CN110648747B - 一种数据推荐方法及相关装置 - Google Patents

一种数据推荐方法及相关装置 Download PDF

Info

Publication number
CN110648747B
CN110648747B CN201910989115.0A CN201910989115A CN110648747B CN 110648747 B CN110648747 B CN 110648747B CN 201910989115 A CN201910989115 A CN 201910989115A CN 110648747 B CN110648747 B CN 110648747B
Authority
CN
China
Prior art keywords
sleep
user
index
value
data
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.)
Active
Application number
CN201910989115.0A
Other languages
English (en)
Other versions
CN110648747A (zh
Inventor
张启
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.)
Shenzhen Shuliantianxia Intelligent Technology Co Ltd
Original Assignee
Shenzhen Shuliantianxia Intelligent Technology Co Ltd
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 Shenzhen Shuliantianxia Intelligent Technology Co Ltd filed Critical Shenzhen Shuliantianxia Intelligent Technology Co Ltd
Priority to CN201910989115.0A priority Critical patent/CN110648747B/zh
Publication of CN110648747A publication Critical patent/CN110648747A/zh
Application granted granted Critical
Publication of CN110648747B publication Critical patent/CN110648747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4815—Sleep quality
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Nutrition Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明实施例公开了一种数据推荐方法及相关装置，该方法包括：根据采集到的第一用户在预设时间段内的睡眠数据，确定所述第一用户的当前睡眠结果估值；根据所述当前睡眠结果估值和睡眠知识图谱，确定所述第一用户的营养参数需求；向所述第一用户推荐与所述营养参数需求的匹配度高于预设匹配阈值的一种或多种食物数据。采用本发明实施例，可以根据用户的睡眠关键指标推介符合要求的食物，有助于针对性地摄入营养，科学地改善睡眠质量。

Description

一种数据推荐方法及相关装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种数据推荐方法及相关装置。
背景技术
睡眠，作为生命所必须的过程，是机体恢复、整合和巩固记忆的重要环节。睡眠对维持身心健康具有重要的调节作用。其中，睡眠分期是根据人体在睡眠期间生理信号的不同变化将睡眠过程分为不同的阶段。人的睡眠大约可以分为4～6个睡眠周期，并且各个睡眠阶段都有各自特定的生理特点；主要将睡眠分为睡眠潜伏期、非快速眼动期(Non-rapideye movement，NREM)和快速眼动期(Rapid eye movement，REM)等。一般可以通过改善日常饮食结构来影响睡眠分期，进而改善人体的睡眠质量和健康状况。
因此，如何根据睡眠情况改善饮食成为亟需解决的问题。
发明内容
本发明实施例提供一种数据推荐方法及相关装置，采用本发明实施例，可以根据用户的睡眠关键指标推介符合要求的食物，有助于针对性地摄入营养，科学地改善睡眠。
第一方面，本发明实施例提供一种数据推荐方法，该方法可以包括：
根据采集到的第一用户在预设时间段内的睡眠数据，确定所述第一用户的当前睡眠结果估值，所述当前睡眠结果估值包括所述第一用户在至少一个睡眠指标上的睡眠结果估值；
根据所述当前睡眠结果估值和睡眠知识图谱，确定所述第一用户的营养参数需求，所述睡眠知识图谱包括所述多种营养参数与所述至少一个睡眠指标相互之间的关联关系，所述睡眠知识图谱中的一种关联关系表示一种营养参数对一个睡眠指标的影响效果；
向所述第一用户推荐与所述营养参数需求的匹配度高于预设匹配阈值的一种或多种食物数据。
在一种可能的实现方式中，所述根据所述当前睡眠结果估值和睡眠知识图谱，确定所述第一用户的营养参数需求，包括：
根据所述睡眠知识图谱，构建睡眠增益矩阵Am×n，所述Am×n中的aij用于定量表示所述多种营养参数中的第j种营养参数对所述至少一个睡眠指标中的第i个睡眠指标的影响效果，m为所述睡眠指标的数量，n为所述营养参数的数量，1≤i≤m，1≤j≤n；
根据所述当前睡眠结果估值，构建睡眠结果估值向量W1×m，所述W1×m中的一个值表示一个睡眠指标的睡眠结果估值；
根据所述W1×m与所述Am×n，得到营养参数需求向量B1×n，所述B1×n中的一个值表示一种营养参数的需求值。
在一种可能的实现方式中，所述向所述第一用户推荐与所述营养参数需求的匹配度高于预设匹配阈值的一种或多种食物数据，包括：
根据各食物数据包含的营养参数，确定所述各食物数据对应的营养参数向量Cn×1，所述Cn×1中的一个值表示一种营养参数的营养度；
根据所述B1×n和所述Cn×1，确定所述各食物数据的营养匹配度得分；
向所述第一用户推荐营养匹配度得分高于所述预设匹配分值的一种或多种食物数据。
在一种可能的实现方式中，所述根据采集到的第一用户在预设时间段内的睡眠数据，确定所述第一用户的当前睡眠结果估值，包括：
根据所述睡眠数据确定所述第一用户的第一睡眠权重估值，所述第一睡眠权重估值包括所述第一用户在所述至少一个睡眠指标上的实际睡眠权重估值；
获取所述第一用户的第二睡眠权重估值，所述第二睡眠权重估值包括所述第一用户在所述至少一个睡眠指标上的期望睡眠权重估值；
根据所述第一睡眠权重估值和所述第二睡眠权重估值，确定所述当前睡眠结果估值。
在一种可能的实现方式中，所述预设时间段包括多个睡眠统计周期；
所述根据所述睡眠数据确定所述第一用户的第一睡眠权重估值，包括：
根据所述睡眠数据确定各睡眠统计周期内所述至少一个睡眠指标各自对应的实际睡眠时长和所述第一用户的实际睡眠总时长，所述实际睡眠总时长等于所述至少一个睡眠指标各自对应的实际睡眠时长的总和；
根据所述各睡眠统计周期内所述至少一个睡眠指标各自对应的实际睡眠时长和所述第一用户的实际睡眠总时长，确定所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的睡眠实际总时长均值；
根据所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的实际睡眠总时长均值，确定所述第一睡眠权重估值。
在一种可能的实现方式中，所述根据所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的实际睡眠总时长均值，确定所述第一睡眠权重估值，包括：
根据公式wk＝tk/T1确定所述至少一个睡眠指标中的第k个睡眠指标对应的实际睡眠权重估值，wk为所述实际睡眠权重估值，tk为第k个睡眠指标对应的实际睡眠时长均值，T1为所述第一用户的实际睡眠总时长均值，1≤k≤m，m为所述睡眠指标的数量。
在一种可能的实现方式中，所述获取所述第一用户的第二睡眠权重估值，包括：
获取所述第一用户对应的所述至少一个睡眠指标各自对应的期望睡眠时长和所述第一用户对应的期望睡眠总时长；
根据公式wh＝th/T2确定所述m个睡眠指标中的第h个睡眠指标对应的期望睡眠权重估值，wh为所述期望睡眠权重估值，th为第h个睡眠指标对应的期望睡眠时长均值，T2为所述第一用户的期望睡眠总时长均值，1≤h≤m，m为所述睡眠指标的数量。
第二方面，本发明实施例提供了一种数据推荐装置，该装置可以包括：
估值单元，用于根据采集到的第一用户在预设时间段内的睡眠数据，确定所述第一用户的当前睡眠结果估值，所述当前睡眠结果估值包括所述第一用户在至少一个睡眠指标上的睡眠结果估值；
营养确定单元，用于根据所述当前睡眠结果估值和睡眠知识图谱，确定所述第一用户的营养参数需求，所述睡眠知识图谱包括所述多种营养参数与所述至少一个睡眠指标相互之间的关联关系，所述睡眠知识图谱中的一种关联关系表示一种营养参数对一个睡眠指标的影响效果；
推介单元，用于向所述第一用户推荐与所述营养参数需求的匹配度高于预设匹配阈值的一种或多种食物数据。
在一种可能的实现方式中，所述营养确定单元，具体用于：根据所述睡眠知识图谱，构建睡眠增益矩阵Am×n，所述Am×n中的aij用于定量表示所述多种营养参数中的第j种营养参数对所述至少一个睡眠指标中的第i个睡眠指标的影响效果，m为所述睡眠指标的数量，n为所述营养参数的数量，1≤i≤m，1≤j≤n；根据所述当前睡眠结果估值，构建睡眠结果估值向量W1×m，所述W1×m中的一个值表示一个睡眠指标的睡眠结果估值；根据所述W1×m与所述Am×n，得到营养参数需求向量B1×n，所述B1×n中的一个值表示一种营养参数的需求值。
在一种可能的实现方式中，所述推介单元，具体用于：根据各食物数据包含的营养参数，确定所述各食物数据对应的营养参数向量Cn×1，所述Cn×1中的一个值表示一种营养参数的营养度；根据所述B1×n和所述Cn×1，确定所述各食物数据的营养匹配度得分；向所述第一用户推荐营养匹配度得分高于所述预设匹配分值的一种或多种食物数据。
在一种可能的实现方式中，所述估值单元，包括：
第一权重确定单元，用于根据所述睡眠数据确定所述第一用户的第一睡眠估值，所述第一睡眠估值包括所述第一用户在所述至少一个睡眠指标上的实际睡眠权重估值；
第二权重确定单元，用于获取所述第一用户的第二睡眠权重估值，所述第二睡眠权重估值包括所述第一用户在所述至少一个睡眠指标上的期望睡眠权重估值；
睡眠结果确定单元，用于根据所述第一睡眠估值和所述第二睡眠估值，确定所述当前睡眠结果估值。
在一种可能的实现方式中，所述预设时间段包括多个睡眠统计周期；
所述第一权重确定单元，包括：
计时单元，用于根据所述睡眠数据确定各睡眠统计周期内所述至少一个睡眠指标各自对应的实际睡眠时长和所述第一用户的实际睡眠总时长，所述实际睡眠总时长等于所述至少一个睡眠指标各自对应的实际睡眠时长的总和；
均值单元，用于根据所述各睡眠统计周期内所述至少一个睡眠指标各自对应的实际睡眠时长和所述第一用户的实际睡眠总时长，确定所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的睡眠实际总时长均值；
权重确定单元，用于根据所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的实际睡眠总时长均值，确定所述第一睡眠权重估值。
在一种可能的实现方式中，所述权重确定单元，具体用于：
根据公式wk＝tk/T1确定所述至少一个睡眠指标中的第k个睡眠指标对应的实际睡眠权重估值，wk为所述实际睡眠权重估值，tk为第k个睡眠指标对应的实际睡眠时长均值，T1为所述第一用户的实际睡眠总时长均值，1≤k≤m，m为所述睡眠指标的数量。
在一种可能的实现方式中，所述第二权重确定单元，具体用于：获取所述第一用户对应的所述至少一个睡眠指标各自对应的期望睡眠时长和所述第一用户对应的期望睡眠总时长；根据公式wh＝th/T2确定所述m个睡眠指标中的第h个睡眠指标对应的实际睡眠权重估值，wh为所述实际睡眠权重估值，wh为第h个睡眠指标对应的实际睡眠时长均值，T2为所述第一用户的实际睡眠总时长均值，1≤h≤m，m为所述睡眠指标的数量。
第三方面，本发明实施例提供了一种终端，该终端包括处理器和存储器，该处理器和存储器相互连接。该存储器用于存储支持该终端执行上述第一方面和/或第一方面任一种可能的实现方式提供的方法的计算机程序，该计算机程序包括程序指令，该处理器被配置用于调用上述程序指令，执行上述第一方面和/或第一方面任一种可能的实施方式所提供的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行以实现上述第一方面和/或第一方面任一种可能的实施方式所提供的方法。
在本发明实施例中，采集用户在一段时间内的睡眠数据，将睡眠数据与参考数据比较，得出该用户的睡眠结果估值，反映出该用户在一段时间段内各个睡眠周期的具体情况；结合已知的睡眠知识图谱，确定该用户对于多种营养参数的营养需求情况。基于该用户的营养需求情况和多种食物的营养组分，匹配并推荐符合该用户需求的食物，从而实现向用户合理科学地推荐食物以及给出智能化的饮食建议，有助于用户针对性地摄入所需营养，有效改善睡眠状况。
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一种数据推荐方法的流程示意图；
图2是本发明实施例提供的一种睡眠知识图谱的示意图；
图3是本发明实施例提供的一种构建睡眠结果估值向量的方法的流程示意图；
图4是本发明实施例提供的一种饮食推荐方法示意图；
图5是本发明实施例提供的一种饮食推荐的过程示意图；
图6是本发明实施例提供的一种数据推荐装置的结构示意图；
图7是本发明实施例提供的一种设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
本发明实施例提供的饮食推介方法(为方便描述，可简称本发明实施例提供的方法)可适用于各个年龄、各个性别的睡眠调节装置和/或系统中，实现合理有效地智能推介食物，有助于针对性地摄入营养，科学地改善睡眠。
下面将结合图1至图4分别对本发明实施例提供的方法及相关装置进行说明。
参见图1，图1是本发明实施例提供的一种数据推荐方法的流程示意图。方该方法可以执行用于进行数据处理的终端上，如服务器、移动终端等，具体包括如下步骤：
S101，根据采集到的第一用户在预设时间段内的睡眠数据确定第一用户的当前睡眠结果估值。
在本发明实施例中，第一用户在预设时间段内的睡眠数据可以是指第一用户在一天或连续多天内的睡眠数据，睡眠数据可用于反映第一用户在睡眠过程中的睡眠情况，睡眠情况可包括用户在每天的睡眠时长、一次睡眠过程中各睡眠分期的交替循环情况(指睡眠分期的起始时间点、各睡眠分期的终止点、睡眠分期的持续时长等)等。
其中，一次睡眠过程可以是指用户从入睡至清醒的过程。通常情况下，一次睡眠过程可以是指用户在一天中的夜晚过程或睡觉时间中的从入睡至清醒的过程。例如，例如，某一天晚上9点到次日7点为第一用户的睡觉时间，则一次睡眠过程是指该第一用户在这一天晚上晚上9点到次日7点中从入睡至清醒的过程。
睡眠分期是指按照用户的脑波变化情况、心率情况等对用户睡眠的过程进行划分所得到的时间周期。具体实现中，可以通过睡眠带、手环等睡眠监测设备获取第一用户的心率数据、脑电波数据等初始的睡眠数据，然后基于这些初始的睡眠数据确定第一用户的睡眠数据，即确定第一用户每天的睡眠时长、每天睡眠过程中各睡眠周期的持续时长。
当前睡眠结果估值包括第一用户在至少一个睡眠指标上的睡眠结果估值，一个睡眠结果估值反映了第一用户在某个睡眠指标上与该睡眠指标的标准值或参考值之间的差距，睡眠指标的标准值或参考值为符合该第一用户的各项人体基础指标(如年龄、性别、体重等)的用户群体(以下简称目标用户群体)应当在该睡眠指标上达到的正常数值或标准数值。
本发明实施例中，睡眠指标可以为前述提及的睡眠分期，有关于睡眠分期的概念，可参考前述描述。其中，第一用户在至少一个睡眠指标上的睡眠结果估值可以包括第一用户在多个睡眠分期上的睡眠结果估值。
在一些可行的实施方式中，多个睡眠分期可以包括睡眠潜伏期，NREM1期(以下简称N1期)，NREM2期(以下简称N2期)，NREM3期(以下简称N3期，或称慢性睡眠(Slow wavesleep,SWS)期)，REM期，觉醒(Wake after sleep onset，WASO)期，则第一用户在至少一个睡眠指标上的睡眠结果估值包括第一用户在睡眠潜伏期、N1期、N2期、N3期、REM期、WASO期的睡眠结果估值。
在另一些可行的实施方式中，还可以通过上述多个睡眠分期中的某几个睡眠分期合并作为一个睡眠指标的方式，得到数量少于上述6个睡眠分期的分期，如可以将N1期和N2期合并作为一个睡眠指标，则第一用户在在至少一个睡眠指标上的睡眠结果估值睡眠潜伏期、(N1期+N2期)、N3期、REM期、WASO期的睡眠结果估值。
多个睡眠分期不限于上述情况，在可选实施方式中，多个睡眠分期还可以有更多情况，例如，还可以对上述提到的6个睡眠分期进行进一步划分，以得到更精细数量更多的多个睡眠分期。有关于睡眠分期的具体情况，本发明实施例不做限制。应理解的是，本发明实施例中的多个睡眠分期应当能涵盖第一用户在一次睡眠过程中的各种睡眠程度。
根据采集到的第一用户在预设时间段内的睡眠数据确定第一用户的当前睡眠结果估值的具体实施方式，请参见后续实施例的描述，此处不做过多描述。
S102，根据第一用户的当前睡眠结果估值和睡眠知识图谱，确定第一用户的营养参数需求。
本发明实施例中，睡眠知识图谱包括多种营养参数与至少一个睡眠指标相互之间的关联关系，睡眠知识图谱中的一种关联关系表示一种营养参数对一个睡眠指标的影响结果。一种营养参数对一个睡眠指标的影响结果可包括正影响、负影响或者不影响，其中，正影响是指该营养参数有助于该睡眠指标，对睡眠指标有增益效果；负影响是指该营养参数有害于该睡眠指标，对睡眠指标有减益效果；不影响是指该营养参数对睡眠指标没有影响。
示例性地，可参考图2，图2是本发明实施例提供的一种睡眠知识图谱的示意图；该睡眠知识图谱中的节点代表一个营养参数或一个睡眠指标，代表营养参数的节点与代表睡眠指标的节点之间连线标识营养参数与睡眠之间的关联关系。由图2可知，营养参数高碳对睡眠潜伏期有增益效果，营养参数高蛋白对WASO期有增益效果，营养参数高脂肪对N2期有减益效果，营养参数低热量对各睡眠期无影响。
具体地，睡眠知识图谱中的多种营养参数可包括：高碳低脂、低碳高脂、高碳、高脂、高蛋白和超低碳、低碳，等等，不限于这里的描述。
本发明实施例中，可通过以下方式确定第一用户的营养参数需求：
首先，根据睡眠知识图谱，构建睡眠增益矩阵Am×n。m为睡眠指标的数量，n为营养参数的数量。
睡眠增益矩阵Am×n可以如下所示：
Figure BDA0002237664570000081
其中，aij用于定量表示所述多种营养参数中的第j种营养参数对第i个睡眠指标的影响效果，1≤i≤m，1≤j≤n。例如，第j种营养参数对第i个睡眠指标的影响效果为增益效果，则aij为1；第j种营养参数对第i个睡眠指标的影响效果为减益效果，则aij为-1；第j种营养参数对第i个睡眠指标的影响效果为不影响，则aij为0。可以理解的是，营养参数对睡眠周期各维度参数之间的影响效果以及定量关系可以通过睡眠仓试验得出，或者通过大数据分析得到两者的定量关系。
其次，根据第一用户的当前睡眠结果估值，构建睡眠结果构建睡眠结果估值向量W1×m，W1×m中的一个值表示一个睡眠指标的睡眠结果估值。
例如，睡眠指标有5个，则W1×m为一个1行5列的矩阵向量，W1×m＝{w1，w2，w3，w4，w5}，w1为第1个睡眠指标的睡眠结果估值，w2为第2个睡眠指标的睡眠结果估值，w3为第3个睡眠指标的睡眠结果估值，w4为第4个睡眠指标的睡眠结果估值，w5为第5个睡眠指标的睡眠结果估值。
其中，有关于根据当前睡眠结果估值，构建睡眠结果估值向量的方式，请参见后续实施例的描述，此处不做过多描述。
最后，根据睡眠结果估值向量W1×m与睡眠增益矩阵Am×n，得到营养参数需求向量B1×n，B1×n中的一个值表示一种营养参数的需求值。
具体地，将睡眠结果估值向量W1×m与睡眠增益矩阵Am×n进行矩阵相乘，可得到营养参数需求向量B1×n，即B1×n＝W1×mAm×n。
表达式B1×n＝W1×mAm×n可展开为：
Figure BDA0002237664570000091
S103，向第一用户推荐与营养匹配参数匹配度高于预设匹配阈值的一种或多种食物数据。
其中，食物数据是指用于唯一表示一种食物的数据，一种食物数据对应一种食物。该食物数据可以为数学编号，英文字母，食物的英文单词，食物的英文单词的简写或缩写，等等，不限于这里的描述。具体地，可以通过以下步骤推荐食物数据：
第一步，根据各食物数据包含的营养参数，确定各食物数据对应的营养参数向量Cn×1，所述Cn×1中的一个值表示一种营养参数的营养度。
这里，食物数据为待选的所有食物或所有食材对应的数据。一个食物数据对应一个营养参数向量Cn×1，如果待选的所有食物或所有食材对应的数据有R种，则共有R个营养参数向量Cn×1。
在一些可行的实施方式中，营养度可以为根据营养参数在食物数据对应的食物或食材中的含量、用于反馈营养参数对人体健康的增益等确定的，用于定量表示食物或食材在营养方面的表现的数值。由于有营养参数的数量为n，则一个营养参数向量Cn×1为n行1列的矩阵。
第二步，根据营养参数需求向量B1×n和营养参数向量Cn×1，确定各食物数据的营养匹配度得分。
具体地，将营养参数需求向量B1×n分别各食物数据对应的营养参数向量Cn×1进行矩阵相乘，可得到各食物数据的营养匹配度得分，即一个食物数据的营养匹配度得分FinalScore＝B1×n Cn×1。
第三步，向第一用户推荐营养匹配度得到高于预设匹配分值的一种或多种食物数据。
具体地，可以对R种食物数据的营养得分FinalScore降序排列；向所述第一用户推介FinalScore高于预设匹配分值的一种或者多种食物数据。例如，筛选得分大于某个数值的食物，将对应的食物数据推荐给用户。
在本发明实施例中，采集用户在一段时间内的睡眠数据，将睡眠数据与参考数据比较，得出该用户的睡眠结果估值，反映出该用户在一段时间段内各个睡眠周期的具体情况；结合已知的睡眠知识图谱，确定该用户对于多种营养参数的营养需求情况。基于该用户的营养需求情况和多种食物的营养组分，匹配并推荐符合该用户需求的食物，从而实现向用户合理科学地推荐食物以及给出智能化的饮食建议，有助于用户针对性地摄入所需营养，有效改善睡眠状况。
参见图3，图3是本发明实施例提供的一种构建睡眠结果估值向量的方法的流程示意图，该方法包括如下步骤：
S301，根据采集到的第一用户在预设时间段内的睡眠数据，确定第一用户的第一睡眠权重估值。
这里，有关于睡眠数据的描述，请参考前述实施例的描述，此处不再赘述。
第一睡眠估值包括第一用户在所有睡眠指标上的实际权重睡眠估值，以睡眠指标为n个为例，则第一睡眠估值为一个包含n个实际权重睡眠估值的向量。
由前述描述可知，睡眠数据为一天或连续多天内的睡眠数据，则预设时间段按天划分可被划分为多个睡眠统计周期，一个睡眠统计周期即为天。确定第一用户的第一睡眠估值的具体方式可以为：
一、根据该睡眠数据确定各睡眠统计周期内至少一个睡眠指标各自对应的实际睡眠时长和第一用户的实际睡眠总时长。
其中，实际睡眠总时长等于至少一个睡眠指标各自对应的实际睡眠时长的总和。以睡眠指标为m个为例，则在一个睡眠统计周期内，有m个实际睡眠时长，一个实际睡眠时长对应一个睡眠指标，以及，有1个睡眠实际总时长。以睡眠统计周期为N为例，则对于每个睡眠指标，均对应N个实际睡眠时长；预设时间段对应N个实际睡眠总时长。
二、根据各睡眠统计周期内至少一个睡眠指标各自对应的实际睡眠时长和第一用户的实际睡眠总时长，确定至少一个睡眠指标各自对应的实际睡眠时长均值和第一用户的睡眠实际总时长均值。
这里，分别对每个睡眠指标对应的实际睡眠时长求均值，即可得到每个睡眠指标对应的实际睡眠时长均值。以睡眠指标为m个为例，则得到的实际睡眠时长均值有m个。对预设时间段对应的所有实际睡眠总时长求均值，可得到第一用户的睡眠实际总时长均值，第一用户的睡眠实际总时长均值共有1个。
三、根据至少一个睡眠指标各自对应的实际睡眠时长均值和第一用户的睡眠实际总时长均值，确定第一睡眠权重估值。
具体地，将各睡眠指标对应的实际睡眠时长均值分别与第一用户的睡眠实际总时长相除，可得到个睡眠指标对应的睡眠权重估值，进而得到第一睡眠权重估值。即，根据公式wk＝tk/T1确定第k个睡眠指标对应的实际睡眠权重估值，wk为第k个睡眠指标对应的实际睡眠权重估值，tk为第k个睡眠指标对应的实际睡眠时长均值，T1为所述第一用户的实际睡眠总时长均值，1≤k≤m，m为睡眠指标的数量，wk组合形成第一睡眠权重估值，第一睡眠权重估值可以表示为一个1行5列的向量Wuser，Wuser＝{wu1，…，wum}。
S302，获取第一用户的第二睡眠权重估值。
第二睡眠权重估值包括第一用户在至少一个睡眠指标上的期望睡眠权重估值。以睡眠指标为m个为例，则第二睡眠权重估值包括m个期望睡眠权重估值。
具体地，可获取第一用户对应的至少一个睡眠指标各自对应的期望睡眠时长和第一用户对应的期望睡眠总时长；根据公式wh＝th/T2确定所述m个睡眠指标中的第h个睡眠指标对应的实际睡眠权重估值，wh为所述实际睡眠权重估值，wh为第h个睡眠指标对应的实际睡眠时长均值，T2为第一用户的实际睡眠总时长均值，1≤h≤m，m为所述睡眠指标的数量。
这里，期望睡眠时长是指目标用户群体应当在某个睡眠指标上达到的标准值或参考值；期望睡眠总时长是指目标用户群体需要的睡眠总时长的标准值或参考值。其中，第一用户的在某个睡眠指标上的期望睡眠时长和期望睡眠总时长可以基于某些做睡眠研究的权威机构给出的结论或报告确定。
wh组合形成第一睡眠权重估值，第一睡眠权重估值可以表示为一个1行5列的向量Wstd，Wstd＝{ws1，…，wsm}。
S303，根据第一睡眠估值和第二睡眠估值，确定第一用户的当前睡眠结果估值。
具体地，将第一睡眠估值减去第二睡眠估值，即为第一用户的当前睡眠结果估值，即将wu1减去ws1得到第一个睡眠指标的当前睡眠结果估值w1，将wu2减去ws2得到第一个睡眠指标的当前睡眠结果估值w2，…，将wum减去wsm得到第一个睡眠指标的当前睡眠结果估值wm。
S304，根据第一用户的当前睡眠结果估值，构建睡眠结果估值向量。
具体地，将w1～wm组合可得到睡眠结果估值向量W1×m。
在本发明实施例中，采集用户在一段时间内的睡眠数据，将睡眠数据与参考数据比较，得出该用户的睡眠结果估值，反映出该用户在一段时间段内各个睡眠周期的具体情况；结合已知的睡眠知识图谱，确定该用户对于多种营养参数的营养需求情况。基于该用户的营养需求情况和多种食物的营养组分，匹配并推荐符合该用户需求的食物，从而实现向用户合理科学地推荐食物以及给出智能化的饮食建议，有助于用户针对性地摄入所需营养，有效改善睡眠状况。
上面描述了一种数据推荐方法，下面结合上述数据推荐方法，描述该方法对应的一种具体应用场景：饮食推荐场景。
参见图4，图4是本发明实施例提供的一种饮食推荐的方法示意图。本发明实施例提供的方法以服务器为执行主体进行单侧描述，可以包括如下步骤S401-步骤S403。本发明实施例对执行主体不作限定。
S401，确定用户在预设时间段内的睡眠结果估值。
具体地，通过设备(如手环)采集第一用户的睡眠数据，根据预设的计算过程确定睡眠结果估值。睡眠数据包括用户在一次或者多次睡眠过程中的多个睡眠周期。
在一种可能的实现方式中，具体的计算过程如下：
首先，获取所述第一用户在连续天数的每一天内多个睡眠周期的睡眠时长；通过公式
Figure BDA0002237664570000131
计算睡眠周期在所述连续天数内的平均睡眠时长，直至确定全部睡眠周期的平均睡眠时长；其中，slpuser为在某天内某个睡眠周期的睡眠时长，Nuser为天数，0<q≤Nuser，q为整数。例如，一般成年人的睡眠周期可以分为5个周期，通过SLPmean计算每个周期的在连续天数(如15天)内的平均时长。
通过公式
Figure BDA0002237664570000132
计算在所述连续天数内的平均睡眠总时长，
其中，TSTmean为平均睡眠总时长，tstuser为在第p天用户的睡眠总时长，所述第p天的睡眠总时长为第p天全部睡眠周期的睡眠时长之和。例如，通过TSTmean计算用户在15天内的平均睡眠时长。
通过公式Wuser＝SLPmean/TSTmean计算睡眠周期的第一睡眠权重(即实际睡眠权重)，直至确定所有睡眠周期对应的第一睡眠权重；例如，通过Wuser计算每个睡眠周期在15天内的平均时长(即SLPmean)占该用户在15天内的平均睡眠时长(即TSTmean)的比重。
接着，确定第二睡眠权重。
具体地，通过公式Wstd＝SLPstd/TSTstd确定第二睡眠权重(即期望的睡眠权重)；SLPstd为某个睡眠周期的平均睡眠时长，TSTstd为平均睡眠总时长。可以理解的是，SLPstd、TSTstd可以通过大数据统计或者根据样本估计得到。
然后，根据第一睡眠权重和第二睡眠权重，确定睡眠结果估值。
具体地，通过公式W1M＝Wuser-Wstd确定W1M，其中，Wuser为某个第一睡眠权重，Wstd为对应的第二睡眠权重，W1M表示该第一睡眠权重与对应第二睡眠权重差值的向量；可以理解的是，与理论标准值或者获取的参考值作差，能够确定每个睡眠周期的偏差。在本发明实施例中W1M、Wuser以及Wstd可以以标量形式表示，而W1M为向量；例如，当M为5时，W1M为五维向量，每一个维度代表一个睡眠周期，如REM期；其中，每一个维度的数值通过前述公式计算。例如，计算REM期的睡眠权重之后，将得到的REM期的睡眠权重与可参考的REM期的睡眠权重进行对比；其中，可参考的REM期的睡眠权重就是对应的第二睡眠权重，即标准的REM期睡眠权重(可以通过大数据统计等方式获取)；本发明实施例对如何获得标准的睡眠权重(包括REM期、N3期、N1期等睡眠周期)不作限定。
可以理解的是，营养对睡眠周期各维度参数之间定量关系可以通过睡眠仓试验得出，或者通过大数据分析得到两者的定量关系。
在一种可能的实现方式中，将W1M的M个维度中大于预设维度阈值对应的睡眠周期确定为目标睡眠周期，其中，所述目标睡眠周期为一个睡眠周期中一个或者多个时间段。进一步可选地，根据所述目标睡眠周期和睡眠知识图谱，确定所述目标睡眠周期的目标营养参数；向所述第一用户推介与所述目标营养参数需求的匹配度高于预设匹配阈值的一种或者多种食物。
具体地，所述目标睡眠周期为所述第一用户在睡眠时间段内一个或者多个时间段，例如，某一天晚上9点到次日7点为第一用户的睡眠时间段，目标睡眠周期可以是REM期，一般REM期在人睡着期间是多段非连续的时间段，，每一段时间长度可能相同或者不同，如01:19-01:33；05:29-05:47等等。所述目标睡眠周期为经过检测和分析，确定出的第一用户需要改善的睡眠周期。可以理解的是，通过合理的分析计算后，确定出与标准睡眠周期数值存在较大差值的一个或者多个睡眠周期，判断为目标睡眠周期，即需要改善的睡眠周期。
在一种可能的实现方式中，确定第一用户的目标睡眠周期，包括：
将所述第一用户在预设时间段内的第一睡眠分期，与第二睡眠分期进行对比，确定所述目标睡眠周期，其中，所述第一睡眠分期包括采集的M个第一睡眠周期，所述第二睡眠分期包括期望的M个第二睡眠周期，可以理解的是，期望的第二睡眠周期可以通过大数据获得；例如，第一用户为23岁的成年男性，那么通过数据采集和分析，确定出该年龄段的成年男性的在睡着时各个睡眠周期的时长参考范围或者参考比例，如深度睡眠参考比例为20-60％、快速眼动参考比例为10-30％。
再例如，获取用户在预设时间段内(如15天内)的每一天的睡眠时间段内的睡眠分期情况。根据用户的年龄、性别等因素确定用户的各个睡眠周期，如成人的睡眠周期分为5个周期。计算每一个周期在预设时间段内的平均时长。将每一个周期的平均时长与对应的标准周期的时长作差，得到每一个周期的权重向量，表示每一个周期与标准周期数值的偏差。可以将偏差最大的对应周期确定为目标睡眠周期。可选地，第二睡眠分期可以通过大数据分析得到；例如，当用户输入自身的年龄、性别等人体基础指标后，可以根据获得的人体基础指标确定用户对应的标准睡眠分期(如分期数量、类型以及每个周期的时长范围等)。再例如，用户为年龄大于18周岁的成年人，那么睡眠分期结果基本以成人标准睡眠分期结果作为基础。本发明实施例中人体基础指标可以包括但不限于年龄、性别。
可选地，通过手机、手环等终端接收用户输入的信息(如用户的人体基础指标)。进一步可选地，通过睡眠检测设备(如心率、脑电波等参数检测设备或者智能手环)睡眠关键指标，得出被测人在睡眠阶段中的各个睡眠周期。例如，通过睡眠监测器检测用户一整晚的睡眠情况，得出用户的睡眠关键指标(或睡眠分期结果)。睡眠分期结果可以包括睡眠潜伏期、NREM1期(简称N1期)、NREM2期(简称N2期)、NREM3期(简称N3期，或称慢性睡眠(Slowwave sleep,SWS)期)和觉醒(Wake after sleep onset，WASO)期。服务器可以根据用户的心率或者用户的脑电波等指标来确定该用户的各个睡眠周期，本发明实施例对如何进行睡眠分期不作限定。进一步可选地，通过相关设备(如手环)监测用户的一整晚的睡眠情况，用户的睡眠时间段可以由用户自行设定(比如，晚上23点到次日7点)，或者根据心率或者脑电波参数自动开始数据收集和停止数据收集(比如，当夜晚某个时刻后用户的心率低于某预设数值，判断用户已经开始进入睡眠状态；当在第二天的预设时间段内用户心率高于某预设数值，判断用户已经不处于睡眠状态)，本发明实施例对如何识别用户是否进入睡眠状态不做限定。
S402，根据睡眠结果估值和睡眠知识图谱，确定用户对营养参数的需求。
S403，结合多种食物的营养参数以及用户对营养参数的需求，匹配出一种或者多种合适的食物。
具体地，匹配的依据可以是食物的得分。例如，计算某种食物的营养得分FinalScoren。通过营养向量CR表示一种食物的多维营养参数；通过公式FinalScoren＝B·CR计算该种食物的营养得分FinalScoren；所述营养得分FinalScoren越高，该种食物与用户的营养参数需求B的匹配度越大。
可选地，计算每一种备选食物的营养参数，可以以营养向量表示对应食物的营养参数情况。本发明实施例对食物的数量不作限定，如有100种食物，对这100种食物全部进行计算筛选，或者根据用户的偏好只对100种食物中的部分食物进行筛选，作为推介的备选对象；从这些备选对象中选出最符合对应用户营养需求的一种或者几种食物。
可选地，服务器针对预存的食物数据，确定多种食物中每一种食物的营养参数。与目标营养参数的匹配程度，多种食物可以为所有食物数据对应的全部食物，或者由用户选择食物的种类，或者结合用户的偏好设置对食物进行筛选得出。例如，备选食物库中可以有多种食物，在向用户推介食物之前，计算每种食物包含的营养是否达到与目标营养参数(或目标营养需求)匹配的条件。可选地，通过匹配算法(以营养、睡眠、食材三者的关系为计算依据)输出食材的评分，根据食材的评分筛选符合需要的食材。例如，基于目标睡眠周期权重与食材权重，计算出某食材在不同睡眠周期上的分值加权；通过分值加权方式，按照用户画像中的标签(即用户的多个睡眠分期)与食物的营养参数，计算食材得分。
在一种可能的实现方式中，所述向所述第一用户推介与所述营养参数需求匹配度高于预设匹配阈值的一种或者多种食物，包括：对多种食物的营养得分FinalScoren降序排列；向所述第一用户推介FinalScoren高于预设分值的一种或者多种食物。例如，筛选得分大于某个数值的食物，将对应的食物推介给用户。
在本发明实施例中，采集用户在一段时间内的睡眠数据，将睡眠数据与参考数据比较，得出该用户的睡眠结果估值，反映出该用户在一段时间段内各个睡眠周期的具体情况；结合已知的睡眠知识图谱，确定该用户对于多种营养参数的营养需求情况。基于该用户的营养需求情况和多种食物的营养组分，匹配并推荐符合该用户需求的食物，从而实现向用户合理科学地推荐食物以及给出智能化的饮食建议，有助于用户针对性地摄入所需营养，有效改善睡眠状况。
为了便于理解上述的方法实施例，下面提供一种饮食推介系统的流程示意图。请参见图5，图5是本发明实施例提供的一种饮食推荐的过程示意图。如图5所示，睡眠指标(即睡眠周期)包括了睡眠潜伏期、N1+N2期(图中将N1期和N2期作为一个整体统计)、SWS(N3)期、REM期和W期(即WASO期)；人体基础指标包括了性别和年龄，通过用户的性别和年龄可以得到该用户对应的第二睡眠分期(即与采集的第一睡眠分期对比的睡眠分期参考数值，包括了对应的M个睡眠周期)；营养参数包括了高碳低脂、低碳高脂、高碳、高脂、高蛋白和超低碳(低于低碳饮食的标准，可以认为是超低碳)等等，本发明实施例对营养参数的具体内容不作限定，上述内容都是示例性的描述。基于上述三者的数据，确定睡眠周期的定量关系(即睡眠权重，表示一段时间内某睡眠周期占平均睡眠时长的比重)；与成人标准睡眠分期(图中以成人为例)对比，根据前述提及的匹配算法，在备选的食材列表中排序输出符合要求的一种或者多种食物。
上面描述了数据推荐方法和数据推荐过程，下面是本发明实施例提供的一种数据推荐装置。
参见图6，图6是本发明实施例提供的一种数据推荐装置的结构示意图。本发明实施例提供的数据推荐装置60，可以包括估值单元601、营养确定单元602、推介单元603
估值单元601，用于根据采集到的第一用户在预设时间段内的睡眠数据，确定所述第一用户的当前睡眠结果估值，所述当前睡眠结果估值包括所述第一用户在至少一个睡眠指标上的睡眠结果估值；
营养确定单元602，用于根据所述当前睡眠结果估值和睡眠知识图谱，确定所述第一用户的营养参数需求，所述睡眠知识图谱包括所述多种营养参数与所述至少一个睡眠指标相互之间的关联关系，所述睡眠知识图谱中的一种关联关系表示一种营养参数对一个睡眠指标的影响效果；
推介单元603，用于向所述第一用户推荐与所述营养参数需求的匹配度高于预设匹配阈值的一种或多种食物数据。
在一种可能的实现方式中，所述营养确定单元602，具体用于：根据所述睡眠知识图谱，构建睡眠增益矩阵Am×n，所述Am×n中的aij用于定量表示所述多种营养参数中的第j种营养参数对所述至少一个睡眠指标中的第i个睡眠指标的影响效果，m为所述睡眠指标的数量，n为所述营养参数的数量，1≤i≤m，1≤j≤n；根据所述当前睡眠结果估值，构建睡眠结果估值向量W1×m，所述W1×m中的一个值表示一个睡眠指标的睡眠结果估值；根据所述W1×m与所述Am×n，得到营养参数需求向量B1×n，所述B1×n中的一个值表示一种营养参数的需求值。
在一种可能的实现方式中，所述推介单元603，具体用于：根据各食物数据包含的营养参数，确定所述各食物数据对应的营养参数向量Cn×1，所述Cn×1中的一个值表示一种营养参数的营养度；根据所述B1×n和所述Cn×1，确定所述各食物数据的营养匹配度得分；向所述第一用户推荐营养匹配度得分高于所述预设匹配分值的一种或多种食物数据。
在一种可能的实现方式中，所述估值单元601，包括：
第一权重确定单元604，用于根据所述睡眠数据确定所述第一用户的第一睡眠估值，所述第一睡眠估值包括所述第一用户在所述至少一个睡眠指标上的实际睡眠权重估值；
第二权重确定单元605，用于获取所述第一用户的第二睡眠权重估值，所述第二睡眠权重估值包括所述第一用户在所述至少一个睡眠指标上的期望睡眠权重估值；
睡眠结果确定单元606，用于根据所述第一睡眠估值和所述第二睡眠估值，确定所述当前睡眠结果估值。
在一种可能的实现方式中，所述预设时间段包括多个睡眠统计周期；
所述第一权重确定单元604，包括：
计时单元606，用于根据所述睡眠数据确定各睡眠统计周期内所述至少一个睡眠指标各自对应的实际睡眠时长和所述第一用户的实际睡眠总时长，所述实际睡眠总时长等于所述至少一个睡眠指标各自对应的实际睡眠时长的总和；
均值单元607，用于根据所述各睡眠统计周期内所述至少一个睡眠指标各自对应的实际睡眠时长和所述第一用户的实际睡眠总时长，确定所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的睡眠实际总时长均值；
权重确定单元608，用于根据所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的实际睡眠总时长均值，确定所述第一睡眠权重估值。
在一种可能的实现方式中，所述权重确定单元608，具体用于：
根据公式wk＝tk/T1确定所述至少一个睡眠指标中的第k个睡眠指标对应的实际睡眠权重估值，wk为所述实际睡眠权重估值，tk为第k个睡眠指标对应的实际睡眠时长均值，T1为所述第一用户的实际睡眠总时长均值，1≤k≤m，m为所述睡眠指标的数量。
在一种可能的实现方式中，所述第二权重确定单元605，具体用于：获取所述第一用户对应的所述至少一个睡眠指标各自对应的期望睡眠时长和所述第一用户对应的期望睡眠总时长；根据公式wh＝th/T2确定所述m个睡眠指标中的第h个睡眠指标对应的实际睡眠权重估值，wh为所述实际睡眠权重估值，wh为第h个睡眠指标对应的实际睡眠时长均值，T2为所述第一用户的实际睡眠总时长均值，1≤h≤m，m为所述睡眠指标的数量。
在本发明实施例中，采集用户在一段时间内的睡眠数据，将睡眠数据与参考数据比较，得出该用户的睡眠结果估值，反映出该用户在一段时间段内各个睡眠周期的具体情况；结合已知的睡眠知识图谱，确定该用户对于多种营养参数的营养需求情况。基于该用户的营养需求情况和多种食物的营养组分，匹配并推荐符合该用户需求的食物，从而实现向用户合理科学地推荐食物以及给出智能化的饮食建议，有助于用户针对性地摄入所需营养，有效改善睡眠状况。
参见图7，图7是本发明实施例提供的一种设备的结构示意图。在本发明实施例中，设备可以包括终端、服务器等，本发明实施例对此不作限定。如图7所示，本实施例中的终端可以包括：一个或多个处理器701(在图7中以一个处理器为例)和存储器702。上述处理器701和存储器702通过总线703连接。存储器702用于存储计算机程序，该计算机程序包括程序指令，处理器701用于执行存储器702存储的程序指令，执行如下操作：
根据采集到的第一用户在预设时间段内的睡眠数据，确定所述第一用户的当前睡眠结果估值，所述当前睡眠结果估值包括所述第一用户在至少一个睡眠指标上的睡眠结果估值；
根据所述当前睡眠结果估值和睡眠知识图谱，确定所述第一用户的营养参数需求，所述睡眠知识图谱包括所述多种营养参数与所述至少一个睡眠指标相互之间的关联关系，所述睡眠知识图谱中的一种关联关系表示一种营养参数对一个睡眠指标的影响效果；
向所述第一用户推荐与所述营养参数需求的匹配度高于预设匹配阈值的一种或多种食物数据。
在一种可能的实现方式中，所述处理器701用于：
根据所述睡眠知识图谱，构建睡眠增益矩阵Am×n，所述Am×n中的aij用于定量表示所述多种营养参数中的第j种营养参数对所述至少一个睡眠指标中的第i个睡眠指标的影响效果，m为所述睡眠指标的数量，n为所述营养参数的数量，1≤i≤m，1≤j≤n；
根据所述当前睡眠结果估值，构建睡眠结果估值向量W1×m，所述W1×m中的一个值表示一个睡眠指标的睡眠结果估值；
根据所述W1×m与所述Am×n，得到营养参数需求向量B1×n，所述B1×n中的一个值表示一种营养参数的需求值。
在一种可能的实现方式中，所述向所述第一用户推荐与所述营养参数需求的匹配度高于预设匹配阈值的一种或多种食物数据，包括：
根据各食物数据包含的营养参数，确定所述各食物数据对应的营养参数向量Cn×1，所述Cn×1中的一个值表示一种营养参数的营养度；
根据所述B1×n和所述Cn×1，确定所述各食物数据的营养匹配度得分；
向所述第一用户推荐营养匹配度得分高于所述预设匹配分值的一种或多种食物数据。
在一种可能的实现方式中，所述处理器701用于：
根据所述睡眠数据确定所述第一用户的第一睡眠权重估值，所述第一睡眠权重估值包括所述第一用户在所述至少一个睡眠指标上的实际睡眠权重估值；
获取所述第一用户的第二睡眠权重估值，所述第二睡眠权重估值包括所述第一用户在所述至少一个睡眠指标上的期望睡眠权重估值；
根据所述第一睡眠权重估值和所述第二睡眠权重估值，确定所述当前睡眠结果估值。
在一种可能的实现方式中，所述预设时间段包括多个睡眠统计周期；
所述处理器701用于：
根据所述睡眠数据确定各睡眠统计周期内所述至少一个睡眠指标各自对应的实际睡眠时长和所述第一用户的实际睡眠总时长，所述实际睡眠总时长等于所述至少一个睡眠指标各自对应的实际睡眠时长的总和；
根据所述各睡眠统计周期内所述至少一个睡眠指标各自对应的实际睡眠时长和所述第一用户的实际睡眠总时长，确定所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的睡眠实际总时长均值；
根据所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的实际睡眠总时长均值，确定所述第一睡眠权重估值。
在一种可能的实现方式中，所述处理器701用于：
根据公式wk＝tk/T1确定所述至少一个睡眠指标中的第k个睡眠指标对应的实际睡眠权重估值，wk为所述实际睡眠权重估值，tk为第k个睡眠指标对应的实际睡眠时长均值，T1为所述第一用户的实际睡眠总时长均值，1≤k≤m，m为所述睡眠指标的数量。
在一种可能的实现方式中，所述处理器701用于：
获取所述第一用户对应的所述至少一个睡眠指标各自对应的期望睡眠时长和所述第一用户对应的期望睡眠总时长；
根据公式wh＝th/T2确定所述m个睡眠指标中的第h个睡眠指标对应的期望睡眠权重估值，wh为所述期望睡眠权重估值，th为第h个睡眠指标对应的期望睡眠时长均值，T2为所述第一用户的期望睡眠总时长均值，1≤h≤m，m为所述睡眠指标的数量。
应当理解，在一些可行的实施方式中，上述处理器701可以是中央处理单元(central processing unit，CPU)，该处理器701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 integratedcircuit，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。
该存储器702可以包括只读存储器和随机存取存储器，并向处理器701提供指令和数据。存储器702的一部分还可以包括非易失性随机存取存储器。例如，存储器702还可以存储设备类型的信息。
具体实现中，上述终端可通过其内置的各个功能模块执行如上述图1中各个步骤所提供的实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
在本发明实施例中，采集用户在一段时间内的睡眠数据，将睡眠数据与参考数据比较，得出该用户的睡眠结果估值，反映出该用户在一段时间段内各个睡眠周期的具体情况；结合已知的睡眠知识图谱，确定该用户对于多种营养参数的营养需求情况。基于该用户的营养需求情况和多种食物的营养组分，匹配并推荐符合该用户需求的食物，从而实现向用户合理科学地推荐食物以及给出智能化的饮食建议，有助于用户针对性地摄入所需营养，有效改善睡眠状况。
本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，被处理器执行以实现图1中各个步骤所提供的方法，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
上述计算机可读存储介质可以是前述任一实施例提供的任务处理装置或者上述终端设备的内部存储单元，例如电子设备的硬盘或内存。该计算机可读存储介质也可以是该电子设备的外部存储设备，例如该电子设备上配备的插接式硬盘，智能存储卡(smartmedia card,SMC)，安全数字(secure digital,SD)卡，闪存卡(flash card)等。上述计算机可读存储介质还可以包括磁碟、光盘、只读存储记忆体(read-only memory，ROM)或随机存储记忆体(randomaccess memory，RAM)等。进一步地，该计算机可读存储介质还可以既包括该电子设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该电子设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本发明的权利要求书和说明书及附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (8)

1.一种数据推荐方法，其特征在于，包括：
根据采集到的第一用户在预设时间段内的睡眠数据，确定所述第一用户的当前睡眠结果估值，所述当前睡眠结果估值包括所述第一用户在至少一个睡眠指标上的睡眠结果估值；
根据所述当前睡眠结果估值和睡眠知识图谱，确定所述第一用户的营养参数需求，所述睡眠知识图谱包括多种营养参数与所述至少一个睡眠指标相互之间的关联关系，所述睡眠知识图谱中的一种关联关系表示一种营养参数对一个睡眠指标的影响效果；
向所述第一用户推荐与所述营养参数需求的匹配度高于预设匹配阈值的一种或多种食物数据；其中，
所述根据所述当前睡眠结果估值和睡眠知识图谱，确定所述第一用户的营养参数需求，包括：
根据所述睡眠知识图谱，构建睡眠增益矩阵Am×n，所述Am×n中的第i行第j列元素aij用于定量表示所述多种营养参数中的第j种营养参数对所述至少一个睡眠指标中的第i个睡眠指标的影响效果，m为所述睡眠指标的数量，n为所述营养参数的数量，1≤i≤m，1≤j≤n；
根据所述当前睡眠结果估值，构建睡眠结果估值向量W1×m，所述W1×m中的一个值表示一个睡眠指标的睡眠结果估值；
根据所述W1×m与所述Am×n的矩阵乘积，得到营养参数需求向量B1×n，所述B1×n中的一个值表示一种营养参数的需求值；
所述向所述第一用户推荐与所述营养参数需求的匹配度高于预设匹配阈值的一种或多种食物数据，包括：
根据各食物数据包含的营养参数，确定所述各食物数据对应的营养参数向量Cn×1，所述Cn×1中的一个值表示一种营养参数的营养度；
根据所述B1×n和所述Cn×1的矩阵乘积，确定所述各食物数据的营养匹配度得分；
向所述第一用户推荐营养匹配度得分高于所述预设匹配分值的一种或多种食物数据。
2.根据权利要求1所述的方法，其特征在于，所述根据采集到的第一用户在预设时间段内的睡眠数据，确定所述第一用户的当前睡眠结果估值，包括：
根据所述睡眠数据确定所述第一用户的第一睡眠权重估值，所述第一睡眠权重估值包括所述第一用户在所述至少一个睡眠指标上的实际睡眠权重估值；
获取所述第一用户的第二睡眠权重估值，所述第二睡眠权重估值包括所述第一用户在所述至少一个睡眠指标上的期望睡眠权重估值；
根据所述第一睡眠权重估值和所述第二睡眠权重估值，确定所述当前睡眠结果估值。
3.根据权利要求2所述的方法，其特征在于，所述预设时间段包括多个睡眠统计周期；
所述根据所述睡眠数据确定所述第一用户的第一睡眠权重估值，包括：
根据所述睡眠数据确定各睡眠统计周期内所述至少一个睡眠指标各自对应的实际睡眠时长和所述第一用户的实际睡眠总时长，所述实际睡眠总时长等于所述至少一个睡眠指标各自对应的实际睡眠时长的总和；
根据所述各睡眠统计周期内所述至少一个睡眠指标各自对应的实际睡眠时长和所述第一用户的实际睡眠总时长，确定所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的睡眠实际总时长均值；
根据所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的实际睡眠总时长均值，确定所述第一睡眠权重估值。
4.根据权利要求3所述的方法，其特征在于，所述根据所述至少一个睡眠指标各自对应的实际睡眠时长均值和所述第一用户的实际睡眠总时长均值，确定所述第一睡眠权重估值，包括：
根据公式wk=tk/T1确定所述至少一个睡眠指标中的第k个睡眠指标对应的实际睡眠权重估值，wk为所述实际睡眠权重估值，tk为第k个睡眠指标对应的实际睡眠时长均值， T1为所述第一用户的实际睡眠总时长均值，1≤k≤m，m为所述睡眠指标的数量。
5.根据权利要求2所述的方法，其特征在于，所述获取所述第一用户的第二睡眠权重估值，包括：
获取所述第一用户对应的所述至少一个睡眠指标各自对应的期望睡眠时长和所述第一用户对应的期望睡眠总时长；
根据公式wh=th/T2确定所述至少一个睡眠指标中的第h个睡眠指标对应的期望睡眠权重估值，wh为所述期望睡眠权重估值，th为第h个睡眠指标对应的期望睡眠时长均值，T2为所述第一用户的期望睡眠总时长均值，1≤h≤m，m为所述睡眠指标的数量。
6.一种数据推荐装置，其特征在于，包括：
估值单元，用于根据采集到的第一用户在预设时间段内的睡眠数据，确定所述第一用户的当前睡眠结果估值，所述当前睡眠结果估值包括所述第一用户在至少一个睡眠指标上的睡眠结果估值；
营养确定单元，用于根据所述当前睡眠结果估值和睡眠知识图谱，确定所述第一用户的营养参数需求，所述睡眠知识图谱包括多种营养参数与所述至少一个睡眠指标相互之间的关联关系，所述睡眠知识图谱中的一种关联关系表示一种营养参数对一个睡眠指标的影响效果；
推介单元，用于向所述第一用户推荐与所述营养参数需求的匹配度高于预设匹配阈值的一种或多种食物数据；其中，
所述营养确定单元，具体用于：根据所述睡眠知识图谱，构建睡眠增益矩阵Am×n，所述Am×n中的第i行第j列元素aij用于定量表示所述多种营养参数中的第j种营养参数对所述至少一个睡眠指标中的第i个睡眠指标的影响效果，m为所述睡眠指标的数量，n为所述营养参数的数量，1≤i≤m，1≤j≤n；根据所述当前睡眠结果估值，构建睡眠结果估值向量W1×m，所述W1×m中的一个值表示一个睡眠指标的睡眠结果估值；根据所述W1×m与所述Am×n的矩阵乘积，得到营养参数需求向量B1×n，所述B1×n中的一个值表示一种营养参数的需求值；
所述推介单元，具体用于：根据各食物数据包含的营养参数，确定所述各食物数据对应的营养参数向量Cn×1，所述Cn×1中的一个值表示一种营养参数的营养度；根据所述B1×n和所述Cn×1的矩阵乘积，确定所述各食物数据的营养匹配度得分；向所述第一用户推荐营养匹配度得分高于所述预设匹配分值的一种或多种食物数据。
7.一种终端，其特征在于，包括处理器和存储器，所述处理器和存储器相互连接；所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现权利要求1至5任一项所述的方法。
CN201910989115.0A 2019-10-17 2019-10-17 一种数据推荐方法及相关装置 Active CN110648747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910989115.0A CN110648747B (zh) 2019-10-17 2019-10-17 一种数据推荐方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910989115.0A CN110648747B (zh) 2019-10-17 2019-10-17 一种数据推荐方法及相关装置

Publications (2)

Publication Number Publication Date
CN110648747A CN110648747A (zh) 2020-01-03
CN110648747B true CN110648747B (zh) 2022-04-01

Family

ID=68994187

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910989115.0A Active CN110648747B (zh) 2019-10-17 2019-10-17 一种数据推荐方法及相关装置

Country Status (1)

Country Link
CN (1) CN110648747B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113158009A (zh) * 2020-01-22 2021-07-23 青岛海尔电冰箱有限公司 饮食推荐方法、冰箱、计算机可读存储介质
CN111508585B (zh) * 2020-04-24 2022-07-15 珠海格力电器股份有限公司 一种饮食推荐方法、装置、存储介质及系统
CN111883232A (zh) * 2020-07-30 2020-11-03 中国科学院上海营养与健康研究所 饮食信息输出方法及系统
AU2022353069A1 (en) * 2021-09-21 2024-02-29 Société des Produits Nestlé S.A. Methods and devices for improving sleep quality and/or subsequent behavioural outcomes
CN115295123B (zh) * 2022-08-17 2023-12-01 慕思健康睡眠股份有限公司 基于睡眠大数据的饮食推荐方法、装置、设备及介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011143513A1 (en) * 2010-05-12 2011-11-17 Zipongo System and method for automated personalized and community-specific eating and activity planning, linked to tracking with automated multimodal item identification and size estimation
WO2018049852A1 (zh) * 2016-09-13 2018-03-22 深圳市迈迪加科技发展有限公司 睡眠评估方法、装置及系统
CN109166611A (zh) * 2018-07-19 2019-01-08 重庆科技学院 一种基于数据分析的睡眠按摩方法及系统
US10252058B1 (en) * 2013-03-12 2019-04-09 Eco-Fusion System and method for lifestyle management

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090192365A1 (en) * 2008-01-30 2009-07-30 Heinz Gisel Methods for analyses of health imbalances and formulations of corrective dietary supplementation
US10332418B2 (en) * 2015-11-23 2019-06-25 International Business Machines Corporation Personalized vitamin supplement

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011143513A1 (en) * 2010-05-12 2011-11-17 Zipongo System and method for automated personalized and community-specific eating and activity planning, linked to tracking with automated multimodal item identification and size estimation
US10252058B1 (en) * 2013-03-12 2019-04-09 Eco-Fusion System and method for lifestyle management
WO2018049852A1 (zh) * 2016-09-13 2018-03-22 深圳市迈迪加科技发展有限公司 睡眠评估方法、装置及系统
CN109166611A (zh) * 2018-07-19 2019-01-08 重庆科技学院 一种基于数据分析的睡眠按摩方法及系统

Also Published As

Publication number Publication date
CN110648747A (zh) 2020-01-03

Similar Documents

Publication Publication Date Title
CN110648747B (zh) 一种数据推荐方法及相关装置
US11069435B2 (en) Wellness management method and system by wellness mode based on context-awareness platform on smartphone
US10950139B1 (en) Methods and apparatus for coaching based on workout history and readiness/recovery information
US8467972B2 (en) Closed loop blood glucose control algorithm analysis
Allen et al. Personality, coping, and challenge and threat states in athletes
CN110033866B (zh) 健康提醒方法、装置、计算机设备及存储介质
CN110464303B (zh) 睡眠质量评估方法及装置
CN113679348B (zh) 血糖预测方法、血糖预测装置、设备及存储介质
CN107590358B (zh) 运动指导方法和装置
US20170193854A1 (en) Smart wearable device and health monitoring method
CA3013974A1 (en) Computer program products, methods, and systems for assisting a user to achieve a health-related goal
CN111883232A (zh) 饮食信息输出方法及系统
CN111387936A (zh) 一种睡眠阶段识别方法、装置及设备
EP3400547A1 (en) Method and apparatus for monitoring a subject
CN106446543A (zh) 健康数据处理方法、装置及服务器集群
US11185260B1 (en) State-based methods and systems using continuous glucose monitors and accelerometers to regulate glucose levels
CN106264451B (zh) 运动热量来源分析方法及装置
CN114329198A (zh) 一种基于用户睡眠的推荐健康信息的方法和设备
EP4182948A1 (en) Method and system to optimize therapy efficacy for restless legs syndrome (rls)
CN111726272B (zh) 睡眠过程中的干预设备的控制方法和智能家居系统
US20170225037A1 (en) Training support system and training support method
CN110966838A (zh) 食物冷藏信息监控方法、装置、电子设备和存储介质
CN111210894B (zh) 饮食健康管理方法、装置、设备、介质
Allen et al. Proximity and gravity: modeling heaped self‐reports
CN114400093A (zh) 健康计划生成方法、装置、电子设备及存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200506

Address after: 1706, Fangda building, No. 011, Keji South 12th Road, high tech Zone, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen shuliantianxia Intelligent Technology Co., Ltd

Address before: 518000, building 10, building ten, building D, Shenzhen Institute of Aerospace Science and technology, 6 hi tech Southern District, Nanshan District, Shenzhen, Guangdong 1003, China

Applicant before: SHENZHEN H & T HOME ONLINE NETWORK TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant