CN110838356A - 一种数据处理方法、装置以及存储介质 - Google Patents
一种数据处理方法、装置以及存储介质 Download PDFInfo
- Publication number
- CN110838356A CN110838356A CN201910974266.9A CN201910974266A CN110838356A CN 110838356 A CN110838356 A CN 110838356A CN 201910974266 A CN201910974266 A CN 201910974266A CN 110838356 A CN110838356 A CN 110838356A
- Authority
- CN
- China
- Prior art keywords
- target
- dimension
- data
- efficacy
- item
- 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.)
- Granted
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Nutrition Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种数据处理方法、装置以及存储介质,方法包括:获取用户维度信息和目标物品列表,根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值;将所述目标物品列表中的多个目标物品组合得到数据组;根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数;根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、目标元素配比参数以及所述平均参考值确定所述数据组的评价分值。采用本申请,可以提高数据组的维度多样性和实现营养元素精细化规划。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种数据处理方法、装置以及存储介质。
背景技术
人工智能技术的飞速发展带来了人们生活质量的提高,进而改变了人们的思想,就饮食方面来说,简单的吃饱吃好已不再能满足人们需求,吃得健康、营养更为人们所追求,然而,普通用户无法做到每天摄入合理的营养。所以,对于食谱的合理规划十分重要。
在现有技术中,食谱推荐方法主要是通过计算食物之间的相似度,生成互换食谱表,从而实现食谱的多样性。但是考虑不周全,降低了推荐食物的准确率,且营养元素比例规划粗糙,推荐食物不具备健康性。
申请内容
本申请实施例提供一种数据处理方法、装置以及存储介质,可以提高数据组的维度多样性和实现营养元素精细化规划。
本申请实施例一方面提供了一种数据处理方法,包括:获取用户维度信息和目标物品列表,根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值;所述目标物品是指与所述用户维度信息相关联的物品;将所述目标物品列表中的所述多个目标物品组合得到数据组;根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数;根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、所述目标元素配比参数以及所述平均参考值确定所述数据组的评价分值。
其中,所述目标物品列表包括第一表头参数和第二表头参数,所述第一表头参数为多个物品,所述第二表头参数为多个组合信息,每个组合信息为一个维度标签与一个功效标签组合得到的信息;所述根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值,包括:根据所述目标物品列表中的功效标签和所述目标物品,生成功效数据矩阵;根据所述目标物品中的维度标签和所述用户维度信息,生成第一维度矩阵;根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值。
其中,所述目标物品列表还包括维度数据,一个维度数据对应一个物品和一个维度标签;所述根据所述目标物品中的维度标签和所述用户维度信息,生成第一维度矩阵,包括:根据所述用户维度信息确定第一维度标签,所述第一维度标签用于表征所述用户维度信息;将所述第一表头参数对应的第一维度数据设置为有效值,所述第一维度数据是指所述目标物品列表中与所述第二维度标签相同的维度标签对应的维度数据;将所述第一表头参数对应的第二维度数据设置为无效值,所述第二维度数据是指所述目标物品列表中与所述第二维度标签不同的维度标签对应的维度数据。
其中,所述根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值,包括:获取所述维度标签对应的第一权重;将所述第一维度矩阵与所述第一权重进行与运算,得到第二维度矩阵;将所述第二维度矩阵与所述功效数据矩阵进行矩阵点乘,对矩阵点乘结果进行归一化处理,得到所述目标物品列表中多个目标物品的目标参考值。
其中,所述目标物品列表还包括功效数据,一个功效数据对应一个功效标签和一个物品;所述根据所述目标物品列表中的第一功效标签和所述目标物品,生成功效数据矩阵,包括:获取所述目标物品列表中的第一功效标签,所述第一功效标签与所述目标物品关联;将所述第一表头参数对应的第一功效数据设置为有效值,所述第一功效数据是指所述目标物品列表中与所述第一功效标签相同的功效标签对应的功效数据;将所述第一表头参数对应的第二功效数据设置为无效值,所述第二功效数据是指所述目标物品列表中与所述第一功效标签不同的功效标签对应的功效数据;根据功效数据调整后的目标物品列表中的各功效数据生成功效数据矩阵。
其中,所述根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值,包括:根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中每个物品分别对应的初始参考值;根据所述用户维度信息对所述目标物品列表中的物品进行过滤处理,得到所述目标物品;根据所述用户维度信息确定推荐子数据,根据所述推荐子数据调整所述目标物品的所述初始参考值,得到所述目标物品的目标参考值。
其中,所述根据所述用户维度信息对所述目标物品列表中的物品进行过滤处理,得到所述目标物品,包括:根据所述用户维度信息从知识图谱中确定待删除物品;所述知识图谱用于存储物品以及物品的属性;基于所述待删除物品从所述目标物品列表中将所述待删除物品删除,得到目标物品。
其中,所述根据所述用户维度信息确定推荐子数据,根据所述推荐子数据调整所述目标物品的所述初始参考值,得到所述目标物品的目标参考值,包括:根据所述用户维度信息从知识图谱中确定推荐子数据,在所述知识图谱中确定所述推荐子数据的第二权重;基于所述推荐子数据,确定所述推荐子数据对应的推荐物品;根据所述第二权重以及所述推荐物品中所包含的推荐子数据的数量,确定所述推荐物品对应的第三权重,根据所述推荐物品对应的所述初始参考值与所述第三权重,调整所述推荐物品的所述初始参考值,得到所述目标物品中的推荐物品的目标参考值;将所述目标物品中除了所述推荐物品之外的物品对应的初始参考值,确定为所述目标物品中除了所述推荐物品之外的物品的目标参考值。
其中,所述根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数,包括:获取所述数据组中的每个目标物品分别对应的单位元素配比参数;获取标准元素配比参数,基于所述标准元素配比参数、所述单位元素配比参数以及粒子群算法,确定所述数据组中每个目标物品的重量比例;基于所述单位元素配比参数和所述重量比例,确定所述数据组对应的目标元素配比参数;所述目标元素配比参数与所述标准元素配比参数的差值绝对值小于目标阈值。
其中,所述根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、目标元素配比参数以及所述平均参考值确定所述数据组的评价分值,包括:根据所述目标物品列表中的所述目标参考值,确定所述数据组对应的平均参考值;获取所述目标元素配比参数和所述标准元素配比参数之间的差值;根据所述差值与所述标准元素配比参数,确定差值比例值,基于所述差值比例值确定第四权重;根据所述平均参考值与所述第四权重,确定所述数据组对应的评价分值。
本申请实施例一方面提供了一种数据处理的装置,包括:获取模块,用于获取用户维度信息和目标物品列表,根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值;所述目标物品是指与所述用户维度信息相关联的物品;组合模块,用于将所述目标物品列表中的所述多个目标物品组合得到数据组;配比模块,用于根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数;确定模块,用于根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、目标元素配比参数以及所述平均参考值确定所述数据组的评价分值。
其中,所述目标物品列表包括第一表头参数和第二表头参数,所述第一表头参数为多个物品,所述第二表头参数为多个组合信息,每个组合信息为一个维度标签与一个功效标签组合得到的信息;所述获取模块,包括:第一生成单元,用于根据所述目标物品列表中的功效标签和所述目标物品,生成功效数据矩阵;所述第一生成单元,还用于根据所述目标物品中的维度标签和所述用户维度信息,生成第一维度矩阵;第二生成单元,用于根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值。
其中,所述目标物品列表还包括维度数据,一个维度数据对应一个物品和一个维度标签;所述第一生成单元,包括:确定子单元,用于根据所述用户维度信息确定第一维度标签,所述第一维度标签用于表征所述用户维度信息;第一设置子单元,用于将所述第一表头参数对应的第一维度数据设置为有效值,所述第一维度数据是指所述目标物品列表中与所述第二维度标签相同的维度标签对应的维度数据;所述第一设置子单元,还用于将所述第一表头参数对应的第二维度数据设置为无效值,所述第二维度数据是指所述目标物品列表中与所述第二维度标签不同的维度标签对应的维度数据;第一生成子单元,用于根据维度数据调整后的目标物品列表中的各维度数据生成第一维度矩阵。
其中,所述第二生成单元,包括:第一获取子单元,用于获取所述维度标签对应的第一权重;计算子单元,用于将所述第一维度矩阵与所述第一权重进行与运算,得到第二维度矩阵;所述计算子单元,还用于将所述第二维度矩阵与所述功效数据矩阵进行矩阵点乘,对矩阵点乘结果进行归一化处理,得到所述目标物品列表中多个目标物品的目标参考值。
其中,所述目标物品列表还包括功效数据,一个功效数据对应一个功效标签和一个物品;所述第一生成单元,还包括:第二获取子单元,用于获取所述目标物品列表中的第一功效标签,所述第一功效标签与所述目标物品关联;第二设置子单元,用于将所述第一表头参数对应的第一功效数据设置为有效值,所述第一功效数据是指所述目标物品列表中与所述第一功效标签相同的功效标签对应的功效数据;所述第二设置子单元,还用于将所述第一表头参数对应的第二功效数据设置为无效值,所述第二功效数据是指所述目标物品列表中与所述第一功效标签不同的功效标签对应的功效数据;第二生成子单元,用于根据功效数据调整后的目标物品列表中的各功效数据生成功效数据矩阵。
其中,所述第二生成单元,还包括:第三生成子单元,用于根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中每个物品分别对应的初始参考值;过滤子单元,用于根据所述用户维度信息对所述目标物品列表中的物品进行过滤处理,得到所述目标物品;推荐子单元,用于根据所述用户维度信息确定推荐子数据,根据所述推荐子数据调整所述目标物品的所述初始参考值,得到所述目标物品的目标参考值。
其中,所述过滤子单元,还用于根据所述用户维度信息从知识图谱中确定待删除物品;所述知识图谱用于存储物品以及物品的属性;所述过滤子单元,还用于基于所述待删除物品从所述目标物品列表中将所述待删除物品删除,得到目标物品。
其中,所述推荐子单元,还用于根据所述用户维度信息从知识图谱中确定推荐子数据,在所述知识图谱中确定所述推荐子数据的第二权重;所述推荐子单元,还用于基于所述推荐子数据,确定所述推荐子数据对应的推荐物品;所述推荐子单元,还用于根据所述第二权重以及所述推荐物品中所包含的推荐子数据的数量,确定所述推荐物品对应的第三权重,根据所述推荐物品对应的所述初始参考值与所述第三权重,调整所述推荐物品的所述初始参考值,得到所述目标物品中的推荐物品的目标参考值;所述推荐子单元,还用于将所述目标物品中除了所述推荐物品之外的物品对应的初始参考值,确定为所述目标物品中除了所述推荐物品之外的物品的目标参考值。
其中,所述配比模块,包括:第一获取单元,用于获取所述数据组中的每个目标物品分别对应的单位元素配比参数;所述第一获取单元,用于获取标准元素配比参数,基于所述标准元素配比参数、所述单位元素配比参数以及粒子群算法,确定所述数据组中每个目标物品的重量比例;第一确定单元,用于基于所述单位元素配比参数和所述重量比例,确定所述数据组对应的目标元素配比参数;所述目标元素配比参数与所述标准元素配比参数的差值绝对值小于目标阈值。
其中,所述确定模块,包括:第二确定单元,用于根据所述目标物品列表中的所述目标参考值,确定所述数据组对应的平均参考值;第二获取单元,用于获取所述目标元素配比参数和所述标准元素配比参数之间的差值;所述第二确定单元,还用于根据所述差值与所述标准元素配比参数,确定差值比例值,基于所述差值比例值确定第四权重;所述第二确定单元,还用于根据所述平均参考值与所述第四权重,确定所述数据组对应的评价分值。
本申请实施例一方面提供了一种计算机设备,包括:处理器和存储器;
所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如本申请实施例中的方法。
本申请实施例一方面提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时,执行如本申请实施例中的方法。
本申请实施例通过获取用户维度信息和目标物品列表,根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值;将所述目标物品列表中的多个目标物品组合得到数据组;根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数;根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、目标元素配比参数以及所述平均参考值确定所述数据组的评价分值。上述可知,通过用户维度信息来确定数据组的评价分值,使数据组中的物品考虑到了用户的多个维度,增加了数据组的维度多样性,根据标准元素配比参数来确定数据组中每个物品的重量比例,由于确定物品的重量比例后,物品所在的数据组的营养元素配比参数更接近于标准营养元素配比参数,因此可以提高数据组的维度多样性和实现营养元素精细化规划。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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是本申请实施例提供的一种网络架构图;
图2是本申请实施例提供的一种数据处理方法的流程示意图;
图3A是本申请实施例提供的一种目标物品列表的示意图;
图3B是本申请实施例提供的另一种目标物品列表的示意图;
图4是本申请实施例提供的一种确定目标参考值的流程示意图;
图5是本申请实施例提供的另一种确定目标参考值的流程示意图;
图6是本申请实施例提供的一种数据处理方法的时序示意图;
图7是本申请实施例提供的一种数据处理场景示意图;
图8是本申请实施例提供的一种数据处理装置的结构示意图;
图9是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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。基于本申请中的实施例,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。
请参见图1,是本申请实施例提供的一种网络架构图。服务器50为用户终端集群提供服务,用户终端集群可以包括:用户终端40a、用户终端40b、…、用户终端40c。用户终端(可以是用户终端40a、用户终端40b、…、用户终端40c)可以分别与服务器50进行网络连接,以便于每个用户终端可以通过该网络连接与服务器50之间进行数据交互。
为便于理解,本申请实施例可以在图1所示的多个用户终端中选择一个用户终端作为目标用户终端,该目标用户终端可以包括:智能手机、平板电脑、桌上型电脑等携带数据处理功能的智能终端。例如,本申请实施例可以将图1所示的用户终端40a作为所述目标用户终端,该目标用户终端中可以集成有具备该数据处理功能的第一应用。该第一应用可以包含数据处理应用、社交应用等。
为便于理解,本申请实施例可以让第一应用为数据处理应用为例,以阐述在该第一应用中对获取到的用户维度信息进行数据处理与物品推荐的具体实现方式。当该第一应用(即数据处理应用)运行与该目标用户终端中时,可以在该目标用户终端中执行数据处理与物品推荐的任务。
请参见图2,是本申请实施例提供的一种数据处理方法的流程示意图。如图2所示,所述数据处理方法可以包括:
步骤S101,获取用户维度信息和目标物品列表,根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值;所述目标物品是指与所述用户维度信息相关联的物品。
本申请实施例中,用户维度信息为与用户相关的,用于反馈用户所处的地区、用户所处的地区的气候、用户所处的地区的天气、用户喜好、用户身体状态、用户行为状态等反映用户各方面的维度的信息。用户维度信息可以包括通过各种采集设备采集到的信息,也可以包括用户自行输入的信息。具体地,用户维度信息可以包括季节、地区、温度、温差、紫外线指数等反映气候、天气、地区等外界环境信息;用户维度信息可以包括过敏状态、身体BMI指数、用眼时长、视力、运动量、睡眠质量、饮水信息等反映用户身体状态或行为状态的受外界环境信息影响的用户自身信息;用户维度信息还可以包括禁忌食材、推荐食材、缺失或需补充的营养元素、菜品口味喜好、烹饪方式等反映用户喜好的与菜品有关的信息。不限于上述列举的维度信息,在可选实施方式中,用户维度信息还可以有更多的情况。例如,用户维度信息还可以包括反馈用户心情的信息,用户维度信息还可以用户的年龄、性别、身高、体重等在一段时间内固定的信息。其中,用户维度信息可以通过各种采集设备获取,也可以通过获取用户的输入获取,获取用户维度信息的方式,本申请实施例不做限制。
目标物品列表为包含有物品以及由功效标签和维度标签组成的组合的一个或多个列表,其中,功效标签是指反映物品的某种功效的标签,维度标签是指反映某种用户维度的标签,维度标签可以对应于某种用户维度信息。目标物品可以由第一表头参数、第二表头参数,以及,第一表头参数和第二表头参数共同对应的数据组成。其中,第一表头参数和第二表头参数共同对应的数据可以包括维度数据和功效数据。一个维度数据对应一个物品和一个维度标签,维度数据可以用于指示物品与用户维度信息之间的关联程度;一个功效数据对应一个物品和一个功效标签,功效数据可以用于指示物品与功效之间的关联程度。其中,第一表头参数可以为行参数,第二表头参数可以为列参数;或者,第一表头参数可以为列参数,第二表头参数可以为行参数。
在一些可能的实施例中,目标物品列表的数量有且只有一个。示例性地,目标物品列表可以如图3A或如图3B所示,其中,物品的总数量为a,维度标签的总数量为m,功效标签的总数量为n,a、m、n均为正整数。
在图3A所示的目标物品列表中,列参数为物品,行参数为维度标签和功效标签组成的组合信息,一个行参数和一个列参数共同对应一个维度数据,并且,共同对应一个功效数据。
根据图3A所示的目标物品列表,可得到一个用于表征各物品与各功效的关联程度的功效矩阵A1,功效矩阵A1如下列矩阵所示:
功效矩阵A1为n×a的矩阵。
根据图3A所示的目标物品列表,可得到一个用于表征各物品与各用户维度信息的关联程度的维度矩阵B1,维度矩阵B1如下列矩阵所示:
维度矩阵B1为m×a的矩阵。
在图3B所示的目标物品列表中,列参数为维度标签和功效标签组成组合信息,行参数为物品,一个行参数和一个列参数共同对应一个维度数据,并且,共同对应一个功效数据。
根据图3B所示的目标物品列表,可得到一个用于表征各物品与各功效的关联程度的功效矩阵C1,功效矩阵C1如下列矩阵所示:
功效矩阵C1
功效矩阵C1为a×n的矩阵。
根据图3B所示的目标物品列表,可得到一个用于表征各物品与各用户维度信息的关联程度的维度矩阵D1,维度矩阵D1如下列矩阵所示:
维度矩阵D1
维度矩阵D1为a×m的矩阵。
在另一些可能的实施例中,目标物品列表的数量也可以有多个。
在一种可行的实施方式中,目标物品列表可以包括m个第一物品子列表,m为维度标签的总数量。其中,一个第一物品子列表为一个维度标签对应的物品子列表,一个第一物品子列表对应一个维度数据,一个第一物品子列表对应的维度数据即为该第一物品子列表对应的维度标签所对应的维度数据。
其中,第一物品子列表中的行参数可以为物品,第一物品子列表中的列参数为维度标签和功效标签组成的组合信息。则第一物品子列表中的行参数可以为{物品1,物品2,…,物品a},a为物品的总数量;第x个第一物品子列表中的列参数可以为{维度标签x·功效标签1,维度标签x·功效标签2,…,维度标签x·功效标签n},x大于或等于1,并且,小于或等于m;一个行参数和一个列参数共同对应一个功效数据。
根据任一第一物品子列表中的功效数据,则可以得到上述功效矩阵C1;根据各第一物品子列表对应的维度数据,则可以得到上述维度矩阵D1。
可选地,第一物品子列表中的行参数可以维度标签和功效标签组成的组合信息,第一物品子列表中的列参数可以为物品。则第x个第一物品子列表中的行参数可以为{维度标签x·功效标签1,维度标签x·功效标签2,…,维度标签x·功效标签n},x大于或等于1,并且,小于或等于m;第一物品子列表中的参数可以为{物品1,物品2,…,物品a},a为物品的总数量;一个行参数和一个列参数共同对应一个功效数据。
根据任一第一物品子列表中的功效数据,则可以得到上述功效矩阵A1;根据各第一物品子列表对应的维度数据,则可以得到上述维度矩阵B1。
可选地,目标物品列表还可以包括用于存储各个第一物品子列表与维度数据、维度标签之间的对应关系的一个或多个子列表,关于用于存储第一物品子列表与维度数据、维度标签之间的对应关系的子列表的形式,本申请不作限定。
应理解的是,根据存储第一物品子列表与维度数据、维度标签之间的对应关系的子列表中存储的维度数据,可得到上述维度矩阵B1或维度矩阵D1。
在另一种可行的实施方式中,目标物品列表可以包括n个第二物品子列表,n为功效标签的总数量。其中,一个第二物品子列表为一个功效标签对应的物品子列表,一个第一物品子列表对应一个功效数据,一个第一物品子列表对应的功效数据即为该第一物品子列表对应的功效标签所对应的功效数据。
其中,第一物品子列表中的行参数可以为物品,第一物品子列表中的列参数为维度标签和功效标签组成的组合信息。则第一物品子列表中的行参数可以为{物品1,物品2,…,物品a},a为物品的总数量;第y个第一物品子列表中的列参数可以为{维度标签1·功效标签y,维度标签2·功效标签y,…,维度标签m·功效标签y},y大于或等于1,并且,小于或等于n;一个行参数和一个列参数共同对应一个维度数据。
根据任一第二物品子列表中的维度数据,则可以得到上述维度矩阵C1;根据各第二物品子列表对应的功效数据,则可以得到上述功效矩阵D1。
可选地,第一物品子列表中的行参数可以维度标签和功效标签组成的组合信息,第一物品子列表中的列参数可以为物品。则第y个第二物品子列表中的列参数可以为{维度标签1·功效标签y,维度标签2·功效标签y,…,维度标签m·功效标签y},y大于或等于1,并且,小于或等于n;第二物品子列表中的参数可以为{物品1,物品2,…,物品a},a为物品的总数量;一个行参数和一个列参数共同对应一个维度数据。
根据任一第二物品子列表中的维度数据,则可以得到上述维度矩阵B1;根据各第二物品子列表对应的功效数据,则可以得到上述功效矩阵A1。
可选地,目标物品列表还可以包括用于存储各个第二物品子列表与功效数据、功效标签之间的对应关系的一个或多个子列表,关于用于存储第二物品子列表与功效数据、功效标签之间的对应关系的子列表的形式,本申请不作限定。
应理解的是,根据存储第二物品子列表与功效数据、功效标签之间的对应关系的子列表存储的功效数据,可得到上述功效矩阵A1或功效矩阵C1。
目标物品列表不限于上述形式,对于目标物品列表的数量和形式,本申请不做限制。
具体的,目标物品列表可以为菜谱推荐表,物品可以为各种菜品,如,西红柿鸡蛋、绿豆汤、…红豆薏仁汤等菜名,维度标签可以为用于表征各种用户维度信息的标签,功效标签可以为用于表征菜品具备的各种功效的标签,组合信息可以为表征各种用户维度信息与各种功效的组合情况的信息,如,季节-春.清热、季节-夏.去火、…、过敏.祛湿等维度与功效标签等组合信息。
本申请中,目标参考值为用于量化目标物品与用户维度信息之间的关联关系的数值,目标参考值的大小反映了目标物品与用户维度信息之间的关联程度。其中,可根据用户维度信息、各目标物品对应的功效数据和维度数据确定各目标物品的目标参考值,其中,目标参考值为用于量化物品与目标物品的关联关系的数值。有关于确定目标参考值的具体实施方式,可参考后续实施例的描述。
步骤S102,将所述目标物品列表中的多个目标物品组合得到数据组。
本申请中,可根据多个目标物品中各目标物品的类型,依照每种类型至少选择一个目标物品的选择方式,将选择得到的目标物品进行组合得到数据组,一个数据组中的目标物品对应的所有类型的数量等于多个目标物品对应的所有类型的数量。
具体实现中,可根据多个目标物品中各目标物品的类型,将多个目标物品划分为Q个目标物品集合,Q等于多个目标物品对应的所有类型的总数量;然后分别从各目标物品集合中选择一个或多个目标物品,组合形成一个或多个数据组。
例如,物品为菜品,菜品按类型可分类两种类型,两种类型分别为主食和辅菜。则可以将多个目标菜品划分为2个菜品集合,2个菜品集合分别为主食菜品集合和辅食菜品集合。然后从主食菜品集合中任选一道菜品,再从辅食菜品集合中任选4道菜品,组合形成包含5道菜品的数据组。
应理解的是,根据上述方式组合得到的数据组的数量有一个或多个,在选择每种类型的物品的选择方式只有一种的情况下,则根据上述方式组合得到的数据组的数量只有一个;在选择任意一种类型(这里指目标物品对应的所有类型中的任意一种)的物品的选择方式不止一种的情况下,则根据上述方式组合得到的数据组的数量为多个。
可选地,在数据组的数量为多个情况下,还可以根据预先定义的方式删除或过滤部分数据组。例如,在物品为菜品的情况下,若一个数据组中,有两道菜含有相同食材,则将数据组删除。
步骤S103,根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数。
本申请中,物品包含一种或多种元素。标准元素配比参数为根据某种需求预先定义的,使得根据数据组中的目标物品确定的目标元素配比参数能够与之相接近的元素的标准数值。该标准数值可以是百分比、分数、小数等数值呈现方式。其中,元素可以是指营养元素,营养元素是指蛋白质、脂肪、碳水化合物等人体需要的元素。当物品为菜品时,标准元素配比参数可以为某一餐饮食中所需的各种元素的配比。重量比例为使得该目标元素配比参数能够最接近于该标准元素配比参数的各目标物品的比例。
具体的,可以获取数据组中每个目标物品分别对应的单位元素配比参数,再获取标准元素配比参数,基于该标准元素配比参数、单位元素配比参数以及粒子群算法,确定该数据组中每个目标物品的重量比例,再基于该单位元素配比参数和该重量比例,确定该数据组对应的目标元素配比参数,该目标元素配比参数与该标准元素配比参数的差值绝对值小于目标阈值。
其中,目标物品对应的单位元素配比参数是指目标物品中包含的各营养元素在该目标物品中的比例或含量。以元素为脂肪、蛋白质、碳水化合物、能量这四大元素,物品为菜品为例,则目标物品对应的单位元素配比参数具体是指脂肪、蛋白质、碳水化合物、能量这四种营养元素分别在菜品中的含量,如数据组中的一个目标物品为西红柿鸡蛋,则西红柿鸡蛋对应的单位元素参数为西红鸡蛋中脂肪的含量、西红鸡蛋中蛋白质的含量、西红鸡蛋中碳水化合物的含量以及西红柿鸡蛋中能量的含量。
粒子群算法也称为粒子群优化算法或鸟群觅食算法,缩写为PSO(Particle SwarmOptimization),是属于进化算法的一种,可以用来求最优解。它实际上是模拟鸟群觅食的行为:假设一群鸟在随机搜索食物,已知某区域里有一块食物;所有的鸟都不知道食物在哪里,但每一只鸟都能感受到自己的位置离食物有多远,也知道自己以前走过的离食物最近的位置,也能通过交流知道距离食物最近的那只鸟的位置。那么如果想找到食物,最简单有效的就是搜索目前距离食物最近的那只鸟的周围。PSO就是从中得到启发用于解决优化问题,在PSO中,每个优化问题的解都是搜索空间的一只鸟,称之为“粒子”,所有的粒子都有一个适应值,每个粒子还有一个速度决定他们飞翔的方向和距离,然后粒子就追随当前的最优粒子在解空间中搜索。大体流程是,首先随机初始化每个粒子的位置和速度,然后通过适应度获取当前每个粒子的最优位置和群体的最优位置,然后再更新每个粒子的位置和速度后重新更新群体最优位置,一直迭代,从而得到最优解。
可以理解的是,在得到标准元素配比参数后,该数据组可视为一个粒子,首先初始化该数据组中的各目标物品的初始重量值,将该标准元素配比参数作为粒子的最优位置,再不断调整各目标物品的重量值,使得根据该数据组中的目标物品的重量值所确定的元素配比参数能够接近该最优粒子位置,整个调整过程就是不断进行迭代,逐渐让组合中的元素配比参数逼近标准元素配比参数,迭代过程就是不断通过适应度函数去更新每个组合中每个目标物品的重量,这里的每一次更新的重量值就是粒子群算法中所获取到的粒子的最新的最优位置,而确定新的最优位置后,通过适应度函数可以确定出下一次更新的位置和速度,也就是每道菜下一次更新的重量值和更新重量值的方向,这些组合在更新过程中,会有一个组合所确定的元素配比参数最接近于标准元素配比参数,这个组合就对应于最优位置。通过不断调整数据组中每个目标物品的重量,最后确定出数据组中每个目标物品的重量比例,就是利用粒子群算法应用于菜谱中求出的最优解。
步骤S104,根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、目标元素配比参数以及所述平均参考值确定所述数据组的评价分值。
本申请实施例中,首先可以根据该目标物品列表中的该目标参考值,确定数据组对应的平均参考值。
其中,由于确定了目标物品列表中每个目标物品的目标参考值,则可以确定该数据组中的目标物品的目标参考值,通过对该数据组中的目标物品的参考值求均值,即可得到该数据组对应的平均参考值。
例如,数据组中的物品为西红柿炒蛋、米饭、以及青椒土豆丝,西红柿炒蛋的目标参考值(即得分)为3、米饭的目标参考值为4以及青椒土豆丝的目标参考值为5,那么该数据组对应的平均参考值即为(3+4+5)÷3=4。
再获取该目标元素配比参数和该标准元素配比参数之间的差值。
具体地,将数据组中对应的各营养元素的目标元素配比参数分别与各营养元素各自对应的标准元素配比参数作差,可得到该数据组对应的各营养元素所对应的差值。
例如,该数据组对应的营养元素为脂肪、蛋白质、碳水化合物、能量这四种营养元素,则可以分别将脂肪的目标配比参数与脂肪对应的标准元素配比参数作差,得到脂肪对应的差值,将蛋白质的目标配比参数与蛋白质对应的标准元素配比参数作差,得到蛋白质对应的差值,将碳水化合物的目标配比参数与碳水化合物对应的标准元素配比参数作差,得到碳水化合物对应的差值,将能量的目标配比参数与能量对应的标准元素配比参数作差,得到能量对应的差值,一共得到四个差值。
接着根据目标元素配比参数和该标准元素配比参数之间的差值,确定差值比例值,基于差值比例值确定第四权重。
具体地,可以将该数据组对应的各营养元素所对应的差值分别各营养元素各自对应的标准元素配比参数作除,可得到该数据组对应的各营养元素所对应的差值比例值;然后将各营养元素对应的差值比例作为自然对数e的指数,将将各营养元素对应的差值比例作为自然对数e的指数求得的数值取平均,则得到第四权重。
例如,该数据组对应的营养元素为脂肪、蛋白质、碳水化合物、能量这四种营养元素,则可以将脂肪对应的差值与脂肪对应的标准元素配比参数作除,可求得脂肪对应的差值比例;可以将蛋白质对应的差值与蛋白质对应的标准元素配比参数作除,可求得蛋白质对应的差值比例;可以将碳水化合物对应的差值与碳水化合物对应的标准元素配比参数作除,可求得碳水化合物对应的差值比例;可以将能量对应的差值与碳水化合物对应的标准元素配比参数作除,可求得能量对应的差值比例。然后根据公式(ea+eb+ec+ed)/4可得到数据组的第四权重,其中,a,b,c,d分别为脂肪对应的差值比例、蛋白质对应的差值比例、碳水化合物对应的差值比例以及能量对应的差值比例。
最后,根据数据组对应的平均参考值和第四权重,得到数据组对应的评价分值。
具体地,数据组的平均参考值与上述第四权重相乘,最后相乘后得到的值即为数据组的评价分值。
可以理解的是,这里是根据每个组合中的菜的得分来对组合求得分,先是根据菜谱得分表对组合求平均得分,再求出当前组合的各四大营养元素的含量与各四大营养标准元素含量作差,得出四个差值,将该四个差值取自然对数e的幂再作平均值,将该平均值作为权重,将该权重与上述平均得分相乘,得到组合的得分。组合得分越高,说明菜谱组合对用户的健康更有益,且更符合用户的喜好。
上述可知,通过用户维度信息来确定数据组的评价分值,使数据组中的物品考虑到了用户的多个维度,增加了数据组的维度多样性,根据标准元素配比参数来确定数据组中每个物品的重量比例,由于确定物品的重量比例后,物品所在的数据组的营养元素配比参数更接近于标准营养元素配比参数,因此可以提高数据组的维度多样性和营养元素精细化规划。
进一步地,请参见图4,是本申请实施例提供的一种确定目标参考值的流程示意图,如图所示,确定目标参考值的流程包括如下步骤:
步骤S201,根据所述目标物品列表中的功效标签和所述目标物品,生成功效数据矩阵。
这里,该目标物品列表可以为初始化的菜谱得分表,该目标物品列表中的所有物品均可以视为与用户维度信息相关联的物品。即在最极端的情况下,用户维度信息与物品的关联度可以为0。
如前一实施例所述,目标物品列表中存在功效数据,一个功效数据对应一个功效标签和一个物品,在还未对目标物品列表做任何处理的情况下,该目标物品列表中的各功效数据可以为一个随机生成的数值。
以目标物品列表如图3A为例,在还未对目标物品列表做任何处理的情况下,目标物品列表中的所有功效数据的数值均为随机数值。
本申请实施例中,可以获取目标物品列表中的第一功效标签,第一功效标签与目标物品关联;然后将第一表头参数对应的第一功效数据设置为有效值,第一功效数据是指目标物品列表中与第一功效标签相同的功效标签对应的数据;再将第一表头参数对应的第二功效数据设置为无效值,第二功效数据是指目标物品列表中与第一功效标签不同的功效标签对应的功效数据;根据功效数据调整后的目标物品列表中的各功效数据生成功效矩阵。
由于第一表头参数为物品,如果该目标物品列表中的某一功效标签所反映的功效为该目标物品所具备的功效,则该功效标签为第一功效标签;如果该目标列表中的某一功效标签所反映的功效不为该目标物品所具备的功效,则该功效标签为第二功效标签。
有效值用于指示物品与功效标签之间存在关联,无效值用于指示物品与功效标签之间不存在关联。具体地,有效值可以为1,无效值可以为0。
以目标物品列表为以目标物品列表如图3A、有效值为1、无效值为0为例,如果功效标签1所反映的功效为物品1具备的功效,则将功效数据11设置为1;如果功效标签n所反映的功效不为物品具备的功效,则将功效数据1n设置为0。
通过对目标物品列表中的每个功效数据进行设置,可得到所有功效数据均调整后的目标物品列表,根据功效数据均调整后的目标物品列表中的所有功效数据,可得到格式与上述功效矩阵A1相同的功效矩阵A2,功效矩阵A2中的功效数据的数值为按照上述方式调整后的数值。
有关于目标列表中的物品所具备的功效,可通过查询预先建立的知识图谱获取得到,该预先建立的知识图谱可以包括目标物品列表中的物品、功效以及物品与功效之间的关联关系。其中,预先建立的知识图谱可以为基于各种行业知识建立的知识库。
在一种可行的实施方式中,物品和功效可以为知识图谱中的节点,物品和功效之间的关联关系可以为知识图谱中的连线。表示物品的一个节点、表示功效的一个节点以及这两个节点的连线可以以三元组的方式表示。例如,西红柿鸡蛋具有清热这个功效,节点1表示的物品为西红柿鸡蛋,节点2表示的功效为清热,则节点1、节点2以及节点1与节点2之间的连线表示为三元组{西红柿鸡蛋,具有功效,清热}。又如,红豆薏仁汤里清热这个功效,节点3表示的物品为红豆薏仁汤,则节点2、节点3以及节点2与节点3之间的连线表示为三元组{红豆薏仁汤,不具有功效,清热}。不限于这里的实施方式,物品、功效以及功效与物品之间的关联关系在知识图谱中还可以有其他的表示方式,本申请实施例不做限制。
步骤S202,根据所述目标物品中的维度标签和所述用户维度信息,生成第一维度矩阵。
有关于用户维度信息的定义,可参考前述步骤S101的定义,此处不再赘述。
如前一实施例所述,目标物品列表中存在维度数据,一个维度数据对应一个维度标签和一个物品,在还未对目标物品列表做任何处理的情况下,该目标物品列表中的各维度数据可以为一个随机生成的数值。
以目标物品列表如图3A为例,在还未对目标物品列表做任何处理的情况下,目标物品列表中的所有维度数据的数值均为随机数值。
本申请实施例中,可以根据用户维度信息确定第一维度标签,第一维度标签用于表征用户维度信息;将第一表头参数对应的第一维度数据设置为有效值,第一维度数据是指目标物品列表中与第一维度标签相同的维度标签对应的维度数据;将第一表头参数对应的第二维度数据设置为无效值,第二维度数据是指目标物品列表中与第一维度标签不同的维度标签对应的维度数据;根据维度数据调整后的目标物品列表中的各维度数据生成第一维度矩阵。
有效值用于指示维度标签与用户维度信息之间存在关联,无效值用于指示维度标签与用户维度信息之间不存在关联。具体地,有效值可以为1,无效值可以为0。
以目标物品列表如图3A、有效值为1、无效值为0为例,如果维度标签1与第一维度标签相同,则将维度数据11设置为1;如果维度标签n与第一维度标签不相同,则将维度数据1n设置为0。
通过对目标物品列表中的每个维度数据进行设置,可得到所有维度数据均调整后的目标物品列表,根据维度数据均调整后的目标物品列表中的所有功效数据,可得到格式与上述维度矩阵B1相同的维度矩阵B2,维度矩阵B2中的维度数据的数值为按照上述方式调整后的数值。
步骤S203,根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值。
具体地,可以获取目标物品列表中的各维度标签各自对应的第一权重;将第一维度矩阵与各维度标签各自对应的第一权重进行与运算,得到第二维度矩阵;将第二维度矩阵与功效矩阵进行矩阵点乘,对进行矩阵点乘得到的矩阵点乘结果进行归一化处理,得到目标物品列表中多个目标物品的目标参考值。
例如,第一维度矩阵为前述提到的维度矩阵B2,功效矩阵为前述提到的功效矩阵A2,则分别获取维度标签1,维度标签2,...,维度标签n各自的权重,然后将维度标签1对应的权重与第一维度矩阵中的维度数据11~维度数据1a相乘,将维度标签2对应的权重与第一维度矩阵中的维度数据21~维度数据2a相乘,…,将维度标签n对应的权重与第一维度矩阵中的维度数据n1~维度数据na相乘,以此得到第二维度矩阵B3。再将第二维度矩阵B3与功效矩阵A2进行矩阵点乘得到矩阵E,对矩阵E以及归一化处理,可得到多个目标物品的目标参考值。
上述可知,通过用户维度信息来确定数据组的评价分值,使数据组中的物品考虑到了用户的多个维度,增加了数据组的维度多样性,根据标准元素配比参数来确定数据组中每个物品的重量比例,由于确定物品的重量比例后,物品所在的数据组的营养元素配比参数更接近于标准营养元素配比参数,因此可以提高数据组的维度多样性和营养元素精细化规划。
进一步地,请参见图5,是本申请实施例提供的另一种确定目标参考值的流程示意图。如图5所示,确定目标参考值的流程如下:
步骤S301,根据所述目标物品列表中的功效标签和所述目标物品,生成功效数据矩阵。
步骤S302,根据所述目标物品中的维度标签和所述用户维度信息,生成第一维度矩阵。
步骤S301~S302的具体实现方式可参考步骤S201~S202的描述,此处不再赘述。
步骤S303,根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中每个物品分别对应的初始参考值。
这里,生成得到的每个物品分别对应的初始参考值为前述步骤S203得到的每个物品的参考值。步骤S303的具体实现方式可参考前述步骤S203的描述。
步骤S304,根据所述用户维度信息对所述目标物品列表中的物品进行过滤处理,得到所述目标物品。
具体地,可以根据用户维度信息和知识图谱确定待删除物品;基于待删除物品从目标物品列表中将待删除物品删除,得到目标物品。这里,知识图谱除了包括前述提到的物品、功效以及物品与功效之间的关联关系之外,还可以包括用户维度信息以及物品与用户维度信息之间的关联关系。
以物品为菜品为例,用户维度信息中包括用户的禁忌食材(如用户输入维度有禁忌食材为牛肉,则查询知识图谱,获取到牛肉对应的所有的物品名,确定该待删除的物品即为该牛肉对应的所有的物品名)、烹饪方式(如用户输入的信息中具有不想要炸的烹饪方式,那么查询知识图谱,获取烹饪方式为炸的所有物品名,确定该待删除的物品即为烹饪方式为炸的所有物品名)、菜谱关键字(如菜谱关键字有糖,而用户输入的信息中具有不想吃糖,那么会根据关键字确定名称中含糖的菜品,确定该待删除的物品为名称中含糖的菜品)、菜谱口味(如用户输入的信息中具有不想吃的口味,如辣,那么服务器会查询知识图谱,获取到口味为辣的所有的物品名,确定该待删除的物品为口味为辣的所有的物品名)、菜谱营养成分等。
可以看出,该目标物品与用户维度信息中的禁忌食材与口味相关联。
步骤S305,根据所述用户维度信息确定推荐子数据,根据所述推荐子数据调整所述目标物品的所述初始参考值,得到所述目标物品的目标参考值。
具体的,可以根据用户维度信息和知识图谱确定推荐子数据,该推荐子数据可以包括推荐食材,可以理解为服务器根据用户维度信息而确定的推荐食材,如,用户输入的维度信息中包括喜爱食材为鸡蛋,则该推荐子数据为鸡蛋。根据该推荐子数据调整该目标物品的初始参考值,得到目标参考值时,先根据用户维度信息从知识图谱中确定推荐子数据,该知识图谱由相互连接的实体以及实体的属性构成,这里的实体可以为物品,即该知识图谱存储了物品以及物品对应的相关属性(这里的相关属性包括食材、口味等),在知识图谱中确定该推荐子数据的权重,基于该推荐子数据,确定该推荐子数据对应的推荐物品,再根据该权重以及推荐物品中所包含的推荐子数据的数量,调整权重得到一个新权重,根据该推荐物品对应的初始参考值与该新权重,调整推荐物品的初始参考值,得到目标参考值。
可以理解为,若获取到的用户维度信息中具有用户的喜爱食材、身体处于需要祛湿或其他状态等信息,则服务器将该喜爱食材与能祛湿的食材确定为推荐食材,从知识图谱获取到该推荐食材对应的所有菜名,再获取到推荐食材的权重,根据每道菜里所具有的推荐食材的数量来调整该权重,得到一个新权重,例如,西红柿炒蛋中的西红柿和鸡蛋都是推荐食材,则西红柿炒蛋中的推荐食材数量为2,而预设的推荐食材权重为0.3,所以可得到推荐食材的新权重为0.3×2=6,这里得到的6即为新权重。将每道菜所对应的得分与该新权重相乘,作为菜的新得分。这里每道菜的新得分即根据上述初始参考值调整后得到的目标参考值。
上述可知,通过用户维度信息来确定数据组的评价分值,使数据组中的物品考虑到了用户的多个维度,增加了数据组的维度多样性,根据标准元素配比参数来确定数据组中每个物品的重量比例,由于确定物品的重量比例后,物品所在的数据组的营养元素配比参数更接近于标准营养元素配比参数,因此可以提高数据组的维度多样性和营养元素精细化规划。
进一步地,请参见图6,是本申请实施例提供的一种数据处理方法的时序示意图。如图6所示,该方法的时序流程如下:
步骤401,服务器创建功效数据矩阵。
具体的,该功效数据矩阵是由目标物品列表中的功效数据与物品名生成的,首先,服务器将物品名作为目标物品列表的行(如西红柿炒蛋、排骨玉米汤、皮蛋瘦肉粥等),将所有考虑的维度与功效标签的结合作为目标物品列表的列(如季节-春.抵抗力、季节-夏.去火、过敏.祛湿等),遍历表中每一个物品,针对每一个维度,查询知识图谱,知识图谱中存储有物品具有的功效标签(即第一功效标签)、属性、食材等信息,如这个维度需要的功效标签在这一个物品的功效标签中,则将对应的位置设置为1,否则设置为0。例如,行的物品为西红柿鸡蛋,列为季节-春.抵抗力,如西红柿鸡蛋这一物品的功效标签中具有抵抗力这个标签,则设置为1,如西红柿鸡蛋这一物品的功效标签中不具有抵抗力这个标签,则设置为0;在将目标物品列表中所有的值都设置为或1或0的值后,将该或1或0的值抽取出来,基于这些值生成功效数据矩阵。
需要说明的是,除目标物品列表这一形式的存储方式外,还可以利用具有相同存储功能的数据格式,如字典格式等。
步骤402,用户终端发送用户维度信息。
具体的,该用户维度信息可以包括的内容可以参见上述图2所对应实施例中步骤S101中阐述的内容,在此不再进行赘述。
需要说明的是,上述目标物品列表中的维度是所有的维度,而用户终端发送的用户维度是当前情况下的维度。比如,对于季节而言,目标物品列表包含了所有的季节维度(季节-春、季节-夏、季节-秋以及季节-冬),而用户输入维度只能是四个季节中的实际情况下的一个,如季节-春。
步骤403,服务器接收用户终端发送的用户维度信息。
具体的,用户终端在向服务器发送用户维度信息后,服务器可以接收到该信息,生成信息对应的过滤条件和推荐子数据,以此进行过滤和得到推荐物品。
步骤404,服务器基于用户维度信息和功效数据矩阵确定含初始参考值的目标物品列表。
具体的,服务器在获取到用户维度信息后,会遍历目标物品列表中所有的维度标签,如果遍历的维度在当前输入的用户维度(即第一维度标签)中,则将目标物品列表中该维度对应的维度数据设置为1,否则设置为0;这样,就将所有的维度转化成0或1的数值,得到一个包含0和1的维度矩阵(即第一维度矩阵),1代表了当前的输入维度,0代表了当前没有这个输入这个维度。例如,对于季节而言,如果用户输入的维度为季节-冬,那么当前输入为季节-冬,则将季节-冬的值设置为1,季节-夏、季节-春以及季节-秋的值都设置为0。后续服务器会获取到每一个维度对应的权重,将维度的值与权重进行与运算(例如,当前输入维度为季节-冬,将季节-冬的值设置为1,获取到的季节-冬的权重为2,将1与2进行与运算得到维度季节-冬的值为2),得到包含新维度值的新维度矩阵(即第二维度矩阵)。后续服务器将上述功效数据矩阵与该新维度矩阵进行矩阵点乘,作归一化处理得到初始参考值,所述初始参考值为每一个物品的得分,将所述初始参考值按指定顺序进行排序得到包含初始参考值的目标物品列表。需要说明的是,这里的指定顺序可以是从上到下从大到小,也可以是从上到下从小到大。
步骤405,服务器基于用户维度信息对目标物品列表进行过滤处理得到目标物品。
具体的,服务器在接收到用户终端发送的用户维度信息后,若该用户维度信息中含有用户的禁忌食材或不吃的口味等信息,可以对基于该用户维度信息对该目标物品列表进行过滤处理,其中,具体的过滤处理过程可以参见上述图5所对应实施例中的步骤S304,在此不再进行赘述。
步骤406,服务器基于用户维度信息确定推荐子数据,并根据推荐子数据调整目标物品列表中的初始参考值得到目标参考值。
具体的,该目标参考值可以指每一个物品的新得分;服务器在接收到用户终端发送的用户维度信息后,从知识图谱中获取到与用户维度信息相对应的推荐子数据,,该推荐子数据可以为推荐食材(如用户输入信息中具有视力差,那么需要富含维生素多的食材,如胡萝卜,那么胡萝卜即为推荐子数据);在得到推荐食材后,服务器会查询知识图谱,获取推荐食材对应的所有推荐物品名,基于推荐食材的权重,将推荐物品名的得分与推荐食材的权重进行与运算,得到推荐物品的目标参考值(例如,推荐食材为胡萝卜,获取到胡萝卜对应的推荐物品为胡萝卜炒鸡蛋,基于上述目标物品列表,得到胡萝卜炒鸡蛋的得分为80,那么胡萝卜炒鸡蛋的新得分为80+80×0.2=96),将目标物品列表中除推荐物品外的物品对应的初始参考值确定为其目标参考值。
需要说明的是,该推荐食材的权重是提前预设好的,可以包括0.1,0.2,1,2,10,2.8,而推荐物品中推荐食材的权重是会根据推荐食材的数量而改变的,具体改变方式是由权重和推荐食材的数量进行与运算得到新权重;例如,西红柿炒蛋中的西红柿和鸡蛋都是推荐食材,则西红柿炒蛋中的推荐食材数量为2,而预设的推荐食材权重为3,所以可得到推荐食材的新权重为3×2=6。
需要说明的是,在得到物品的新得分后,可以基于新得分按照指定顺序对物品进行重排序,这里的指定顺序可以是从上到下从大到小,也可以是从上到下从小到大。
步骤407,服务器将目标物品列表中的多个目标物品组合得到数据组。
具体的,该组合过程可以参见上述图2所对应实施例中的步骤S102,在此不再进行赘述。
步骤408,服务器根据标准元素配比参数确定数据组中每个目标物品的重量比例,并确定数据组对应的目标元素配比参数。
具体的,服务器获取到数据组中每个目标物品分别对应的单位元素配比参数,这里的单位元素配比参数可以为每个目标物品中包含的四大营养成分(脂肪、蛋白质、碳水化合物以及能量)的含量;后续服务器会获取到标准元素配比参数,这里的标准元素配比参数可以为服务器基于上述用户维度信息而确定的用户需要摄入的四大营养成分的含量;基于上述单位元素配比参数和标准元素配比参数,运用粒子群算法,改变数据组中每个物品的重量比例来确定数据组的目标元素配比参数,使得目标元素配比参数与标准元素配比参数的差值绝对值小于目标阈值,也就是说,改变数据中每个物品的重量比例来确定目标元素配比参数,使得目标元素配比参数最为接近标准元素配比参数,是一个最优值。
可以理解为,预设的目标阈值为0.3,上述数据组中的物品包括珍珠米饭、糖醋排骨、凉拌三丝、青椒土豆丝以及番茄蛋汤,其中,珍珠米饭的脂肪含量为0.2、蛋白质含量为0.4、碳水化合物含量为0.2、能量含量为0.2,糖醋排骨的脂肪含量为0.4、蛋白质含量为0.4、碳水化合物含量为0.1、能量含量为0.1,凉拌三丝的脂肪含量为0.1、蛋白质含量为0.3、碳水化合物含量为0.4、能量含量为0.2,青椒土豆丝的脂肪含量为0.1、蛋白质含量为0.4、碳水化合物含量为0.2、能量含量为0.3,番茄蛋汤的脂肪含量为0.2、蛋白质含量为0.5、碳水化合物含量为0.2、能量含量为0.1;根据用户输入的用户维度信息,确定的用户需要摄入的四大营养成分的含量具体为脂肪为2、蛋白质为4、碳水化合物为2以及能量为2;调整珍珠米饭、糖醋排骨、凉拌三丝、青椒土豆丝以及番茄蛋汤的重量比例,找到一个最优的重量比例,使得数据组中的四大营养成分含量与用户需要摄入的四大营养成分含量的差值绝对值小于0.3;所述最优重量比例为珍珠米饭重量为1、糖醋排骨重量为2、凉拌三丝重量为1、青椒土豆丝重量为3以及番茄蛋汤重量为2,这样使得数据组中脂肪的含量为1.8、蛋白质的含量为3.7、碳水化合物的含量为1.8以及能量的含量为1.9。每一个营养成分含量与用户需要摄入的每一个营养成分含量的差值比例值绝对值都小于或等于0.3。
步骤409,服务器根据目标参考值确定数据组的平均参考值。
步骤410,服务器根据平均参考值、标准元素配比参数、目标元素配比参数确定数据组的评价分值。
具体的,获取目标元素配比参数与标准元素配比参数的差值,将差值取自然对数的幂得到的值作为权重,将该权重与上述数据组的平均参考值进行与运算,得到数据组的评价分值。
可以理解为,数据组为珍珠米饭、糖醋排骨、凉拌三丝、青椒土豆丝以及番茄蛋汤,珍珠米饭的目标参考值为70、糖醋排骨的目标参考值为80、凉拌三丝的目标参考值为90、青椒土豆丝的目标参考值为60以及番茄蛋汤的目标参考值为70,所以可得到该数据组的平均参考值为74,数据组的目标元素配比参数与标准元素配比参数的差值比例值具体为脂肪差值为-1,、蛋白质差值为1、碳水化合物差值为2、能量差值为3,则权重为e-1+e1+e2+e3=30.56,则该数据组的评价分值为74×30.56=2261。
步骤411,服务器将评价分值按指定顺序进行排序,得到排序后的数组。
需要说明的是,这里的指定顺序可以是从上到下从大到小,也可以是从上到下从小到大。
步骤412,服务器输出排序后的数据组。
具体的,在得到数据组的评价分值并排好序后,可以将数组输出到用户终端,用户终端界面可以显示数据组中对应的物品。
上述可知,通过用户维度信息来确定数据组的评价分值,使数据组中的物品考虑到了用户的多个维度,增加了数据组的维度多样性,根据标准元素配比参数来确定数据组中每个物品的重量比例,由于确定物品的重量比例后,物品所在的数据组的营养元素配比参数更接近于标准营养元素配比参数,因此可以提高数据组的维度多样性和营养元素精细化规划。
请参见图7,是本申请实施例提供的一种数据处理场景示意图。如图7所示,用户终端100发送用户维度信息至服务器200,其中,用户维度信息包括用户当前所处的环境、气候、身体情况、食材喜恶等,服务器200在接收到用户维度信息后,会基于用户维度信息和服务器200创建好的功效数据矩阵确定物品的初始参考值,得到含物品初始参考值的目标物品列表10a,其中,目标物品列表10a中含多个物品以及每一个物品对应的初始参考值(即分数);服务器200会基于接收到的用户维度信息确定过滤条件,基于过滤条件对目标物品列表10a中的物品进行过滤删除,得到包含目标物品的目标物品列表10b,具体的过滤过程可以参见上述图6所对应实施例中的步骤405,这里不再进行赘述。基于用户维度信息,服务器200会确定推荐子数据,推荐子数据可以包括推荐食材,基于推荐食材,从数据库中可以查询到推荐食材对应的所有推荐物品,获取到推荐子数据的权重和数量,基于目标物品的初始参考值、权重、数量确定物品的目标参考值,也就是目标物品的新得分,具体的得到目标参考值的过程可以参见上述图6所对应实施例中的步骤406,在此不再进行赘述。基于目标参考值,得到含目标物品目标参考值的目标物品列表,后续,服务器200从知识图谱中获取物品的类型标识,基于类型标识从目标物品列表中分离出第一物品子表10d和第二物品子表10e,其中,第一物品子表10d中包含第一物品1、第一物品2、…、第一舞品n,第二物品子表10e中包含第二物品1、第二物品2、…、第二物品n,将第一物品子表10d中的第一物品与第二物品子表10e中的第二物品进行组合,具体的组合过程可以参见上述图6所对应实施例中的步骤407,在此不再进行赘述。组合后得到数据组集合11,其中,数据组集合11中可以包括数据组111、数据组112、…、数据组113,将数据组集合11进行过滤得到数据组集合12,其中,数据组集合12可以包括数据组121、数据组122,具体的过滤过程可以参见上述图5所对应实施例中的步骤407,在此不再进行赘述。基于粒子群算法,对数据组121、数据组122进行物品的重量比例分配,使每一个数据组对应的营养元素含量达到最优,具体的分配过程可以参见上述图6所对应实施例中的步骤408,在此不在进行赘述。分配完成后,计算出数据组的评价分值,基于评价分值排序,输出排序后的数据组至用户终端100,用户终端100的显示屏幕上可以显示数据组。
进一步地,请参见图8,是本申请实施例提供的一种数据处理装置的结构示意图。如图8所示,数据处理装置1可以包括:获取模块11、组合模块12、配比模块13以及确定模块14。
获取模块11,用于获取用户维度信息和目标物品列表,根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值;所述目标物品是指与所述用户维度信息相关联的物品;
组合模块12,用于将所述目标物品列表中的所述多个目标物品组合得到数据组;
配比模块13,用于根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数;
确定模块14,用于根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、目标元素配比参数以及所述平均参考值确定所述数据组的评价分值。
其中,获取模块11、组合模块12、配比模块13以及确定模块14的具体功能实现方式可以参见上述图2所对应实施例中的步骤S101-步骤S104,在此不再进行赘述。
请参见图8,获取模块11可以包括:第一生成单元111以及第二生成单元112。
第一生成单元111,用于根据所述目标物品列表中的功效标签和所述目标物品,生成功效数据矩阵;
所述第一生成单元111,还用于根据所述目标物品中的维度标签和所述用户维度信息,生成第一维度矩阵;
第二生成单元112,用于根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值。
其中,第一生成单元111以及第二生成单元112的具体功能实现方式可以参见上述图2所对应实施例中的步骤S101,在此不再进行赘述。
请参见图8,所述第一生成单元111可以包括确定子单元1111、第一设置子单元1112以及第一生成子单元1113。
确定子单元1111,用于根据所述用户维度信息确定第一维度标签,所述第一维度标签用于表征所述用户维度信息;
第一设置子单元1112,用于将所述第一表头参数对应的第一维度数据设置为有效值,所述第一维度数据是指所述目标物品列表中与所述第二维度标签相同的维度标签对应的维度数据;
所述第一设置子单元1112,还用于将所述第一表头参数对应的第二维度数据设置为无效值,所述第二维度数据是指所述目标物品列表中与所述第二维度标签不同的维度标签对应的维度数据;
第一生成子单元1113,用于根据维度数据调整后的目标物品列表中的各维度数据生成第一维度矩阵。
其中,确定子单元1111、第一设置子单元1112以及第一生成子单元1113的具体功能实现方式可以参见上述图2所对应实施例中的步骤S101,在此不再进行赘述。
请参见图8,所述第二生成单元112可以包括第一获取子单元1121以及计算子单元1122。
第一获取子单元1121,用于获取所述维度标签对应的第一权重;
计算子单元1122,用于将所述第一维度矩阵与所述第一权重进行与运算,得到第二维度矩阵;
所述计算子单元1122还用于将所述第二维度矩阵与所述功效数据矩阵进行矩阵点乘,对矩阵点乘结果进行归一化处理,得到所述目标物品列表中多个目标物品的目标参考值。
其中,第一获取子单元1121以及计算子单元1122的具体功能实现方式可以参见上述图4所对应实施例中的步骤S201-步骤S203,在此不再进行赘述。
请参见图8,第一生成单元111可以包括确定子单元1111、第一设置子单元1112以及第一生成子单元1113,还可以包括:第二获取子单元1114、第二设置子单元1115以及第二生成子单元1116。
第二获取子单元1114,用于获取所述目标物品列表中的第一功效标签,所述第一功效标签与所述目标物品关联;
第二设置子单元1115,用于将所述第一表头参数对应的第一功效数据设置为有效值,所述第一功效数据是指所述目标物品列表中与所述第一功效标签相同的功效标签对应的功效数据;
所述第二设置子单元1115,还用于将所述第一表头参数对应的第二功效数据设置为无效值,所述第二功效数据是指所述目标物品列表中与所述第一功效标签不同的功效标签对应的功效数据;
第二生成子单元1116,用于根据功效数据调整后的目标物品列表中的各功效数据生成功效数据矩阵。
其中,第二获取子单元1114、第二设置子单元1115以及第二生成子单元1116的具体功能实现方式可以参见上述图4所对应实施例中的步骤S201,在此不再进行赘述。
请参见图8,所述第二生成单元112可以包括第一获取子单元1121以及计算子单元1122,还可以包括第三生成子单元1123、过滤子单元1124以及推荐子单元1125。
第三生成子单元1123,用于根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中每个物品分别对应的初始参考值;
过滤子单元1124,用于根据所述用户维度信息对所述目标物品列表中的物品进行过滤处理,得到所述目标物品;
推荐子单元1124,用于根据所述用户维度信息确定推荐子数据,根据所述推荐子数据调整所述目标物品的所述初始参考值,得到所述目标物品的目标参考值。
所述过滤子单元1124,还用于根据所述用户维度信息从知识图谱中确定待删除物品;所述知识图谱用于存储物品以及物品的属性;
所述过滤子单元1124,还用于基于所述待删除物品从所述目标物品列表中将所述待删除物品删除,得到目标物品。
所述推荐子单元1125,还用于根据所述用户维度信息从知识图谱中确定推荐子数据,在所述知识图谱中确定所述推荐子数据的第二权重;
所述推荐子单元1125,还用于基于所述推荐子数据,确定所述推荐子数据对应的推荐物品;
所述推荐子单元1125,还用于根据所述第二权重以及所述推荐物品中所包含的推荐子数据的数量,确定所述推荐物品对应的第三权重,根据所述推荐物品对应的所述初始参考值与所述第三权重,调整所述推荐物品的所述初始参考值,得到所述目标物品中的推荐物品的目标参考值;
所述推荐子单元1125,还用于将所述目标物品中除了所述推荐物品之外的物品对应的初始参考值,确定为所述目标物品中除了所述推荐物品之外的物品的目标参考值。
其中,第三生成子单元1123、过滤子单元1124以及推荐子单元1125的具体功能实现方式可以参见上述图5所对应实施例中的步骤S303-步骤305,在此不再进行赘述。
请参见图8,所述配比模块13可以包括:第一获取单元131和第一确定单元132。
第一获取单元131,用于获取所述数据组中的每个目标物品分别对应的单位元素配比参数;
所述第二获取单元131,还用于获取标准元素配比参数,基于所述标准元素配比参数、所述单位元素配比参数以及粒子群算法,确定所述数据组中每个目标物品的重量比例;
第一确定单元132,用于基于所述单位元素配比参数和所述重量比例,确定所述数据组对应的目标元素配比参数;所述目标元素配比参数与所述标准元素配比参数的差值绝对值小于目标阈值。
其中,第一获取单元131和第一确定单元132的具体功能实现方式可以参见上述图2所对应实施例中的步骤S103,在此不再进行赘述。
请参见图8,所述确定模块14可以包括第二确定单元141和第二获取单元142。
第二确定单元141,用于根据所述目标物品列表中的所述目标参考值,确定所述数据组对应的平均参考值;
第二获取单元142,用于获取所述目标元素配比参数和所述标准元素配比参数之间的差值;
所述第二确定单元141,还用于根据所述差值与所述标准元素配比参数,确定差值比例值,基于所述差值比例值确定第四权重;
所述第二确定单元141,还用于根据所述平均参考值与所述第四权重,确定所述数据组对应的评价分值。
其中,第二确定单元141和第二获取单元142的具体功能实现方式可以参见上述图2所对应实施例中的步骤S104,在此不再进行赘述。
本申请实施例通过获取用户维度信息和目标物品列表,根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值;所述目标物品是指与所述用户维度信息相关联的物品;将所述目标物品列表中的所述多个目标物品组合得到数据组;根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数;根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、目标元素配比参数以及所述平均参考值确定所述数据组的评价分值。上述可知,通过用户维度信息来确定数据组的评价分值,使数据组中的物品考虑到了用户的多个维度,增加了数据组的维度多样性,根据标准元素配比参数来确定数据组中每个物品的重量比例,由于确定物品的重量比例后,物品所在的数据组的营养元素配比参数更接近于标准营养元素配比参数,因此可以提高数据组的维度多样性和营养元素精细化规划。
进一步地,请参见图9,是本申请实施例提供的一种计算机设备的结构示意图。如图9所示,上述图8所对应实施例中的装置1可以应用于所述计算机设备1000,所述计算机设备1000可以包括:处理器1001,网络接口1004和存储器1005,此外,所述计算机设备1000还包括:用户接口1003,和至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图9所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图9所示的计算机设备1000中,网络接口1004可提供网络通讯功能;而用户接口1003主要用于为用户提供输入的接口;而处理器1001可以用于调用存储器1005中存储的设备控制应用程序,以实现:
获取用户维度信息和目标物品列表,根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值;所述目标物品是指与所述用户维度信息相关联的物品;
将所述目标物品列表中的所述多个目标物品组合得到数据组;
根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数;
根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、目标元素配比参数以及所述平均参考值确定所述数据组的评价分值。
在一个实施例中,所述目标物品列表包括第一表头参数和第二表头参数,所述第一表头参数为多个物品,所述第二表头参数为多个组合信息,每个组合信息为一个维度标签与一个功效标签组合得到的信息;
所述处理器1001在执行所述根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值时,具体执行以下步骤:
根据所述目标物品列表中的功效标签和所述目标物品,生成功效数据矩阵;
根据所述目标物品中的维度标签和所述用户维度信息,生成第一维度矩阵;
根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值。
在一个实施例中,所述目标物品列表还包括维度数据,一个维度数据对应一个物品和一个维度标签;
所述处理器1001执行所述根据所述目标物品中的维度标签和所述用户维度信息,生成第一维度矩阵时,具体执行以下步骤:
根据所述用户维度信息确定第一维度标签,所述第一维度标签用于表征所述用户维度信息;
将所述第一表头参数对应的第一维度数据设置为有效值,所述第一维度数据是指所述目标物品列表中与所述第二维度标签相同的维度标签对应的维度数据;
将所述第一表头参数对应的第二维度数据设置为无效值,所述第二维度数据是指所述目标物品列表中与所述第二维度标签不同的维度标签对应的维度数据;
根据维度数据调整后的目标物品列表中的各维度数据生成第一维度矩阵。在一个实施例中,所述处理器1001执行所述根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值时,具体执行以下步骤:
获取所述维度标签对应的第一权重;
将所述第一维度矩阵与所述第一权重进行与运算,得到第二维度矩阵;
将所述第二维度矩阵与所述功效数据矩阵进行矩阵点乘,对矩阵点乘结果进行归一化处理,得到所述目标物品列表中多个目标物品的目标参考值。
在一个实施例中,所述目标物品列表还包括功效数据,一个功效数据对应一个功效标签和一个物品;
所述处理器1001执行所述根据所述目标物品列表中的第一功效标签和所述目标物品,生成功效数据矩阵时,具体执行以下步骤:
获取所述目标物品列表中的第一功效标签,所述第一功效标签与所述目标物品关联;
将所述第一表头参数对应的第一功效数据设置为有效值,所述第一功效数据是指所述目标物品列表中与所述第一功效标签相同的功效标签对应的功效数据;
将所述第一表头参数对应的第二功效数据设置为无效值,所述第二功效数据是指所述目标物品列表中与所述第一功效标签不同的功效标签对应的功效数据;
根据功效数据调整后的目标物品列表中的各功效数据生成功效数据矩阵。
在一个实施例中,所述处理器在执行所述根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值时,具体执行以下步骤:
根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中每个物品分别对应的初始参考值;
根据所述用户维度信息对所述目标物品列表中的物品进行过滤处理,得到所述目标物品;
根据所述用户维度信息确定推荐子数据,根据所述推荐子数据调整所述目标物品的所述初始参考值,得到所述目标物品的目标参考值。
在一个实施例中,所述处理器1001执行所述根据所述用户维度信息对所述目标物品列表中的物品进行过滤处理,得到所述目标物品时,具体执行以下步骤:
根据所述用户维度信息从知识图谱中确定待删除物品;所述知识图谱用于存储物品以及物品的属性;
基于所述待删除物品从所述目标物品列表中将所述待删除物品删除,得到目标物品。
在一个实施例中,所述处理器1001执行所述根据所述用户维度信息确定推荐子数据,根据所述推荐子数据调整所述目标物品的所述初始参考值,得到所述目标物品的目标参考值时,具体执行以下步骤:
根据所述用户维度信息从知识图谱中确定推荐子数据,在所述知识图谱中确定所述推荐子数据的第二权重;
基于所述推荐子数据,确定所述推荐子数据对应的推荐物品;
根据所述第二权重以及所述推荐物品中所包含的推荐子数据的数量,确定所述推荐物品对应的第三权重,根据所述推荐物品对应的所述初始参考值与所述第三权重,调整所述推荐物品的所述初始参考值,得到所述目标物品中的推荐物品的目标参考值;
将所述目标物品中除了所述推荐物品之外的物品对应的初始参考值,确定为所述目标物品中除了所述推荐物品之外的物品的目标参考值。
在一个实施例中,所述处理器1001执行所述根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数时,具体包括以下步骤:
获取所述数据组中的每个目标物品分别对应的单位元素配比参数;
获取标准元素配比参数,基于所述标准元素配比参数、所述单位元素配比参数以及粒子群算法,确定所述数据组中每个目标物品的重量比例;
基于所述单位元素配比参数和所述重量比例,确定所述数据组对应的目标元素配比参数;所述目标元素配比参数与所述标准元素配比参数的差值绝对值小于目标阈值。
在一个实施例中,所述处理器1001执行所述根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、目标元素配比参数以及所述平均参考值确定所述数据组的评价分值时,具体执行以下步骤:
根据所述目标物品列表中的所述目标参考值,确定所述数据组对应的平均参考值;
获取所述目标元素配比参数和所述标准元素配比参数之间的差值;
根据所述差值与所述标准元素配比参数,确定差值比例值,基于所述差值比例值确定第四权重;
根据所述平均参考值与所述第四权重,确定所述数据组对应的评价分值。
上述可知,通过用户维度信息来确定数据组的评价分值,使数据组中的物品考虑到了用户的多个维度,增加了数据组的维度多样性,根据标准元素配比参数来确定数据组中每个物品的重量比例,由于确定物品的重量比例后,物品所在的数据组的营养元素配比参数更接近于标准营养元素配比参数,因此可以提高数据组的维度多样性和营养元素精细化规划。
应当理解,本申请实施例中所描述的计算机设备1000可执行前文图2到图6所对应实施例中对所述数据处理方法的描述,也可执行前文图8所对应实施例中对所述数据处理的装置1的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
此外,这里需要指出的是:本申请实施例还提供了一种计算机存储介质,且所述计算机存储介质中存储有前文提及的数据处理的计算机设备1所执行的计算机程序,且所述计算机程序包括程序指令,当所述处理器执行所述程序指令时,能够执行前文图2到图6所对应实施例中对所述数据处理方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本发明所涉及的计算机存储介质实施例中未披露的技术细节,请参照本发明方法实施例的描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
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 (13)
1.一种数据处理方法,其特征在于,包括:
获取用户维度信息和目标物品列表,根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值;所述目标物品是指与所述用户维度信息相关联的物品;
将所述目标物品列表中的所述多个目标物品组合得到数据组;
根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数;
根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、所述目标元素配比参数以及所述平均参考值确定所述数据组的评价分值。
2.根据权利要求1所述的方法,其特征在于,所述目标物品列表包括第一表头参数和第二表头参数,所述第一表头参数为多个物品,所述第二表头参数为多个组合信息,每个组合信息为一个维度标签与一个功效标签组合得到的信息;
所述根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值,包括:
根据所述目标物品列表中的功效标签和所述目标物品,生成功效数据矩阵;
根据所述目标物品中的维度标签和所述用户维度信息,生成第一维度矩阵;
根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值。
3.根据权利要求2所述的方法,其特征在于,所述目标物品列表还包括维度数据,一个维度数据对应一个物品和一个维度标签;
所述根据所述目标物品中的维度标签和所述用户维度信息,生成第一维度矩阵,包括:
根据所述用户维度信息确定第一维度标签,所述第一维度标签用于表征所述用户维度信息;
将所述第一表头参数对应的第一维度数据设置为有效值,所述第一维度数据是指所述目标物品列表中与所述第一维度标签相同的维度标签对应的维度数据;
将所述第一表头参数对应的第二维度数据设置为无效值,所述第二维度数据是指所述目标物品列表中与所述第一维度标签不同的维度标签对应的维度数据;
根据维度数据调整后的目标物品列表中的各维度数据生成第一维度矩阵。
4.根据权利要求2所述的方法,其特征在于,所述根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值,包括:
获取所述维度标签对应的第一权重;
将所述第一维度矩阵与所述第一权重进行与运算,得到第二维度矩阵;
将所述第二维度矩阵与所述功效数据矩阵进行矩阵点乘,对矩阵点乘结果进行归一化处理,得到所述目标物品列表中多个目标物品的目标参考值。
5.根据权利要求2所述的方法,其特征在于,所述目标物品列表还包括功效数据,一个功效数据对应一个功效标签和一个物品;
所述根据所述目标物品列表中的功效标签和所述目标物品,生成功效数据矩阵,包括:
获取所述目标物品列表中的第一功效标签,所述第一功效标签与所述目标物品关联;
将所述第一表头参数对应的第一功效数据设置为有效值,所述第一功效数据是指所述目标物品列表中与所述第一功效标签相同的功效标签对应的功效数据;
将所述第一表头参数对应的第二功效数据设置为无效值,所述第二功效数据是指所述目标物品列表中与所述第一功效标签不同的功效标签对应的功效数据;
根据功效数据调整后的目标物品列表中的各功效数据生成功效数据矩阵。
6.根据权利要求2所述的方法,其特征在于,所述根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中多个目标物品的目标参考值,包括:
根据所述第一维度矩阵和所述功效数据矩阵,生成所述目标物品列表中每个物品分别对应的初始参考值;
根据所述用户维度信息对所述目标物品列表中的物品进行过滤处理,得到所述目标物品;
根据所述用户维度信息确定推荐子数据,根据所述推荐子数据调整所述目标物品的所述初始参考值,得到所述目标物品的目标参考值。
7.根据权利要求6所述的方法,其特征在于,所述根据所述用户维度信息对所述目标物品列表中的物品进行过滤处理,得到所述目标物品,包括:
根据所述用户维度信息和知识图谱确定待删除物品;
基于所述待删除物品从所述目标物品列表中将所述待删除物品删除,得到目标物品。
8.根据权利要求6所述的方法,其特征在于,所述根据所述用户维度信息确定推荐子数据,根据所述推荐子数据调整所述目标物品的所述初始参考值,得到所述目标物品的目标参考值,包括:
根据所述用户维度信息和知识图谱确定推荐子数据,根据所述知识图谱确定所述推荐子数据的第二权重;
基于所述推荐子数据,确定所述推荐子数据对应的推荐物品;
根据所述第二权重以及所述推荐物品中所包含的推荐子数据的数量,确定所述推荐物品对应的第三权重,根据所述推荐物品对应的所述初始参考值与所述第三权重,调整所述推荐物品的所述初始参考值,得到所述目标物品中的推荐物品的目标参考值;
将所述目标物品中除了所述推荐物品之外的物品对应的初始参考值,确定为所述目标物品中除了所述推荐物品之外的物品的目标参考值。
9.根据权利要求1所述的方法,其特征在于,所述根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数,包括:
获取所述数据组中的每个目标物品分别对应的单位元素配比参数;
获取标准元素配比参数,基于所述标准元素配比参数、所述单位元素配比参数以及粒子群算法,确定所述数据组中每个目标物品的重量比例;
基于所述单位元素配比参数和所述重量比例,确定所述数据组对应的目标元素配比参数;所述目标元素配比参数与所述标准元素配比参数的差值绝对值小于目标阈值。
10.根据权利要求1所述的方法,其特征在于,所述根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、目标元素配比参数以及所述平均参考值确定所述数据组的评价分值,包括:
根据所述目标物品列表中的所述目标参考值,确定所述数据组对应的平均参考值;
获取所述目标元素配比参数和所述标准元素配比参数之间的差值;
根据所述差值与所述标准元素配比参数,确定差值比例值,基于所述差值比例值确定第四权重;
根据所述平均参考值与所述第四权重,确定所述数据组对应的评价分值。
11.一种数据处理装置,其特征在于,包括:
获取模块,用于获取用户维度信息和目标物品列表,根据所述用户维度信息确定所述目标物品列表中多个目标物品的目标参考值;
组合模块,用于将所述目标物品列表中的多个目标物品组合得到数据组;
配比模块,用于根据标准元素配比参数确定所述数据组中的每个目标物品的重量比例,根据所述重量比例确定所述数据组对应的目标元素配比参数;
确定模块,用于根据所述目标参考值确定所述数据组对应的平均参考值,根据所述标准元素配比参数、目标元素配比参数以及所述平均参考值确定所述数据组的评价分值。
12.一种计算机设备,其特征在于,包括:处理器和存储器;
所述存储器和存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-10中任一项所述方法的步骤。
13.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时,执行如权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910974266.9A CN110838356B (zh) | 2019-10-14 | 2019-10-14 | 一种数据处理方法、装置以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910974266.9A CN110838356B (zh) | 2019-10-14 | 2019-10-14 | 一种数据处理方法、装置以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110838356A true CN110838356A (zh) | 2020-02-25 |
CN110838356B CN110838356B (zh) | 2022-09-27 |
Family
ID=69575347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910974266.9A Active CN110838356B (zh) | 2019-10-14 | 2019-10-14 | 一种数据处理方法、装置以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838356B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112489761A (zh) * | 2020-11-19 | 2021-03-12 | 华中科技大学同济医学院附属协和医院 | 一种液体及能量管理系统 |
CN113393190A (zh) * | 2021-06-10 | 2021-09-14 | 北京京东振世信息技术有限公司 | 仓储信息处理方法、装置、电子设备及可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060081653A1 (en) * | 2004-10-01 | 2006-04-20 | Boland Michael J | Customised nutritional food and beverage dispensing system |
CN106228004A (zh) * | 2016-07-19 | 2016-12-14 | 海尔优家智能科技(北京)有限公司 | 一种健康食谱推送方法及装置、智能家居服务器 |
CN109493944A (zh) * | 2018-10-09 | 2019-03-19 | 珠海亿联德源信息技术有限公司 | 一种膳食管理系统 |
CN110021403A (zh) * | 2017-10-30 | 2019-07-16 | 合肥美的智能科技有限公司 | 推荐食材的方法和装置、家用电器和机器可读存储介质 |
-
2019
- 2019-10-14 CN CN201910974266.9A patent/CN110838356B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060081653A1 (en) * | 2004-10-01 | 2006-04-20 | Boland Michael J | Customised nutritional food and beverage dispensing system |
CN106228004A (zh) * | 2016-07-19 | 2016-12-14 | 海尔优家智能科技(北京)有限公司 | 一种健康食谱推送方法及装置、智能家居服务器 |
CN110021403A (zh) * | 2017-10-30 | 2019-07-16 | 合肥美的智能科技有限公司 | 推荐食材的方法和装置、家用电器和机器可读存储介质 |
CN109493944A (zh) * | 2018-10-09 | 2019-03-19 | 珠海亿联德源信息技术有限公司 | 一种膳食管理系统 |
Non-Patent Citations (1)
Title |
---|
冯杨: "营养评价与膳食智能决策支持系统设计研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112489761A (zh) * | 2020-11-19 | 2021-03-12 | 华中科技大学同济医学院附属协和医院 | 一种液体及能量管理系统 |
CN113393190A (zh) * | 2021-06-10 | 2021-09-14 | 北京京东振世信息技术有限公司 | 仓储信息处理方法、装置、电子设备及可读介质 |
CN113393190B (zh) * | 2021-06-10 | 2023-12-05 | 北京京东振世信息技术有限公司 | 仓储信息处理方法、装置、电子设备及可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110838356B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190034556A1 (en) | Method, apparatus and refrigerator for recipe recommendation | |
Choi et al. | Eat, cook, grow: Mixing human-computer interactions with human-food interactions | |
CN114631133A (zh) | 使用人工智能模拟目标食品的方法 | |
CN103345591A (zh) | 一种个性化营养配餐装置及方法 | |
CN106372258A (zh) | 菜谱提示方法、装置及具有该装置的终端设备 | |
TWI353555B (en) | Personalized meal planning method and system there | |
US20150294225A1 (en) | Recipe information processing apparatus, cooking apparatus, and recipe information processing method | |
CN111883230A (zh) | 饮食数据的生成方法及装置、存储介质和电子装置 | |
CN101410866A (zh) | 推荐食谱的系统和方法 | |
CN110838356B (zh) | 一种数据处理方法、装置以及存储介质 | |
CN110223757A (zh) | 食谱方案的推荐方法、装置、介质、电子设备 | |
CN111081350A (zh) | 基于用户特征的智能家居设备信息的推送方法和装置 | |
Adeyonu et al. | Determinants of sweet potato value addition among smallholder farming households in Kwara state, Nigeria | |
JP6410069B1 (ja) | レシピ情報提供装置、レシピ情報提供方法およびレシピ情報提供プログラム | |
CN110706783A (zh) | 食谱推荐方法、装置、计算设备及计算机存储介质 | |
CN116434915A (zh) | 保障儿童饮食营养均衡的管理方法及系统 | |
CN112818222A (zh) | 一种基于知识图谱的个性化饮食推荐方法及系统 | |
CN111949889A (zh) | 一种基于大数据的共享平台智能推荐方法、系统及可读存储介质 | |
CN115221420A (zh) | 一种基于用户画像的饮食推荐方法及系统 | |
Pochmann et al. | Multi-objective bilevel recommender system for food diets | |
JP2019133624A (ja) | レシピ情報提供装置、レシピ情報提供方法およびレシピ情報提供プログラム | |
CN112102922B (zh) | 一种信息推荐方法和装置 | |
CN112232917B (zh) | 电商平台的商品推荐方法、装置及设备 | |
CN112700842B (zh) | 一种家庭饮食方案推荐方法 | |
Jridi et al. | Menu planning with a dynamic goal programming approach |
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: 20200413 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 |