CN111667196B - 基于用户行为控制食品配方改进的方法、装置及设备 - Google Patents

基于用户行为控制食品配方改进的方法、装置及设备 Download PDF

Info

Publication number
CN111667196B
CN111667196B CN202010577005.6A CN202010577005A CN111667196B CN 111667196 B CN111667196 B CN 111667196B CN 202010577005 A CN202010577005 A CN 202010577005A CN 111667196 B CN111667196 B CN 111667196B
Authority
CN
China
Prior art keywords
information
preset
classification
auxiliary material
taste
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
CN202010577005.6A
Other languages
English (en)
Other versions
CN111667196A (zh
Inventor
邵颖
夏南
陈亚蓝
王子伟
李飞
魏明奎
魏宗烽
张孔海
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.)
Xinyang Agriculture and Forestry University
Original Assignee
Xinyang Agriculture and Forestry University
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 Xinyang Agriculture and Forestry University filed Critical Xinyang Agriculture and Forestry University
Priority to CN202010577005.6A priority Critical patent/CN111667196B/zh
Publication of CN111667196A publication Critical patent/CN111667196A/zh
Application granted granted Critical
Publication of CN111667196B publication Critical patent/CN111667196B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Marketing (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • General Preparation And Processing Of Foods (AREA)

Abstract

本申请实施例公开了一种基于用户行为控制食品配方改进的方法、装置、设备及存储介质，属于食品配方改进技术领域，该方法包括:接收用户反馈信息和当前时间信息，对接收到的信息建立信息分区集；对信息分区集进行解析，获取第一信息；识别第一信息的分类，生成不同区别集；分别对不同区别集中元素进行分析，生成[A、B、C、D]格式的四元指标；判断四元指标中的B、C、D是否满足表间映射关系，若不满足，则不进行食品配方改进；若满足，判断所有A值的非空比重是否小于预设的比重阈值，若小于，则进行食品配方改进，否则，不进行食品配方改进。本申请有助于快速分析用户喜欢的食品口味和改进需求，降低食品配方改进失败的风险。

Description

基于用户行为控制食品配方改进的方法、装置及设备
技术领域
本申请涉及食品配方改进技术领域，尤其涉及一种基于用户行为控制食品配方改进的方法、装置、设备及存储介质。
背景技术
食品配方创新，特别是对于那些深受喜爱的知名品牌，是一种微妙的平衡。随着新兴食品公司从行业巨头手中夺取越来越多的用户群体，创新的压力更加显著了。企业既不能改变的太彻底，而背离他们现有的用户群体基础，又要做出足够的创新以吸引新的用户。因此，如何对食品配方进行改进是急需解决的问题。
目前的食品配方改进方法，现有方式为由食品提供者进行改进之后，进行试点实验，根据用户的食用量，最终确定是否保留改进后的食品配方，这会方式具有很大的改进风险，若改进失败也会浪费一定的食材与资源。由此可知，现有技术进行食品配方改进时，具有风险过高的问题。
发明内容
本申请实施例的目的在于提出一种基于用户行为控制食品配方改进的方法、装置、设备及存储介质，以解决现有技术中进行食品配方改进时，具有风险过高的问题。
为了解决上述技术问题，本申请实施例提供一种基于用户行为控制食品配方改进的方法，采用了如下所述的技术方案：
一种基于用户行为控制食品配方改进的方法，包括：
接收用户的反馈信息和当前时间信息，并基于预设的分类模型对接收到的信息建立信息分区集；
对所述信息分区集中内容进行解析，获取预设时间区间内的反馈信息作为第一信息；
基于预设的判断模型，识别出所述第一信息所属的预设反馈分类，并生成不同区别集，其中，所述预设反馈分类包括：评分分类、味觉建议分类、改进意见分类、辅料增加分类，所述不同区别集包括：评分集、味觉集、改进集、辅料集；
基于预设的信息分析模型，分别对不同区别集中元素进行分析，获取分析结果，并生成[A、B、C、D]格式的四元指标，其中，A表示评分集的分析结果，B表示味觉集的分析结果，C表示改进集的分析结果，D表示辅料集的分析结果，
其中，所述预设的信息分析模型包括：基于预设预期评分区间，对评分集中元素，进行统计，获取所述不同评分区间对应的概率值；
判断所述预期评分区间对应的概率值是否满足预设阈值，若满足，则将所述预期评分区间作为A，否则，A为NULL；
其中，所述预设的信息分析模型还包括：分别对所述味觉集，所述改进集，所述辅料集中元素进行统计，获取频率值，并将所述频率值分别加入到预设的味觉数组，改进数组，辅料数组中，其中，所述味觉集与所述味觉数组相对应，所述改进集与所述改进数组相对应，所述辅料集与所述辅料数组相对应；
对所述味觉数组，所述改进数组，所述辅料数组中元素分别进行冒泡排序，获取经过冒泡排序后，直接获取数组的第一个元素，分别作为B、C、D；
基于预设的味觉分类表，辅料选择表，改进字段表三者的表间映射关系，判断所述四元指标中的B、C、D是否满足所述表间映射关系，若不满足，则不进行食品配方改进；
若所述四元指标中的B、C、D满足所述表间映射关系，则获取当前A值和所有历史A值，获取所有A值的非空比重，判断所有A值的非空比重是否小于预设的比重阈值，若小于，则进行食品配方改进，否则，不进行食品配方改进。
进一步的，所述预设的分类模型包括：
将所述反馈信息和当前时间信息进行字符拼接，获取第一拼接字段，并将所述第一拼接字段作为元素，加入到信息分区集中。
进一步的，所述对所述信息分区集中内容进行解析，获取预设时间区间内的反馈信息作为第一信息包括：
使用字符串分割的方式，对所述第一拼接字段进行分割，获取分割后的时间信息与反馈信息，并进行标记，将分割后的时间信息与预设时间区间进行对比，判断分割后的时间信息是否在预设时间区间内，若在，则基于标记信息，获取与分割后的时间信息相对应的反馈信息，作为第一信息。
进一步的，所述预设的判断模型包括：
基于预设的词性拆分模型，对所述第一信息进行拆分，拆分为若干词语；
基于提前预设的相关表，判断拆分后的所述若干词语是否能够从所述相关表中查找，若能，则将所述第一信息，加入到预设反馈分类中，其中，所述预设的相关表包括：味觉分类表、辅料选择表、改进字段表；
将所述预设反馈分类中的第一信息，生成不同区别集，其中，所述评分集中元素与评分分类中第一信息一一对应，味觉集中元素与味觉建议分类中第一信息一一对应，改进集中元素与改进意见分类中第一信息一一对应，辅料集中元素与辅料增加分类中第一信息一一对应。
进一步的，所述判断所述四元指标中的B、C、D是否满足所述表间映射关系包括：
基于预设的味觉分类表，辅料选择表，改进字段表三者的表间映射关系，所述三者的表间映射关系为味觉分类表一对多关联辅料选择表，味觉分类表多对多关联改进字段表，辅料选择表多对多关联改进字段表，其中，所述预设的味觉分类表，辅料选择表，改进字段表三者间的表间关系由所述预设的味觉分类表，辅料选择表，改进字段表中预设的关键字段决定。
进一步的，所述基于用户行为控制食品配方改进的方法，所述获取当前A值和所有历史A值，获取所有A值的非空比重，判断所有A值的非空比重是否小于预设的比重阈值包括：
基于历史记录或者历史日志，获取当前A值和所有历史A值，将获取所有A值对应的评分区间值为非空的频率占所有A值的比例；
将所述比例与预设的比重阈值进行对比，判断所述比例是否小于所述比重阈值，若小于，则进行食品配方改进。
为了解决上述技术问题，本申请实施例还提供了一种基于用户行为控制食品配方改进的装置，采用了如下所述的技术方案：
一种基于用户行为控制食品配方改进的装置，包括：
相关信息获取和分类模块，用于接收用户的反馈信息和当前时间信息，并基于预设的分类模型对接收到的信息建立信息分区集；
第一信息获取模块，用于对所述信息分区集中内容进行解析，获取预设时间区间内的反馈信息作为第一信息；
区别集生成模块，用于基于预设的判断模型，识别出所述第一信息所属的预设反馈分类，并生成不同区别集，其中，所述预设反馈分类包括：评分分类、味觉建议分类、改进意见分类、辅料增加分类，所述不同区别集包括：评分集、味觉集、改进集、辅料集；
四元指标生成模块，用于基于预设的信息分析模型，分别对不同区别集中元素进行分析，获取分析结果，并生成[A、B、C、D]格式的四元指标，其中，A表示评分集的分析结果，B表示味觉集的分析结果，C表示改进集的分析结果，D表示辅料集的分析结果，
其中，所述预设的信息分析模型包括：基于预设预期评分区间，对评分集中元素，进行统计，获取所述不同评分区间对应的概率值；
判断所述预期评分区间对应的概率值是否满足预设阈值，若满足，则将所述预期评分区间作为A，否则，A为NULL；
其中，所述预设的信息分析模型还包括：分别对所述味觉集，所述改进集，所述辅料集中元素进行统计，获取频率值，并将所述频率值分别加入到预设的味觉数组，改进数组，辅料数组中，其中，所述味觉集与所述味觉数组相对应，所述改进集与所述改进数组相对应，所述辅料集与所述辅料数组相对应；
对所述味觉数组，所述改进数组，所述辅料数组中元素分别进行冒泡排序，获取经过冒泡排序后，直接获取数组的第一个元素，分别作为B、C、D；
配方改进第一判断模块，用于基于预设的味觉分类表，辅料选择表，改进字段表三者的表间映射关系，判断所述四元指标中的B、C、D是否满足所述表间映射关系，若不满足，则不进行食品配方改进；
配方改进第二判断模块，用于若所述四元指标中的B、C、D满足所述表间映射关系，则获取当前A值和所有历史A值，获取所有A值的非空比重，判断所有A值的非空比重是否小于预设的比重阈值，若小于，则进行食品配方改进，否则，不进行食品配方改进。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现本申请实施例中提出的一种基于用户行为控制食品配方改进的方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种非易失性计算机可读存储介质，采用了如下所述的技术方案：
一种非易失性计算机可读存储介质，计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中提出的一种基于用户行为控制食品配方改进的方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例公开了基于用户行为控制食品配方改进的方法、装置、设备及存储介质，通过接收用户反馈信息和当前时间信息，对接收到的信息建立信息分区集；对信息分区集进行解析，获取第一信息；识别第一信息的分类，生成不同区别集；分别对不同区别集中元素进行分析，生成[A、B、C、D]格式的四元指标；判断四元指标中的B、C、D是否满足表间映射关系，若不满足，则不进行食品配方改进；若满足，判断所有A值的非空比重是否小于预设的比重阈值，若小于，则进行食品配方改进，否则，不进行食品配方改进。本申请有助于快速分析用户喜欢的食品口味和改进需求，降低食品配方改进失败的风险。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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为本申请实施例可以应用于其中的示例性系统架构图；
图2为本申请实施例中所述基于用户行为控制食品配方改进的方法的一个实施例的流程图；
图3为本申请实施例中信息分区集的生成示意图；
图4为本申请实施例中第一信息的生成流程图；
图5为本申请实施例中第一信息的生成示意图；
图6为本申请实施例中所述基于用户行为控制食品配方改进的装置的一个实施例的结构示意图；
图7为本申请实施例中相关信息获取和分类模块的结构示意图；
图8为本申请实施例中计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“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。
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申请的至少一个实施例中。在说明书中的各个位置出现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。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的基于用户行为控制食品配方改进的方法一般由服务器/终端设备执行，相应地，基于用户行为控制食品配方改进的装置一般设置于服务器/终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，图中示出了本申请的基于用户行为控制食品配方改进的方法的一个实施例的流程图，所述的基于用户行为控制食品配方改进的方法包括以下步骤：
步骤201，接收用户的反馈信息和当前时间信息，并基于预设的分类模型对接收到的信息建立信息分区集。
在本实施例中，所述预设的分类模型包括：将所述反馈信息和当前时间信息进行字符拼接，获取第一拼接字段，并将所述第一拼接字段作为元素，加入到信息分区集中。
具体参考图3，图3为本申请实施例中信息分区集的生成示意图，所述信息分区集的生成示意图3中301示出了用户的反馈信息，例如：“太甜了，少放辣椒，多放芝麻酱”，302示出了当前时间信息，例如：“2019-09-09 13:20:45”，303示出了拼接符号，例如：“*”，或者其他符号，304示出了所述拼接后的字段，为“太甜了，少放辣椒，多放芝麻酱*2019-09-0913:20:45”，305示出了信息分区集。
步骤202，对所述信息分区集中内容进行解析，获取预设时间区间内的反馈信息作为第一信息。
在本实施例中，所述对所述信息分区集中内容进行解析，获取预设时间区间内的反馈信息作为第一信息包括：使用字符串分割的方式，对所述第一拼接字段进行分割，获取分割后的时间信息与反馈信息，并进行标记，将分割后的时间信息与预设时间区间进行对比，判断分割后的时间信息是否在预设时间区间内，若在，则基于标记信息，获取与分割后的时间信息相对应的反馈信息，作为第一信息。
具体参考图4，图4为本申请实施例中第一信息的生成流程图，所述第一信息的生成流程图包括：对所述信息分区集中元素，即所述第一拼接字段进行字符串分割，分割为时间信息和反馈信息两个部分，为了便于识别，对两个部分使用相同的标识，用于与信息分区集中其他元素分割后的两个部分进行区别，通过预设的时间区间与分割后的未被标记时间信息进行对比，判断分割后的时间信息是否在预设的时间区间内，若在，获取未被标记的时间信息对应的被标记的时间信息，获取区别标识，则基于所述区别标识，获取所述时间信息对应的反馈信息，作为第一信息。
具体参考图5，图5为本申请实施例中第一信息的生成示意图，所述第一信息的生成示意图5中501示出了本申请实施例中信息分区集中的一个元素“太甜了，少放辣椒，多放芝麻酱*2019-09-09 13:20:45”，图中502示出了图中501被分割后的时间信息“2019-09-0913:20:45”，图中503示出了图中501被分割后的反馈信息“太甜了，少放辣椒，多放芝麻酱”，图中504示出了图中502被区别标记后的时间信息“[0001]2019-09-09 13:20:45”,图中505示出了图中503被区别标记后的反馈信息“[0001]太甜了，少放辣椒，多放芝麻酱”，图中506示出了预设的时间区间“2019-09-09 00:00:00--2019-09-10 00:00:00”，图中507示出了第一信息“太甜了，少放辣椒，多放芝麻酱”。
步骤203，基于预设的判断模型，识别出所述第一信息所属的预设反馈分类，并生成不同区别集，其中，所述预设反馈分类包括：评分分类、味觉建议分类、改进意见分类、辅料增加分类，所述不同区别集包括：评分集、味觉集、改进集、辅料集。
在本申请的一些实施例中，所述所述预设的判断模型包括：基于预设的词性拆分模型，对所述第一信息进行拆分，拆分为若干词语；基于提前预设的相关表，判断拆分后的所述若干词语是否能够从所述相关表中查找，若能，则将所述第一信息，加入到预设反馈分类中，其中，所述预设的相关表包括：味觉分类表、辅料选择表、改进字段表；将所述预设反馈分类中的第一信息，生成不同区别集，其中，所述评分集中元素与评分分类中第一信息一一对应，味觉集中元素与味觉建议分类中第一信息一一对应，改进集中元素与改进意见分类中第一信息一一对应，辅料集中元素与辅料增加分类中第一信息一一对应。
例如：基于统计概率切分，对所述第一信息进行拆分，比如，Hidden Markov 模型，将第一信息“太甜了，少放辣椒，多放芝麻酱”作为输入，以“B、E、M、S”四者组成的序列串作为输出，然后再进行切词，进而得到输入句子的划分。其中，B代表该字是词语中的起始字，M代表是词语中的中间字，E代表是词语中的结束字，S则代表是单字成词。其中，在所述Hidden Markov 模型中在分词序列“太甜了，少放辣椒，多放芝麻酱”已确定的情况下，句子的第一个字属于{B、E、M、S}这四种状态的概率,对应概率向量
Figure DEST_PATH_IMAGE002
为{-0.263,-
Figure DEST_PATH_IMAGE004
,-
Figure 59994DEST_PATH_IMAGE004
，-1.465};如果前一个字位置是B，那么后一个字位置为属于{B、E、M、S}这四种状态的概率，对应概率向量
Figure DEST_PATH_IMAGE006
为{-
Figure 773872DEST_PATH_IMAGE004
,-0.511,-0.916，-
Figure 894887DEST_PATH_IMAGE004
};如果前一个字位置是E，那么后一个字位置为属于{B、E、M、S}这四种状态的概率，对应概率向量
Figure 758938DEST_PATH_IMAGE006
为{-0.590,-
Figure 901206DEST_PATH_IMAGE004
,-
Figure 67877DEST_PATH_IMAGE004
，-0.809};如果前一个字位置是M，那么后一个字位置为属于{B、E、M、S}这四种状态的概率，对应概率向量
Figure 69331DEST_PATH_IMAGE006
为{-
Figure 596127DEST_PATH_IMAGE004
,-0.333,-1.260，-
Figure 733847DEST_PATH_IMAGE004
};如果前一个字位置是S，那么后一个字位置为属于{B、E、M、S}这四种状态的概率，对应概率向量
Figure 805840DEST_PATH_IMAGE006
为{-0.721,-
Figure 29011DEST_PATH_IMAGE004
,-
Figure 359498DEST_PATH_IMAGE004
，-0.666}，在状态B的条件下，观察值为设定的五种预期值的概率，假设所述概率向量取对数后对应
Figure DEST_PATH_IMAGE007
{-10.460，-8.766，-8.039，-7.683，-8.669}，在状态E的条件下，观察值为设定的五种预期值的概率，假设所述概率向量取对数后
Figure 430353DEST_PATH_IMAGE007
对应{-9.267，-9.096，-8.436，-10.224，-8.366}，在状态M的条件下，观察值为设定的五种预期值的概率，假设所述概率向量取对数后对应
Figure 453673DEST_PATH_IMAGE007
{-8.476，-10.560，-8.345，-8.022，-9.548}，在状态S的条件下，观察值为设定的五种预期值的概率，假设所述概率向量取对数后对应
Figure 164140DEST_PATH_IMAGE007
{-10.006，-10.523，-15.269，-17.215，-8.370}，用Viterbi算法求解中文分词，得到两个矩阵 weight 和 path，所述Viterbi算法得到的weight矩阵格式为二维数组，weight[4][12],4是状态数(0:B,1:E,2:M,3:S)，12是输入句子的字数。比如weight[1][5] 代表状态E的条件下，出现'放'这个字的可能性。其中，5代表句子中的第五个字，所述Viterbi算法得到的path矩阵格式为二维数组path[4][12]，path[1][5]代表weight[1][5]取到最大时，前一个字的状态是E，然后经过累加，获取到“BEM,EMEM,EMEMS”,在进行切词和标点分割获得“B/EM/,/EM/EM/,/EM/EM/S/”，即“太/甜了/，/少放/辣椒/，/多放/芝麻/酱/”,基于提前预设的味觉分类表、辅料选择表、改进字段表，判断所述拆分后的若干词语是否能够从所述味觉分类表、辅料选择表、改进字段表中查找，若能，则将所述第一信息，加入到所述味觉分类表、辅料选择表、改进字段表分别对应的味觉建议分类、改进意见分类、辅料增加分类中，以不同分类作为原始集生成不同区别集，包括：评分集、味觉集、改进集、辅料集。
步骤204，基于预设的信息分析模型，分别对不同区别集中元素进行分析，获取分析结果，并生成[A、B、C、D]格式的四元指标，其中，A表示评分集的分析结果，B表示味觉集的分析结果，C表示改进集的分析结果，D表示辅料集的分析结果。
在本申请的一些实施例中，所述步骤204中所述预设的信息分析模型包括：基于预设的不同评分区间，对评分集中元素，进行统计，获取所述不同评分区间对应的概率值；判断所述不同评分区间对应的概率值是否满足预设阈值，若满足，则将所述预设阈值作为A，否则，A为NULL。
例如：预设的不同评分区间有[一星、二星、三星、四星、五星]，评分集中有20个元素，分别为2个一星，3个二星，4个3星，10个四星，1个五星，则所述[一星、二星、三星、四星、五星]对应的概率值分别为[2/20,3/20,4/20,10/20,1/20]，所述预期评分区间为五星的概率值，则预设概率值为15/20，则条件为本次五星的概率值小于预设的五星概率值时满足，则1/20小于15/20,满足，将五星作为A值，若本次五星的概率值大于预设的五星概率值，则不满足，A值为NULL，即不需要进行食品配方改进。
在本申请的一些实施例中，所述步骤204中所述预设的信息分析模型还包括：分别对所述味觉集，所述改进集，所述辅料集中元素进行统计，获取频率值，并将所述频率值分别加入到预设的味觉数组，改进数组，辅料数组中，其中，所述味觉集与所述味觉数组相对应，所述改进集与所述改进数组相对应，所述辅料集与所述辅料数组相对应；对所述味觉数组，所述改进数组，所述辅料数组中元素分别进行冒泡排序，获取经过冒泡排序后，直接获取数组的第一个元素，分别作为B、C、D。
所述的冒泡排序法为:有6个概率数值（0.12、0.13、0.2、0.3、0.4、0.5）进行比较，规定0.12为初始比较值，利用循环的方式，若后面的5个数值比0.12大，将其向前排一位（0.13、0.2、0.3、0.4、0.5、0.12）；然后再以1.3为初始比较值进行比较（0.2、0.3、0.4、0.5、0.13、0.12）；直到获得（0.5、0.4、0.3、0.2、0.13、0.12），此时排在第一位的5为最大值，直接获取第一位的值。
例如：所述味觉集中元素有酸、甜、苦、辣、咸、鲜、涩七种不同的味道分类组成，所述改进集中元素有少放、多放、微辣、中辣、特辣五种不同的改进分类组成，所述辅料集中元素有辣椒、芹菜、猪肉、肥肉、瘦肉、腊肉、火腿七种不同的辅料分类组成，假设味觉集中甜的元素个数占60%，改进集中多放的元素个数占70%，辅料集中瘦肉的元素个数占65%，且都为冒泡排序后的最大指标对应的元素，则B为甜，C为多放，D为瘦肉。
步骤205，基于预设的味觉分类表，辅料选择表，改进字段表三者的表间映射关系，判断所述四元指标中的B、C、D是否满足所述表间映射关系，若不满足，则停止食品配方改进。
在本申请的一些实施例中，所述步骤205中所述判断所述四元指标中的B、C、D是否满足所述表间映射关系包括：基于预设的味觉分类表，辅料选择表，改进字段表三者的表间映射关系，具体为味觉分类表一对多关联辅料选择表，味觉分类表多对多关联改进字段表，辅料选择表多对多关联改进字段表，其中，所述预设的味觉分类表，辅料选择表，改进字段表三者间的表间关系由所述预设的味觉分类表，辅料选择表，改进字段表中预设的关键字段决定。
步骤206，若所述四元指标中的B、C、D满足所述表间映射关系，则获取当前A值和所有历史A值，获取所有A值的非空比重，判断所有A值的非空比重是否小于预设的比重阈值，若小于，则进行食品配方改进，否则，停止食品配方改进。
在本实施例中，所述步骤206中所述获取当前A值和所有历史A值，获取所有A值的非空比重，判断所有A值的非空比重是否小于预设的比重阈值包括：基于历史记录或者历史日志，获取当前A值和所有历史A值，将获取所有A值对应的评分区间值为非空的频率占所有A值的比例；将所述比例与预设的比重阈值进行对比，判断所述比例是否小于所述比重阈值，若小于，则进行食品配方改进。
本申请实施例中所述的基于用户行为控制食品配方改进的方法，可以通过接收用户反馈信息和当前时间信息，对接收到的信息建立信息分区集；对信息分区集进行解析，获取第一信息；识别第一信息的分类，生成不同区别集；分别对不同区别集中元素进行分析，生成[A、B、C、D]格式的四元指标；判断四元指标中的B、C、D是否满足表间映射关系，若不满足，则不进行食品配方改进；若满足，判断所有A值的非空比重是否小于预设的比重阈值，若小于，则进行食品配方改进，否则，不进行食品配方改进。对四元指标中的指标进行双重判断，对食品是否进行改进进行控制，本申请有助于快速分析用户喜欢的食品口味和改进需求，降低食品配方改进失败的风险。
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，该计算机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，前述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）等非易失性存储介质，或随机存储记忆体（Random Access Memory，RAM）等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图6，作为对上述图2所示方法的实现，本申请提供了一种基于用户行为控制食品配方改进的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例所述的基于用户行为控制食品配方改进的装置6包括：相关信息获取和分类模块601、第一信息获取模块602、区别集生成模块603、四元指标生成模块604、配方改进第一判断模块605和配方改进第二判断模块606。其中：
相关信息获取和分类模块601，用于接收用户的反馈信息和当前时间信息，并基于预设的分类模型对接收到的信息建立信息分区集；
第一信息获取模块602，用于对所述信息分区集中内容进行解析，获取预设时间区间内的反馈信息作为第一信息；
区别集生成模块603，用于基于预设的判断模型，识别出所述第一信息所属的预设反馈分类，并生成不同区别集，其中，所述预设反馈分类包括：评分分类、味觉建议分类、改进意见分类、辅料增加分类，所述不同区别集包括：评分集、味觉集、改进集、辅料集；
四元指标生成模块604，用于基于预设的信息分析模型，分别对不同区别集中元素进行分析，获取分析结果，并生成[A、B、C、D]格式的四元指标，其中，A表示评分集的分析结果，B表示味觉集的分析结果，C表示改进集的分析结果，D表示辅料集的分析结果，
其中，所述预设的信息分析模型包括：基于预设预期评分区间，对评分集中元素，进行统计，获取所述不同评分区间对应的概率值；
判断所述预期评分区间对应的概率值是否满足预设阈值，若满足，则将所述预期评分区间作为A，否则，A为NULL；
其中，所述预设的信息分析模型还包括：分别对所述味觉集，所述改进集，所述辅料集中元素进行统计，获取频率值，并将所述频率值分别加入到预设的味觉数组，改进数组，辅料数组中，其中，所述味觉集与所述味觉数组相对应，所述改进集与所述改进数组相对应，所述辅料集与所述辅料数组相对应；
对所述味觉数组，所述改进数组，所述辅料数组中元素分别进行冒泡排序，获取经过冒泡排序后，直接获取数组的第一个元素，分别作为B、C、D；
配方改进第一判断模块605，用于基于预设的味觉分类表，辅料选择表，改进字段表三者的表间映射关系，判断所述四元指标中的B、C、D是否满足所述表间映射关系，若不满足，则不进行食品配方改进；
配方改进第二判断模块606，用于若所述四元指标中的B、C、D满足所述表间映射关系，则获取当前A值和所有历史A值，获取所有A值的非空比重，判断所有A值的非空比重是否小于预设的比重阈值，若小于，则进行食品配方改进，否则，不进行食品配方改进。
在本申请的一些实施例中，如图7，图7为本申请实施例中相关信息获取和分类模块的结构示意图，所述相关信息获取和分类模块601包括相关信息获取单元601a、相关信息分类单元601b。
在本申请的一些实施例中，所述相关信息获取单元601a用于接收用户的反馈信息和当前时间信息。
在本申请的一些实施例中，所述相关信息分类单元601b用于将所述反馈信息和当前时间信息进行字符拼接，并将拼接后的字段作为元素，加入到信息分区集中。
本申请实施例所述的基于用户行为控制食品配方改进的装置，通过接收用户反馈信息和当前时间信息，对接收到的信息建立信息分区集；对信息分区集进行解析，获取第一信息；识别第一信息的分类，生成不同区别集；分别对不同区别集中元素进行分析，生成[A、B、C、D]格式的四元指标；判断四元指标中的B、C、D是否满足表间映射关系，若不满足，则不进行食品配方改进；若满足，判断所有A值的非空比重是否小于预设的比重阈值，若小于，则进行食品配方改进，否则，不进行食品配方改进。本申请有助于快速分析用户喜欢的食品口味和改进需求，降低食品配方改进失败的风险。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图8，图8为本实施例计算机设备基本结构框图。
所述计算机设备8包括通过系统总线相互通信连接存储器8a、处理器8b、网络接口8c。需要指出的是，图中仅示出了具有组件8a-8c的计算机设备8，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field-Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器8a至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、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、光盘等。在一些实施例中，所述存储器8a可以是所述计算机设备8的内部存储单元，例如该计算机设备8的硬盘或内存。在另一些实施例中，所述存储器8a也可以是所述计算机设备8的外部存储设备，例如该计算机设备8上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（FlashCard）等。当然，所述存储器8a还可以既包括所述计算机设备8的内部存储单元也包括其外部存储设备。本实施例中，所述存储器8a通常用于存储安装于所述计算机设备8的操作系统和各类应用软件，例如基于用户行为控制食品配方改进的方法的程序代码等。此外，所述存储器8a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器8b在一些实施例中可以是中央处理器（Central Processing Unit，CPU）、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器8b通常用于控制所述计算机设备8的总体操作。本实施例中，所述处理器8b用于运行所述存储器8a中存储的程序代码或者处理数据，例如运行所述基于用户行为控制食品配方改进的方法的程序代码。
所述网络接口8c可包括无线网络接口或有线网络接口，该网络接口8c通常用于在所述计算机设备8与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有基于用户行为控制食品配方改进的程序，所述基于用户行为控制食品配方改进的程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于用户行为控制食品配方改进的方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (8)

1.一种基于用户行为控制食品配方改进的方法，其特征在于，包括下述步骤：
接收用户的反馈信息和当前时间信息，并基于预设的分类模型对接收到的信息建立信息分区集；
对所述信息分区集中内容进行解析，获取预设时间区间内的反馈信息作为第一信息；
基于预设的判断模型，识别出所述第一信息所属的预设反馈分类，并生成不同区别集，其中，所述预设反馈分类包括：评分分类、味觉建议分类、改进意见分类、辅料增加分类，所述不同区别集包括：评分集、味觉集、改进集、辅料集；
基于预设的信息分析模型，分别对不同区别集中元素进行分析，获取分析结果，并生成[A、B、C、D]格式的四元指标，其中，A表示评分集的分析结果，B表示味觉集的分析结果，C表示改进集的分析结果，D表示辅料集的分析结果，
其中，所述预设的信息分析模型包括：基于预设预期评分区间，对评分集中元素，进行统计，获取所述不同评分区间对应的概率值；
判断所述预期评分区间对应的概率值是否满足预设阈值，若满足，则将所述预期评分区间作为A，否则，A为NULL；
其中，所述预设的信息分析模型还包括：分别对所述味觉集，所述改进集，所述辅料集中元素进行统计，获取频率值，并将所述频率值分别加入到预设的味觉数组，改进数组，辅料数组中，其中，所述味觉集与所述味觉数组相对应，所述改进集与所述改进数组相对应，所述辅料集与所述辅料数组相对应；
对所述味觉数组，所述改进数组，所述辅料数组中元素分别进行冒泡排序，获取经过冒泡排序后，直接获取数组的第一个元素，分别作为B、C、D；
基于预设的味觉分类表，辅料选择表，改进字段表三者的表间映射关系，判断所述四元指标中的B、C、D是否满足所述表间映射关系，若不满足，则不进行食品配方改进；
若所述四元指标中的B、C、D满足所述表间映射关系，则获取当前A值和所有历史A值，获取所有A值的非空比重，判断所有A值的非空比重是否小于预设的比重阈值，若小于，则进行食品配方改进，否则，不进行食品配方改进。
2.根据权利要求1所述的基于用户行为控制食品配方改进的方法，其特征在于，所述预设的分类模型包括：
将所述反馈信息和当前时间信息进行字符拼接，获取第一拼接字段，并将所述第一拼接字段作为元素，加入到信息分区集中。
3.根据权利要求2所述的基于用户行为控制食品配方改进的方法，其特征在于，所述对所述信息分区集中内容进行解析，获取预设时间区间内的反馈信息作为第一信息包括：
使用字符串分割的方式，对所述第一拼接字段进行分割，获取分割后的时间信息与反馈信息，并进行标记，将分割后的时间信息与预设时间区间进行对比，判断分割后的时间信息是否在预设时间区间内，若在，则基于标记信息，获取与分割后的时间信息相对应的反馈信息，作为第一信息。
4.根据权利要求3所述的基于用户行为控制食品配方改进的方法，其特征在于，所述预设的判断模型包括：
基于预设的词性拆分模型，对所述第一信息进行拆分，拆分为若干词语；
基于提前预设的相关表，判断拆分后的所述若干词语是否能够从所述相关表中查找，若能，则将所述第一信息，加入到预设反馈分类中，其中，所述预设的相关表包括：味觉分类表、辅料选择表、改进字段表；
将所述预设反馈分类中的第一信息，生成不同区别集，其中，所述评分集中元素与评分分类中第一信息一一对应，味觉集中元素与味觉建议分类中第一信息一一对应，改进集中元素与改进意见分类中第一信息一一对应，辅料集中元素与辅料增加分类中第一信息一一对应。
5.根据权利要求1至4任一项所述的基于用户行为控制食品配方改进的方法，其特征在于，所述判断所述四元指标中的B、C、D是否满足所述表间映射关系包括：
基于预设的味觉分类表，辅料选择表，改进字段表三者的表间映射关系，所述三者的表间映射关系为味觉分类表一对多关联辅料选择表，味觉分类表多对多关联改进字段表，辅料选择表多对多关联改进字段表，其中，所述预设的味觉分类表，辅料选择表，改进字段表三者间的表间关系由所述预设的味觉分类表，辅料选择表，改进字段表中预设的关键字段决定。
6.一种基于用户行为控制食品配方改进的装置，其特征在于，包括：
相关信息获取和分类模块，用于接收用户的反馈信息和当前时间信息，并基于预设的分类模型对接收到的信息建立信息分区集；
第一信息获取模块，用于对所述信息分区集中内容进行解析，获取预设时间区间内的反馈信息作为第一信息；
区别集生成模块，用于基于预设的判断模型，识别出所述第一信息所属的预设反馈分类，并生成不同区别集，其中，所述预设反馈分类包括：评分分类、味觉建议分类、改进意见分类、辅料增加分类，所述不同区别集包括：评分集、味觉集、改进集、辅料集；
四元指标生成模块，用于基于预设的信息分析模型，分别对不同区别集中元素进行分析，获取分析结果，并生成[A、B、C、D]格式的四元指标，其中，A表示评分集的分析结果，B表示味觉集的分析结果，C表示改进集的分析结果，D表示辅料集的分析结果，
其中，所述预设的信息分析模型包括：基于预设预期评分区间，对评分集中元素，进行统计，获取所述不同评分区间对应的概率值；
判断所述预期评分区间对应的概率值是否满足预设阈值，若满足，则将所述预期评分区间作为A，否则，A为NULL；
其中，所述预设的信息分析模型还包括：分别对所述味觉集，所述改进集，所述辅料集中元素进行统计，获取频率值，并将所述频率值分别加入到预设的味觉数组，改进数组，辅料数组中，其中，所述味觉集与所述味觉数组相对应，所述改进集与所述改进数组相对应，所述辅料集与所述辅料数组相对应；
对所述味觉数组，所述改进数组，所述辅料数组中元素分别进行冒泡排序，获取经过冒泡排序后，直接获取数组的第一个元素，分别作为B、C、D；
配方改进第一判断模块，用于基于预设的味觉分类表，辅料选择表，改进字段表三者的表间映射关系，判断所述四元指标中的B、C、D是否满足所述表间映射关系，若不满足，则不进行食品配方改进；
配方改进第二判断模块，用于若所述四元指标中的B、C、D满足所述表间映射关系，则获取当前A值和所有历史A值，获取所有A值的非空比重，判断所有A值的非空比重是否小于预设的比重阈值，若小于，则进行食品配方改进，否则，不进行食品配方改进。
7.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的基于用户行为控制食品配方改进的方法的步骤。
8.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的基于用户行为控制食品配方改进的方法的步骤。
CN202010577005.6A 2020-06-22 2020-06-22 基于用户行为控制食品配方改进的方法、装置及设备 Active CN111667196B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010577005.6A CN111667196B (zh) 2020-06-22 2020-06-22 基于用户行为控制食品配方改进的方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010577005.6A CN111667196B (zh) 2020-06-22 2020-06-22 基于用户行为控制食品配方改进的方法、装置及设备

Publications (2)

Publication Number Publication Date
CN111667196A CN111667196A (zh) 2020-09-15
CN111667196B true CN111667196B (zh) 2021-04-23

Family

ID=72389489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010577005.6A Active CN111667196B (zh) 2020-06-22 2020-06-22 基于用户行为控制食品配方改进的方法、装置及设备

Country Status (1)

Country Link
CN (1) CN111667196B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105427050A (zh) * 2015-12-02 2016-03-23 常州大学 一种基于信任度模型的食品质量评估方法
CN108008708A (zh) * 2017-11-30 2018-05-08 广东美的厨房电器制造有限公司 控制装置及控制方法
CN109272213A (zh) * 2018-08-30 2019-01-25 成都饭轻松科技有限公司 一种基于味觉数字化的菜品还原方法
KR20190119445A (ko) * 2018-04-12 2019-10-22 김치곤 식품 포장용기 생산을 위한 통합 pop 플랫폼 시스템
CN111177402A (zh) * 2019-12-13 2020-05-19 中移（杭州）信息技术有限公司 基于分词处理的评价方法、装置、计算机设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160225003A1 (en) * 2015-02-03 2016-08-04 GM Global Technology Operations LLC Systems for generating actionable recommendation objects based on geographic and sales loyalties
CN105979013A (zh) * 2016-07-11 2016-09-28 汇通宝支付有限责任公司 一种用户喜好信息推送方法和服务器及系统
CN109934497A (zh) * 2019-03-14 2019-06-25 百度在线网络技术（北京）有限公司 餐馆或菜品评价方法、装置、服务器和计算机可读介质
CN109784787A (zh) * 2019-03-14 2019-05-21 刘强 一种菜品智能评估系统
CN111177397B (zh) * 2019-11-24 2023-05-30 四川旅游学院 烹制搭配方法、烹饪传菜装置、和菜品品鉴装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105427050A (zh) * 2015-12-02 2016-03-23 常州大学 一种基于信任度模型的食品质量评估方法
CN108008708A (zh) * 2017-11-30 2018-05-08 广东美的厨房电器制造有限公司 控制装置及控制方法
KR20190119445A (ko) * 2018-04-12 2019-10-22 김치곤 식품 포장용기 생산을 위한 통합 pop 플랫폼 시스템
CN109272213A (zh) * 2018-08-30 2019-01-25 成都饭轻松科技有限公司 一种基于味觉数字化的菜品还原方法
CN111177402A (zh) * 2019-12-13 2020-05-19 中移（杭州）信息技术有限公司 基于分词处理的评价方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
响应面法优化板栗膨化食品配方的研究;魏宗烽 等;《河南工业大学学报（自然科学版）》;20150630;第36卷(第3期);正文第45-50页 *

Also Published As

Publication number Publication date
CN111667196A (zh) 2020-09-15

Similar Documents

Publication Publication Date Title
CN110825957B (zh) 基于深度学习的信息推荐方法、装置、设备及存储介质
CN109819284B (zh) 一种短视频推荐方法、装置、计算机设备及存储介质
CN110457581B (zh) 一种资讯推荐方法、装置、电子设备及存储介质
CN110909182B (zh) 多媒体资源搜索方法、装置、计算机设备及存储介质
CN108595519A (zh) 热点事件分类方法、装置及存储介质
US11741094B2 (en) Method and system for identifying core product terms
CN106815364A (zh) 内容推送方法和装置
CN103136228A (zh) 一种图片搜索方法以及图片搜索装置
CN112328909B (zh) 信息推荐方法、装置、计算机设备及介质
CN113127633B (zh) 智能会议管理方法、装置、计算机设备及存储介质
CN110827112B (zh) 深度学习的商品推荐方法、装置、计算机设备及存储介质
CN112035549B (zh) 数据挖掘方法、装置、计算机设备及存储介质
CN113220734A (zh) 课程推荐方法、装置、计算机设备及存储介质
WO2021031410A1 (zh) 基于商品信息预测模型的商品信息推送方法及装置、非易失性可读存储介质、计算机设备
CN107291774B (zh) 错误样本识别方法和装置
CN113127621A (zh) 对话模块的推送方法、装置、设备及存储介质
CN114817478A (zh) 基于文本的问答方法、装置、计算机设备及存储介质
CN110442803A (zh) 由计算设备执行的数据处理方法、装置、介质和计算设备
CN114116997A (zh) 知识问答方法、装置、电子设备及存储介质
CN111435369A (zh) 音乐推荐方法、装置、终端及存储介质
CN112100491A (zh) 基于用户数据的信息推荐方法、装置、设备及存储介质
CN111667196B (zh) 基于用户行为控制食品配方改进的方法、装置及设备
CN111651666A (zh) 用户主题推荐方法、装置、计算机设备及存储介质
CN111191011A (zh) 一种文本标签的搜索匹配方法、装置、设备及存储介质
CN114996578A (zh) 模型训练方法、目标对象选取方法、装置及电子设备

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