CN111753049B - 菜谱推荐方法、装置、家电设备及存储介质 - Google Patents

Abstract

本申请提出一种菜谱推荐方法、装置、家电设备及存储介质，其中，所述方法包括：监测目标音频数据，若监测到所述目标音频数据，则确定与所述目标音频数据相关的关联信息，并根据所述关联信息确定与所述目标音频数据对应的目标歌曲类别；根据预设的菜谱推荐模型确定与所述目标歌曲类别对应的目标菜谱，并根据预设的推荐方式推荐所述目标菜谱。通过本申请，能够实现根据获取的歌曲信息进行菜谱推荐，避免用户手动搜索菜谱，节省菜谱搜索时间和人力，提高智能化程度，解决相关技术中通过用户搜索菜谱进行菜谱推荐导致的智能化程度低、费时费力的技术问题。

Description

菜谱推荐方法、装置、家电设备及存储介质

技术领域

本申请涉及智能推荐技术领域，尤其涉及一种菜谱推荐方法、装置、家电设备及存储介质。

背景技术

随着科技的进步，智能家居产品逐步普及。智能家居产品的出现为人们提供了诸多便利，改变了人们的生活方式。

在饮食方面，现有的智能家居产品为用户推荐菜谱时，通常只能为用户提供用户所搜索的菜谱，即通过用户主导获取菜谱，智能化程度低且费时费力，从而导致用户体验差。

发明内容

本申请提出一种菜谱推荐方法、装置、家电设备及存储介质，用于解决相关技术中通过用户搜索菜谱进行菜谱推荐导致的智能化程度低、费时费力的技术问题。

本申请第一方面实施例提出了一种菜谱推荐方法，包括：

监测目标音频数据，若监测到所述目标音频数据，则确定与所述目标音频数据相关的关联信息；

根据所述关联信息确定与所述目标音频数据对应的目标歌曲类别；

根据预设的菜谱推荐模型确定与所述目标歌曲类别对应的目标菜谱，并根据预设的推荐方式推荐所述目标菜谱。

本申请实施例的菜谱推荐方法，通过监测目标音频数据，若监测到目标音频数据，则确定与目标音频数据相关的关联信息，并根据关联信息确定与目标音频数据对应的目标歌曲类别，进而根据预设的菜谱推荐模型确定与目标歌曲类别对应的目标菜谱，并根据预设的推荐方式推荐目标菜谱。由此，实现了根据获取的歌曲信息进行菜谱推荐，避免了用户手动搜索菜谱，节省了菜谱搜索时间和人力，提高了智能化程度，增加了烹饪乐趣，提升了用户体验。

本申请第二方面实施例提出了一种菜谱推荐装置，包括：

第一确定模块，用于监测目标音频数据，若监测到所述目标音频数据，则确定与所述目标音频数据相关的关联信息；

第二确定模块，用于根据所述关联信息确定与所述目标音频数据对应的目标歌曲类别；

菜谱推荐模块，用于根据预设的菜谱推荐模型确定与所述目标歌曲类别对应的目标菜谱，并根据预设的推荐方式推荐所述目标菜谱。

本申请实施例的菜谱推荐装置，通过监测目标音频数据，若监测到目标音频数据，则确定与目标音频数据相关的关联信息，并根据关联信息确定与目标音频数据对应的目标歌曲类别，进而根据预设的菜谱推荐模型确定与目标歌曲类别对应的目标菜谱，并根据预设的推荐方式推荐目标菜谱。由此，实现了根据获取的歌曲信息进行菜谱推荐，避免了用户手动搜索菜谱，节省了菜谱搜索时间和人力，提高了智能化程度，增加了烹饪乐趣，提升了用户体验。

本申请第三方面实施例提出了一种家电设备，包括处理器、存储器和存储在所述存储器上并可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现如前述第一方面实施例所述的菜谱推荐方法。

本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，实现如前述第一方面实施例所述的菜谱推荐方法。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本申请一实施例提出的菜谱推荐方法的流程示意图；

图2为本申请另一实施例提出的菜谱推荐方法的流程示意图；

图3为本申请又一实施例提出的菜谱推荐方法的流程示意图；

图4为本申请再一实施例提出的菜谱推荐方法的流程示意图；

图5为本申请一具体实施例的菜谱推荐方法的工作流程示例图；

图6为本申请一实施例提出的菜谱推荐装置的结构示意图；

图7为本申请另一实施例提出的菜谱推荐装置的结构示意图；以及

图8为本申请又一实施例提出的菜谱推荐装置的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。

下面参考附图描述本申请实施例的菜谱推荐方法、装置、家电设备及存储介质。

图1为本申请一实施例提出的菜谱推荐方法的流程示意图，本实施例的菜谱推荐方法可以由本申请提出的菜谱推荐装置执行，也可以由本申请提出的家电设备执行，所述家电设备比如可以是冰箱、微波炉、烤箱等智能家电设备，所述家电设备包括能够采集语音信息的语音采集组件，该语音采集组件可以集成在家电设备的内部，也可以部分裸露或全部裸露在家电设备的外部。当该语音采集组件集成在家电设备内部时，在家电设备的外壳上与该语音采集组件对应位置处应设置有至少一个开口，以便语音采集组件能够采集到外部环境中的语音信息。下述实施例以由家电设备执行本实施例的菜谱推荐方法作为示例来解释说明本申请，但不能作为对本申请的限制。

如图1所示，菜谱推荐方法可以包括以下步骤：

步骤101，监测目标音频数据，若监测到目标音频数据，则确定与目标音频数据相关的关联信息。

其中，目标音频数据可以是家电设备当前所处的外部环境中正在播放的音乐、用户哼唱的歌曲等。当家电设备从外部环境中采集到语音信息，并对该语音信息识别获知该语音信息为音频数据时，即确定监测到目标音频数据，进而确定与目标音频数据相关的关联信息。

进一步地，为了避免不必要的菜谱推荐，目标音频数据可以是预设的音乐播放设备播放的音乐，或者是预设用户哼唱的音乐。其中，预设的音乐播放设备比如可以是预先与家电设备关联过的智能音箱、与家电设备处于同一局域网中的智能移动终端等；预设用户比如可以是预先在家电设备中存储了对应的声纹特征的用户。

本实施例中，在家电设备工作过程中，可以监测外部环境中的目标音频数据，并在监测到目标音频数据时，进一步确定与目标音频数据相关的关联信息。

作为一种示例，家电设备监测目标音频数据时，可以根据预设的采集周期，监测预设的语音信息；和/或，根据预设的采集周期，采集预设的音频播放设备播放的音频数据。其中，预设的采集周期可以预先设定，比如设置采集周期为3分钟、5分钟等。

例如，在家电设备工作过程中，每5分钟采集一次外部环境中的音频数据，当采集到用户哼唱的音频数据时，对采集的音频数据进行声纹特征识别，并将识别到的声纹特征与预先存储的各声纹特征匹配，若匹配通过，则确定当前采集的音频数据为目标音频数据。进而，根据该目标音频数据，确定与该目标音频数据相关的关联信息。

又例如，家电设备每隔6分钟采集一次外部环境中的音频数据，当采集到其他设备播放的音频数据时，根据采集到的音频数据进行声源定位，以确定播放设备所在的位置，进而查询家电设备中预先存储的各预设的音频播放设备及对应位置信息的映射关系，当根据声源定位确定的位置存在于映射关系中时，即可确定当前的播放设备为预设的音频播放设备，从而能够确定当前采集的音频数据为目标音频数据。进而，根据该目标音频数据，确定与该目标音频数据相关的关联信息。

本实施例中，与目标音频数据相关的关联信息包括但不限于如下信息中的至少一个：演唱该目标音频数据所属歌曲的歌手、所属歌曲的发行年份、所属歌曲的风格、表演形式、所属歌曲的情绪信息等。在根据目标音频数据确定关联信息时，可以由家电设备确定关联信息，也可以由与家电设备对应的服务器确定关联信息，下面一一说明。

作为一种示例，家电设备可以对监测到的目标音频数据进行语音识别，识别出与目标音频数据对应的歌词文本信息，进而通过歌词文本信息进行搜索，找到包含该歌词文本信息的歌曲，从而获取与该歌曲相关的关联信息。

作为另一种示例，当家电设备监测到目标音频数据时，可以将目标音频数据加密后发送给服务器，以使服务器对加密后的目标音频数据进行语音识别获取对应的歌词文本信息，并根据歌词文本信息确定该目标音频数据所属歌曲，进而获取该歌曲的相关信息作为该目标音频数据相关的关联信息并返回给家电设备。

本示例中，家电设备可以采用预设的加密算法对目标音频数据进行加密，再将加密后的目标音频数据发送给服务器。服务器接收到家电设备发送的目标音频数据后，先采用预设的解密算法对目标音频数据进行解密，再对解密后获取的目标音频数据进行语音识别，获取与目标音频数据对应的歌词文本信息，进而根据歌词文本信息进行搜索，获取该歌词文本信息所属的歌曲，接着获取该歌曲的相关信息作为该目标音频数据相关的关联信息，最后将获取的关联信息发送给家电设备。家电设备接收服务器返回的关联信息即可。其中，家电设备使用的加密算法和服务器使用的解密算法可以预设约定并存储。

通过将目标音频数据发送给服务器进行语音识别获取关联信息，能够减少家电设备的数据处理负担，且由于服务器的处理能力相较于家电设备更强，从而能够提高处理速度。并且，通过对目标音频数据进行加密后再发送给服务器，能够保证数据传输的安全性。

步骤102，根据关联信息确定与目标音频数据对应的目标歌曲类别。

其中，与目标音频数据相关的关联信息包括但不限于如下信息中的至少一个：演唱该目标音频数据所属歌曲的歌手、所属歌曲的发行年份、所属歌曲的风格、表演形式、所属歌曲的情绪信息等，对应地，根据关联信息确定的歌曲类别包括但不限于如下类别中的至少一个：歌手名称、所属年代(比如50年代、60年代、70年代、80年代、90年代、00年代等)、歌曲风格(比如流行、摇滚、民谣、乡村、说唱、民族等)、表演形式(独唱、对唱、合唱、高音、中音、美声等)、歌曲情绪(安静、悲伤、寂寞、开心、励志、甜蜜等)等。

本实施例中，确定了与目标音频数据相关的关联信息后，可以进一步根据关联信息确定与目标音频数据对应的目标歌曲类别。

例如，假设获取的与目标音频数据相关的关联信息为90年代的民谣歌曲，则可以确定与目标音频数据对应的目标歌曲类别为：年代-90年代、歌曲风格-民谣。

通常，一些音频数据中包括曲调和歌词，而一些音频数据中可能仅包括曲调而不包括歌词，音频数据的曲调可以反映出该音频所表达的情绪信息，因此，在本申请实施例一种可能的实现方式中，关联信息中包括目标音频数据所表达的情绪信息，比如悲伤、快乐、高昂，等等。从而，本申请实施例中，根据关联信息确定与目标音频数据对应的目标歌曲类别时，可以根据关联信息中的情绪信息，查询预设的多个情绪信息与歌曲情绪类别之间的对应关系，确定与情绪信息匹配的目标歌曲情绪类别，并将目标歌曲情绪类别确定为与目标音频数据对应的目标歌曲类别。

其中，多个情绪信息与歌曲情绪类别之间的对应关系可以预先设定，比如，悲伤情绪对应的歌曲情绪类别为：歌曲情绪-悲伤；快乐情绪对应的歌曲情绪类别为：歌曲情绪-开心、歌曲情绪-甜蜜，等等。

通过获取目标音频数据所表达的情绪信息作为关联信息，并根据情绪信息查询预设的多个情绪信息与歌曲情绪类别之间的对应关系，确定与情绪信息匹配的目标歌曲情绪类别，进而将目标歌曲情绪类别确定为与目标音频数据对应的目标歌曲类别，从而，实现了对于包含歌词和不包含歌词的音频数据均能识别到对应的目标歌曲类别，从而保证了根据音频数据进行菜谱推荐的可实现性。

在本申请实施例一种可能的实现方式中，在监测到目标音频数据之后，还可以将目标音频数据输入至歌曲类别识别模型中，以生成与目标音频数据对应的目标歌曲类别。

其中，歌曲类别识别模型为预先训练好的模型，可以收集大量的音频数据，并标注出音频数据所包含的歌曲类别，利用标注好的音频数据作为训练样本对模型进行训练，在训练过程中不断地迭代更新模型的参数，直至模型输出结果的准确率达到预设的阈值(比如90％)，得到训练好的歌曲类别识别模型。进而，利用训练好的歌曲类别识别模型，可以识别出目标音频数据对应的目标歌曲类别。

需要说明的是，当根据目标音频数据不能确定出与目标音频数据相关的关联信息时，可以将目标音频数据输入至歌曲类别识别模型以生成与目标音频数据对应的目标歌曲类别，从而确保能够获取到目标歌曲类别，以根据目标歌曲类别进行菜谱推荐，保证了根据音频数据进行菜谱推荐的可实现性；当根据目标音频数据能够确定出与目标音频数据相关的关联信息时，也可以将目标音频数据输入至歌曲类别识别模型以生成与目标音频数据对应的目标歌曲类别，从而不仅根据关联信息确定第一目标歌曲类别，还获取歌曲类别识别模型输出的第二目标歌曲类别，进而取第一目标歌曲类别和第二目标歌曲类别的并集，作为最终确定的与目标音频数据对应的目标歌曲类别，由此，通过结合关联信息确定的目标歌曲类别和歌曲类别识别模型输出的目标歌曲类别来确定最终的目标歌曲类别，有利于丰富目标歌曲类别的种类，保证了确定的目标歌曲类别的全面性。

通过将目标音频数据输入至歌曲类别识别模型中以生成与目标音频数据对应的目标歌曲类别，从而在无法确定与目标音频数据相关的关联信息的情况下，也能识别出目标音频数据对应的目标歌曲类别，有利于保证根据音频数据进行菜谱推荐的可实现性。

步骤103，根据预设的菜谱推荐模型确定与目标歌曲类别对应的目标菜谱，并根据预设的推荐方式推荐目标菜谱。

其中，预设的菜谱推荐模型可以是预先利用采集的训练语料训练完成的推荐模型，或者，也可以是预先建立的不同的歌曲类别与菜谱之间的对应关系，比如表1-1所示的年代分类与菜谱的对应关系、表1-2所示的歌曲风格分类与菜谱的对应关系。

表1-1年代分类与菜谱的对应关系

50年度	鱼蛋车仔面，咖喱鱼蛋
		60年度	叉烧肉，红烧肉
70年度	鱼蛋车仔面，咖喱鱼蛋
		80年度	烤鸡，炸酱面
90年度	烤牛肉串，鱿鱼丝
		00年度	炸鸡、烤地瓜

表1-2歌曲风格分类与菜谱的对应关系

摇滚	煮花生，薯条，鱿鱼丝，爆米花
		抒情	烤牛排，水果沙拉，炒意粉
流行	水煮牛肉，炒牛河
		民谣	糖醋排骨，凉皮，炒面
…	…

本实施例中，确定了目标音频数据对应的目标歌曲类别之后，即可根据预设的菜谱推荐模型确定与目标歌曲类别对应的目标菜谱。

比如，当预设的菜谱推荐模型为预先训练好的推荐模型时，可以将确定的目标歌曲类别输入至推荐模型中，推荐模型的输出即为与目标歌曲类型对应的目标菜谱。

又比如，当预设的菜谱推荐模型为如表1-1、表1-2所示的歌曲类别与菜谱的对应关系时，可以根据目标歌曲类别查询相关的对应关系，来确定与目标歌曲类别对应的目标菜谱。例如，目标歌曲类别为歌曲风格-民谣时，可以查询表1-2所示的歌曲风格分类与菜谱的对应关系，确定与目标歌曲类别(民谣)对应的目标菜谱为糖醋排骨、凉皮和炒面。又例如，当目标歌曲类别为年代-80年代和歌曲风格-流行时，通过查询表1-1和表1-2，可以确定与目标歌曲类别(80年代、流行)对应的目标菜谱为烤鸡、炸酱面、水煮牛肉和炒牛河。

进一步地，确定了目标菜谱后，可以根据预设的推荐方式推荐目标菜谱，以使用户获取目标菜谱。

其中，预设的推荐方式比如可以是但不限于是实时地或在预设的时间段内，在预设显示设备的显示屏上显示推荐菜谱，其中，预设显示设备比如可以是用户的智能移动终端、具有显示屏的家电设备等，预设的时间段比如可以是距离当前时间最近的进餐时间前一小时内，比如，当前时间为上午9点，由于9点左右一般已过早餐时间，则可在午餐时间12点前的一小时内，即11点至12之间，将目标菜谱推荐给用户。

本实施例的菜谱推荐方法，通过监测目标音频数据，若监测到目标音频数据，则确定与目标音频数据相关的关联信息，并根据关联信息确定与目标音频数据对应的目标歌曲类别，进而根据预设的菜谱推荐模型确定与目标歌曲类别对应的目标菜谱，并根据预设的推荐方式推荐目标菜谱。由此，实现了根据获取的歌曲信息进行菜谱推荐，避免了用户手动搜索菜谱，节省了菜谱搜索时间和人力，提高了智能化程度，增加了烹饪乐趣，提升了用户体验。

在本申请实施例一种可能的实现方式中，在根据关联信息确定与目标音频数据对应的目标歌曲类别时，还可以结合用户的用户数据，确定目标歌曲类别，以更准确的进行菜谱推荐。下面结合附图2进行详细说明。

图2为本申请另一实施例提出的菜谱推荐方法的流程示意图。如图2所示，在如图1所示实施例的基础上，步骤102中根据关联信息确定与歌曲名称对应的目标歌曲类别，可以包括以下步骤：

步骤201，确定与关联信息匹配的至少一个候选歌曲类别。

其中，与目标音频数据相关的关联信息包括但不限于如下信息中的至少一个：演唱该目标音频数据所属歌曲的歌手、所属歌曲的发行年份、所属歌曲的风格、表演形式、所属歌曲的情绪信息等，对应地，根据关联信息确定的歌曲类别包括但不限于如下类别中的至少一个：歌手名称、所属年代(比如50年代、60年代、70年代、80年代、90年代、00年代等)、歌曲风格(比如流行、摇滚、民谣、乡村、说唱、民族等)、表演形式(独唱、对唱、合唱、高音、中音、美声等)、歌曲情绪(安静、悲伤、寂寞、开心、励志、甜蜜等)等。

本实施例中，获取了与目标音频数据相关的关联信息后，可以进一步确定与关联信息匹配的至少一个候选歌曲类别。比如，获取的与目标音频数据相关的关联信息为90年代的流行歌曲，情绪信息为悲伤，则可以确定与关联信息匹配的候选歌曲类别为多个，分别为：年代-90年代、歌曲风格-流行、歌曲情绪-悲伤。

步骤202，获取与目标音频数据对应的用户标识信息，并确定与用户标识信息对应的用户数据，其中，用户数据包括与用户标识信息对应的参考歌曲类别，以及参考歌曲类别的对应权重。

其中，参考歌曲类别的对应权重，能够表征根据歌曲类别推荐的菜谱被用户选择的概率，对应权重越大，根据歌曲类别推荐的菜谱被用户选择的概率越大，则在下次推荐时，可以优先选择对应权重大的歌曲类别进行菜谱推荐，以提高菜谱推荐的准确率。

本实施例中，与目标音频数据对应的用户标识信息，比如可以是哼唱目标音频数据的用户的标识信息，比如用户在家电设备上注册的账号；用户标识信息还可以是播放该目标音频数据的音频播放设备上登录的账号信息。

接着，根据与目标音频数据对应的用户标识信息，可以确定与用户标识信息对应的用户数据。比如，当用户标识信息为哼唱目标音频数据的用户的标识信息时，可以获取家电设备上存储的该用户的标识信息对应的用户数据；当用户标识信息为播放该目标音频数据的音频播放设备上登录的账号信息时，可以从家电设备上保存的所有账户中查找与该登录的账号信息匹配的账户，进而获取该账户下的用户数据。

步骤203，判断至少一个候选歌曲类别中是否包含与参考歌曲类别匹配的第一候选歌曲类别。

步骤204，若包含，则根据用户数据确定第一候选歌曲类别对应的目标对应权重，并根据目标对应权重确定目标歌曲类别。

本实施例中，获取了用户数据后，可以将至少一根候选歌曲类别与用户数据中包含的参考歌曲类别进行比较，判断至少一个候选歌曲类别中是否包含与参考歌曲类别匹配的第一候选歌曲类别，如果包含，则根据用户数据确定第一候选歌曲类别对应的目标对应权重。也就是说，如果至少一个候选歌曲类别中存在与参考歌曲类别匹配的第一候选歌曲类别，则将用户数据中与第一候选歌曲类别匹配的参考歌曲类别的对应权重，确定为第一候选歌曲类别对应的目标对应权重。

接着，可以根据目标对应权重，从第一候选歌曲类别中确定出目标歌曲类别。比如，可以将目标对应权重最大的第一候选歌曲类别确定为目标歌曲类别。

本实施例的菜谱推荐方法，通过确定与关联信息匹配的至少一个候选歌曲类别，获取与目标音频数据对应的用户标识信息，并确定与用户标识信息对应的用户数据，其中，用户数据包括与用户标识信息对应的参考歌曲类别，以及参考歌曲类别的对应权重，判断至少一个候选歌曲类别中是否包含与参考歌曲类别匹配的第一候选歌曲类别，在包含时则根据用户数据确定第一候选歌曲类别对应的目标对应权重，并根据目标对应权重确定目标歌曲类别，由此，实现了结合用户数据和确定的候选歌曲类别确定目标歌曲类别，能够确定权重较大的歌曲类别为目标歌曲类别，从而有利于提高菜谱推荐的准确率。

进一步地，在本申请实施例一种可能的实现方式中，如图3所示，在如图2所示实施例的基础上，在根据预设的推荐方式推荐目标菜谱之后，该菜谱推荐方法还可以包括以下步骤：

步骤104，监测与用户标识信息对应的目标用户，是否浏览目标菜谱。

步骤105，若浏览目标菜谱，则对用户数据中与目标歌曲类别对应的对应权重增加预设权重值。

本实施例中，将目标菜谱推荐给用户之后，可以监测与用户标识信息对应的目标用户是否浏览目标菜谱，如果目标用户浏览该目标菜谱，则对用户数据中与目标歌曲类别对应的对应权重增加预设权重值。其中，预设权重值可以预先设定，预设权重值可以为小数，比如0.1；预设权重值也可以为次数，比如1次，用户每选择一次根据目标歌曲类别推荐的目标菜谱，则将目标歌曲类别的对应权重增加1次，此时目标歌曲类别的对应权重为次数，表示根据目标歌曲类别推荐的菜谱被用户选择的次数，次数越高，表示根据该类别推荐的菜谱被用户选择的概率越大。

比如，当监测到用户点击目标菜谱时，即确定用户浏览目标菜谱，则增加用户数据中目标歌曲类别的对应权重。同时，还可以将用户点击的目标菜谱对应的详细信息比如制作过程展示给用户，以方便用户获取制作目标菜谱所需的食材、烹饪方法等。

本实施例的菜谱推荐方法，通过监测与用户标识信息对应的目标用户是否浏览目标菜谱，若浏览目标菜谱，则对用户数据中与目标歌曲类别对应的对应权重增加预设权重值，由此，实现了根据推荐结果对用户数据的增强，有利于提高后续菜谱推荐的准确率。

进一步地，在本申请实施例一种可能的实现方式中，如图4所示，在如图3所示实施例的基础上，该菜谱推荐方法还可以包括以下步骤：

步骤301，确定与参考歌曲类别不匹配的第二候选歌曲类别。

步骤302，根据预设的菜谱推荐模型确定与第二候选歌曲类别对应的参考菜谱，并向目标用户推荐参考菜谱。

本实施例中，获取了用户数据后，无论至少一个候选歌曲类别中是否包含与参考歌曲类别匹配的第一候选歌曲类别，均可以执行确定与参考歌曲类别不匹配的第二候选歌曲类别的操作，当至少一个候选歌曲类别中不包括与参考歌曲类别匹配的第一候选歌曲类别时，则至少一个候选歌曲类别均为与参考歌曲类别不匹配的第二候选歌曲类别；当至少一个候选歌曲类别中包含与参考歌曲类别匹配的第一候选歌曲类别时，如果每个候选歌曲类别均与参考歌曲类别匹配，则不存在第二候选歌曲类别，如果存在与参考歌曲类别不匹配的候选歌曲类别，则与参考歌曲类别不匹配的候选歌曲类别即为第二候选歌曲类别。也就是说，至少一个候选歌曲类别中，除第一候选歌曲类别外的其他候选歌曲类别即为第二候选歌曲类别。

接着，根据预设的菜谱推荐模型，可以确定与第二候选歌曲类别对应的参考菜谱，并向目标用户推荐参考菜谱。

需要说明的是，确定参考菜谱的过程可以参见前述实施例中确定目标菜谱的过程，此处不再赘述。

作为一种示例，向目标用户推荐参考菜谱时，可以将目标菜谱和参考菜谱显示在同一界面中，也可以先显示目标菜谱，并在目标菜谱的显示界面中显示“其他”、“下一页”等切换信息，当用户点击“其他”、“下一页”时，将参考菜谱显示在显示界面中，替换掉之前显示的目标菜谱。

步骤303，若没有浏览目标菜谱，则判断目标用户是否浏览参考菜谱。

步骤304，若浏览参考菜谱，则对用户数据中与目标歌曲类别对应的对应权重减少预设权重值，并在用户数据中存储第二候选歌曲类别并设置第二候选歌曲类别的对应权重为预设权重值。

本实施例中，当目标用户未浏览目标菜谱时，比如目标用户在显示目标菜谱的显示界面中点击了“其他”、“下一页”等切换信息时，表明目标用户未浏览目标菜谱，则继续监测目标用户是否浏览了参考菜谱，当用户点击了参考菜谱时，则表示目标用户浏览了参考菜谱，进而在用户数据中存储第二候选歌曲类别，并设置第二候选歌曲类别的对应权重为预设权重值，同时，还可以对用户数据中与目标歌曲类别对应的对应权重减少预设权重值。

当用户未浏览目标菜谱反而浏览的参考菜谱时，表明当前根据目标歌曲类别推荐的目标菜谱不能满足用户的喜好，而根据用户数据中未包含的第二候选歌曲类别确定的参考菜谱能满足当前用户的喜好，因此将用户数据中目标歌曲类别的对应权重相应降低，并将第二候选歌曲类别添加至用户数据中并设置对应权重，从而实现了根据推荐结果对用户数据进行优化，有利于提高后续菜谱推荐的准确率。

图5为本申请一具体实施例的菜谱推荐方法的工作流程示例图。如图5所示，当家电设备开始工作时，可以提示用户登录账户，用户可以登录已有账户、注册新账户或者采用游客方式登录。当用户登录已有账户时，可以获取用户的用户历史数据，此时，用户历史数据可以是当前家电设备中存储的历史数据，也可以是其他家电设备中用户设置的相同账户中的历史数据；当用户注册新账户时，可以使用手机号码注册，并可以在注册成功后向用户推荐歌曲类别等信息供用户选择，将用户选择的歌曲类别作为用户数据进行用户数据更新。当用户以游客方式登录时，为用户生成临时账号，并与当前家电设备进行绑定。此外，游客方式登录时，还支持账号升级功能，当用户选择账号升级时，用户可以注册新账号或者登录已有账号。家电设备工作过程中，家电设备中的声音采集设备采集外部环境的声音输入，并经过语音识别、音乐识别，根据识别结果对用户数据进行更新，进而根据用户数据进行菜谱推荐并显示，当用户点击了推荐的菜谱时，则加载菜谱；当用户点击了非推荐菜谱时，则对非推荐的菜谱进行分析，并优化用户数据，同时加载菜谱。由此，不仅实现了基于音乐的菜谱推荐，还实现了根据推荐结果对用户数据进行优化，有利于提高菜谱推荐的准确率。

为了实现上述实施例，本申请还提出一种菜谱推荐装置。

图6为本申请一实施例提出的菜谱推荐装置的结构示意图。

如图6所示，该菜谱推荐装置50包括：第一确定模块510、第二确定模块520和菜谱推荐模块530。

其中，第一确定模块510，用于监测目标音频数据，若监测到目标音频数据，则确定与目标音频数据相关的关联信息。

在本申请实施例一种可能的实现方式中，第一确定模块510具体用于将所述目标音频数据加密后发送给服务器，以使所述服务器对加密后的所述音频数据进行语音识别获取对应的歌词文本信息，并根据所述歌词文本信息获取所述关联信息；接收所述服务器返回的所述关联信息。

在本申请实施例一种可能的实现方式中，第一确定模块510具体还用于根据预设的采集周期，监测预设用户的语音信息；和/或，根据预设的采集周期，采集预设的音频播放设备播放的音频数据。

第二确定模块520，用于根据关联信息确定与歌曲名称对应的目标歌曲类别。

在本申请实施例一种可能的实现方式中，关联信息包括所述目标音频数据所表达的情绪信息，第二确定模块520具体用于：根据所述情绪信息，查询预设的多个情绪信息与歌曲情绪类别之间的对应关系，确定与所述情绪信息匹配的目标歌曲情绪类别；将所述目标歌曲情绪类别确定为与所述目标音频数据对应的目标歌曲类别。

菜谱推荐模块530，用于根据预设的菜谱推荐模型确定与目标歌曲类别对应的目标菜谱，并根据预设的推荐方式推荐目标菜谱。

在本申请实施例一种可能的实现方式中，如图7所示，在如图6所示实施例的基础上，第二确定模块520包括：

第一确定单元521，用于确定与所述关联信息匹配的至少一个候选歌曲类别；

获取单元522，用于获取与所述目标音频数据对应的用户标识信息，并确定与所述用户标识信息对应的用户数据，其中，所述用户数据包括与所述用户标识信息对应的参考歌曲类别，以及所述参考歌曲类别的对应权重；

判断单元523，用于判断所述至少一个候选歌曲类别中是否包含与所述参考歌曲类别匹配的第一候选歌曲类别；

第二确定单元524，用于在所述至少一个候选歌曲类别中包含与所述参考歌曲类别匹配的第一候选歌曲类别时，则根据所述用户数据确定所述第一候选歌曲类别对应的目标对应权重，并根据所述目标对应权重确定所述目标歌曲类别。

进一步地，如图7所示，该菜谱推荐装置50还包括：

监测模块540，用于监测与所述用户标识信息对应的目标用户，是否浏览所述目标菜谱；

调整模块550，用于若浏览所述目标菜谱，则对所述用户数据中与所述目标歌曲类别对应的对应权重增加预设权重值。

进一步地，在本申请实施例一种可能的实现方式中，如图7所示，第二确定模块520，还包括：

第三确定单元525，用于确定与所述参考歌曲类别不匹配的第二候选歌曲类别；

处理单元526，用于根据所述预设的菜谱推荐模型确定与所述第二候选歌曲类别对应的参考菜谱，并向所述目标用户推荐所述参考菜谱；

监测模块540，还用于：

若没有浏览所述目标菜谱，则判断所述目标用户是否浏览所述参考菜谱；

调整模块550，还用于：

若浏览所述参考菜谱，则对所述用户数据中与所述目标歌曲类别对应的对应权重减少所述预设权重值，并在所述用户数据中存储所述第二候选歌曲类别并设置所述第二候选歌曲类别的对应权重为所述预设权重值。

在本申请实施例一种可能的实现方式中，如图8所示，在如图6所示实施例的基础上，该菜谱推荐装置50，还包括：

输入模块560，用于将所述目标音频数据输入至歌曲类别识别模型，以生成与所述目标音频数据对应的目标歌曲类别。

需要说明的是，前述对菜谱推荐方法实施例的解释说明也适用于该实施例的菜谱推荐装置，其实现原理类似，此处不再赘述。

本申请实施例的菜谱推荐装置，通过监测目标音频数据，若监测到目标音频数据，则确定与目标音频数据相关的关联信息，并根据关联信息确定与目标音频数据对应的目标歌曲类别，进而根据预设的菜谱推荐模型确定与目标歌曲类别对应的目标菜谱，并根据预设的推荐方式推荐目标菜谱。由此，实现了根据获取的歌曲信息进行菜谱推荐，避免了用户手动搜索菜谱，节省了菜谱搜索时间和人力，提高了智能化程度，增加了烹饪乐趣，提升了用户体验。

为了实施上述实施例，本申请还提出一种家电设备，包括处理器、存储器和存储在所述存储器上并可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现如前述实施例所述的菜谱推荐方法。

为了实施上述实施例，本申请还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，实现如前述实施例所述的菜谱推荐方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (16)

1.一种菜谱推荐方法，其特征在于，所述方法包括以下步骤：

监测目标音频数据，若监测到所述目标音频数据，则确定与所述目标音频数据相关的关联信息；

根据所述关联信息确定与所述目标音频数据对应的目标歌曲类别；

根据预设的菜谱推荐模型确定与所述目标歌曲类别对应的目标菜谱，并根据预设的推荐方式推荐所述目标菜谱，其中，所述根据所述关联信息确定与所述目标音频数据对应的目标歌曲类别，包括：

确定与所述关联信息匹配的至少一个候选歌曲类别；

获取与所述目标音频数据对应的用户标识信息，并确定与所述用户标识信息对应的用户数据，其中，所述用户数据包括与所述用户标识信息对应的参考歌曲类别，以及所述参考歌曲类别的对应权重；

判断所述至少一个候选歌曲类别中是否包含与所述参考歌曲类别匹配的第一候选歌曲类别；

若包含，则根据所述用户数据确定所述第一候选歌曲类别对应的目标对应权重，并根据所述目标对应权重确定所述目标歌曲类别。

2.根据权利要求1所述的方法，其特征在于，还包括：

监测与所述用户标识信息对应的目标用户，是否浏览所述目标菜谱；

若浏览所述目标菜谱，则对所述用户数据中与所述目标歌曲类别对应的对应权重增加预设权重值。

3.根据权利要求2所述的方法，其特征在于，在所述判断所述至少一个候选歌曲类别中是否包含与所述参考歌曲类别匹配的第一候选歌曲类别之后，还包括：

确定与所述参考歌曲类别不匹配的第二候选歌曲类别；

根据所述预设的菜谱推荐模型确定与所述第二候选歌曲类别对应的参考菜谱，并向所述目标用户推荐所述参考菜谱；

在所述监测与所述用户标识信息对应的目标用户，是否浏览所述目标菜谱之后，还包括：

若没有浏览所述目标菜谱，则判断所述目标用户是否浏览所述参考菜谱；

若浏览所述参考菜谱，则对所述用户数据中与所述目标歌曲类别对应的对应权重减少所述预设权重值，并在所述用户数据中存储所述第二候选歌曲类别并设置所述第二候选歌曲类别的对应权重为所述预设权重值。

4.根据权利要求1所述的方法，其特征在于，所述关联信息包括所述目标音频数据所表达的情绪信息，所述根据所述关联信息确定与所述目标音频数据对应的目标歌曲类别，包括：

根据所述情绪信息，查询预设的多个情绪信息与歌曲情绪类别之间的对应关系，确定与所述情绪信息匹配的目标歌曲情绪类别；

将所述目标歌曲情绪类别确定为与所述目标音频数据对应的目标歌曲类别。

5.根据权利要求1所述的方法，其特征在于，在所述监测到所述目标音频数据之后，还包括：

将所述目标音频数据输入至歌曲类别识别模型，以生成与所述目标音频数据对应的目标歌曲类别。

6.根据权利要求1-4任一所述的方法，其特征在于，所述则确定与所述目标音频数据相关的关联信息，包括：

将所述目标音频数据加密后发送给服务器，以使所述服务器对加密后的所述音频数据进行语音识别获取对应的歌词文本信息，并根据所述歌词文本信息获取所述关联信息；

接收所述服务器返回的所述关联信息。

7.如权利要求1-5任一所述的方法，其特征在于，所述监测目标音频数据，包括：

根据预设的采集周期，监测预设用户的语音信息；和/或，

根据预设的采集周期，采集预设的音频播放设备播放的音频数据。

8.一种菜谱推荐装置，其特征在于，包括：

第一确定模块，用于监测目标音频数据，若监测到所述目标音频数据，则确定与所述目标音频数据相关的关联信息第二确定模块，用于根据所述关联信息确定与所述目标音频数据对应的目标歌曲类别；

菜谱推荐模块，用于根据预设的菜谱推荐模型确定与所述目标歌曲类别对应的目标菜谱，并根据预设的推荐方式推荐所述目标菜谱；

所述第二确定模块，包括：

第一确定单元，用于确定与所述关联信息匹配的至少一个候选歌曲类别；

获取单元，用于获取与所述目标音频数据对应的用户标识信息，并确定与所述用户标识信息对应的用户数据，其中，所述用户数据包括与所述用户标识信息对应的参考歌曲类别，以及所述参考歌曲类别的对应权重；

判断单元，用于判断所述至少一个候选歌曲类别中是否包含与所述参考歌曲类别匹配的第一候选歌曲类别；

第二确定单元，用于在所述至少一个候选歌曲类别中包含与所述参考歌曲类别匹配的第一候选歌曲类别时，则根据所述用户数据确定所述第一候选歌曲类别对应的目标对应权重，并根据所述目标对应权重确定所述目标歌曲类别。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

监测模块，用于监测与所述用户标识信息对应的目标用户，是否浏览所述目标菜谱；

调整模块，用于若浏览所述目标菜谱，则对所述用户数据中与所述目标歌曲类别对应的对应权重增加预设权重值。

10.根据权利要求9所述的装置，其特征在于，所述第二确定模块，还包括：

第三确定单元，用于确定与所述参考歌曲类别不匹配的第二候选歌曲类别；

处理单元，用于根据所述预设的菜谱推荐模型确定与所述第二候选歌曲类别对应的参考菜谱，并向所述目标用户推荐所述参考菜谱；

所述监测模块，还用于：

若没有浏览所述目标菜谱，则判断所述目标用户是否浏览所述参考菜谱；

所述调整模块，还用于：

若浏览所述参考菜谱，则对所述用户数据中与所述目标歌曲类别对应的对应权重减少所述预设权重值，并在所述用户数据中存储所述第二候选歌曲类别并设置所述第二候选歌曲类别的对应权重为所述预设权重值。

11.根据权利要求8所述的装置，其特征在于，所述关联信息包括所述目标音频数据所表达的情绪信息，所述第二确定模块，具体用于：

根据所述情绪信息，查询预设的多个情绪信息与歌曲情绪类别之间的对应关系，确定与所述情绪信息匹配的目标歌曲情绪类别；

将所述目标歌曲情绪类别确定为与所述目标音频数据对应的目标歌曲类别。

12.根据权利要求8所述的装置，其特征在于，还包括：

输入模块，用于将所述目标音频数据输入至歌曲类别识别模型，以生成与所述目标音频数据对应的目标歌曲类别。

13.根据权利要求8-11任一所述的装置，其特征在于，所述第一确定模块，具体用于：

将所述目标音频数据加密后发送给服务器，以使所述服务器对加密后的所述音频数据进行语音识别获取对应的歌词文本信息，并根据所述歌词文本信息获取所述关联信息；

接收所述服务器返回的所述关联信息。

14.根据权利要求8-12任一所述的装置，其特征在于，所述第一确定模块，具体用于：

根据预设的采集周期，监测预设用户的语音信息；和/或，

根据预设的采集周期，采集预设的音频播放设备播放的音频数据。

15.一种家电设备，其特征在于，包括处理器、存储器和存储在所述存储器上并可在所述处理器上运行的计算机程序，当所述计算机程序被所述处理器执行时，实现如权利要求1-7任一所述的菜谱推荐方法。

16.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求1-7任一所述的菜谱推荐方法。