CN111508585B - 一种饮食推荐方法、装置、存储介质及系统 - Google Patents

一种饮食推荐方法、装置、存储介质及系统 Download PDF

Info

Publication number
CN111508585B
CN111508585B CN202010334107.5A CN202010334107A CN111508585B CN 111508585 B CN111508585 B CN 111508585B CN 202010334107 A CN202010334107 A CN 202010334107A CN 111508585 B CN111508585 B CN 111508585B
Authority
CN
China
Prior art keywords
user
sleep
preset
trace element
information
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
CN202010334107.5A
Other languages
English (en)
Other versions
CN111508585A (zh
Inventor
宋德超
陈翀
李斌山
陈向文
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.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun 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 Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202010334107.5A priority Critical patent/CN111508585B/zh
Publication of CN111508585A publication Critical patent/CN111508585A/zh
Application granted granted Critical
Publication of CN111508585B publication Critical patent/CN111508585B/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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • 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
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Cardiology (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Power Engineering (AREA)
  • Nutrition Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请涉及信息推荐技术领域，具体涉及一种饮食推荐方法、存储介质及系统，解决了现有技术中无法高效的为一个用户或多个用户推荐具有针对改善睡眠质量的饮食的问题。方法包括：获取用餐时间，以及至少一个用户的用户信息和睡眠信号；对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标；根据所述用餐时间，以及每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比；根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息。

Description

一种饮食推荐方法、装置、存储介质及系统
技术领域
本申请涉及信息推荐技术领域，特别地涉及一种饮食推荐方法、装置、存储介质及系统。
背景技术
随着社会的快速发展，人们的生活节奏逐渐变快，面对的工作压力和生活压力也越来越大，国民的睡眠质量受到严重影响。
近年来，人们逐渐关注到睡眠质量对其身体的重要性，企业和研究学者研制出一些用于监测用户睡眠期间体征信号的设备，例如：多导睡眠仪、智能手环、睡眠检测仪、检测带等。尽管这些设备能获取到用户的睡眠数据，但是，这些睡眠数据对于解决人们的睡眠问题的利用却远远没有达到预期。一方面，现实生活中常出现的情况是专业人员利用用户的睡眠数据来分析用户的睡眠情况，然后人为的给用户推荐一些饮食来帮助改善其睡眠，这种方式局限于人为推荐，效率极低；另一方面，常见的饮食推送方法大都结合商家提供的数据进行协同过滤推荐，这种饮食只能够匹配相同口感爱好者的饮食习惯进行推送，根本不具有改善睡眠质量的作用，且上述推荐一些饮食的方法均未考虑到从家庭角度为多个家庭成员推荐饮食。
因此，如何高效的为一个用户或多个用户推荐具有改善睡眠质量的饮食是目前亟待解决的问题。
发明内容
本申请提供一种饮食推荐方法、装置、存储介质及系统，解决了现有技术中无法高效的为一个用户或多个用户推荐具有改善睡眠质量的饮食的问题。
第一方面，本申请提供了一种饮食推荐方法，所述方法包括：获取用餐时间，以及至少一个用户的用户信息和睡眠信号；
对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标；
根据所述用餐时间，以及每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比；
根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息。
根据本申请的实施例，可选的，上述方法中，所述饮食图谱中包括多种预设微量元素配比和与每种预设微量元素配比分别对应的菜品信息，在只获取到一个用户的用户信息和睡眠信号时，根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息，包括：
将所述饮食图谱中的每种预设微量元素配比与所述用户对应的微量元素的配比进行相似度计算，得到所述用户所对应的微量元素的配比与每种所述预设微量元素配比的相似度值；
获取大于预设相似度值的目标相似度值对应的预设微量元素配比，并将该预设微量元素配比所对应的菜品信息作为推荐菜品信息，以得到至少一种推荐菜品信息。
根据本申请的实施例，可选的，上述方法中，所述饮食图谱中包括多种预设微量元素配比和与每种预设微量元素配比分别对应的菜品信息，在获取到至少两个用户分别对应的用户信息和睡眠信号时，根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息，包括：
将所述饮食图谱中的每种预设微量元素配比与每个所述用户所分别对应的微量元素的配比进行相似度计算，得到每个所述用户所对应的微量元素的配比与每种预设微量元素配比的相似度值；
针对每个所述用户，获取该用户所对应的微量元素的配比与每种预设微量元素配比的相似度值中大于预设相似度值的目标相似度值，并将所述目标相似度值对应的预设微量元素配比所对应的菜品信息作为待推荐菜品信息，以得到与该用户对应的至少一种待推荐菜品信息；
获取同时属于每个所述用户分别对应的至少一种待推荐菜品信息的目标待推荐菜品信息，并将该目标待推荐菜品信息作为推荐菜品信息，以得到至少一种推荐菜品信息。
根据本申请的实施例，可选的，上述方法中，所述菜品信息包括菜品名称和做菜步骤。
根据本申请的实施例，可选的，上述方法中，所述微量元素配比模型通过以下方式构建：
获取训练样本集，所述训练样本集包括多条初始样本数据，每条所述初始样本数据包括用餐时间样本数据、睡眠指标样本数据和用户信息样本数据，且所述每条初始样本数据携带有微量元素的样本配比；
将所述训练样本集输入至初始神经网络模型中进行训练得到微量元素配比模型。
根据本申请的实施例，可选的，上述方法中，所述睡眠指标包括体动次数、每个预设时段的平均心率、每个所述预设时段的平均呼吸率、每种睡眠阶段类别的总时间以及每种所述睡眠阶段类别的时间占比中的至少一种。
根据本申请的实施例，可选的，上述方法中，在所述睡眠指标包括每种睡眠阶段类别的总时间和每种所述睡眠阶段类别的时间占比时，对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标，包括：
按照预设的时间间隔提取每个所述用户的睡眠信号中的综合数据，得到与每个所述用户分别对应的多个综合数据，其中，所述综合数据包括呼吸数据和心率数据；
提取每个所述用户分别对应的综合数据的特征信息；
根据每个所述用户分别对应的综合数据的特征信息，采用睡眠分期模型进行处理，得到与该用户对应的每个所述综合数据的睡眠阶段类别，其中，所述与该用户对应的每个所述综合数据的睡眠阶段类别包括觉醒阶段、快速眼动阶段、浅睡阶段和深睡阶段中的一种；
统计每个所述用户在每种睡眠阶段类别下的睡眠时间；
根据所述用户在每种睡眠阶段类别下的睡眠时间，得到每个所述用户的每种所述睡眠阶段类别的时间占比。
根据本申请的实施例，可选的，上述方法中，所述方法还包括：
获取睡眠质量对应关系表，其中，所述睡眠质量对应关系表包括多种预设睡眠指标和与每种预设睡眠指标对应的预设睡眠质量；
从睡眠质量对应关系表中查找与所述用户的每个所述睡眠指标分别对应的预设睡眠质量，并将所述预设睡眠质量发送至所述用户的终端。
第二方面，本申请提供了一种饮食推荐装置，所述装置包括：
获取模块，用于获取用餐时间，以及至少一个用户的用户信息和睡眠信号；
睡眠信号处理模块，用于对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标；
配比计算模块，用于根据所述用餐时间，以及每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比；
推荐模块，用于根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息。
第三方面，本申请提供了一种存储介质，该存储介质存储有计算机程序，当该计算机程序被一个或多个处理器执行，实现如上述的饮食推荐方法。
第四方面，本申请提供了一种饮食推荐系统，包括电子设备和至少一个信号采集设备；
所述信号采集设备，被配置为采集用户的睡眠信号；
所述电子设备，被配置为获取用餐时间，以及至少一个用户的用户信息和睡眠信号，对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标，以及根据所述用餐时间、每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比，并根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
本申请提供的一种饮食推荐方法、存储介质及系统，所述方法包括：获取用餐时间，以及至少一个用户的用户信息和睡眠信号；对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标；根据所述用餐时间，以及每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比；根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息，解决了现有技术中无法高效的为一个用户或多个用户推荐具有针对改善睡眠质量的饮食的问题，有效地提高了推荐效率，且推荐饮食能确保用户在饮用该饮食后有效的改善用户的睡眠质量，为用户身体健康提供保障。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
图1为本申请实施例一提供的一种饮食推荐方法的流程示意图。
图2为本申请实施例一提供的一种睡眠信号处理方法的流程示意图。
图3为本申请实施例一提供的一种微量元素配比模型的结构示意图。
图4为本申请实施例一提供的一种微量元素和各种食材的关系示意图。
在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。
具体实施方式
以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本申请的保护范围之内。
实施例一
请参阅图1，本申请提供一种可应用于手机、电脑、平板电脑、冰箱、油烟机等电子设备的饮食推荐方法，所述饮食推荐方法应用于所述电子设备时执行步骤S110至步骤S140。
步骤S110：获取用餐时间，以及至少一个用户的用户信息和睡眠信号。
在步骤S110中，所述用餐时间一般指用户早餐、午餐及晚餐的进食时间。通过采集每个用户的多天的早餐、午餐及晚餐的进食时间，求取早餐、午餐及晚餐的平均进食时间，并将该平均进食时间作为用户的用餐时间。特别的，可以在所述用户的用餐时间的前一时间点，利用所述电子设备为用户进行饮食的推荐，及早的基于用户睡眠情况为用户推荐饮食，能保证用户在用餐时间前具有足够的备餐时间。所述前一时间点可以是用餐时间的前1小时，用餐时间的前2小时，对此，本实施例并不做任何限定。
所述用户的用户信息包括但不限于年龄、体重、饮食习惯、地域。特别的，在根据多个用户推荐饮食时，所述用户信息还包括家庭结构信息，其中，所述家庭结构信息包括但不限于家庭成员中老人的数量、小孩的数量、孕妇的数量、男性的数量和女性的数量。所述用户信息可以存储在所述电子设备关联的数据库中，且所述用户信息携带有唯一标识，所述标识用于标志不同用户的用户信息。在获取到携带用户标识的睡眠信号时，根据该用户标识在所述电子设备关联的数据库中查找与该用户标识唯一对应的用户信息。
可以理解的是，在睡眠过程中，脑电图发生各种不同变化，这些变化随着睡眠的深度而不同。根据脑电图的不同特征，可将睡眠过程分为不同的阶段。特别的，在本实施例中，所述睡眠阶段类别包括觉醒阶段、快速眼动阶段或浅睡阶段和深睡阶段。所述睡眠信号可以通过设置在穿戴设备中的睡眠传感器采集得到，可以在穿戴设备主动采集到用户的睡眠信号时，主动将所述睡眠信号发送至电子设备，也可以由电子设备主动发送睡眠信号的请求消息，在穿戴设备收到该请求消息时，将所述穿戴设备采集得到的睡眠信号发送给所述电子设备。
步骤S120：对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标。
在本实施例中，所述睡眠指标包括体动次数、每个预设时段的平均心率、每个所述预设时段的平均呼吸率、每种睡眠阶段类别的总时间以及每种所述睡眠阶段类别的时间占比中的至少一种。
具体的，根据每个所述用户的睡眠信号得到与每个所述用户分别对应的至少一个睡眠指标的处理过程如图2所示。在获取到睡眠信号时，该睡眠信号主要包括呼吸数据、心跳数据、体动数据以及噪声数据。对所述睡眠信号进行预处理，预处理包括降噪和剔除异常数据，采用降噪方法去除所述睡眠信号中包含的噪声数据，并采用异常预处理方法剔除所述睡眠信号中的异常数据，所述异常数据包括穿戴设备采集或传输过程所产生的错误数据。其中，所述降噪方法和异常预处理方法为本领域技术人员所熟知的技术，在此不做赘述。对所述睡眠信号进行降噪处理和剔除异常数据是为了得到有效数据，提高了数据的可靠性。
采用阈值滤波方法从所述睡眠信号中分离出体动数据，所述阈值滤波方法是将一组数据中超过设定阈值的数据提取出来。在本实施例中，超过设定阈值的数据即为体动数据。统计所述体动数据中极大数据(值)的个数，并将该个数至作为用户睡眠过程中的体动次数。所述阈值滤波方法为本领域技术人员所熟知的技术，在此不做赘述。
采用不同的巴特沃斯滤波器提取所述睡眠信号中的呼吸数据和心跳数据，按照预设时段检测每个预设时段呼吸数据和心跳数据的R峰个数，将每个预设时段呼吸数据的R峰个数与预设时段的长度相比，得到每个预设时段对应的平均呼吸率。将每个预设时段心率数据的R峰个数与预设时段长度相比，得到每个预设时段对应的平均心率。其中，R峰检测技术为本领域技术人员所熟知的技术，在此，不做赘述。
采用滤波器并按照预设的时间间隔提取所述睡眠信号中的综合数据，以得到所述用户对应的多个综合数据，其中，所述综合数据包括呼吸数据和心率数据。提取所述用户对应的每个综合数据的特征信息，该特征信号包括时域特征和频率特征。将所述用户对应的每个综合数据的特征信息输入至睡眠分期模型，以输出每个特征信息对应的睡眠阶段类别，其中，每个特征信息对应的睡眠阶段类别表示用户在不同时段所对应的睡眠状态。其中，所述睡眠阶段类别包括觉醒阶段、快速眼动阶段、浅睡阶段和深睡阶段中的一种。在本实施例中，特征信号的提取可参照现有技术，所述睡眠分期模型为现有的神经网络模型，在此，不做赘述。
根据每个特征信息对应的睡眠阶段类别和预设的时间间隔，统计每个所述用户的每种所述睡眠阶段类别的总时间，再将每种所述睡眠阶段类别的总时间与每个所述用户的睡眠信号的时长相比，得到每个所述用户的每种所述睡眠阶段类别的时间占比。
在本实施例中，为确保从睡眠信号中分离出想要的数据，可设置不同频段的滤波器，以保证不同滤波器能够采集得到相应频段的数据。
步骤S130：根据所述用餐时间，以及每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比。
在本实施例中，请结合图3，所述微量元素配比模型可以通过以下方式构建：首先，获取训练样本集，所述训练样本集包括多条初始样本数据，每条所述初始样本数据包括用餐时间样本数据、睡眠指标样本数据和用户信息样本数据，且所述每条初始样本数据携带有微量元素的样本配比。其中，每条所述初始样本数据携带有微量元素的样本配比可由人工进行标注。
其次，将所述训练样本集输入至初始神经网络模型中进行训练得到微量元素配比模型。具体的，如图3所示，微量元素配比模型具有现有神经网络模型的一般结构，即包括输入层、隐含层以及输出层。所述输入层输入所述睡眠指标，图3中的睡眠指标1到睡眠指标n分别可以是上述体动次数、每个预设时段的平均心率、每个所述预设时段的平均呼吸率、每种睡眠阶段类别的总时间以及每种所述睡眠阶段类别的时间占比。图3中的隐含层的层数为2层，所述隐含层的层数过多会降低泛化能力，隐含层的层数过少又会造成误差太大，因此，可根据实际情况设定隐含层的层数，对此本实施例不做任何限定。所述输出层输出微量元素的配比，微量元素包括但不限于钙、镁、色氨酸等其他有助于睡眠的微量元素。
在训练所述初始神经网络模型时，所述初始神经网络模型的输入为初始样本数据，所述初始神经网络模型的输出为微量元素的预测配比。将所述训练样本集输入到初始神经网络模型中得到微量元素的预测配比，采用损失函数计算所述微量元素的预测配比与该条初始样本数据携带的样本配比，得到差值，在该差值大于预设差值时，调整初始神经网络模型的参数，得到调整后的初始神经网络模型，并再一次将所述初始样本数据的特征信息输入至调整后的初始神经网络模型，重复上述步骤，直至采用损失函数计算所述微量元素的预测配比与初始样本数据携带的样本配比的差值小于预设差值，得到微量元素配比模型。
步骤S140：根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息。
在本实施例中，在获取到的用户信息和睡眠信号的数量不同时，根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息的实施过程不同。针对一个用户，只需根据该用户对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息；针对多个用户，则需根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息。其中，所述饮食图谱中包括多种预设微量元素配比和与每种预设微量元素配比分别对应的菜品信息。图4为一种微量元素和各种类食材的关系图，其中，助眠饮食是包括各种助眠微量元素的食材所做出的菜品。每种食材所含的微量元素的种类和含量均不同，根据每种食材所含的微量元素的种类和含量，构建一种多种预设微量元素配比和与每种预设微量元素配比分别对应的菜品信息。示例性的，预设微量元素配比＝钙：镁：色氨酸：其他＝2:2:3:1，所述其他为除钙、镁、色氨酸以外的所有助眠微量元素，根据该预设微量元素配比，人工可根据每种食材所含的微量元素的种类和含量，可分析计算得到一种与该预设微量元素配比对应的菜品。
在只获取到一个用户的用户信息和睡眠信号时，上述步骤S140包括：
采用相似度计算方法对所述饮食图谱中的每种预设微量元素配比与所述用户对应的微量元素的配比进行相似度计算。具体的，可以计算每种预设微量元素配比与所述用户对应的微量元素的配比之间的余弦相似度。其中，余弦相似度是通过计算两个向量的夹角余弦值来评估他们的相似度，余弦相似度的值越大表明两个向量的值越接近。由于余弦距离越大越表明两个值越相似。因此，获取大于预设相似度值的目标相似度值对应的预设微量元素配比，并将该预设微量元素配比所对应的菜品信息作为推荐菜品信息，以基于用户睡眠情况得到有助于改善用户睡眠质量的饮食信息。其中，所述预设相似度值由人工进行设定；目标相似度值是指每种预设微量元素配比和所述用户所对应的微量元素的配比的相似度值中大于预设相似度的相似度值。示例性的，预设相似度值为90％，预设微量元素配比包括3种，且每种预设微量元素配比与所述用户所对应的微量元素的配比的相似度值分别为85％，60％以及97％，因此，值为97％的相似度值即为目标相似度值。
在获取到至少两个用户的用户信息和睡眠信号时，上述步骤S140包括：
首先，确定每个所述用户所对应的微量元素的配比与每种预设微量元素配比的相似度值，相似度值的计算过程可参照上述计算相似度值中的计算过程，在此不做赘述。其次，确定与每个所述用户对应的至少一种待推荐菜品信息，针对每个用户，获取该用户所对应的微量元素的配比与每种预设微量元素配比的相似度值中大于预设相似度值的目标相似度值，并将所述目标相似度值对应的预设微量元素配比所对应的菜品信息作为待推荐菜品信息。最后，将所有所述用户分别对应的至少一种待推荐菜品信息中的交集作为推荐菜品信息，具体的，获取同时属于每个所述用户分别对应的至少一种待推荐菜品信息的目标待推荐菜品信息，并将该目标待推荐菜品信息作为推荐菜品信息，以得到至少一种推荐菜品信息，基于属于一个家庭的多个用户的睡眠情况得到有助于改善用户睡眠质量的饮食信息。其中，所述目标待推荐菜品信息是所有所述用户分别对应的至少一种待推荐菜品信息中的交集，示例性的，存在A，B，C三个用户，且A用户对应有三种待推荐菜品信息，分别是V1，V2，V3，B用户对应有三种待推荐菜品信息，分别是V2，V3，V4，B用户对应有三种待推荐菜品信息，分别是V2，V3，V5，针对A，B，C这三个用户，得到的目标待推荐菜品信息包括V2和V3。
进一步可以理解的是，若是在针对多个用户进行饮食推荐时，若是没有获取同时属于每个所述用户分别对应的至少一种待推荐菜品信息的目标待推荐菜品信息，可以选择待推荐菜品信息中偏重有助于改善睡眠质量的待推荐菜品信息作为目标待推荐菜品信息，进而将该目标待推荐菜品信息作为推荐菜品信息，以确保睡眠质量差的用户能够在食用该推荐菜品信息对应的饮食后其睡眠质量得到改善。
可以理解的是，为了使所述电子设备区分哪些用户属于同一家庭中的成员，需要所述电子设备对用户进行身份识别。一般的，同一家庭的成员携带的可以检测睡眠信号的穿戴设备通过同一网络与所述电子设备进行关联，且不同网络具有唯一的网络IP地址。因此，通过为所述用户信息设定唯一的编码，且该编码与网络地址对应，由此区分哪些用户属于同一家庭中的成员，为后续针对多个用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息提供支持，保证了所述电子设备推荐菜品信息的可靠性。
在本实施例中，在所述电子设备得到至少一种推荐菜品信息后，可以并将所述至少一种推荐菜品信息发送至与所述至少一个用户中的目标用户对应的终端。特别的，在只获取到一个用户的用户信息和睡眠信号时，所述目标用户即是该用户；在获取到至少两个用户的用户信息和睡眠信号时，所述目标用户可以是至少两个用户中的所有用户；所述目标用户也可以是至少两个用户中的一个用户，对此，本实施例并不做任何限定。将至少一种推荐菜品信息发送至用户对应的终端，且该终端一般为用户随身携带的终端，例如手机，以达到提醒用户的目的，进而为用户可以进食与推荐菜品信息对应的食物，为用户改善睡眠质量提供有力保障。
在本实施例中，所述菜品信息包括菜谱名称和做菜步骤。所述做菜步骤可以为用户提供烹饪食材的使用方法和使用顺序。
可以理解的是，针对所述用户的睡眠信号得到的睡眠指标，可以根据所述睡眠指标与用户同一睡眠阶段的正常睡眠指标进行对比，以评估用户的睡眠质量。
具体的，
首先，获取睡眠质量对应关系表，其中，所述睡眠质量对应关系表包括多种预设睡眠指标和与每种预设睡眠指标对应的预设睡眠质量，且睡眠质量对应关系表中包括的睡眠指标可以是指实际睡眠指标与正常睡眠指标的差值，根据不同的差值，设定对应的预设睡眠质量。
其次，从睡眠质量对应关系表中查找与所述用户的每个所述睡眠指标分别对应的预设睡眠质量，并将所述预设睡眠质量发送至所述用户的终端。具体的，在睡眠质量对应关系表中包括的睡眠指标是指实际睡眠指标与正常睡眠指标的差值时，根据睡眠指标和正常的睡眠指标得到两者之间的差值，在所述睡眠质量对应关系表查找与该差值对应的目标预设睡眠指标，并将该目标预设睡眠指标对应的预设睡眠质量发送至所述用户对应的终端，以使用户了解其自身的睡眠质量。
进一步可以理解的是，由于睡眠质量的改善不是一朝一夕能完成的，因此，可连续地记录用户多天的睡眠质量，并对用户的近期(一周或相邻多天)的睡眠质量进行评估，生成阶段性的总结。
在本实施例中，上述利用所述电子设备对一个或多个用户进行饮食推荐的方法，相比较人工推荐的方式具有高效性，且推荐的饮食也对所述一个或多个用户具备助眠的效果，能有效改善用户的睡眠质量。
实施例二
本实施例还提供一种饮食推荐装置，包括：获取模块、睡眠信号处理模块、配比计算模块以及推荐模块。
获取模块，用于获取用餐时间，以及至少一个用户的用户信息和睡眠信号；睡眠信号处理模块，用于对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标；配比计算模块，用于根据所述用餐时间，以及每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比；推荐模块，用于根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息。
所述获取模块的实施过程可参见上述实施例一中的步骤S110的实施过程，所述睡眠信号处理模块的实施过程可参见上述实施例一中的步骤S120的实施过程，所述配比计算模块的实施过程可参见上述实施例一中的步骤S130的实施过程，所述推荐模块的实施过程可参见上述实施例一中的步骤S140的实施过程，对此，本实施例不做赘述。
实施例三
本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，所述计算机程序被处理器执行时可以实现如实施例一中全部或部分的饮食推荐方法步骤，上述饮食推荐方法步骤的具体实施例过程可参见实施例一，本实施例在此不再重复赘述。
实施例四
本实施例提供一种饮食推荐系统，包括电子设备和至少一个信号采集设备；所述信号采集设备，被配置为采集用户的睡眠信号；所述电子设备，被配置为获取用餐时间，以及至少一个用户的用户信息和睡眠信号，对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标，以及根据所述用餐时间、每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比，并根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息。其中，信号采集设备可以为穿戴式设备。
其中，所述电子设备包括处理器和存储器。所述处理器用于执行如实施例一中的饮食推荐方法中的全部或部分步骤。存储器用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
所述处理器可以是专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable LogicDevice，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的饮食推荐方法。
所述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
可以理解，所述推荐系统还可以包括通信组件。所述通信组件用于所述电子设备与所述信号采集设备、其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
综上，本申请提供的一种饮食推荐方法、存储介质及系统，方法包括：获取用餐时间，以及至少一个用户的用户信息和睡眠信号；对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标；根据所述用餐时间，以及每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比；根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息，解决了现有技术中无法高效的为一个用户或多个用户推荐具有针对改善睡眠质量的饮食的问题，有效地提高了推荐效率，且推荐饮食能确保用户在饮用该饮食后有效的改善用户的睡眠质量，为用户身体健康提供保障。
在本申请实施例所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示意性的。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然本申请所揭露的实施方式如上，但所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种饮食推荐方法，其特征在于，所述方法包括：
获取用餐时间，以及至少一个用户的用户信息和睡眠信号；
对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标；
根据所述用餐时间，以及每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比，所述微量元素配比模型通过以下方式构建：获取训练样本集，所述训练样本集包括多条初始样本数据，每条所述初始样本数据包括用餐时间样本数据、睡眠指标样本数据和用户信息样本数据，且所述每条初始样本数据携带有微量元素的样本配比；将所述训练样本集输入至初始神经网络模型中进行训练得到微量元素配比模型；
根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息。
2.如权利要求1所述的方法，其特征在于，所述饮食图谱中包括多种预设微量元素配比和与每种预设微量元素配比分别对应的菜品信息，在只获取到一个用户的用户信息和睡眠信号时，根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息，包括：
将所述饮食图谱中的每种预设微量元素配比与所述用户对应的微量元素的配比进行相似度计算，得到所述用户所对应的微量元素的配比与每种所述预设微量元素配比的相似度值；
获取大于预设相似度值的目标相似度值对应的预设微量元素配比，并将该预设微量元素配比所对应的菜品信息作为推荐菜品信息，以得到至少一种推荐菜品信息。
3.如权利要求1所述的方法，其特征在于，所述饮食图谱中包括多种预设微量元素配比和与每种预设微量元素配比分别对应的菜品信息，在获取到至少两个用户分别对应的用户信息和睡眠信号时，根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息，包括：
将所述饮食图谱中的每种预设微量元素配比与每个所述用户所分别对应的微量元素的配比进行相似度计算，得到每个所述用户所对应的微量元素的配比与每种预设微量元素配比的相似度值；
针对每个所述用户，获取该用户所对应的微量元素的配比与每种预设微量元素配比的相似度值中大于预设相似度值的目标相似度值，并将所述目标相似度值对应的预设微量元素配比所对应的菜品信息作为待推荐菜品信息，以得到与该用户对应的至少一种待推荐菜品信息；
获取同时属于每个所述用户分别对应的至少一种待推荐菜品信息的目标待推荐菜品信息，并将该目标待推荐菜品信息作为推荐菜品信息，以得到至少一种推荐菜品信息。
4.如权利要求2或3所述的方法，其特征在于，所述菜品信息包括菜品名称和做菜步骤。
5.如权利要求1所述的方法，其特征在于，所述睡眠指标包括体动次数、每个预设时段的平均心率、每个所述预设时段的平均呼吸率、每种睡眠阶段类别的总时间以及每种所述睡眠阶段类别的时间占比中的至少一种。
6.如权利要求5所述的方法，其特征在于，在所述睡眠指标包括每种睡眠阶段类别的总时间和每种所述睡眠阶段类别的时间占比时，对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标，包括：
按照预设的时间间隔提取每个所述用户的睡眠信号中的综合数据，得到与每个所述用户分别对应的多个综合数据，其中，所述综合数据包括呼吸数据和心率数据；
提取每个所述用户分别对应的综合数据的特征信息；
根据每个所述用户分别对应的综合数据的特征信息，采用睡眠分期模型进行处理，得到与该用户对应的每个所述综合数据的睡眠阶段类别，其中，所述与该用户对应的每个所述综合数据的睡眠阶段类别包括觉醒阶段、快速眼动阶段、浅睡阶段和深睡阶段中的一种；
统计每个所述用户在每种睡眠阶段类别下的睡眠时间；
根据用户在每种睡眠阶段类别下的睡眠时间，得到每个所述用户的每种所述睡眠阶段类别的时间占比。
7.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取睡眠质量对应关系表，其中，所述睡眠质量对应关系表包括多种预设睡眠指标和与每种预设睡眠指标对应的预设睡眠质量；
从睡眠质量对应关系表中查找与所述用户的每个所述睡眠指标分别对应的预设睡眠质量，并将所述预设睡眠质量发送至所述用户的终端。
8.一种饮食推荐装置，其特征在于，所述装置包括：
获取模块，用于获取用餐时间，以及至少一个用户的用户信息和睡眠信号；
睡眠信号处理模块，用于对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标；
配比计算模块，用于根据所述用餐时间，以及每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比，所述微量元素配比模型通过以下方式构建：获取训练样本集，所述训练样本集包括多条初始样本数据，每条所述初始样本数据包括用餐时间样本数据、睡眠指标样本数据和用户信息样本数据，且所述每条初始样本数据携带有微量元素的样本配比；将所述训练样本集输入至初始神经网络模型中进行训练得到微量元素配比模型；
推荐模块，用于根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息。
9.一种存储介质，其特征在于，该存储介质存储有计算机程序，当该计算机程序被一个或多个处理器执行，实现如权利要求1-7中任意一项所述的方法。
10.一种饮食推荐系统，其特征在于，包括电子设备和至少一个信号采集设备；
所述信号采集设备，被配置为采集用户的睡眠信号；
所述电子设备，被配置为获取用餐时间，以及至少一个用户的用户信息和睡眠信号，对每个所述用户的睡眠信号分别进行处理，得到与每个所述用户分别对应的至少一个睡眠指标，以及根据所述用餐时间、每个所述用户分别对应的用户信息和至少一个睡眠指标，采用预设的微量元素配比模型进行处理，得到与每个所述用户分别对应的微量元素的配比，并根据与每个所述用户分别对应的微量元素的配比和饮食图谱得到至少一种推荐菜品信息，所述微量元素配比模型通过以下方式构建：获取训练样本集，所述训练样本集包括多条初始样本数据，每条所述初始样本数据包括用餐时间样本数据、睡眠指标样本数据和用户信息样本数据，且所述每条初始样本数据携带有微量元素的样本配比；将所述训练样本集输入至初始神经网络模型中进行训练得到微量元素配比模型。
CN202010334107.5A 2020-04-24 2020-04-24 一种饮食推荐方法、装置、存储介质及系统 Active CN111508585B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010334107.5A CN111508585B (zh) 2020-04-24 2020-04-24 一种饮食推荐方法、装置、存储介质及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010334107.5A CN111508585B (zh) 2020-04-24 2020-04-24 一种饮食推荐方法、装置、存储介质及系统

Publications (2)

Publication Number Publication Date
CN111508585A CN111508585A (zh) 2020-08-07
CN111508585B true CN111508585B (zh) 2022-07-15

Family

ID=71876388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010334107.5A Active CN111508585B (zh) 2020-04-24 2020-04-24 一种饮食推荐方法、装置、存储介质及系统

Country Status (1)

Country Link
CN (1) CN111508585B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114036386A (zh) * 2021-11-15 2022-02-11 珠海格力电器股份有限公司 一种饮食推荐方法、电子设备及存储介质
CN114329198A (zh) * 2021-12-27 2022-04-12 海信集团控股股份有限公司 一种基于用户睡眠的推荐健康信息的方法和设备
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
CN115191792A (zh) * 2022-08-31 2022-10-18 慕思健康睡眠股份有限公司 一种酒店点餐方法及智能床垫

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003045232A2 (en) * 2001-11-28 2003-06-05 Healthetech, Inc. System and method of integrated calorie management using interactive television
CN106036877A (zh) * 2016-06-29 2016-10-26 中国人民解放军第三军医大学第附属医院 改善睡眠的营养型组合物及其应用
CN107610775A (zh) * 2017-08-04 2018-01-19 北京小米移动软件有限公司 咖啡机的数据监测方法及装置
CN109643583A (zh) * 2016-08-31 2019-04-16 微软技术许可有限责任公司 基于健康相关信息提供洞见
CN109712711A (zh) * 2018-12-12 2019-05-03 平安科技（深圳）有限公司 基于机器学习的健康评估方法、装置、电子设备及介质
CN110648747A (zh) * 2019-10-17 2020-01-03 深圳和而泰家居在线网络科技有限公司 一种数据推荐方法及相关装置
WO2020021542A1 (en) * 2018-07-22 2020-01-30 Tal Fass Michal Means and methods for personalized behavioral health assessment system and treatment

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016179559A2 (en) * 2015-05-07 2016-11-10 Dexcom, Inc. System and method for educating users, including responding to patterns
EP3676852A1 (en) * 2017-09-01 2020-07-08 University of Cincinnati System, method, computer program product and apparatus for dynamic predictive monitoring in the critical health assessment and outcomes study/score/(chaos)

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003045232A2 (en) * 2001-11-28 2003-06-05 Healthetech, Inc. System and method of integrated calorie management using interactive television
CN106036877A (zh) * 2016-06-29 2016-10-26 中国人民解放军第三军医大学第附属医院 改善睡眠的营养型组合物及其应用
CN109643583A (zh) * 2016-08-31 2019-04-16 微软技术许可有限责任公司 基于健康相关信息提供洞见
CN107610775A (zh) * 2017-08-04 2018-01-19 北京小米移动软件有限公司 咖啡机的数据监测方法及装置
WO2020021542A1 (en) * 2018-07-22 2020-01-30 Tal Fass Michal Means and methods for personalized behavioral health assessment system and treatment
CN109712711A (zh) * 2018-12-12 2019-05-03 平安科技（深圳）有限公司 基于机器学习的健康评估方法、装置、电子设备及介质
CN110648747A (zh) * 2019-10-17 2020-01-03 深圳和而泰家居在线网络科技有限公司 一种数据推荐方法及相关装置

Also Published As

Publication number Publication date
CN111508585A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
CN111508585B (zh) 一种饮食推荐方法、装置、存储介质及系统
CN105205308A (zh) 一种菜谱推荐方法及用户终端
CN109938775A (zh) 基于大数据技术的血管状态监测方法和系统
EP3392822A1 (en) Bedding item selection system and bedding item physical property recognition system
US20190108191A1 (en) Affective response-based recommendation of a repeated experience
CN106027585B (zh) 食品推荐方法及装置
KR102015097B1 (ko) 생체정보를 이용한 감성 검출 장치 및 감성 검출 방법을 실행하기 위한 프로그램을 기록한 컴퓨터로 판독 가능한 기록매체
CN104112217A (zh) 一种口味选择信息的标示方法及应用方法
CN105893750A (zh) 信息推送方法、装置及系统
CN111584035A (zh) 一种菜谱的推荐方法及装置和冰箱
KR102353620B1 (ko) 치매 예방 서비스 제공 장치 및 방법
CN114343574A (zh) 一种睡眠质量评估方法及客户端、服务器、存储介质
CN111863194A (zh) 一种饮食信息的展示方法、装置、设备及存储介质
CN110675389A (zh) 一种食品推荐方法、存储介质以及智能家居设备
CN106303939A (zh) 健康提醒的方法及装置
JP7018410B2 (ja) 判定装置、判定方法及びコンピュータプログラム
CN105147249B (zh) 一种可穿戴或可植入设备评价系统与方法
WO2020181722A1 (zh) 用于冰箱的推荐菜谱的方法和装置
CN111180042A (zh) 一种基于标准营养素指标评价个人饮食的方法
CN115453908A (zh) 监护方法、装置、智能家居监测终端及存储介质
CN114388102A (zh) 饮食推荐方法及装置和电子设备
EP3929931A1 (en) Dish nutritional value estimation
KR20230042895A (ko) 건강기능식품 컨설팅 제공 시스템
CN113407830A (zh) 一种信息推荐方法及设备
EP3809416A1 (en) A computer-implemented method, an apparatus and a computer program product for processing a data set

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