CN111863193A - 用于食谱推荐的方法、装置及设备 - Google Patents
用于食谱推荐的方法、装置及设备 Download PDFInfo
- Publication number
- CN111863193A CN111863193A CN202010715173.7A CN202010715173A CN111863193A CN 111863193 A CN111863193 A CN 111863193A CN 202010715173 A CN202010715173 A CN 202010715173A CN 111863193 A CN111863193 A CN 111863193A
- Authority
- CN
- China
- Prior art keywords
- recipe
- user
- alternative
- users
- recipes
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 206010063659 Aversion Diseases 0.000 claims description 48
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 5
- 230000036541 health Effects 0.000 description 19
- 235000016709 nutrition Nutrition 0.000 description 11
- 244000061458 Solanum melongena Species 0.000 description 10
- 235000002597 Solanum melongena Nutrition 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 240000008067 Cucumis sativus Species 0.000 description 5
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 5
- 210000000577 adipose tissue Anatomy 0.000 description 5
- 230000035764 nutrition Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 241000208822 Lactuca Species 0.000 description 4
- 235000003228 Lactuca sativa Nutrition 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 235000013372 meat Nutrition 0.000 description 4
- 208000008589 Obesity Diseases 0.000 description 3
- 238000010411 cooking Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 235000020824 obesity Nutrition 0.000 description 3
- 235000019640 taste Nutrition 0.000 description 3
- 235000013311 vegetables Nutrition 0.000 description 3
- 206010006895 Cachexia Diseases 0.000 description 2
- 208000026500 emaciation Diseases 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 244000046738 asparagus lettuce Species 0.000 description 1
- 235000006705 asparagus lettuce Nutrition 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 235000015067 sauces Nutrition 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Nutrition Science (AREA)
- Development Economics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及物联网技术领域，公开一种食谱推荐的方法，该方法包括：确定出参考食谱和备选食谱；获取参考食谱和备选食谱的相似度；根据相似度获取用户对备选食谱的兴趣度；根据兴趣度向用户推荐备选食谱。该方法通过参考食谱和备选食谱的相似度获取用户对备选食谱的兴趣度，从而根据用户对备选食谱兴趣度为用户推荐切合其偏好的食谱，提高用户在获取推荐食谱的体验。本申请还公开一种食谱推荐的装置及设备。
Description
技术领域
本申请涉及物联网技术领域，例如涉及一种用于食谱推荐的方法、装置及设备。
背景技术
目前，随着互联网的发展，食联网生态圈也不断扩展，当代人越来越重视美食享受。为了满足当代人的美食需求，许多美食推荐服务业应运而生。
在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：现有技术中为用户推荐的食谱常常不符合用户的兴趣偏好。
发明内容
为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
本公开实施例提供了一种用于食谱推荐的方法、装置及设备，以使推荐的食谱更符合用户的兴趣偏好。
在一些实施例中，用于食谱推荐的方法包括：
确定出参考食谱和备选食谱；
获取所述参考食谱和备选食谱的相似度；
根据所述相似度获取用户对备选食谱的兴趣度；
根据所述兴趣度向所述用户推荐所述备选食谱。
在一些实施例中，获取所述参考食谱和备选食谱的相似度，包括：
获取操作过所述参考食谱的第一用户数量，获取操作过所述备选食谱的第二用户数量，获取所述用户的操作数量；
根据所述第一用户数量、所述第二用户数量和所述用户的操作数量获取所述参考食谱和备选食谱的用户喜好相似程度，将所述用户喜好相似程度作为所述参考食谱和备选食谱的相似度。
在一些实施例中，获取所述参考食谱和备选食谱的相似度，包括：
获取操作过所述参考食谱的第一用户数量，获取操作过所述备选食谱的第二用户数量，获取所述用户的操作数量；
根据所述第一用户数量、所述第二用户数量和所述用户的操作数量获取所述参考食谱和备选食谱的用户喜好相似程度；
获取所述参考食谱的厌恶信息可信度系数，获取所述备选食谱的厌恶信息可信度系数，获取厌恶所述参考食谱的第三用户数量，获取厌恶所述备选食谱的第四用户数量；
根据所述参考食谱的厌恶信息可信度系数、所述备选食谱的厌恶信息可信度系数、所述第三用户数量和所述第四用户数量获取所述参考食谱和备选食谱的用户厌恶相似程度；
根据所述用户喜好相似程度和用户厌恶相似程度获取所述参考食谱和备选食谱的相似度。
在一些实施例中，获取所述参考食谱的厌恶信息可信度系数，包括：
获取所述第一用户数量和所述第二用户数量中的用户数量最大值，获取用户操作数量最大值；
通过第一预设算法利用所述用户数量最大值、所述用户操作数量最大值、所述第一用户数量和所述用户的操作数量进行计算，获得所述参考食谱的厌恶信息可信度系数。
在一些实施例中，获取所述备选食谱的厌恶信息可信度系数，包括：
获取所述第一用户数量和所述第二用户数量中的用户数量最大值，获取用户操作数量最大值；
通过第二预设算法利用所述用户数量最大值、所述用户操作数量最大值、所述第二用户数量和所述用户的操作数量进行计算，获得所述备选食谱的厌恶信息可信度系数。
在一些实施例中，根据所述相似度获取用户对备选食谱的兴趣度，包括：
对所述相似度进行归一化处理；
根据归一化后的相似度获取用户对备选食谱的兴趣度。
在一些实施例中，根据归一化后的相似度获取用户对备选食谱的兴趣度，包括：
根据所述归一化后的相似度获取所述参考食谱传递给所述备选食谱的用户兴趣度；
根据所述用户兴趣度获取所述用户对所述备选食谱的兴趣度。
在一些实施例中，根据所述用户兴趣度获取所述用户对所述备选食谱的兴趣度，包括：
获取用户对备选食谱的偏好因子；
通过第三预设算法利用所述用户兴趣度和偏好因子进行计算，获得所述用户对所述备选食谱的兴趣度。
在一些实施例中，装置包括：包括处理器和存储有程序指令的存储器，处理器被配置为在执行程序指令时，执行上述的用于食谱推荐的方法。
在一些实施例中，设备包括：上述的用于食谱推荐的装置。
本公开实施例提供的用于食谱推荐的方法、装置及设备，可以实现以下技术效果：通过参考食谱和备选食谱的相似度获取用户对备选食谱的兴趣度，从而根据用户对备选食谱兴趣度为用户推荐切合其偏好的食谱，提高用户在获取推荐食谱时的体验。
以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：
图1是本公开实施例提供的一个用于食谱推荐的方法的示意图；
图2是本公开实施例提供的另一个用于食谱推荐的方法的示意图；
图3是本公开实施例提供的一个用于食谱推荐的装置的示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
除非另有说明，术语“多个”表示两个或两个以上。
本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。
术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。
结合图1所示，本公开实施例提供一种用于食谱推荐的方法，包括：
步骤S101，确定出参考食谱和备选食谱；
步骤S102，获取参考食谱和备选食谱的相似度；
步骤S103，根据相似度获取用户对备选食谱的兴趣度；
步骤S104，根据兴趣度向用户推荐备选食谱。
采用本公开实施例提供的用于食谱推荐的方法，通过参考食谱和备选食谱的相似度获取用户对备选食谱的兴趣度，从而根据用户对备选食谱兴趣度为用户推荐切合其偏好的食谱，提高用户在获取推荐食谱的体验。
可选地，确定出参考食谱和备选食谱，包括：在第一预设食谱集合中任选一个食谱作为参考食谱，则将剩余的食谱作为备选食谱。
可选地，确定出参考食谱和备选食谱，包括：将第一预设食谱集合中的各食谱按照流行度从高到低进行排序，选取被待进行食谱推荐的用户操作过的食谱作为参考食谱；并选取未被待进行食谱推荐的用户操作过的食谱作为备选食谱。
可选地，流行度为各食谱被操作的次数。
可选地，操作过的食谱，包括浏览、使用、标记、收藏或购买过的食谱。
可选地，在确定参考食谱和备选食谱之前，采集用户信息和用户的健康特征；根据用户信息和健康特征建立用户分群标签；根据第一预设食谱集合详情数据创建食谱标签；通过预设的用户分群标签与食谱标签之间的对应关系获得用户分群规则；并通过用户分群规则在第一预设食谱集合中筛选出与用户信息和健康特征对应的食谱作为第二预设食谱集合。
可选地，从第二预设食谱集合中确定出参考食谱和备选食谱。
可选地，通过智能体脂称获取用户的健康特征，健康特征包括：用户的体重、体脂等。
可选地，用户信息包括：用户的年龄、性别等。
可选地，根据用户信息和健康特征建立用户分群标签；用户分群标签包括BMI(Body Mass Index，身体质量指数)、年龄、性别等。在一些实施例中，按照年龄进行划分，用户分群标签为婴儿、儿童、青少年、中青年或老年等；按照BMI字段进行划分，用户分群标签为消瘦、正常、偏胖或肥胖等；按照性别进行划分，用户分群标签为男性或女性。
可选地，食谱标签包括食谱的主材、菜式、对应人群、烹饪方式等。
可选地，用户分群规则，包括用户分群标签与食谱标签之间的对应关系。例如：用户分群标签为偏胖对应的食谱标签，必要条件为：主材成分为素菜，过滤条件为：主材成分为荤菜，烹饪方式为：煎、炸、红烧、烧烤；用户分群标签为肥胖对应的食谱标签，必要条件为：主材成分为素菜，过滤条件为：主材成分为荤菜，烹饪方式为煎、炸、红烧、烧烤；用户分群标签为消瘦对应的食谱标签，必要条件为主材成分为荤菜，无过滤条件。
这样，通过预设的用户分群标签与食谱标签之间的对应关系获得用户分群规则，并通过用户分群规则在第一预设食谱集合中筛选出与用户信息和健康特征对应的食谱作为第二预设食谱集合，在第二预设食谱集合中确定出参考食谱和备选食谱，并通过参考食谱和备选食谱的相似度获得用户对备选食谱的兴趣度，从而根据用户对备选食谱的兴趣度向用户推荐备选食谱，使得向用户推荐的食谱不仅满足用户身体的营养需求更切合用户的偏好。同时，针对用户的智能体脂秤上报数据，更精准的定位用户的需求，使数据来源真实可靠，并且会不断持续迭代，为食谱推荐提供数据保障。实现了在兼顾用户口味的同时，还关注用户健康，能够给用户提供更加贴心和智能化的食谱推荐服务。
在一些实施例中，用户与食谱的关系如表1所示，表1为用户与食谱的矩阵示例表。将用户u对食谱的操作记录为rui，例如：用户浏览过该食谱记为rui＝1，否则记为0。例如，用户1对食谱1进行过浏览，则用户1对食谱1的操作记为rui＝1；用户2对食谱2进行过收藏，则用户2对食谱2的操作记为rui＝1；用户2对食谱1没有操作，则用户2对食谱1的操作记为rui＝0。
| 食谱1 | 食谱2 | 食谱3 | 食谱4 | |
| 用户1 | 1 | 1 | 1 | 1 |
| 用户2 | 0 | 1 | 1 | 1 |
| 用户3 | 1 | 0 | 0 | 0 |
| 用户4 | 1 | 0 | 0 | 1 |
表1
可选地，获取参考食谱和备选食谱的相似度，包括：获取操作过参考食谱的第一用户数量，获取操作过备选食谱的第二用户数量，获取用户的操作数量；根据第一用户数量、第二用户数量和用户的操作数量获取参考食谱和备选食谱的用户喜好相似程度，将用户喜好相似程度作为参考食谱和备选食谱的相似度。可选地，用户的操作数量为待进行食谱推荐的用户对各食谱进行操作的数量，例如，如表1所示，用户1的操作数量为4，用户3的操作数量为1。
可选地，获取参考食谱和备选食谱的相似度，包括：获取操作过参考食谱的第一用户数量，获取操作过备选食谱的第二用户数量，获取用户的操作数量；根据第一用户数量、第二用户数量和用户的操作数量获取参考食谱和备选食谱的用户喜好相似程度；获取参考食谱的厌恶信息可信度系数，获取备选食谱的厌恶信息可信度系数，获取厌恶参考食谱的第三用户数量，获取厌恶备选食谱的第四用户数量；根据参考食谱的厌恶信息可信度系数、备选食谱的厌恶信息可信度系数、第三用户数量和第四用户数量获取参考食谱和备选食谱的用户厌恶相似程度；根据用户喜好相似程度和用户厌恶相似程度获取参考食谱和备选食谱的相似度。可选地，通过确定食谱是否带有厌恶标签确定出参考食谱是否被厌恶，以便获得厌恶参考食谱的第三用户数量。可选地，通过确定食谱是否带有厌恶标签确定出备选食谱是否被厌恶，以便获得厌恶备选食谱的第四用户数量。
可选地，通过计算wij＝Sij+vij获得参考食谱和备选食谱的相似度；其中，wij为参考食谱j和备选食谱i的相似度，Sij为参考食谱j和备选食谱i的用户喜好相似程度，vij为参考食谱j和备选食谱i的用户厌恶相似程度。
可选地，根据第一用户数量、第二用户数量和用户的操作数量获取参考食谱和备选食谱的用户喜好相似程度，包括：通过第五预设算法利用第一用户数量、第二用户数量和用户的操作数量进行计算，获得参考食谱和备选食谱的用户喜好相似程度。
可选地，通过计算
获得参考食谱和各备选食谱的用户喜好相似程度；其中，Sij为参考食谱j和备选食谱i的用户喜好相似程度，|M(i)|为第二用户数量，|M(j)|为第一用户数量，|M(u)|为待进行食谱推荐的用户的操作数量，i、j和u均为正整数，M(i)为操作过备选食谱的用户集合，M(j)为操作过参考食谱的用户集合。
在一些实施例中，参考食谱为一个或多个。
可选地，根据参考食谱的厌恶信息可信度系数、备选食谱的厌恶信息可信度系数、第三用户数量和第四用户数量获取参考食谱和备选食谱的用户厌恶相似程度，包括：通过第四预设算法利用参考食谱的厌恶信息可信度系数、备选食谱的厌恶信息可信度系数、第三用户数量和第四用户数量进行计算，获得参考食谱和备选食谱的用户厌恶相似程度。
可选地，通过计算
获得参考食谱和各备选食谱的用户厌恶相似程度；其中，vij为参考食谱j和备选食谱i的用户厌恶相似程度，|M'(i)|为第四用户数量，|M'(j)|为第三用户数量，τuj为参考食谱j的厌恶信息可信度系数，τui为备选食谱i的厌恶信息可信度系数，M'(i)为厌恶备选食谱的用户集合，M'(j)为厌恶参考食谱的用户集合。
可选地，获取参考食谱的厌恶信息可信度系数，包括：获取第一用户数量和第二用户数量中的用户数量最大值，获取用户操作数量最大值；通过第一预设算法利用用户数量最大值、用户操作数量最大值、第一用户数量和用户的操作数量进行计算，获得参考食谱的厌恶信息可信度系数。
可选地，通过计算
可选地，获取备选食谱的厌恶信息可信度系数，包括：获取第一用户数量和第二用户数量中的用户数量最大值，获取用户操作数量最大值；通过第二预设算法利用用户数量最大值、用户操作数量最大值、第二用户数量和用户的操作数量进行计算，获得备选食谱的厌恶信息可信度系数。
可选地，通过计算
可选地，根据相似度获取用户对备选食谱的兴趣度，包括：对相似度进行归一化处理；根据归一化后的相似度获取用户对备选食谱的兴趣度。
可选地，通过计算
获得归一化处理后的相似度；其中，w′ij为归一化后的相似度，wij为参考食谱j和备选食谱i的相似度，maxj(wij)为参考食谱和备选食谱的相似度最大值。
这样，对参考食谱和备选食谱的相似度进行归一化处理后，能有效地消减喜好度较高的食谱的推荐能力，避免因喜好度较高的食谱相似度也较高，导致推荐的备选食谱之间过于相似。
可选地，根据归一化后的相似度获取用户对备选食谱的兴趣度，包括：根据归一化后的相似度获取参考食谱传递给备选食谱的用户兴趣度；根据用户兴趣度获取用户对备选食谱的兴趣度。
可选地，通过计算
获得参考食谱传递给备选食谱的用户兴趣度；其中，qij为参考食谱j传递给备选食谱i的用户兴趣度，w′ij为归一化后的相似度，ruj为待进行食谱推荐的用户对参考食谱的操作记录，S(j,k)为与参考食谱j相似的k个备选食谱集合，k为正整数，M(u)为待进行食谱推荐的用户操作过的食谱集合，即参考食谱集合。
可选地，根据用户兴趣度获取用户对备选食谱的兴趣度，包括：获取用户对备选食谱的偏好因子；通过第三预设算法利用用户兴趣度和偏好因子进行计算，获得用户对备选食谱的兴趣度。
可选地，通过计算
获的待进行食谱推荐的用户对备选食谱的兴趣度；其中，pui为待进行食谱推荐的用户对备选食谱i的兴趣度，αui为待进行食谱推荐的用户对备选食谱i的偏好因子，qij为参考食谱j传递给备选食谱i的用户兴趣度，M(u)为待进行食谱推荐的用户操作过的食谱集合。
可选地，通过计算
获的待进行食谱推荐的用户对备选食谱的偏好因子；其中，αui为待进行食谱推荐的用户对备选食谱i的偏好因子，α为偏好置信度参数，
为待进行食谱推荐的用户操作各备选食谱的平均数量，
为各备选食谱被操作的平均数量，
为各用户操作数量的平均值，
为各备选食谱对应的操作用户数量的平均值，操作用户数量为操作过备选食谱的用户的数量，如表1所示，食谱1对应的操作用户数量为3，食谱2对应的操作用户数量为2，食谱3对应的操作用户数量为2，食谱4对应的操作用户数量为3，
为2.5。
可选地，将备选食谱按照用户对备选食谱的兴趣度进行降序排序；将排序靠前的预设名次的备选食谱推荐给用户，例如，将排名前十位的备选食谱推荐给用户。例如：将排名第一位的备选食谱推荐给用户。
可选地，将排序靠后的预设名次的备选食谱推荐给用户；例如将排序最后一位的备选食谱推荐给用户。
可选地，在将备选食谱按降序排序后，采集用户信息和健康特征，根据用户信息和健康特征建立用户分群标签，根据备选食谱集合详情数据创建食谱标签，通过预设的用户分群标签与食谱标签之间的对应关系获得用户分群规则；并根据用户分群规则在排序后的备选食谱集合中筛选出与该用户信息和健康特征对应的备选食谱。将筛选出与该用户信息和健康特征对应的备选食谱推荐给用户。使推荐的食谱在切合用户口味的同时，还满足用户营养需求。
可选地，将备选食谱按照用户营养需求进行组合，获得营养菜谱组合；将营养菜谱组合中的备选食谱的兴趣度相加，获得用户对各营养菜谱组合的兴趣度；将各营养菜谱组合按照用户对和营养菜谱组合的兴趣度由高到低进行排序，选取排序靠前的预设名次的营养菜谱组合并推荐给用户。
本公开实施例提供的食谱推荐的方法，通过参考食谱和备选食谱的相似度获取用户对备选食谱的兴趣度，从而根据用户对备选食谱兴趣度为用户推荐切合其偏好的食谱。这样，根据用户的操作记录进行推荐食谱，能有效地保证用户的数据来源真实有效，用户的真实意图也更加清晰。并且，通过使用厌恶相似程度拓展的相似度计算出用户对备选食谱的兴趣度，再用偏好因子将用户对备选食谱的兴趣度进行缩放，能有效地保证推荐的食谱更切合用户的偏好。
结合图2所示，本发明公开了一种用于食谱推荐的方法的具体实施例，包括：
步骤S201，获取用户信息和健康特征；例如，用户性别为男性，年龄为46岁，BMI为29。
步骤S202，根据用户信息和健康特征建立用户分群标签；例如，用户为男性、年龄为46岁、BMI为29，则用户分群标签为男性，中青年，肥胖。
步骤S203，通过用户分群规则在第一预设食谱集合中筛选出与用户信息和健康特征对应的食谱作为第二预设食谱集合。例如，用户分群标签为肥胖，按照用户分群规则筛选对应的食谱标签，即必要条件：主材成分为素菜，过滤条件：主材成分为荤菜，筛选出与用户信息和健康特征对应的40道食谱作为第二预设食谱集合，例如：清炒莴笋食谱、清蒸茄子食谱、凉拌黄瓜食谱、炒茄子食谱等。
步骤S204，在第二预设食谱集合中确定出参考食谱和备选食谱；可选地，在第二预设食谱集合中选取被待进行食谱推荐的用户操作过的食谱作为参考食谱，例如，清蒸茄子食谱被用户浏览过，则将清蒸茄子食谱作为参考食谱；并选取未被待进行食谱推荐的用户操作过的食谱作为备选食谱，例如清炒莴笋食谱、凉拌黄瓜食谱、炒茄子食谱等未被用户操作过，则将清炒莴笋食谱、凉拌黄瓜食谱、炒茄子食谱等作为备选食谱。
步骤S205，获取参考食谱与各备选食谱的相似度；例如，通过计算得到清蒸茄子食谱分别与清炒莴笋食谱、凉拌黄瓜食谱、炒茄子食谱的相似度为4、5、8。
步骤S206，根据相似度获取待进行食谱推荐的用户对备选食谱的兴趣度；例如：通过计算得到待进行食谱推荐的用户分别对清炒莴笋食谱、凉拌黄瓜食谱、炒茄子食谱的兴趣度为5、6、9。
步骤S207，将待进行食谱推荐的用户对备选食谱的兴趣度进行降序排序，并将排名第一的备选食谱推荐给该用户；例如，将兴趣度最高的炒茄子食谱推荐给用户。
这样，通过预设的用户分群标签与食谱标签之间的对应关系获得用户分群规则，并通过用户分群规则在第一预设食谱集合中筛选出与用户信息和健康特征对应的食谱作为第二预设食谱集合，在第二预设食谱集合中确定出参考食谱和备选食谱，并通过参考食谱和备选食谱的相似度获得用户对备选食谱的兴趣度，从而根据用户对备选食谱的兴趣度向用户推荐备选食谱，使得向用户推荐的食谱不仅满足用户身体的营养需求更切合用户的偏好。同时，针对用户的智能体脂秤上报数据，更精准的定位用户的需求，使数据来源真实可靠，并且会不断持续迭代，为食谱推荐提供数据保障。实现了在兼顾用户口味的同时，还关注用户健康，能够给用户提供更加贴心和智能化的食谱推荐服务。
结合图3所示，本公开实施例提供一种用于食谱推荐的装置，包括处理器(processor)100和存储有程序指令的存储器(memory)101。可选地，该装置还可以包括通信接口(Communication Interface)102和总线103。其中，处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的程序指令，以执行上述实施例的用于食谱推荐的方法。
此外，上述的存储器101中的程序指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个获取机可读取存储介质中。
存储器101作为一种获取机可读存储介质，可用于存储软件程序、获取机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中用于食谱推荐的方法。
存储器101可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器101可以包括高速随机存取存储器，还可以包括非易失性存储器。
采用本公开实施例提供的用于食谱推荐的装置，通过参考食谱和备选食谱的相似度获取用户对备选食谱的兴趣度，从而根据用户对备选食谱兴趣度为用户推荐切合其偏好的食谱，提高用户在获取推荐食谱的体验。
本公开实施例提供了一种设备，包含上述的用于食谱推荐的装置。
可选地，设备为智能手机、平板等终端设备。
可选地，设备为智能冰箱、智能电视等带屏家电设备。
可选地，设备为带显示屏的体脂秤。
可选地，设备为服务器。
可选地，在设备为服务器、智能手机、平板、智能冰箱、智能电视等的情况下，通过体重秤获取用户的健康特征；可选地，通过智能手机、平板、智能冰箱、智能电视等的显示屏幕向用户显示推荐的备选食谱。
该设备通过参考食谱和备选食谱的相似度获取用户对备选食谱的兴趣度，从而根据用户对备选食谱兴趣度为用户推荐切合其偏好的食谱，提高用户在获取推荐食谱的体验。
本公开实施例提供了一种获取机可读存储介质，存储有获取机可执行指令，获取机可执行指令设置为执行上述用于食谱推荐的方法。
本公开实施例提供了一种获取机程序产品，获取机程序产品包括存储在获取机可读存储介质上的获取机程序，获取机程序包括程序指令，当程序指令被获取机执行时，使获取机执行上述用于食谱推荐的方法。
上述的获取机可读存储介质可以是暂态获取机可读存储介质，也可以是非暂态获取机可读存储介质。
本公开实施例的技术方案可以以软件产品的形式体现出来，该获取机软件产品存储在一个存储介质中，包括一个或多个指令用以使得一台获取机设备(可以是个人获取机，服务器，或者网络设备等)执行本公开实施例方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个…”限定的要素，并不排除在包括要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。
本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者获取机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，可以仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外，在本公开实施例中的各功能单元可以集成在一个处理单元中，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单元中。
附图中的流程图和框图显示了根据本公开实施例的系统、方法和获取机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与获取机指令的组合来实现。
Claims (10)
1.一种用于食谱推荐的方法，其特征在于，包括：
确定出参考食谱和备选食谱；
获取所述参考食谱和备选食谱的相似度；
根据所述相似度获取用户对备选食谱的兴趣度；
根据所述兴趣度向所述用户推荐所述备选食谱。
2.根据权利要求1所述的方法，其特征在于，获取所述参考食谱和备选食谱的相似度，包括：
获取操作过所述参考食谱的第一用户数量，获取操作过所述备选食谱的第二用户数量，获取所述用户的操作数量；
根据所述第一用户数量、所述第二用户数量和所述用户的操作数量获取所述参考食谱和备选食谱的用户喜好相似程度，将所述用户喜好相似程度作为所述参考食谱和备选食谱的相似度。
3.根据权利要求1所述的方法，其特征在于，获取所述参考食谱和备选食谱的相似度，包括：
获取操作过所述参考食谱的第一用户数量，获取操作过所述备选食谱的第二用户数量，获取所述用户的操作数量；
根据所述第一用户数量、所述第二用户数量和所述用户的操作数量获取所述参考食谱和备选食谱的用户喜好相似程度；
获取所述参考食谱的厌恶信息可信度系数，获取所述备选食谱的厌恶信息可信度系数，获取厌恶所述参考食谱的第三用户数量，获取厌恶所述备选食谱的第四用户数量；
根据所述参考食谱的厌恶信息可信度系数、所述备选食谱的厌恶信息可信度系数、所述第三用户数量和所述第四用户数量获取所述参考食谱和备选食谱的用户厌恶相似程度；
根据所述用户喜好相似程度和用户厌恶相似程度获取所述参考食谱和备选食谱的相似度。
4.根据权利要求3所述的方法，其特征在于，获取所述参考食谱的厌恶信息可信度系数，包括：
获取所述第一用户数量和所述第二用户数量中的用户数量最大值，获取用户操作数量最大值；
通过第一预设算法利用所述用户数量最大值、所述用户操作数量最大值、所述第一用户数量和所述用户的操作数量进行计算，获得所述参考食谱的厌恶信息可信度系数。
5.根据权利要求3所述的方法，其特征在于，获取所述备选食谱的厌恶信息可信度系数，包括：
获取所述第一用户数量和所述第二用户数量中的用户数量最大值，获取用户操作数量最大值；
通过第二预设算法利用所述用户数量最大值、所述用户操作数量最大值、所述第二用户数量和所述用户的操作数量进行计算，获得所述备选食谱的厌恶信息可信度系数。
6.根据权利要求1至5任一项所述的方法，其特征在于，根据所述相似度获取用户对备选食谱的兴趣度，包括：
对所述相似度进行归一化处理；
根据归一化后的相似度获取用户对备选食谱的兴趣度。
7.根据权利要求6所述的方法，其特征在于，根据归一化后的相似度获取用户对备选食谱的兴趣度，包括：
根据所述归一化后的相似度获取所述参考食谱传递给所述备选食谱的用户兴趣度；
根据所述用户兴趣度获取所述用户对所述备选食谱的兴趣度。
8.根据权利要求7所述的方法，其特征在于，根据所述用户兴趣度获取所述用户对所述备选食谱的兴趣度，包括：
获取用户对备选食谱的偏好因子；
通过第三预设算法利用所述用户兴趣度和偏好因子进行计算，获得所述用户对所述备选食谱的兴趣度。
9.一种用于食谱推荐的装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在执行所述程序指令时，执行如权利要求1至8任一项所述的用于食谱推荐的方法。
10.一种设备，其特征在于，包括如权利要求9所述的用于食谱推荐的装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010715173.7A CN111863193A (zh) | 2020-07-23 | 2020-07-23 | 用于食谱推荐的方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010715173.7A CN111863193A (zh) | 2020-07-23 | 2020-07-23 | 用于食谱推荐的方法、装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111863193A true CN111863193A (zh) | 2020-10-30 |
Family
ID=72949756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010715173.7A Pending CN111863193A (zh) | 2020-07-23 | 2020-07-23 | 用于食谱推荐的方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111863193A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106528745A (zh) * | 2016-10-27 | 2017-03-22 | 北京奇虎科技有限公司 | 在移动终端上推荐资源的方法、装置及移动终端 |
| CN107992583A (zh) * | 2017-12-07 | 2018-05-04 | 合肥美的智能科技有限公司 | 信息推送方法及信息推送装置、设备和存储介质 |
| CN109872796A (zh) * | 2017-12-01 | 2019-06-11 | 北京京东尚科信息技术有限公司 | 一种菜谱推荐方法和装置 |
| US20190251202A1 (en) * | 2018-02-12 | 2019-08-15 | Chef Automation Co. Ltd. | Smart recipe recommendation apparatus, method thereof and automatic cooking apparatus |
| CN110504019A (zh) * | 2019-08-30 | 2019-11-26 | 北京妙医佳健康科技集团有限公司 | 用户个性化饮食推荐方法、装置、电子设备及存储介质 |
-
2020
- 2020-07-23 CN CN202010715173.7A patent/CN111863193A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106528745A (zh) * | 2016-10-27 | 2017-03-22 | 北京奇虎科技有限公司 | 在移动终端上推荐资源的方法、装置及移动终端 |
| CN109872796A (zh) * | 2017-12-01 | 2019-06-11 | 北京京东尚科信息技术有限公司 | 一种菜谱推荐方法和装置 |
| CN107992583A (zh) * | 2017-12-07 | 2018-05-04 | 合肥美的智能科技有限公司 | 信息推送方法及信息推送装置、设备和存储介质 |
| US20190251202A1 (en) * | 2018-02-12 | 2019-08-15 | Chef Automation Co. Ltd. | Smart recipe recommendation apparatus, method thereof and automatic cooking apparatus |
| CN110504019A (zh) * | 2019-08-30 | 2019-11-26 | 北京妙医佳健康科技集团有限公司 | 用户个性化饮食推荐方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11669557B2 (en) | Iterative image search algorithm informed by continuous human-machine input feedback | |
| Mejova et al. | Fetishizing food in digital age:# foodporn around the world | |
| CN107391531B (zh) | 一种菜品推荐方法和装置 | |
| Ueda et al. | Recipe recommendation method by considering the users preference and ingredient quantity of target recipe | |
| CN107992583A (zh) | 信息推送方法及信息推送装置、设备和存储介质 | |
| TWI604391B (zh) | 自動化的飲食規劃方法與行動裝置 | |
| Kitamura et al. | Image processing based approach to food balance analysis for personal food logging | |
| CN107092647B (zh) | 一种提供资源组合的方法及装置 | |
| CN104200409A (zh) | 一种口味选择信息同应用对象的匹配方法 | |
| CN107731281A (zh) | 一种推荐用餐的方法 | |
| CN107274242A (zh) | 一种基于关联分析算法的商品推荐方法 | |
| CN107230131A (zh) | 一种菜品推荐方法、装置及系统 | |
| CN110837552B (zh) | 一种饮食信息推荐方法以及装置 | |
| CN107679951A (zh) | 一种辅助点菜的方法和设备 | |
| CN107851183A (zh) | 用于提供食谱的系统和方法 | |
| KR102189232B1 (ko) | 생활 습관을 기반으로 콘텐츠를 제공하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 | |
| CN108121974A (zh) | 一种显示模组结构及终端设备 | |
| CN112182355A (zh) | 用于食谱推荐的方法、装置和智能终端 | |
| WO2021056829A1 (zh) | 菜谱比较方法、装置及计算机存储介质 | |
| CN111863193A (zh) | 用于食谱推荐的方法、装置及设备 | |
| CN110633418A (zh) | 商品推荐方法及装置 | |
| CN112700842B (zh) | 一种家庭饮食方案推荐方法 | |
| CN111435610A (zh) | 推荐食物的方法、装置和烹饪器具 | |
| Shah et al. | Bon vivant: A machine learning approach towards cooking | |
| Chelmis et al. | Recipe Networks and the Principles of Healthy Food on the Web |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201030 |
|
| RJ01 | Rejection of invention patent application after publication |