权利要求9所述的设备,其特征在于,还包括:
食谱库建立单元,用于在所述第二食物推荐单元将所述若干种适合服用的食物作为疾病调理推荐食物按照推荐分数由大到小的顺序显示出来推荐给用户之后,根据所述中医营养学食物图谱包含的食物,建立中医营养学食谱数据库;
食谱推荐单元,用于根据用户输入的所述症状信息和所述疾病调理推荐食物,从所述中医营养学食谱数据库中提取目标食谱并显示出来推荐给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811142466.XA CN109448817A (zh) | 2018-09-28 | 2018-09-28 | 一种基于深度神经网络的食谱推荐方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811142466.XA CN109448817A (zh) | 2018-09-28 | 2018-09-28 | 一种基于深度神经网络的食谱推荐方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109448817A true CN109448817A (zh) | 2019-03-08 |
Family
ID=65544751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811142466.XA Pending CN109448817A (zh) | 2018-09-28 | 2018-09-28 | 一种基于深度神经网络的食谱推荐方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109448817A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287306A (zh) * | 2019-06-26 | 2019-09-27 | 珠海格力电器股份有限公司 | 一种食谱推荐方法及设备 |
CN110675389A (zh) * | 2019-09-27 | 2020-01-10 | 珠海格力电器股份有限公司 | 一种食品推荐方法、存储介质以及智能家居设备 |
CN111125533A (zh) * | 2019-12-26 | 2020-05-08 | 珠海格力电器股份有限公司 | 菜谱推荐方法和装置、计算机可读存储介质 |
CN111640486A (zh) * | 2020-05-27 | 2020-09-08 | 合肥美的电冰箱有限公司 | 一种菜谱推荐方法、系统、电子设备及存储介质 |
CN112652378A (zh) * | 2020-12-30 | 2021-04-13 | 天津航旭科技发展有限公司 | 饮食推荐方法及装置 |
CN117292142A (zh) * | 2023-09-26 | 2023-12-26 | 北京鹰之眼智能健康科技有限公司 | 一种图像的匹配方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122383A (zh) * | 2010-01-08 | 2011-07-13 | 钱海 | 个性化营养配餐系统 |
CN106295139A (zh) * | 2016-07-29 | 2017-01-04 | 姹ゅ钩 | 一种基于深度卷积神经网络的舌体自诊健康云服务系统 |
CN107025377A (zh) * | 2017-04-05 | 2017-08-08 | 苏华巍 | 一种健康管理系统和方法 |
CN107391906A (zh) * | 2017-06-19 | 2017-11-24 | 华南理工大学 | 基于神经网络和图谱结构的健康饮食知识网络构建方法 |
CN108182967A (zh) * | 2017-12-14 | 2018-06-19 | 华南理工大学 | 一种基于深度神经网络的中医药材推荐方法 |
CN108198607A (zh) * | 2018-03-07 | 2018-06-22 | 美的集团股份有限公司 | 一种食材推荐的方法、设备及计算机存储介质 |
US20180190375A1 (en) * | 2016-12-30 | 2018-07-05 | Suggestic, Inc. | Augmented Reality and Blockchain Technology for Decision Augmentation Systems and Methods Using Contextual Filtering and Personalized Program Generation |
CN108335746A (zh) * | 2017-12-31 | 2018-07-27 | 徐建 | 机器人医生的脉诊诊断治疗方法 |
CN108564113A (zh) * | 2018-03-27 | 2018-09-21 | 华南理工大学 | 一种基于深度神经网络和复杂度感知的舌苔体质识别方法 |
-
2018
- 2018-09-28 CN CN201811142466.XA patent/CN109448817A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122383A (zh) * | 2010-01-08 | 2011-07-13 | 钱海 | 个性化营养配餐系统 |
CN106295139A (zh) * | 2016-07-29 | 2017-01-04 | 姹ゅ钩 | 一种基于深度卷积神经网络的舌体自诊健康云服务系统 |
US20180190375A1 (en) * | 2016-12-30 | 2018-07-05 | Suggestic, Inc. | Augmented Reality and Blockchain Technology for Decision Augmentation Systems and Methods Using Contextual Filtering and Personalized Program Generation |
CN107025377A (zh) * | 2017-04-05 | 2017-08-08 | 苏华巍 | 一种健康管理系统和方法 |
CN107391906A (zh) * | 2017-06-19 | 2017-11-24 | 华南理工大学 | 基于神经网络和图谱结构的健康饮食知识网络构建方法 |
CN108182967A (zh) * | 2017-12-14 | 2018-06-19 | 华南理工大学 | 一种基于深度神经网络的中医药材推荐方法 |
CN108335746A (zh) * | 2017-12-31 | 2018-07-27 | 徐建 | 机器人医生的脉诊诊断治疗方法 |
CN108198607A (zh) * | 2018-03-07 | 2018-06-22 | 美的集团股份有限公司 | 一种食材推荐的方法、设备及计算机存储介质 |
CN108564113A (zh) * | 2018-03-27 | 2018-09-21 | 华南理工大学 | 一种基于深度神经网络和复杂度感知的舌苔体质识别方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110287306A (zh) * | 2019-06-26 | 2019-09-27 | 珠海格力电器股份有限公司 | 一种食谱推荐方法及设备 |
CN110675389A (zh) * | 2019-09-27 | 2020-01-10 | 珠海格力电器股份有限公司 | 一种食品推荐方法、存储介质以及智能家居设备 |
CN111125533A (zh) * | 2019-12-26 | 2020-05-08 | 珠海格力电器股份有限公司 | 菜谱推荐方法和装置、计算机可读存储介质 |
CN111640486A (zh) * | 2020-05-27 | 2020-09-08 | 合肥美的电冰箱有限公司 | 一种菜谱推荐方法、系统、电子设备及存储介质 |
CN112652378A (zh) * | 2020-12-30 | 2021-04-13 | 天津航旭科技发展有限公司 | 饮食推荐方法及装置 |
CN112652378B (zh) * | 2020-12-30 | 2023-08-08 | 天津航旭科技发展有限公司 | 饮食推荐方法及装置 |
CN117292142A (zh) * | 2023-09-26 | 2023-12-26 | 北京鹰之眼智能健康科技有限公司 | 一种图像的匹配方法 |
CN117292142B (zh) * | 2023-09-26 | 2024-05-10 | 北京鹰之眼智能健康科技有限公司 | 一种图像的匹配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109448817A (zh) | 一种基于深度神经网络的食谱推荐方法及设备 | |
JP6801696B2 (ja) | 検索支援システム、検索支援方法及び検索支援プログラム | |
JP6806127B2 (ja) | 検索システム、検索方法、及びプログラム | |
Wu et al. | Fast food recognition from videos of eating for calorie estimation | |
TW201228632A (en) | Health monitoring system | |
CN107341340A (zh) | 食谱推荐方法、系统及终端 | |
CN102214269A (zh) | 信息处理设备,信息输出方法和计算机程序存储装置 | |
CN109817302B (zh) | 一种健身用专家系统 | |
CN106709525A (zh) | 一种相机测量食物营养成分方法 | |
CN109815420A (zh) | 一种信息推送方法及设备 | |
CN109509117A (zh) | 一种菜品推荐方法、装置及系统 | |
JP2019023829A (ja) | 情報提供システム、プログラム、及びサーバ | |
CN111125533A (zh) | 菜谱推荐方法和装置、计算机可读存储介质 | |
CN110675389A (zh) | 一种食品推荐方法、存储介质以及智能家居设备 | |
JP6422173B1 (ja) | 検索装置、検索方法、及び検索プログラム | |
CN117078955B (zh) | 一种基于图像识别的健康管理方法 | |
KR20220128883A (ko) | 와인과 음식의 페어링 및 추천 장치, 방법, 그리고, 컴퓨터 판독가능 기록 매체 | |
CN116628338A (zh) | 一种移动端产品推荐方法、系统、计算机和可读存储介质 | |
CN107682401A (zh) | 信息查看方法及相关设备 | |
CN113874678A (zh) | 食物测量方法、装置及程序 | |
CN111652044A (zh) | 一种基于卷积神经网络目标检测的膳食营养分析方法 | |
KR20200126288A (ko) | 휴대용 장치를 이용한 음식량 측정 방법, 서버 및 프로그램 | |
JP2019160283A (ja) | 検索装置、検索方法、及び検索プログラム | |
JP2001318991A (ja) | 情報システムを用いた栄養管理システム | |
CN114882973A (zh) | 一种基于标准食品识别的每日营养摄取分析方法及系统 |
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 |
Application publication date: 20190308 |
|
RJ01 | Rejection of invention patent application after publication |