CN111881341A - 饮食信息推荐方法及装置、电子设备及介质 - Google Patents
饮食信息推荐方法及装置、电子设备及介质 Download PDFInfo
- Publication number
- CN111881341A CN111881341A CN202010544218.9A CN202010544218A CN111881341A CN 111881341 A CN111881341 A CN 111881341A CN 202010544218 A CN202010544218 A CN 202010544218A CN 111881341 A CN111881341 A CN 111881341A
- Authority
- CN
- China
- Prior art keywords
- user
- diet information
- information
- diet
- determining
- 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.)
- Granted
Links
- 235000005911 diet Nutrition 0.000 title claims abstract description 375
- 230000037213 diet Effects 0.000 title claims abstract description 364
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012163 sequencing technique Methods 0.000 claims abstract description 45
- 238000004364 calculation method Methods 0.000 claims abstract description 41
- 239000000463 material Substances 0.000 claims description 128
- 238000004590 computer program Methods 0.000 claims description 11
- 230000000378 dietary effect Effects 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 10
- 230000002829 reductive effect Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 235000004280 healthy diet Nutrition 0.000 claims description 5
- 238000011282 treatment Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000009286 beneficial effect Effects 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
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000021409 diet quality Nutrition 0.000 description 1
- 235000005118 dietary health Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06F16/9538—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种饮食信息推荐方法及装置、一种电子设备及一种计算机可读存储介质。其中，所述方法包括：根据饮食信息对应的历史偏好数据，对饮食信息集合中的所有饮食信息进行排序；根据排序结果，确定每条所述饮食信息对应的权重系数；根据用户集合中每个用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算所述用户集合中目标用户与每个其他用户的用户相似度；根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户，并根据所述相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐。本申请技术方案可以实现饮食信息的精准化推荐。
Description
技术领域
本申请涉及智能冰箱技术领域，具体涉及一种饮食信息推荐方法及装置、一种电子设备及一种计算机可读存储介质。
背景技术
随着智能家居技术的快速发展，智能家电已经逐渐融入用户的家庭生活，给用户的生活带来更多的便利性和更加丰富的内容，例如，智能冰箱提供有菜谱查阅及教学功能，用户可以通过智能冰箱的显示屏查看菜谱及其教学视频。
但是，现有技术中，智能冰箱的菜谱一般是用户自己按照分类查看，或者按照点击和查看热度查看，这种千篇一律的方式导致用户经常无法快速查阅到需要的内容，用户体验较差。
发明内容
本申请的目的是提供一种饮食信息推荐方法及装置、一种电子设备及一种计算机可读存储介质。
本申请第一方面提供一种饮食信息推荐方法，包括：
根据饮食信息对应的历史偏好数据，对饮食信息集合中的所有饮食信息进行排序；
根据排序结果，确定每条所述饮食信息对应的权重系数，其中，排序靠前的至少一部分饮食信息对应的权重系数随排序次序降低而降低，排序靠后的至少一部分饮食信息对应的权重系数随排序次序降低而升高；
根据用户集合中每个用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算所述用户集合中目标用户与每个其他用户的用户相似度；
根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户，并根据所述相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐。
在本申请第一方面的一些实施方式中，所述根据排序结果，确定每条所述饮食信息对应的权重系数，包括：
针对每条所述饮食信息，根据该饮食信息的排序次序与总排序数的比值，利用余弦函数计算该饮食信息对应的权重系数。
在本申请第一方面的一些实施方式中，所述根据用户集合中每个用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算所述用户集合中目标用户与每个其他用户的用户相似度，包括：
针对用户集合中的每个用户，根据该用户对每条所述饮食信息的历史偏好信息确定每条所述饮食信息对应的元素，并根据所有所述饮食信息对应的元素构成该用户对应的饮食信息偏好向量，其中，所述饮食信息偏好向量包括非零元素和零元素，所述非零元素根据该非零元素对应的饮食信息的权重系数确定；
根据所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量，计算所述目标用户与每个其他用户的用户相似度。
在本申请第一方面的一些实施方式中，所述根据该用户对每条所述饮食信息的历史偏好信息确定每条所述饮食信息对应的元素，包括：
针对每条所述饮食信息，根据该用户对所述饮食信息的历史偏好信息是有正向反馈数据，确定所述饮食信息对应的元素为非零元素，以及根据该用户对所述饮食信息的历史偏好信息是没有正向反馈数据，确定所述饮食信息对应的元素为零元素。
在本申请第一方面的一些实施方式中，所述非零元素根据所述非零元素对应的所述饮食信息的权重系数和质量系数确定。
在本申请第一方面的一些实施方式中，所述质量系数根据所述饮食信息的正向反馈数据的取值和/或正向反馈数据的下沉率确定。
在本申请第一方面的一些实施方式中，所述根据所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量，计算所述目标用户与每个其他用户的用户相似度，包括：
计算所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量之间的欧氏距离和/或余弦相似度，并根据所述欧氏距离和/或所述余弦相似度确定所述目标用户与每个其他用户的用户相似度。
在本申请第一方面的一些实施方式中，所述根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户之前，还包括：
根据用户的当前可用食材信息，确定用户集合中每个用户分别对应的可用食材信息向量；
根据所述可用食材信息向量，计算目标用户与所述用户集合中每个其他用户的可用食材相似度；
所述根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户，包括：
根据用户相似度计算结果和可用食材相似度计算结果，从所述其他用户中确定所述目标用户的相似用户。
在本申请第一方面的一些实施方式中，所述根据用户的可用食材信息，确定用户集合中每个用户分别对应的可用食材信息向量，包括：
根据用户的当前可用食材信息和当前可用食材的新鲜度，确定用户集合中每个用户分别对应的可用食材信息向量。
在本申请第一方面的一些实施方式中，所述从所述其他用户中确定所述目标用户的相似用户，包括：
选择与所述目标用户的相似度大于预设相似度阈值或者相似度较高的多个其他用户作为所述目标用户的相似用户。
在本申请第一方面的一些实施方式中，所述根据所述相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐，包括：
选择所述相似用户偏好的、且所述目标用户未查看过的饮食信息作为待推荐饮食信息；
将所述待推荐饮食信息推荐给所述目标用户。
在本申请第一方面的一些实施方式中，所述将所述待推荐饮食信息推荐给所述目标用户，包括：
对所述待推荐饮食信息进行以下至少一项处理后推荐给所述目标用户：
根据所述待推荐饮食信息包含的当前可用食材的新鲜度，对所述待推荐饮食信息进行排序；
根据所述待推荐饮食信息包含的当前可用食材的数量和/或占比，对所述待推荐饮食信息进行排序；
根据所述待推荐饮食信息是否包含当前可用食材，对所述待推荐饮食信息进行筛选。
在本申请第一方面的一些实施方式中，所述当前可用食材的新鲜度根据所述当前可用食材的已存储时长与保质期确定。
在本申请第一方面的一些实施方式中，所述饮食信息包括：食谱信息、或健康饮食信息。
本申请第二方面提供一种饮食信息推荐装置，包括：
饮食信息排序模块，用于根据饮食信息对应的历史偏好数据，对饮食信息集合中的所有饮食信息进行排序；
权重系数确定模块，用于根据排序结果，确定每条所述饮食信息对应的权重系数，其中，排序靠前的至少一部分饮食信息对应的权重系数随排序次序降低而降低，排序靠后的至少一部分饮食信息对应的权重系数随排序次序降低而升高；
用户相似度计算模块，用于根据用户集合中每个用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算所述用户集合中目标用户与每个其他用户的用户相似度；
信息推荐模块，用于根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户，并根据所述相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐。
在本申请第二方面的一些实施方式中，所述权重系数确定模块，包括：
权重系数确定单元，用于针对每条所述饮食信息，根据该饮食信息的排序次序与总排序数的比值，利用余弦函数计算该饮食信息对应的权重系数。
在本申请第二方面的一些实施方式中，所述用户相似度计算模块，包括：
偏好向量确定单元，用于针对用户集合中的每个用户，根据该用户对每条所述饮食信息的历史偏好信息确定每条所述饮食信息对应的元素，并根据所有所述饮食信息对应的元素构成该用户对应的饮食信息偏好向量，其中，所述饮食信息偏好向量包括非零元素和零元素，所述非零元素根据该非零元素对应的饮食信息的权重系数确定；
用户相似度计算单元，用于根据所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量，计算所述目标用户与每个其他用户的用户相似度。
在本申请第二方面的一些实施方式中，所述偏好向量确定单元，包括：
向量元素确定子单元，用于针对每条所述饮食信息，根据该用户对所述饮食信息的历史偏好信息是有正向反馈数据，确定所述饮食信息对应的元素为非零元素，根据该用户对所述饮食信息的历史偏好信息是没有正向反馈数据，确定所述饮食信息对应的元素为零元素。
在本申请第二方面的一些实施方式中，所述非零元素根据所述非零元素对应的所述饮食信息的权重系数和质量系数确定。
在本申请第二方面的一些实施方式中，所述质量系数根据所述饮食信息的正向反馈数据的取值和/或正向反馈数据的下沉率确定。
在本申请第二方面的一些实施方式中，所述用户相似度计算单元，包括：
用户相似度计算子单元，用于计算所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量之间的欧氏距离和/或余弦相似度，并根据所述欧氏距离和/或所述余弦相似度确定所述目标用户与每个其他用户的用户相似度。
在本申请第二方面的一些实施方式中，所述装置，还包括：
可用食材信息向量确定模块，用于根据用户的当前可用食材信息，确定用户集合中每个用户分别对应的可用食材信息向量；
可用食材相似度计算模块，用于根据所述可用食材信息向量，计算目标用户与所述用户集合中每个其他用户的可用食材相似度；
所述信息推荐模块，包括：
相似用户确定单元，用于根据用户相似度计算结果和可用食材相似度计算结果，从所述其他用户中确定所述目标用户的相似用户。
在本申请第二方面的一些实施方式中，所述可用食材信息向量确定模块，包括：
可用食材信息向量确定单元，用于根据用户的当前可用食材信息和当前可用食材的新鲜度，确定用户集合中每个用户分别对应的可用食材信息向量。
在本申请第二方面的一些实施方式中，所述信息推荐模块，包括：
相似用户选择单元，用于选择与所述目标用户的相似度大于预设相似度阈值或者相似度较高的多个其他用户作为所述目标用户的相似用户。
在本申请第二方面的一些实施方式中，所述信息推荐模块，包括：
待推荐饮食信息选择单元，用于选择所述相似用户偏好的、且所述目标用户未查看过的饮食信息作为待推荐饮食信息；
饮食信息推荐单元，用于将所述待推荐饮食信息推荐给所述目标用户。
在本申请第二方面的一些实施方式中，所述饮食信息推荐单元，包括：
饮食信息处理子单元，用于对所述待推荐饮食信息进行以下至少一项处理后推荐给所述目标用户：
根据所述待推荐饮食信息包含的当前可用食材的新鲜度，对所述待推荐饮食信息进行排序；
根据所述待推荐饮食信息包含的当前可用食材的数量和/或占比，对所述待推荐饮食信息进行排序；
根据所述待推荐饮食信息是否包含当前可用食材，对所述待推荐饮食信息进行筛选。
在本申请第二方面的一些实施方式中，所述当前可用食材的新鲜度根据所述当前可用食材的已存储时长与保质期确定。
在本申请第二方面的一些实施方式中，所述饮食信息包括：食谱信息、或健康饮食信息。
本申请第三方面提供一种电子设备，包括：存储器、处理器及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，所述处理器运行所述计算机程序时执行以实现本申请第一方面所述的方法。
在本申请第三方面的一些实施方式中，所述电子设备包括冰箱、与所述冰箱连接的智能终端设备、或者与所述冰箱连接的远程服务器。
本申请第四方面提供一种计算机可读存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现本申请第一方面所述的方法。
相较于现有技术，本申请提供的技术方案，由于根据饮食信息对应的历史偏好数据对饮食信息进行了排序，并根据排序结果确定了每条饮食信息对应的权重系数，且排序靠前的至少一部分饮食信息对应的权重系数随排序降低而降低，排序靠后的至少一部分饮食信息对应的权重系数随排序降低而升高，这样，可以确保偏好量最大的一部分饮食信息以及偏好量最小的一部分饮食信息都具有较高的权重系数，即，使得共性的(大众的)饮食信息和个性的(小众的)饮食信息都具有较高的权重系数，在此基础上，再根据用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算目标用户与每个其他用户的用户相似度，根据该用户相似度可以确定出共性的相似用户，也可以确定出个性化的相似用户，然后再根据相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐，即可在兼顾共性与个性化差异的基础上，给用户推荐更加合理的个性化饮食信息，从而达到千人千面的饮食信息推荐目的，使得推荐的饮食信息更具针对性，也更加精准，通过本申请提供的推荐方案，有较高的概率使用户快速查看到需要的内容，从而提升用户使用体验。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本申请的一些实施方式所提供的一种饮食信息推荐方法的流程图；
图2示出了本申请的一些实施方式所提供的一种权重系数的分布曲线示意图；
图3示出了本申请的一些实施方式所提供的一种饮食信息推荐装置的示意图；
图4示出了本申请的一些实施方式所提供的一种电子设备的示意图；
图5示出了本申请的一些实施方式所提供的一种计算机介质的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本申请所属领域技术人员所理解的通常意义。
另外，术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例提供一种饮食信息推荐方法及装置、一种电子设备及一种计算机可读存储介质，下面结合实施例及附图进行示例性说明。
请参考图1，其示出了本申请的一些实施方式所提供的一种饮食信息推荐方法的流程图，如图1所示，所述饮食信息推荐方法，可以包括以下步骤：
步骤S101：根据饮食信息对应的历史偏好数据，对饮食信息集合中的所有饮食信息进行排序。
其中，所述历史偏好数据，可以是所述饮食信息对应的历史收藏量、历史播放量、历史点赞量等能够表征饮食信息的受欢迎程度、喜好程度的数据，排序时可以按照数据量由高至低的顺序进行排序，例如，历史收藏量越高排序越靠前。
步骤S102：根据排序结果，确定每条所述饮食信息对应的权重系数，其中，排序靠前的至少一部分饮食信息对应的权重系数随排序次序降低而降低，排序靠后的至少一部分饮食信息对应的权重系数随排序次序降低而升高。
在一些实施方式中，所述根据排序结果，确定每条所述饮食信息对应的权重系数，可以包括：针对每条所述饮食信息，根据该饮食信息的排序次序与总排序数的比值，利用余弦函数计算该饮食信息对应的权重系数。
例如，在一些具体的实施方式中，所述权重系数可以表示为：
其中，ni为饮食信息的排序次序，以历史偏好数据为收藏量为例，历史收藏量最多则为1，次之为2，以此类推；
i为饮食信息的编号，i＝1,2，…N，N为饮食信息集合中饮食信息的总数；
A为常数，可根据实际需求灵活设置。
请参考图2，其示出了本申请的一些实施方式所提供的一种权重系数的分布曲线示意图，如图所述，横轴表示按排序次序排列的饮食信息的坐标轴，左纵轴表示历史收藏量坐标轴，右纵轴表示权重系数坐标轴，曲线1表示不同饮食信息对应的历史收藏量连成的曲线，曲线2表示不同饮食信息对应的权重系数连成的曲线，该权重系数即是根据上式
计算而得，显然，对于该权重系数，排序靠前的至少一部分饮食信息对应的权重系数随排序次序降低而降低，排序靠后的至少一部分饮食信息对应的权重系数随排序次序降低而升高，这样，可以确保偏好量最大的一部分饮食信息以及偏好量最小的一部分饮食信息都具有较高的权重系数，即，使得共性的(大众的)饮食信息和个性的(小众的)饮食信息都具有较高的权重系数。
步骤S103：根据用户集合中每个用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算所述用户集合中目标用户与每个其他用户的用户相似度。
在一些实施方式中，所述根据用户集合中每个用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算所述用户集合中目标用户与每个其他用户的用户相似度，可以包括：
针对用户集合中的每个用户，根据该用户对每条所述饮食信息的历史偏好信息确定每条所述饮食信息对应的元素，并根据所有所述饮食信息对应的元素构成该用户对应的饮食信息偏好向量，其中，所述饮食信息偏好向量包括非零元素和零元素，所述非零元素根据该非零元素对应的饮食信息的权重系数确定；
根据所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量，计算所述目标用户与每个其他用户的用户相似度。
例如，用户a对应的饮食信息偏好向量可以表示为：
xa＝[xa1,xa2,xa3,…,xAN]
其中，N为饮食信息集合中饮食信息的总数，xai为根据用户a对饮食信息i的历史偏好信息确定的元素，i为饮食信息的编号，i＝1,2，…N。
相应的，用户b对应的饮食信息偏好向量可以表示为：
xb＝[xb1,xb2,xb3,…,xbN]
其中，N为饮食信息集合中饮食信息的总数，xbi为根据用户b对饮食信息i的历史偏好信息确定的元素，i为饮食信息的编号，i＝1,2，…N。
在上述实施方式的基础上，在一些变更实施方式中，所述根据所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量，计算所述目标用户与每个其他用户的用户相似度，可以包括：
计算所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量之间的欧氏距离和/或余弦相似度，并根据所述欧氏距离和/或所述余弦相似度确定所述目标用户与每个其他用户的用户相似度。
例如，在一些实施方式中，以用户a和用户b的用户相似度计算过程为例，
用户a的饮食信息偏好向量为：xa＝[xa1,xa2,xa3,…,xaN]
用户b的饮食信息偏好向量为：xb＝[xb1,xb2,xb3,…,xbN]
则，两者的欧氏距离可以通过以下公式计算：
两者的余弦相似度可以通过以下公式计算：
其中，角标T表示转置运算，双绝对值号表示计算向量的模。
然后，根据欧氏距离和余弦相似度确定用户a和用户b的用户相似度如下：
以上公式中，Ni∈[1，Mi]；
i∈N*；j∈Z；
a与b之间的相似度越高，sab越接大。
通过上述方式，可以较为精准、全面地确定用户之间的用户相似度。
以所述饮食信息为菜谱为例：
当两个用户查看的菜谱重合度越高时，则sab越大，即两个用户的相似度越大；反之，当两个用户查看的菜谱重合度越低时，则sab越小，即两个用户的相似度越小。
需要说明的是，在计算sab和θi时，可以不需要把所有菜谱全部计算进去，可以采用降维或统计筛选的方法排除相关性较小的菜谱；即通过规律性来确定推荐菜谱的数量集合，也可以是一个无限大的数值，即所有符合条件的菜谱按照相关性排序的所有菜谱的集合，在实际设计中，可根据实际情况灵活确定。
在上述任意实施方式的基础上，在一些变更实施方式中，所述根据该用户对每条所述饮食信息的历史偏好信息确定每条所述饮食信息对应的元素，包括：
针对每条所述饮食信息，根据该用户对所述饮食信息的历史偏好信息是有正向反馈数据，确定所述饮食信息对应的元素为非零元素，根据该用户对所述饮食信息的历史偏好信息是没有正向反馈数据，确定所述饮食信息对应的元素为零元素。
例如，以所述正向反馈数据为收藏数据为例，用户a对应的饮食信息偏好向量的向量元素可以根据下式确定：
其中，0为零元素；
θi即为非零元素，可以根据饮食信息i对应的权重系数确定，例如，
在上述任意实施方式的基础上，在一些变更实施方式中，所述非零元素还可以根据所述非零元素对应的所述饮食信息的权重系数和质量系数确定。
在上述实施方式的基础上，在一些变更实施方式中，所述质量系数根据所述饮食信息的正向反馈数据的取值和/或正向反馈数据的下沉率确定。
其中，正向反馈可以包括但不限于对饮食信息的收藏、播放、点赞等反馈行为，表示对饮食信息的认可，因此称为正向反馈。
例如，在一些实施方式中，θi可以根据下式确定：
其中，
为饮食信息i对应的权重系数，权重系数的引入可以使得在后期在计算用户相似度时，给予热门的饮食信息和个性化的饮食信息以较大的权重；
ci为饮食信息i的历史收藏量，pi饮食信息i的历史播放量；
此外，上述非零元素θi的取值还可以综合用户的查看频率(一定时间内查看频率越高的取值越高)和喜好(用户单独添加喜欢的饮食信息对应的取值较高)等因素确定，本领域技术人员可以根据上述说明灵活设置和调整，本申请实施例不做限定。
步骤S104：根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户，并根据所述相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐。
在一些实施方式中，所述从所述其他用户中确定所述目标用户的相似用户，可以包括：
选择与所述目标用户的相似度大于预设相似度阈值或者相似度较高的多个其他用户作为所述目标用户的相似用户。
本申请在进行饮食信息推荐时，可以参考现有技术提供的任意基于协同过滤的信息推荐方法实施，本申请实施例不做限定，通过确定出相似用户，即可将相似用户偏好的饮食信息推荐给目标用户，从而实现饮食信息的精准推荐。
具体的，在一些实施方式中，所述根据所述相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐，可以包括：
选择所述相似用户偏好的、且所述目标用户未查看过的饮食信息作为待推荐饮食信息；
将所述待推荐饮食信息推荐给所述目标用户。
在上述实施方式的基础上，在一些变更实施方式中，所述将所述待推荐饮食信息推荐给所述目标用户，包括：
对所述待推荐饮食信息进行以下至少一项处理后推荐给所述目标用户：
根据所述待推荐饮食信息包含的当前可用食材的新鲜度，对所述待推荐饮食信息进行排序；
根据所述待推荐饮食信息包含的当前可用食材的数量和/或占比，对所述待推荐饮食信息进行排序；
根据所述待推荐饮食信息是否包含当前可用食材，对所述待推荐饮食信息进行筛选。
其中，所述当前可用食材的新鲜度根据所述当前可用食材的已存储时长与保质期确定。
例如，以饮食信息为菜谱为例，菜谱i中的食材j对应的新鲜度pij可以通过下式计算得到：
其中，tj代表食材在冰箱内已存储的时间；Tj代表新鲜食材在冰箱内可存储的时间，即食材保质期。
通过上述实施方式，可以对待推荐饮食信息进行排序或过滤后再推荐给目标用户，进一步确保将合适的内容推荐给目标用户，进一步提高推荐的精准性，以及提升用户的使用体验和满意度。
相较于现有技术，本申请实施例提供的饮食信息推荐方法，至少可以取得以下有益效果：由于根据饮食信息对应的历史偏好数据对饮食信息进行了排序，并根据排序结果确定了每条饮食信息对应的权重系数，且排序靠前的至少一部分饮食信息对应的权重系数随排序降低而降低，排序靠后的至少一部分饮食信息对应的权重系数随排序降低而升高，这样，可以确保偏好量最大的一部分饮食信息以及偏好量最小的一部分饮食信息都具有较高的权重系数，即，使得共性的(大众的)饮食信息和个性的(小众的)饮食信息都具有较高的权重系数，在此基础上，再根据用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算目标用户与每个其他用户的用户相似度，根据该用户相似度可以确定出共性的相似用户，也可以确定出个性化的相似用户，然后再根据相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐，即可在兼顾共性与个性化差异的基础上，给用户推荐更加合理的个性化饮食信息，从而达到千人千面的饮食信息推荐目的，使得推荐的饮食信息更具针对性，也更加精准，通过本申请提供的推荐方案，有较高的概率使用户快速查看到需要的内容，从而提升用户使用体验。
需要说明的是，本申请实施例的执行主体，可以是任何智能家用电器，或者是与该智能家用电器连接的智能终端设备，或者是与所述智能家用电器连接的远程服务器。其中，所述智能家用电器可以包括但不限于冰箱、微波炉或厨房智能控制终端等，所述智能终端设备可以包括但不限于手机、平板电脑、笔记本电脑、智能音箱、智能机器人、智能家居控制终端等，所述远程服务器可以包括但不限于单体式服务器或服务器集群，本申请实施例不做限定。
例如，在一些实施方式中，智能家用电器可以是智能冰箱，该智能冰箱配置有显示屏，以便于用户通过显示屏了解冰箱的状态信息，另外，用户使用的手机上可以配置有针对该智能冰箱的应用程序，以便于用户通过手机上的应用程序快捷、方便地了解该智能冰箱的状态信息，以及对智能冰箱进行信息输入以及控制等。
其中，所述可用食材信息可以是指用户家中当前存储的食材的信息，也可以是冰箱中当前存储的食材的信息，本申请实施例不做限定。用户在向家里或冰箱中存储或取用食材时，可以直接通过智能家用电器的输入设备(包括但不限于触控屏、键盘、麦克风(需配备语音识别模块)等)添加或减除该食材的信息，此外，也可以通过手机上的应用程序添加或减除该食材的信息，手机自动将该食材的信息同步到智能家用电器中。
此外，对于智能冰箱而言，还可以配置有图像识别装置，利用该图像识别装置自动识别冰箱中当前存储的食材的信息，本申请实施例不做限定。
另外，所述可用食材信息也可以是用户从当前存储的食材中选择的部分食材的信息，以便于根据用户的初步指定和需求进一步进行饮食信息推荐，有助于提高信息推荐的精准性。
需要说明的是，在本申请实施例的任意实施方式的基础上，所述饮食信息可以包括但不限于：食谱信息或健康饮食信息。其中，所述食谱信息可以是一个菜谱，也可以是多个菜谱的组合，可以是以文字形式展示，也可以是以图文结合的形式展示，也可以是以音频或视频的形式进行展示，本申请实施例不做限定。所述饮食健康信息可以是与健康相关的饮食信息，例如每日食谱搭配，减脂食谱推荐等等。
上述实施方式，通过推荐食谱信息，可以实现对用户的个性化食谱推荐；通过推荐健康饮食信息，有助于提醒用户提高饮食质量，帮助用户提高健康水平。
在本申请实施例的一些变更实施方式中，所述根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户之前，还包括：
根据用户的当前可用食材信息，确定用户集合中每个用户分别对应的可用食材信息向量；
根据所述可用食材信息向量，计算目标用户与所述用户集合中每个其他用户的可用食材相似度；
所述根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户，包括：
根据用户相似度计算结果和可用食材相似度计算结果，从所述其他用户中确定所述目标用户的相似用户。
其中，上述可用食材信息向量及可用食材相似度的算法可以参照上述关于饮食信息偏好向量以及用户相似度的计算方法实施，部分内容此处不再赘述。
在上述实施方式的基础上，在一些变更实施方式中，所述根据用户的可用食材信息，确定用户集合中每个用户分别对应的可用食材信息向量，包括：
根据用户的当前可用食材信息和当前可用食材的新鲜度，确定用户集合中每个用户分别对应的可用食材信息向量。
例如，用户a对应的可用食材信息向量可以表示为：
ya＝[ya1,ya2,ya3,…,yam]
其中，m为食材的总数；
其中，食材j对应的新鲜度pj可以通过下式计算得到：
上式中，tj代表食材在冰箱内已存储的时间；Tj代表新鲜食材在冰箱内可存储的时间，即食材保质期。
Pj代表食材的新鲜度权重，当tj<Tj时，
当tj≥Tj时，Pi＝0；则当食材未过期时，当食材的存储时间tj越小，代表食材越新鲜，则食材权重Pj值越高；反之，当食材的存储时间tj越大，代表食材越不新鲜，则食材权重Pj值越低；当tj超过Tj，即食材的实际存储时间超过其在冰箱内可存储的时间时，代表食材已过期，则该食材的权重值Pj为0。
用户a对应的可用食材信息向量可以表示为：
yb＝[yb1,yb2,yb3,…,ybm]
可以通过计算欧氏距离和余弦相似度，确定用户a和用户b的可用食材相似度S′ab，显然，当两个用户的冰箱内食材的重合度越高时，则S′ab越大，即两个用户的相似度越大；反之，当两个用户的冰箱内食材的重合度越低时，则S′ab越大，越小，即两个用户的相似度越小；考虑到每个食材的存储时间和剩余时间不同，故而加入新鲜度pj值，从而更精确地判断用户的食材相似度。
此外，食材的相关性除了考虑存储时间，还可以增加多维度因素考虑，如用户存储频次(存储的频次越高，则食材的权重越高)、用户的个人喜好(用户自行选择喜欢的或者想做的食材，则权重高)，本领域技术人员可以结合实际需求灵活设置、调整，以实现本申请实施例的目的，本申请实施例在此不再赘述，其均应在本申请的保护范围之内。
上述实施方式，通过计算目标用户与所述用户集合中每个其他用户的可用食材相似度，并根据用户相似度计算结果和可用食材相似度计算结果，从所述其他用户中确定所述目标用户的相似用户，从而可以利用更加全面的信息、更加精准地找到目标用户的相似用户，在此基础上，可以确保向目标用户推荐的饮食信息更加符合目标用户的需求，从而进一步提高推荐的精准性。
以饮食信息为菜谱为例，将本申请实施例提供的上述任一实施方式或多个实施方式的组合，应用于菜谱的推荐，则可以通过菜谱的热度名次(即根据历史偏好数据的排序次序)、收藏次数(即收藏量)、播放次数(即播放量)、查看频率、用户的喜好等因素计算菜谱的权重系数，再结合用户的欧氏距离和用户角度因素来计算用户的相似度，最后通过用户相似性结合存储食材的新鲜度权重，来生成推荐菜谱的集合。本申请实施例在推荐准确度上优于传统协同过滤推荐算法，在基于传统的协同过滤的基础上，同时兼顾共性与个性化差异的基础上，给用户提供更加合理的个性化食谱推荐，从而达到千人千面的菜谱推荐目的，推荐更具针对性，更精准，让用户看到的菜谱不再是千篇一律，满意度大大提升，为用户带来更良好的体验感，进而提升用户粘性。
在上述的实施例中，提供了一种饮食信息推荐方法，与之相对应的，本申请还提供一种饮食信息推荐装置。本申请实施例提供的饮食信息推荐装置可以实施上述饮食信息推荐方法，该饮食信息推荐装置可以通过软件、硬件或软硬结合的方式来实现。例如，该饮食信息推荐装置可以包括集成的或分开的功能模块或单元来执行上述各方法中的对应步骤。请参考图3，其示出了本申请的一些实施方式所提供的一种饮食信息推荐装置的示意图。由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
如图3所示，所述饮食信息推荐装置10可以包括：
饮食信息排序模块101，用于根据饮食信息对应的历史偏好数据，对饮食信息集合中的所有饮食信息进行排序；
权重系数确定模块102，用于根据排序结果，确定每条所述饮食信息对应的权重系数，其中，排序靠前的至少一部分饮食信息对应的权重系数随排序次序降低而降低，排序靠后的至少一部分饮食信息对应的权重系数随排序次序降低而升高；
用户相似度计算模块103，用于用于根据用户集合中每个用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算所述用户集合中目标用户与每个其他用户的用户相似度；
信息推荐模块104，用于根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户，并根据所述相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐。
在本申请实施例的一些变更实施方式中，所述权重系数确定模块102，可以包括：
权重系数确定单元，用于针对每条所述饮食信息，根据该饮食信息的排序次序与总排序数的比值，利用余弦函数计算该饮食信息对应的权重系数。
在本申请实施例的一些变更实施方式中，所述用户相似度计算模块103，可以包括：
偏好向量确定单元，用于针对用户集合中的每个用户，根据该用户对每条所述饮食信息的历史偏好信息确定每条所述饮食信息对应的元素，并根据所有所述饮食信息对应的元素构成该用户对应的饮食信息偏好向量，其中，所述饮食信息偏好向量包括非零元素和零元素，所述非零元素根据该非零元素对应的饮食信息的权重系数确定；
用户相似度计算单元，用于根据所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量，计算所述目标用户与每个其他用户的用户相似度。
在本申请实施例的一些变更实施方式中，所述用户相似度计算单元，可以包括：
用户相似度计算子单元，用于计算所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量之间的欧氏距离和/或余弦相似度，并根据所述欧氏距离和/或所述余弦相似度确定所述目标用户与每个其他用户的用户相似度。
在本申请实施例的一些变更实施方式中，所述偏好向量确定单元，可以包括：
向量元素确定子单元，用于针对每条所述饮食信息，根据该用户对所述饮食信息的历史偏好信息是有正向反馈数据，确定所述饮食信息对应的元素为非零元素，根据该用户对所述饮食信息的历史偏好信息是没有正向反馈数据，确定所述饮食信息对应的元素为零元素。
在本申请实施例的一些变更实施方式中，所述非零元素根据所述非零元素对应的所述饮食信息的权重系数和质量系数确定。
在本申请实施例的一些变更实施方式中，所述质量系数根据所述饮食信息的正向反馈数据的取值和/或正向反馈数据的下沉率确定。
在本申请实施例的一些变更实施方式中，所述装置10，还可以包括：
可用食材信息向量确定模块，用于根据用户的当前可用食材信息，确定用户集合中每个用户分别对应的可用食材信息向量；
可用食材相似度计算模块，用于根据所述可用食材信息向量，计算目标用户与所述用户集合中每个其他用户的可用食材相似度；
所述信息推荐模块104，可以包括：
相似用户确定单元，用于根据用户相似度计算结果和可用食材相似度计算结果，从所述其他用户中确定所述目标用户的相似用户。
在本申请实施例的一些变更实施方式中，所述可用食材信息向量确定模块，可以包括：
可用食材信息向量确定单元，用于根据用户的当前可用食材信息和当前可用食材的新鲜度，确定用户集合中每个用户分别对应的可用食材信息向量。
在本申请实施例的一些变更实施方式中，所述信息推荐模块104，可以包括：
相似用户选择单元，用于选择与所述目标用户的相似度大于预设相似度阈值或者相似度较高的多个其他用户作为所述目标用户的相似用户。
在本申请实施例的一些变更实施方式中，所述信息推荐模块104，可以包括：
待推荐饮食信息选择单元，用于选择所述相似用户偏好的、且所述目标用户未查看过的饮食信息作为待推荐饮食信息；
饮食信息推荐单元，用于将所述待推荐饮食信息推荐给所述目标用户。
在本申请实施例的一些变更实施方式中，所述饮食信息推荐单元，可以包括：
饮食信息处理子单元，用于对所述待推荐饮食信息进行以下至少一项处理后推荐给所述目标用户：
根据所述待推荐饮食信息包含的当前可用食材的新鲜度，对所述待推荐饮食信息进行排序；
根据所述待推荐饮食信息包含的当前可用食材的数量和/或占比，对所述待推荐饮食信息进行排序；
根据所述待推荐饮食信息是否包含当前可用食材，对所述待推荐饮食信息进行筛选。
在本申请实施例的一些变更实施方式中，所述当前可用食材的新鲜度根据所述当前可用食材的已存储时长与保质期确定。
在本申请实施例的一些变更实施方式中，所述饮食信息可以包括：食谱信息、或健康饮食信息。
本申请实施例提供的饮食信息推荐装置10，与本申请前述实施例提供的饮食信息推荐方法出于相同的发明构思，具有相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的饮食信息推荐方法对应的电子设备，以执行上述饮食信息推荐方法，所述电子设备可以是冰箱、与所述冰箱连接的智能终端设备、或者与所述冰箱连接的远程服务器，所述智能终端设备可以包括但不限于手机、平板电脑、笔记本电脑、智能音箱、智能机器人、智能家居控制终端等，本申请实施例不做限定。
请参考图4，其示出了本申请的一些实施方式所提供的一种电子设备的示意图。如图4所示，所述电子设备20包括：处理器200，存储器201，总线202和通信接口203，所述处理器200、通信接口203和存储器201通过总线202连接；所述存储器201中存储有可在所述处理器200上运行的计算机程序，所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的饮食信息推荐方法。
其中，存储器201可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口203(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。
总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器201用于存储程序，所述处理器200在接收到执行指令后，执行所述程序，前述本申请实施例任一实施方式揭示的所述饮食信息推荐方法可以应用于处理器200中，或者由处理器200实现。
处理器200可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器201，处理器200读取存储器201中的信息，结合其硬件完成上述方法的步骤。
本申请实施例提供的电子设备与本申请实施例提供的饮食信息推荐方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
本申请实施方式还提供一种与前述实施方式所提供的饮食信息推荐方法对应的计算机可读存储介质，请参考图5，其示出的计算机可读存储介质为光盘30，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的饮食信息推荐方法。
需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的饮食信息推荐方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
需要说明的是，附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算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，所述模块、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。也应当注意，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，这依所涉及的功能而定。也要注意的是，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计算机指令的组合来实现。
所属领域的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。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，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。另一点，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通信接口，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。
所述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方案的目的。
另外，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。
所述功能如果以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，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：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)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，其均应涵盖在本申请的权利要求和说明书的范围当中。
Claims (18)
1.一种饮食信息推荐方法，其特征在于，所述方法包括：
根据饮食信息对应的历史偏好数据，对饮食信息集合中的所有饮食信息进行排序；
根据排序结果，确定每条所述饮食信息对应的权重系数，其中，排序靠前的至少一部分饮食信息对应的权重系数随排序次序降低而降低，排序靠后的至少一部分饮食信息对应的权重系数随排序次序降低而升高；
根据用户集合中每个用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算所述用户集合中目标用户与每个其他用户的用户相似度；
根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户，并根据所述相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐。
2.根据权利要求1所述的方法，其特征在于，所述根据排序结果，确定每条所述饮食信息对应的权重系数，包括：
针对每条所述饮食信息，根据该饮食信息的排序次序与总排序数的比值，利用余弦函数计算该饮食信息对应的权重系数。
3.根据权利要求1所述的方法，其特征在于，所述根据用户集合中每个用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算所述用户集合中目标用户与每个其他用户的用户相似度，包括：
针对用户集合中的每个用户，根据该用户对每条所述饮食信息的历史偏好信息确定每条所述饮食信息对应的元素，并根据所有所述饮食信息对应的元素构成该用户对应的饮食信息偏好向量，其中，所述饮食信息偏好向量包括非零元素和零元素，所述非零元素根据该非零元素对应的饮食信息的权重系数确定；
根据所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量，计算所述目标用户与每个其他用户的用户相似度。
4.根据权利要求3所述的方法，其特征在于，所述根据所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量，计算所述目标用户与每个其他用户的用户相似度，包括：
计算所述用户集合中目标用户对应的饮食信息偏好向量和每个其他用户对应的饮食信息偏好向量之间的欧氏距离和/或余弦相似度，并根据所述欧氏距离和/或所述余弦相似度确定所述目标用户与每个其他用户的用户相似度。
5.根据权利要求3所述的方法，其特征在于，所述根据该用户对每条所述饮食信息的历史偏好信息确定每条所述饮食信息对应的元素，包括：
针对每条所述饮食信息，根据该用户对所述饮食信息的历史偏好信息是有正向反馈数据，确定所述饮食信息对应的元素为非零元素，以及根据该用户对所述饮食信息的历史偏好信息是没有正向反馈数据，确定所述饮食信息对应的元素为零元素。
6.根据权利要求3所述的方法，其特征在于，所述非零元素根据所述非零元素对应的所述饮食信息的权重系数和质量系数确定。
7.根据权利要求6所述的方法，其特征在于，所述质量系数根据所述饮食信息的正向反馈数据的取值和/或正向反馈数据的下沉率确定。
8.根据权利要求1所述的方法，其特征在于，所述根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户之前，还包括：
根据用户的当前可用食材信息，确定用户集合中每个用户分别对应的可用食材信息向量；
根据所述可用食材信息向量，计算目标用户与所述用户集合中每个其他用户的可用食材相似度；
所述根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户，包括：
根据用户相似度计算结果和可用食材相似度计算结果，从所述其他用户中确定所述目标用户的相似用户。
9.根据权利要求8所述的方法，其特征在于，所述根据用户的可用食材信息，确定用户集合中每个用户分别对应的可用食材信息向量，包括：
根据用户的当前可用食材信息和当前可用食材的新鲜度，确定用户集合中每个用户分别对应的可用食材信息向量。
10.根据权利要求1所述的方法，其特征在于，所述从所述其他用户中确定所述目标用户的相似用户，包括：
选择与所述目标用户的相似度大于预设相似度阈值或者相似度较高的多个其他用户作为所述目标用户的相似用户。
11.根据权利要求1所述的方法，其特征在于，所述根据所述相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐，包括：
选择所述相似用户偏好的、且所述目标用户未查看过的饮食信息作为待推荐饮食信息；
将所述待推荐饮食信息推荐给所述目标用户。
12.根据权利要求11所述的方法，其特征在于，所述将所述待推荐饮食信息推荐给所述目标用户，包括：
对所述待推荐饮食信息进行以下至少一项处理后推荐给所述目标用户：
根据所述待推荐饮食信息包含的当前可用食材的新鲜度，对所述待推荐饮食信息进行排序；
根据所述待推荐饮食信息包含的当前可用食材的数量和/或占比，对所述待推荐饮食信息进行排序；
根据所述待推荐饮食信息是否包含当前可用食材，对所述待推荐饮食信息进行筛选。
13.根据权利要求9或12所述的方法，其特征在于，所述当前可用食材的新鲜度根据所述当前可用食材的已存储时长与保质期确定。
14.根据权利要求1所述的方法，其特征在于，所述饮食信息包括：食谱信息、或健康饮食信息。
15.一种饮食信息推荐装置，其特征在于，所述装置包括：
饮食信息排序模块，用于根据饮食信息对应的历史偏好数据，对饮食信息集合中的所有饮食信息进行排序；
权重系数确定模块，用于根据排序结果，确定每条所述饮食信息对应的权重系数，其中，排序靠前的至少一部分饮食信息对应的权重系数随排序次序降低而降低，排序靠后的至少一部分饮食信息对应的权重系数随排序次序降低而升高；
用户相似度计算模块，用于根据用户集合中每个用户对每条所述饮食信息的历史偏好信息，以及每条所述饮食信息对应的权重系数，计算所述用户集合中目标用户与每个其他用户的用户相似度；
信息推荐模块，用于根据用户相似度计算结果，从所述其他用户中确定所述目标用户的相似用户，并根据所述相似用户偏好的饮食信息向所述目标用户进行饮食信息推荐。
16.一种电子设备，包括：存储器、处理器及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，其特征在于，所述处理器运行所述计算机程序时执行以实现如权利要求1至14任一项所述的方法。
17.根据权利要求16所述的电子设备，其特征在于，所述电子设备包括冰箱、与所述冰箱连接的智能终端设备、或者与所述冰箱连接的远程服务器。
18.一种计算机可读存储介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至14任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010544218.9A CN111881341B (zh) | 2020-06-15 | 2020-06-15 | 饮食信息推荐方法及装置、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010544218.9A CN111881341B (zh) | 2020-06-15 | 2020-06-15 | 饮食信息推荐方法及装置、电子设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111881341A true CN111881341A (zh) | 2020-11-03 |
| CN111881341B CN111881341B (zh) | 2022-11-25 |
Family
ID=73158292
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010544218.9A Active CN111881341B (zh) | 2020-06-15 | 2020-06-15 | 饮食信息推荐方法及装置、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111881341B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112559856A (zh) * | 2020-12-04 | 2021-03-26 | 中国联合网络通信集团有限公司 | 应用排序方法和装置 |
| CN112820379A (zh) * | 2021-01-26 | 2021-05-18 | 吾征智能技术(北京)有限公司 | 一种融合用户画像的智能饮食推荐方法及系统 |
| CN113763098A (zh) * | 2020-12-21 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 用于确定物品的方法和装置 |
| CN115077159A (zh) * | 2021-03-10 | 2022-09-20 | 松下电器研究开发(苏州)有限公司 | 冰箱及智能冰箱系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140100859A1 (en) * | 2012-10-04 | 2014-04-10 | Mantian Zhu | Diet planning system and method |
| CN104850579A (zh) * | 2015-03-20 | 2015-08-19 | 南京邮电大学 | 社交网络中基于评分和特征相似的餐饮推荐算法 |
| US20160092781A1 (en) * | 2014-09-02 | 2016-03-31 | Sri International | Similarity metric relativized to a user's preferences |
| CN106776660A (zh) * | 2015-11-25 | 2017-05-31 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及装置 |
| CN106951572A (zh) * | 2017-04-12 | 2017-07-14 | 上海斐讯数据通信技术有限公司 | 一种餐饮推荐系统和餐饮推荐方法 |
| CN106997358A (zh) * | 2016-01-22 | 2017-08-01 | 中移（杭州）信息技术有限公司 | 信息推荐方法及装置 |
| CN107305677A (zh) * | 2016-04-25 | 2017-10-31 | 北京京东尚科信息技术有限公司 | 产品信息推送方法和装置 |
| CN109754865A (zh) * | 2019-01-04 | 2019-05-14 | 同方健康科技（北京）股份有限公司 | 饮食计划的管理方法和装置 |
| CN110335118A (zh) * | 2019-07-04 | 2019-10-15 | 合肥美的电冰箱有限公司 | 菜谱推荐方法、菜谱推荐装置以及机器可读存储介质 |
| CN110337012A (zh) * | 2019-05-08 | 2019-10-15 | 未来电视有限公司 | 基于互联网电视平台的智能推荐方法和装置 |
| CN110400193A (zh) * | 2019-06-13 | 2019-11-01 | 拉扎斯网络科技（上海）有限公司 | 菜品推荐方法及装置、电子设备及存储介质 |
| CN110750717A (zh) * | 2019-09-27 | 2020-02-04 | 上海麦克风文化传媒有限公司 | 一种排序权重更新方法 |
| CN111222030A (zh) * | 2018-11-27 | 2020-06-02 | 阿里巴巴集团控股有限公司 | 信息推荐方法、装置及电子设备 |
-
2020
- 2020-06-15 CN CN202010544218.9A patent/CN111881341B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140100859A1 (en) * | 2012-10-04 | 2014-04-10 | Mantian Zhu | Diet planning system and method |
| US20160092781A1 (en) * | 2014-09-02 | 2016-03-31 | Sri International | Similarity metric relativized to a user's preferences |
| CN104850579A (zh) * | 2015-03-20 | 2015-08-19 | 南京邮电大学 | 社交网络中基于评分和特征相似的餐饮推荐算法 |
| CN106776660A (zh) * | 2015-11-25 | 2017-05-31 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及装置 |
| CN106997358A (zh) * | 2016-01-22 | 2017-08-01 | 中移（杭州）信息技术有限公司 | 信息推荐方法及装置 |
| CN107305677A (zh) * | 2016-04-25 | 2017-10-31 | 北京京东尚科信息技术有限公司 | 产品信息推送方法和装置 |
| CN106951572A (zh) * | 2017-04-12 | 2017-07-14 | 上海斐讯数据通信技术有限公司 | 一种餐饮推荐系统和餐饮推荐方法 |
| CN111222030A (zh) * | 2018-11-27 | 2020-06-02 | 阿里巴巴集团控股有限公司 | 信息推荐方法、装置及电子设备 |
| CN109754865A (zh) * | 2019-01-04 | 2019-05-14 | 同方健康科技（北京）股份有限公司 | 饮食计划的管理方法和装置 |
| CN110337012A (zh) * | 2019-05-08 | 2019-10-15 | 未来电视有限公司 | 基于互联网电视平台的智能推荐方法和装置 |
| CN110400193A (zh) * | 2019-06-13 | 2019-11-01 | 拉扎斯网络科技（上海）有限公司 | 菜品推荐方法及装置、电子设备及存储介质 |
| CN110335118A (zh) * | 2019-07-04 | 2019-10-15 | 合肥美的电冰箱有限公司 | 菜谱推荐方法、菜谱推荐装置以及机器可读存储介质 |
| CN110750717A (zh) * | 2019-09-27 | 2020-02-04 | 上海麦克风文化传媒有限公司 | 一种排序权重更新方法 |
Non-Patent Citations (7)
| Title |
|---|
| HAO CHENG 等: "The Influence of City Size on Dietary Choices and Food Recommendation", 《ACM》 * |
| 大众医学编辑部: "《2017年大众医学合订本》", 31 January 2018 * |
| 柴振佳 等: "《网店运营案例分析项目实战》", 31 March 2020 * |
| 肖蕾: "点餐平台推荐系统模型设计", 《漳州师范学院学报(自然科学版)》 * |
| 艾黎: "基于商品属性与用户聚类的个性化服装推荐研究", 《现代情报》 * |
| 郭凯红等: "基于偏好诱导量词的个性化推荐模型", 《计算机研究与发展》 * |
| 陈诚等: "融合社区划分的个性化美食推荐算法", 《福建电脑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112559856A (zh) * | 2020-12-04 | 2021-03-26 | 中国联合网络通信集团有限公司 | 应用排序方法和装置 |
| CN112559856B (zh) * | 2020-12-04 | 2023-06-02 | 中国联合网络通信集团有限公司 | 应用排序方法和装置 |
| CN113763098A (zh) * | 2020-12-21 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 用于确定物品的方法和装置 |
| CN112820379A (zh) * | 2021-01-26 | 2021-05-18 | 吾征智能技术(北京)有限公司 | 一种融合用户画像的智能饮食推荐方法及系统 |
| CN112820379B (zh) * | 2021-01-26 | 2024-02-02 | 吾征智能技术(北京)有限公司 | 一种融合用户画像的智能饮食推荐方法及系统 |
| CN115077159A (zh) * | 2021-03-10 | 2022-09-20 | 松下电器研究开发(苏州)有限公司 | 冰箱及智能冰箱系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111881341B (zh) | 2022-11-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111881341B (zh) | 饮食信息推荐方法及装置、电子设备及介质 | |
| US8972419B2 (en) | Item selecting apparatus, item selecting method and item selecting program | |
| US9003435B2 (en) | Method of recommending media content and media playing system thereof | |
| US9792640B2 (en) | Generating and providing content recommendations to a group of users | |
| CN110222233B (zh) | 视频推荐方法、装置、服务器及存储介质 | |
| WO2020238502A1 (zh) | 物品推荐方法及装置、电子设备及存储介质 | |
| WO2011049037A1 (ja) | 情報推薦システム、方法、及び、プログラム | |
| US11216518B2 (en) | Systems and methods of providing recommendations of content items | |
| US9325754B2 (en) | Information processing device and information processing method | |
| WO1997002537A1 (en) | Method and apparatus for item recommendation using automated collaborative filtering | |
| CN109242593B (zh) | 一种基于案例推理的服装推荐方法、装置和存储介质 | |
| CN111079016A (zh) | 一种短视频推荐方法、装置及电子设备 | |
| CN106951527B (zh) | 一种歌曲推荐方法及装置 | |
| KR102189232B1 (ko) | 생활 습관을 기반으로 콘텐츠를 제공하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 | |
| CN110196904A (zh) | 一种获取推荐信息的方法、装置及计算机可读存储介质 | |
| JP2008529117A (ja) | ユーザグループの共通の興味の度合いを得る方法及び装置 | |
| KR20160103469A (ko) | 맞춤형 제안 서비스 운용 장치 및 방법 | |
| CN111523050B (zh) | 内容推荐方法、服务器及存储介质 | |
| CN110580946B (zh) | 一种菜谱调整方法、装置及存储介质 | |
| WO2019154096A1 (zh) | 一种信息分享的方法及装置 | |
| CN111640485A (zh) | 饮食信息推荐方法及装置、电子设备及介质 | |
| CN108897885A (zh) | 一种视频标签排序方法、装置及智能电视 | |
| CN111613294A (zh) | 餐品搭配方案信息处理方法、装置及电子设备 | |
| CN110580945A (zh) | 菜谱推荐方法、装置及存储介质 | |
| CN111145869B (zh) | 菜谱调整方法、存储介质及电子设备 |
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 |