CN111435373B - 一种基于多维度特征标签的智能菜谱推荐方法 - Google Patents
一种基于多维度特征标签的智能菜谱推荐方法 Download PDFInfo
- Publication number
- CN111435373B CN111435373B CN201910035383.9A CN201910035383A CN111435373B CN 111435373 B CN111435373 B CN 111435373B CN 201910035383 A CN201910035383 A CN 201910035383A CN 111435373 B CN111435373 B CN 111435373B
- Authority
- CN
- China
- Prior art keywords
- feature
- label
- intelligent
- menu
- primary
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000010411 cooking Methods 0.000 claims description 117
- 235000013311 vegetables Nutrition 0.000 claims description 4
- 235000009508 confectionery Nutrition 0.000 claims description 3
- 238000010025 steaming Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 235000019605 sweet taste sensations Nutrition 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于多维度特征标签的智能菜谱推荐方法,通过预先构建针对菜谱特点的多维度特征标签集合及在多维度特征标签集合内的各一级特征标签集合、构建智能菜谱数据库并在智能菜谱数据库内分别构建针对多维度特征标签集合内各一级特征标签集合的一级智能菜谱数据库,然后根据用户所输入的菜谱查询条件在智能菜谱数据库内得到初选智能菜谱集合后,即对初选智能菜谱集合内各智能菜谱所对应的二级特征标签的权重值做计算,将具有最大权重值的二级特征标签对应的且位于初选智能菜谱集合内的智能菜谱作为最优智能菜谱推荐给该用户,从而最大限度地减少针对智能菜谱数据库内菜谱的搜索次数和计算量,确保提供符合用户查阅要求的智能菜谱给用户。
Description
技术领域
本发明涉及智能菜谱领域,尤其涉及一种基于多维度特征标签的智能菜谱推荐方法。
背景技术
随着智能化地发展,具备智能菜谱推荐功能的各种厨电设备逐渐进入厨电市场,并且也越来越被广大的用户所接受。
用户在需要厨电设备推荐菜谱时,厨电设备会要求用户输入菜谱查询条件,然后由厨电设备或者连接该厨电设备的后台服务器将点击量较多的智能菜谱清单反馈给用户,然后再由用户在所反馈的该智能菜谱清单中选择自己所喜欢的菜谱。
事实上,在现有的智能菜谱推荐方法中,由于厨电设备内或者其后台服务器内往往会存储大量的智能菜谱,并且即便按照用户的菜谱查询条件去搜索查询,也会有大量的智能菜谱可以满足用户所输入的菜谱查询条件,也就需要用户不断、多次的输入不同的菜谱查询条件,方能最终选择出自己满意的智能菜谱。然而,由于利用现有的智能菜谱推荐方法需要用户与厨电设备之间多次针对用户输入的菜谱查询条件进行对话,势必导致负责处理功能的厨电设备或者后台服务器做出大量的计算,这样无疑就增加了推荐菜谱时的出错概率,降低了智能菜谱的推荐效率。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种基于多维度特征标签的智能菜谱推荐方法。
本发明解决上述技术问题所采用的技术方案为:一种基于多维度特征标签的智能菜谱推荐方法,其特征在于,包括如下步骤:
步骤1,预先构建针对菜谱特点的多维度特征标签集合;其中,所述多维度特征标签集合包括有一级特征标签集合;所述一级特征标签集合包括有口味特征标签集合、菜系特征标签集合、烹饪方法特征标签集合、烹饪工具特征标签集合和场景特征标签集合;其中:
所述口味特征标签集合包括有多个表征不同口味特点的二级口味特征标签,所述口味特征标签集合标记为A,该口味特征标签集合内的任一个二级口味特征标签标记为ai,A={ai},1≤i≤N1;N1为该口味特征标签集合内的二级口味特征标签总数量;
所述菜系特征标签集合包括有多个表征不同菜系特点的二级菜系特征标签,所述菜系特征标签集合标记为B,该菜系特征标签集合内的任一个二级菜系特征标签标记为bj,B={bj},1≤j≤N2;N2为该菜系特征标签集合内的二级菜系特征标签总数量;
所述烹饪方法特征标签集合包括有多个表征不同烹饪方法特点的二级烹饪方法特征标签,所述烹饪方法特征标签集合标记为C,该烹饪方法特征标签集合内的任一个二级烹饪方法特征标签标记为cu,C={cu},1≤u≤N3;N3为该烹饪方法特征标签集合内的二级烹饪方法特征标签总数量;
所述烹饪工具特征标签集合包括有多个表征不同烹饪工具特点的二级烹饪工具特征标签,所述烹饪工具特征标签集合标记为D,该烹饪工具特征标签集合内的任一个二级烹饪工具特征标签标记为dv,D={dv},1≤v≤N4;N4为该烹饪工具特征标签集合内的二级烹饪工具特征标签总数量;
所述场景特征标签集合包括有多个表征不同场景特点的二级场景特征标签,所述场景特征标签集合标记为E,该场景特征标签集合内的任一个二级场景特征标签标记为eq,E={eq},1≤q≤N5;N5为该场景特征标签集合内的二级场景特征标签总数量;
步骤2,构建智能菜谱数据库,并在该智能菜谱数据库内分别构建针对所述多维度特征标签集合内各一级特征标签集合的一级智能菜谱数据库;其中,所述一级智能菜谱数据库的数量与所述多维度特征标签集合内的一级特征标签集合的数量相等;
步骤3,将若干预存用智能菜谱按照所述多维度特征标签集合内的各一级特征标签集合对应地做归类处理,并将归类后的各预存用智能菜谱存储到其所归属的一级特征标签集合对应的一级智能菜谱数据库内;
步骤4,接收用户输入的菜谱查询条件,并根据所述菜谱查询条件在所述智能菜谱数据库内做菜谱搜索处理,得到满足所述菜谱查询条件的初选智能菜谱集合;其中,所述初选智能菜谱集合标记为S,所述初选智能菜谱集合S内的智能菜谱总数量标记为M,M≥2,该初选智能菜谱集合S内的任一个智能菜谱标记为sr,S={sr},1≤r≤M;
步骤5,对所述初选智能菜谱集合内的各智能菜谱按照所述各一级特征标签集合做对应归类处理,分别得到该初选智能菜谱集合内归属各一级特征标签集合的智能菜谱数量;其中,在该初选智能菜谱集合内:
归属口味特征标签集合的智能菜谱总数量标记为M1,M1≤M;
归属菜系特征标签集合的智能菜谱总数量标记为M2,M2≤M;
归属烹饪方法特征标签集合的智能菜谱总数量标记为M3,M3≤M;
归属烹饪工具特征标签集合的智能菜谱总数量标记为M4,M4≤M;
归属场景特征标签集合的智能菜谱总数量标记为M5,M5≤M;
步骤6,根据步骤5所得初选智能菜谱集合内归属于各一级特征标签集合的智能菜谱数量,计算该初选智能菜谱集合内任一个智能菜谱在每个一级特征标签集合上的对应概率;其中:
步骤7,对经步骤5归类处理的所述初选智能菜谱集合内的各智能菜谱,再按照各自所对应一级特征标签集合下的各二级特征标签做归类处理,分别得到归属对应的一级特征标签集合且归属于该一级特征标签集合下各二级特征标签的智能菜谱数量;其中,在该初选智能菜谱集合内:
步骤8,根据步骤7所得初选智能菜谱集合内归属于各二级特征标签的智能菜谱数量,得到所述初选智能菜谱集合对应各一级特征标签集合的熵;其中:
步骤9,根据所述各一级特征标签集合分别包含的二级特征标签数量以及所有一级特征标签集合下的二级特征标签总数量,计算得到各一级特征标签集合内任一个二级特征标签所对应的分支概率;其中:
步骤10,根据步骤6、步骤8和步骤9的结果,计算得到对应初选智能菜谱集合内智能菜谱的各一级特征标签集合所对应的权重值,并将具有最大权重值的一级特征标签集合作为优选特征标签集合,并将该优选特征标签集合包含的所有二级特征标签反馈给用户选择;其中:
所述最大权重值标记为λmax,λmax=max(λ(A),λ(B),λ(C),λ(D),λ(E));
步骤11,根据用户在所述优选特征标签集合内所选取的二级特征标签,将用户选取的该二级特征标签所对应的且位于初选智能菜谱集合内的智能菜谱作为最优智能菜谱推荐给该用户。
改进地,在所述基于多维度特征标签的智能菜谱推荐方法中,所述口味特征标签集合内的二级口味特征标签分别为酸、甜、苦、辣、咸和淡的任意一种或者任一组合;
所述菜系特征标签集合内的二级菜系特征标签分别为川菜、粤菜、鲁菜和湘菜的任意一种或者任一组合;
所述烹饪方法特征标签集合内的二级烹饪方法特征标签分别为清蒸、红烧和烧烤的任意一种或者任一组合;
所述烹饪工具特征标签集合内的二级烹饪工具特征标签分别为灶具、蒸箱和烤箱的任意一种或者任一组合;
所述场景特征标签集合内的二级场景特征标签分别为上午、中午和下午的任意一种或者任一组合。
与现有技术相比,本发明的优点在于:本发明中的智能菜谱推荐方法通过预先构建针对菜谱特点的多维度特征标签集合以及在该多维度特征标签集合内的各一级特征标签集合、构建智能菜谱数据库并在该智能菜谱数据库内分别构建针对多维度特征标签集合内各一级特征标签集合的一级智能菜谱数据库,然后根据用户所输入的菜谱查询条件在该智能菜谱数据库内得到初选智能菜谱集合后,即对初选智能菜谱集合内各智能菜谱所对应的二级特征标签的权重值做计算,以将具有最大权重值的二级特征标签所对应的且位于初选智能菜谱集合内的智能菜谱作为最优智能菜谱推荐给该用户,即根据各二级特征标签的权值的高低来给用户反馈在智能菜谱数据库中的查找结果,从而最大限度地减少针对智能菜谱数据库内菜谱的搜索次数和计算量,避免用户通过多次输入查询条件以筛选符合自己要求的菜谱,减少了用户与厨电设备之间因菜谱查询条件而发生的多轮对话,从而可以确保提供更加符合用户查阅要求的智能菜谱给用户。
附图说明
图1为本发明实施例中基于多维度特征标签的智能菜谱推荐方法流程示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
参见图1所示,本实施例提供一种基于多维度特征标签的智能菜谱推荐方法,包括如下步骤:
步骤1,预先构建针对菜谱特点的多维度特征标签集合;其中,该多维度特征标签集合包括有一级特征标签集合;一级特征标签集合包括有口味特征标签集合、菜系特征标签集合、烹饪方法特征标签集合、烹饪工具特征标签集合和场景特征标签集合;其中:
此处的口味特征标签集合包括有多个表征不同口味特点的二级口味特征标签,该口味特征标签集合标记为A,该口味特征标签集合内的任一个二级口味特征标签标记为ai,A={ai},1≤i≤N1;N1为该口味特征标签集合内的二级口味特征标签总数量;具体到本实施例中,口味特征标签集合内的二级口味特征标签分别为酸、甜、苦、辣、咸和淡的任意一种或者任一组合;
此处的菜系特征标签集合包括有多个表征不同菜系特点的二级菜系特征标签,该菜系特征标签集合标记为B,该菜系特征标签集合内的任一个二级菜系特征标签标记为bj,B={bj},1≤j≤N2;N2为该菜系特征标签集合内的二级菜系特征标签总数量;本实施例中的菜系特征标签集合内的二级菜系特征标签分别为川菜、粤菜、鲁菜和湘菜的任意一种或者任一组合;
此处的烹饪方法特征标签集合包括有多个表征不同烹饪方法特点的二级烹饪方法特征标签,该烹饪方法特征标签集合标记为C,该烹饪方法特征标签集合内的任一个二级烹饪方法特征标签标记为cu,C={cu},1≤u≤N3;N3为该烹饪方法特征标签集合内的二级烹饪方法特征标签总数量;本实施例中的烹饪方法特征标签集合内的二级烹饪方法特征标签分别为清蒸、红烧和烧烤的任意一种或者任一组合;
此处的烹饪工具特征标签集合包括有多个表征不同烹饪工具特点的二级烹饪工具特征标签,该烹饪工具特征标签集合标记为D,该烹饪工具特征标签集合内的任一个二级烹饪工具特征标签标记为dv,D={dv},1≤v≤N4;N4为该烹饪工具特征标签集合内的二级烹饪工具特征标签总数量;本实施例中的烹饪工具特征标签集合内的二级烹饪工具特征标签分别为灶具、蒸箱和烤箱的任意一种或者任一组合;
此处的场景特征标签集合包括有多个表征不同场景特点的二级场景特征标签,该场景特征标签集合标记为E,该场景特征标签集合内的任一个二级场景特征标签标记为eq,E={eq},1≤q≤N5;N5为该场景特征标签集合内的二级场景特征标签总数量;具体到本实施例中,场景特征标签集合内的二级场景特征标签分别为上午、中午和下午的任意一种或者任一组合;
步骤2,构建智能菜谱数据库,并在该智能菜谱数据库内分别构建针对多维度特征标签集合内各一级特征标签集合的一级智能菜谱数据库;其中,该一级智能菜谱数据库的数量与多维度特征标签集合内的一级特征标签集合的数量相等;也就是说,由于本实施例中的多维度特征标签集合内的一级特征标签集合的数量为五个,则对应地,多维度特征标签集合内的一级特征标签集合的数量也同样为五个;
步骤3,将若干预存用智能菜谱按照多维度特征标签集合内的各一级特征标签集合对应地做归类处理,并将归类后的各预存用智能菜谱存储到其所归属的一级特征标签集合对应的一级智能菜谱数据库内;
步骤4,接收用户输入的菜谱查询条件,并根据菜谱查询条件在该智能菜谱数据库内做菜谱搜索处理,得到满足所述菜谱查询条件的初选智能菜谱集合;其中,初选智能菜谱集合标记为S,初选智能菜谱集合S内的智能菜谱总数量标记为M,M≥2,该初选智能菜谱集合S内的任一个智能菜谱标记为sr,S={sr},1≤r≤M;
也就是说,通过执行该步骤4的查询所得到的该初选智能菜谱内的各智能菜谱均可以满足用户在该步骤4中所输入的菜谱查询条件;
步骤5,对初选智能菜谱集合S内的各智能菜谱按照各一级特征标签集合做对应归类处理,分别得到该初选智能菜谱集合内归属各一级特征标签集合的智能菜谱数量;其中,在该初选智能菜谱集合内:
归属口味特征标签集合的智能菜谱总数量标记为M1,M1≤M;
归属菜系特征标签集合的智能菜谱总数量标记为M2,M2≤M;
归属烹饪方法特征标签集合的智能菜谱总数量标记为M3,M3≤M;
归属烹饪工具特征标签集合的智能菜谱总数量标记为M4,M4≤M;
归属场景特征标签集合的智能菜谱总数量标记为M5,M5≤M;
也就是说,针对初选智能菜谱集合S内的所有智能菜谱,归属于口味特征标签集合的智能菜谱总数量是M1个,归属于菜系特征标签集合的智能菜谱总数量是M2个,归属于烹饪方法特征标签集合的智能菜谱总数量是M3个,归属于烹饪工具特征标签集合的智能菜谱总数量是M4个,归属于场景特征标签集合的智能菜谱总数量是M5个;
当然,即便通过该步骤5做了一次对应归类处理,此时各一级特征标签集合所对应的智能菜谱数量还是较多的,仍然无法满足用户针对具体要求的菜谱查询需求;
步骤6,根据步骤5所得初选智能菜谱集合内归属于各一级特征标签集合的智能菜谱数量,计算该初选智能菜谱集合内任一个智能菜谱在每个一级特征标签集合上的对应概率;其中:
步骤7,对经步骤5归类处理的初选智能菜谱集合S内的各智能菜谱,再按照各自所对应一级特征标签集合下的各二级特征标签做归类处理,分别得到归属对应的一级特征标签集合且归属于该一级特征标签集合下各二级特征标签的智能菜谱数量;其中,在该初选智能菜谱集合内:
归属口味特征标签集合下且归属于二级口味特征标签ai的智能菜谱数量标记为也就是说,在该初选智能菜谱集合S内,既归属于口味特征标签集合A且也归属于二级口味特征标签a1(假设二级口味特征标签a1为酸味)的智能菜谱数量为个,既归属于口味特征标签集合A且也归属于二级口味特征标签a2(假设二级口味特征标签a2为甜味)的智能菜谱数量为个,至于其他的二级口味特征标签情况依次类推,此处不做赘述;
步骤8,根据步骤7所得初选智能菜谱集合S内归属于各二级特征标签的智能菜谱数量,得到初选智能菜谱集合对应各一级特征标签集合的熵;其中:
步骤9,根据各一级特征标签集合分别包含的二级特征标签数量以及所有一级特征标签集合下的二级特征标签总数量,计算得到各一级特征标签集合内任一个二级特征标签所对应的分支概率;其中:
步骤10,根据步骤6、步骤8和步骤9的结果,计算得到对应初选智能菜谱集合内智能菜谱的各一级特征标签集合所对应的权重值,并将具有最大权重值的一级特征标签集合作为优选特征标签集合,并将该优选特征标签集合包含的所有二级特征标签反馈给用户选择;其中:
最大权重值标记为λmax,λmax=max(λ(A),λ(B),λ(C),λ(D),λ(E));
步骤11,根据用户在优选特征标签集合内所选取的二级特征标签,将用户选取的该二级特征标签所对应的且位于初选智能菜谱集合S内的智能菜谱作为最优智能菜谱推荐给该用户。
本实施例中的智能菜谱推荐方法通过预先构建针对菜谱特点的多维度特征标签集合以及在该多维度特征标签集合内的各一级特征标签集合、构建智能菜谱数据库并在该智能菜谱数据库内分别构建针对所述多维度特征标签集合内各一级特征标签集合的一级智能菜谱数据库,然后根据用户所输入的菜谱查询条件在该智能菜谱数据库内得到初选智能菜谱集合后,即对初选智能菜谱集合内各智能菜谱所对应的二级特征标签的权重值做计算,以将具有最大权重值的二级特征标签所对应的且位于初选智能菜谱集合内的智能菜谱作为最优智能菜谱推荐给该用户,从而最大限度地减少针对智能菜谱数据库内菜谱的搜索次数和计算量,确保提供更加符合用户查阅要求的智能菜谱给用户。
Claims (2)
1.一种基于多维度特征标签的智能菜谱推荐方法,其特征在于,包括如下步骤:
步骤1,预先构建针对菜谱特点的多维度特征标签集合;其中,所述多维度特征标签集合包括有一级特征标签集合;所述一级特征标签集合包括有口味特征标签集合、菜系特征标签集合、烹饪方法特征标签集合、烹饪工具特征标签集合和场景特征标签集合;其中:
所述口味特征标签集合包括有多个表征不同口味特点的二级口味特征标签,所述口味特征标签集合标记为A,该口味特征标签集合内的任一个二级口味特征标签标记为ai,A={ai},1≤i≤N1;N1为该口味特征标签集合内的二级口味特征标签总数量;
所述菜系特征标签集合包括有多个表征不同菜系特点的二级菜系特征标签,所述菜系特征标签集合标记为B,该菜系特征标签集合内的任一个二级菜系特征标签标记为bj,B={bj},1≤j≤N2;N2为该菜系特征标签集合内的二级菜系特征标签总数量;
所述烹饪方法特征标签集合包括有多个表征不同烹饪方法特点的二级烹饪方法特征标签,所述烹饪方法特征标签集合标记为C,该烹饪方法特征标签集合内的任一个二级烹饪方法特征标签标记为cu,C={cu},1≤u≤N3;N3为该烹饪方法特征标签集合内的二级烹饪方法特征标签总数量;
所述烹饪工具特征标签集合包括有多个表征不同烹饪工具特点的二级烹饪工具特征标签,所述烹饪工具特征标签集合标记为D,该烹饪工具特征标签集合内的任一个二级烹饪工具特征标签标记为dv,D={dv},1≤v≤N4;N4为该烹饪工具特征标签集合内的二级烹饪工具特征标签总数量;
所述场景特征标签集合包括有多个表征不同场景特点的二级场景特征标签,所述场景特征标签集合标记为E,该场景特征标签集合内的任一个二级场景特征标签标记为eq,E={eq},1≤q≤N5;N5为该场景特征标签集合内的二级场景特征标签总数量;
步骤2,构建智能菜谱数据库,并在该智能菜谱数据库内分别构建针对所述多维度特征标签集合内各一级特征标签集合的一级智能菜谱数据库;其中,所述一级智能菜谱数据库的数量与所述多维度特征标签集合内的一级特征标签集合的数量相等;
步骤3,将若干预存用智能菜谱按照所述多维度特征标签集合内的各一级特征标签集合对应地做归类处理,并将归类后的各预存用智能菜谱存储到其所归属的一级特征标签集合对应的一级智能菜谱数据库内;
步骤4,接收用户输入的菜谱查询条件,并根据所述菜谱查询条件在所述智能菜谱数据库内做菜谱搜索处理,得到满足所述菜谱查询条件的初选智能菜谱集合;其中,所述初选智能菜谱集合标记为S,所述初选智能菜谱集合S内的智能菜谱总数量标记为M,M≥2,该初选智能菜谱集合S内的任一个智能菜谱标记为sr,S={sr},1≤r≤M;
步骤5,对所述初选智能菜谱集合内的各智能菜谱按照所述各一级特征标签集合做对应归类处理,分别得到该初选智能菜谱集合内归属各一级特征标签集合的智能菜谱数量;其中,在该初选智能菜谱集合内:
归属口味特征标签集合的智能菜谱总数量标记为M1,M1≤M;
归属菜系特征标签集合的智能菜谱总数量标记为M2,M2≤M;
归属烹饪方法特征标签集合的智能菜谱总数量标记为M3,M3≤M;
归属烹饪工具特征标签集合的智能菜谱总数量标记为M4,M4≤M;
归属场景特征标签集合的智能菜谱总数量标记为M5,M5≤M;
步骤6,根据步骤5所得初选智能菜谱集合内归属于各一级特征标签集合的智能菜谱数量,计算该初选智能菜谱集合内任一个智能菜谱在每个一级特征标签集合上的对应概率;其中:
步骤7,对经步骤5归类处理的所述初选智能菜谱集合内的各智能菜谱,再按照各自所对应一级特征标签集合下的各二级特征标签做归类处理,分别得到归属对应的一级特征标签集合且归属于该一级特征标签集合下各二级特征标签的智能菜谱数量;其中,在该初选智能菜谱集合内:
步骤8,根据步骤7所得初选智能菜谱集合内归属于各二级特征标签的智能菜谱数量,得到所述初选智能菜谱集合对应各一级特征标签集合的熵;其中:
步骤9,根据所述各一级特征标签集合分别包含的二级特征标签数量以及所有一级特征标签集合下的二级特征标签总数量,计算得到各一级特征标签集合内任一个二级特征标签所对应的分支概率;其中:
步骤10,根据步骤6、步骤8和步骤9的结果,计算得到对应初选智能菜谱集合内智能菜谱的各一级特征标签集合所对应的权重值,并将具有最大权重值的一级特征标签集合作为优选特征标签集合,并将该优选特征标签集合包含的所有二级特征标签反馈给用户选择;其中:
所述最大权重值标记为λmax,λmax=max(λ(A),λ(B),λ(C),λ(D),λ(E));
步骤11,根据用户在所述优选特征标签集合内所选取的二级特征标签,将用户选取的该二级特征标签所对应的且位于初选智能菜谱集合内的智能菜谱作为最优智能菜谱推荐给该用户。
2.根据权利要求1所述的基于多维度特征标签的智能菜谱推荐方法,其特征在于,所述口味特征标签集合内的二级口味特征标签分别为酸、甜、苦、辣、咸和淡的任意一种或者任一组合;
所述菜系特征标签集合内的二级菜系特征标签分别为川菜、粤菜、鲁菜和湘菜的任意一种或者任一组合;
所述烹饪方法特征标签集合内的二级烹饪方法特征标签分别为清蒸、红烧和烧烤的任意一种或者任一组合;
所述烹饪工具特征标签集合内的二级烹饪工具特征标签分别为灶具、蒸箱和烤箱的任意一种或者任一组合;
所述场景特征标签集合内的二级场景特征标签分别为上午、中午和下午的任意一种或者任一组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910035383.9A CN111435373B (zh) | 2019-01-15 | 2019-01-15 | 一种基于多维度特征标签的智能菜谱推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910035383.9A CN111435373B (zh) | 2019-01-15 | 2019-01-15 | 一种基于多维度特征标签的智能菜谱推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111435373A CN111435373A (zh) | 2020-07-21 |
CN111435373B true CN111435373B (zh) | 2023-04-14 |
Family
ID=71580710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910035383.9A Active CN111435373B (zh) | 2019-01-15 | 2019-01-15 | 一种基于多维度特征标签的智能菜谱推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111435373B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407710A (zh) * | 2016-09-30 | 2017-02-15 | 佛山市顺德区美的电热电器制造有限公司 | 菜谱推荐方法、菜谱推荐系统、智能设备和服务器 |
CN108447543A (zh) * | 2017-02-14 | 2018-08-24 | 佛山市顺德区美的电热电器制造有限公司 | 基于烹饪设备的菜谱推送方法和装置 |
CN113672806A (zh) * | 2021-08-04 | 2021-11-19 | 陈泽南 | 一种菜谱的推荐方法及装置、智能烹饪机器人 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10127619B2 (en) * | 2016-03-08 | 2018-11-13 | International Business Machines Corporation | Determination of targeted food recommendation |
-
2019
- 2019-01-15 CN CN201910035383.9A patent/CN111435373B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407710A (zh) * | 2016-09-30 | 2017-02-15 | 佛山市顺德区美的电热电器制造有限公司 | 菜谱推荐方法、菜谱推荐系统、智能设备和服务器 |
CN108447543A (zh) * | 2017-02-14 | 2018-08-24 | 佛山市顺德区美的电热电器制造有限公司 | 基于烹饪设备的菜谱推送方法和装置 |
CN113672806A (zh) * | 2021-08-04 | 2021-11-19 | 陈泽南 | 一种菜谱的推荐方法及装置、智能烹饪机器人 |
Also Published As
Publication number | Publication date |
---|---|
CN111435373A (zh) | 2020-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101697162B (zh) | 一种智能化推荐点菜方法及系统 | |
US10255295B2 (en) | Automatic color validation of image metadata | |
WO2015176579A1 (zh) | 一种智能烹饪产品的规格匹配系统和规格匹配方法 | |
CN108447543A (zh) | 基于烹饪设备的菜谱推送方法和装置 | |
EP3161770A1 (en) | Automatic image-based recommendations using a color palette | |
CN108897768A (zh) | 一种点餐方法及装置,电子设备 | |
CN109902227A (zh) | 一种食材推荐方法及装置 | |
CN111797930B (zh) | 一种基于孪生网络的织物材质近红外光谱识别及鉴定方法 | |
CN111428007B (zh) | 基于跨平台的同步推送反馈方法 | |
US10995960B2 (en) | Food preparation entity | |
KR101151176B1 (ko) | 메뉴 선호 정보를 이용한 콘텐츠 추천 방법 | |
KR101143508B1 (ko) | 개인 맞춤형 다중 추천 학습 방법 | |
CN108876536A (zh) | 基于最近邻信息的协同过滤推荐方法 | |
CN108932319B (zh) | 一种蒸烤设备优化推荐菜谱的方法及系统 | |
CN109658129A (zh) | 一种用户画像的生成方法及装置 | |
CN111435373B (zh) | 一种基于多维度特征标签的智能菜谱推荐方法 | |
CN109190045B (zh) | 一种基于二部图最近邻的个性化推荐方法 | |
CN117495512B (zh) | 订单数据的管理方法、装置、设备及存储介质 | |
CN111062780A (zh) | 家电推荐方法、存储介质及电子设备 | |
CN106886921A (zh) | 基于用户兴趣的个性化推荐方法 | |
CN116628040B (zh) | 基于大数据的烹饪菜单获取及更新方法 | |
CN113613081A (zh) | 一种基于目标节目推荐模型的节目推荐方法与装置 | |
CN110309372A (zh) | 智能食谱推荐装置、其方法及自动烹饪装置 | |
CN109815413A (zh) | 一种智能推荐系统及其智能推荐方法 | |
Kim et al. | Constructing cookery network based on ingredient entropy measure |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |