CN111883230A - 饮食数据的生成方法及装置、存储介质和电子装置 - Google Patents
饮食数据的生成方法及装置、存储介质和电子装置 Download PDFInfo
- Publication number
- CN111883230A CN111883230A CN201911311565.0A CN201911311565A CN111883230A CN 111883230 A CN111883230 A CN 111883230A CN 201911311565 A CN201911311565 A CN 201911311565A CN 111883230 A CN111883230 A CN 111883230A
- Authority
- CN
- China
- Prior art keywords
- nutrition
- data
- target
- 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 129
- 230000037213 diet Effects 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 50
- 235000016709 nutrition Nutrition 0.000 claims abstract description 139
- 235000013305 food Nutrition 0.000 claims abstract description 131
- 230000035764 nutrition Effects 0.000 claims abstract description 112
- 239000000463 material Substances 0.000 claims abstract description 100
- 230000000378 dietary effect Effects 0.000 claims abstract description 32
- 235000015097 nutrients Nutrition 0.000 claims description 69
- 235000012054 meals Nutrition 0.000 claims description 49
- 235000008242 dietary patterns Nutrition 0.000 claims description 26
- 201000010099 disease Diseases 0.000 claims description 24
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 18
- 235000005686 eating Nutrition 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 235000006286 nutrient intake Nutrition 0.000 claims description 6
- 235000006694 eating habits Nutrition 0.000 claims description 4
- 235000021048 nutrient requirements Nutrition 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 235000014633 carbohydrates Nutrition 0.000 description 12
- 150000001720 carbohydrates Chemical class 0.000 description 12
- 102000004169 proteins and genes Human genes 0.000 description 10
- 108090000623 proteins and genes Proteins 0.000 description 10
- 230000002354 daily effect Effects 0.000 description 8
- 239000003925 fat Substances 0.000 description 8
- 235000018102 proteins Nutrition 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 235000020881 DASH diet Nutrition 0.000 description 5
- 235000019197 fats Nutrition 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 235000013339 cereals Nutrition 0.000 description 4
- 230000037323 metabolic rate Effects 0.000 description 4
- 235000021049 nutrient content Nutrition 0.000 description 4
- 235000013311 vegetables Nutrition 0.000 description 4
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 3
- 244000061456 Solanum tuberosum Species 0.000 description 3
- 235000002595 Solanum tuberosum Nutrition 0.000 description 3
- 241000219315 Spinacia Species 0.000 description 3
- 235000009337 Spinacia oleracea Nutrition 0.000 description 3
- 235000014590 basal diet Nutrition 0.000 description 3
- 239000001913 cellulose Substances 0.000 description 3
- 229920002678 cellulose Polymers 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 235000013367 dietary fats Nutrition 0.000 description 3
- 235000013325 dietary fiber Nutrition 0.000 description 3
- 235000021245 dietary protein Nutrition 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 239000011734 sodium Substances 0.000 description 3
- 229910052708 sodium Inorganic materials 0.000 description 3
- 235000015424 sodium Nutrition 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 235000001412 Mediterranean diet Nutrition 0.000 description 2
- 235000006679 Mentha X verticillata Nutrition 0.000 description 2
- 235000002899 Mentha suaveolens Nutrition 0.000 description 2
- 235000001636 Mentha x rotundifolia Nutrition 0.000 description 2
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 2
- 239000013566 allergen Substances 0.000 description 2
- 235000021152 breakfast Nutrition 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 235000019242 dietary recipe Nutrition 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 235000020887 ketogenic diet Nutrition 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 235000013343 vitamin Nutrition 0.000 description 2
- 229940088594 vitamin Drugs 0.000 description 2
- 229930003231 vitamin Natural products 0.000 description 2
- 239000011782 vitamin Substances 0.000 description 2
- 239000011701 zinc Substances 0.000 description 2
- 229910052725 zinc Inorganic materials 0.000 description 2
- FPIPGXGPPPQFEQ-UHFFFAOYSA-N 13-cis retinol Natural products OCC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-UHFFFAOYSA-N 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 1
- 244000046052 Phaseolus vulgaris Species 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- FPIPGXGPPPQFEQ-BOOMUCAASA-N Vitamin A Natural products OC/C=C(/C)\C=C\C=C(\C)/C=C/C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-BOOMUCAASA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- FPIPGXGPPPQFEQ-OVSJKPMPSA-N all-trans-retinol Chemical compound OC\C=C(/C)\C=C\C=C(/C)\C=C\C1=C(C)CCCC1(C)C FPIPGXGPPPQFEQ-OVSJKPMPSA-N 0.000 description 1
- 239000010775 animal oil Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 235000004251 balanced diet Nutrition 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000008162 cooking oil Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000020785 dietary preference Nutrition 0.000 description 1
- 235000021004 dietary regimen Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 235000004213 low-fat Nutrition 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 150000004671 saturated fatty acids Chemical class 0.000 description 1
- 238000013515 script Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 235000020806 vegan diet Nutrition 0.000 description 1
- 235000019155 vitamin A Nutrition 0.000 description 1
- 239000011719 vitamin A Substances 0.000 description 1
- 229940045997 vitamin a Drugs 0.000 description 1
- 150000003722 vitamin derivatives Chemical class 0.000 description 1
- 235000020985 whole grains Nutrition 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
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Bioethics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供了一种饮食数据的生成方法及装置、存储介质和电子装置，其中，该方法包括：获取与目标用户对应的第一标签信息和第二标签信息，其中，第一标签信息是指与目标用户自身相关的基础信息；第二标签信息是指目标用户对饮食需求的信息；根据第一标签信息和第二标签信息从营养数据库中确定出目标饮食数据；其中，营养数据库包括基于知识图谱构建的营养本体结构；营养本体结构包括：实体属性，实体与实体之间的关系；目标饮食数据包括以下至少之一：与目标食谱相关的数据、与目标食材相关的数据。通过本发明，解决了相关技术中营养推荐系统只面向特殊人群或推送的营养数据不够完善的问题。
Description
技术领域
本发明涉及饮食数据的推送领域，具体而言，涉及一种饮食数据的生成方法及装置、存储介质和电子装置。
背景技术
现有的营养推荐系统主要有：
1，医疗机构的食品推荐系统：该系统在实用性具有一定的优势。医疗机构结合专家的知识经验，根据病人的身体状况，结合中医或西医的治疗特点，为病人制定符合病情的营养配餐。这类系统开具的食品一般比较特定化，对于大部分病情开具的食谱单雷同。
2，膳食营养配餐系统：这类系统通过获取用户的个人信息，根据相关营养模型，为用户定制一套饮食方案。该系统一般将营养素摄入平衡作为基本要求，在此基础上通过线性规划或是高斯主元削去法给用户推荐尽可能满足要求的食物。
3，大众点评系统：根据不同客户对同一种食品的不同评分，计算该食品的总体评分，从而推荐得分最高的食品。
4，个人膳食营养评价：这类系统是通过对用户提交的一天或是一段时间内的膳食结构记录，采取不同的营养标准模型(BFF法，DDP法和INQ法等)对膳食结构计算分析，进而对其饮食营养评分或是提出进一步的改进。
但现有的方案的营养推荐系统存在只面向特殊人群或推送的营养数据不够完善的问题，不能实现生成或推送饮食数据的全面性和自动化。
发明内容
本发明实施例提供了一种饮食数据的生成方法及装置、存储介质和电子装置，以至少解决相关技术中营养推荐系统只面向特殊人群或生成的营养数据不够完善的问题。
根据本发明的一个实施例，提供了一种饮食数据的生成方法，包括：获取与目标用户对应的第一标签信息和第二标签信息，其中，所述第一标签信息是指与所述目标用户自身相关的基础信息；所述第二标签信息是指所述目标用户对饮食需求的信息；根据所述第一标签信息和所述第二标签信息从营养数据库中确定出目标饮食数据；其中，所述营养数据库包括基于知识图谱构建的营养本体结构；所述营养本体结构包括：实体属性，实体与实体之间的关系；所述目标饮食数据包括以下至少之一：与目标食谱相关的数据、与目标食材相关的数据。
根据本发明的另一个实施例，提供了一种饮食数据的生成装置，包括：获取模块，用于获取与目标用户对应的第一标签信息和第二标签信息，其中，所述第一标签信息是指与所述目标用户自身相关的基础信息；所述第二标签信息是指所述目标用户对饮食需求的信息；确定模块，用于根据所述第一标签信息和所述第二标签信息从营养数据库中确定出目标饮食数据；其中，所述营养数据库包括基于知识图谱构建的营养本体结构；所述营养本体结构包括：实体属性，实体与实体之间的关系；所述目标饮食数据包括以下至少之一：与目标食谱相关的数据、与目标食材相关的数据。
根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，根据目标用户的第一标签信息和第二标签信息从营养数据库中确定出目标饮食数据，由于目标饮食数据是根据包括基于知识图谱构建的营养本体结构得到的营养数据库，从而使得营养数据库中的营养数据更加全面和丰富，而且不限定目标用户的群体，只需要目标用户的第一标签信息和第二标签信息就能够生成目标饮食数据，从而解决了相关技术中营养推荐系统只面向特殊人群或推送的营养数据不够完善的问题，达到了推送饮食数据的全面性和自动化。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的一种饮食数据的生成方法的终端的硬件结构框图；
图2是根据本发明实施例的饮食数据的生成方法的流程图；
图3是根据本发明实施例的饮食数据的生成装置的结构框图；
图4是根据本发明实施例饮食数据的生成装置的可选结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
首先，对本实施例中的术语进行相应的解释；
饮食模式：所谓饮食模式就是指膳食结构，简而言之，就是指我们长期形成的稳定饮食习惯，如得舒饮食(DASH)，基础饮食、地中海饮食和生酮饮食等，其包括食材的供能占比信息，以及食用餐数与食材供能之间的关系等。
饮食模型：饮食模型是指在饮食模式的基础上，加上一系列限制条件，如餐数及餐次功能比、饮食偏好、饮食禁忌、三大营养素功能比以及相关营养素摄入量上下限(如：钠、膳食纤维、蛋白质、脂肪和碳水化合物等)。
得舒饮食(DASH)：DASH饮食是由1997年美国的一项大型高血压防治计划(DietaryApproaches to Stop Hypertension；DASH)发展出来的饮食，在这项计划中发现，饮食中如果能摄食足够的蔬菜、水果、低脂(或脱脂)奶，以维持足够的钾、镁、钙等离子的摄取，并尽量减少饮食中油脂量(特别是富含饱和脂肪酸的动物性油脂)，可以有效地降低血压。因此，现在常以DASH饮食来作为预防及控制高血压的饮食模式。
基础饮食：基础饮食模式，是中国居民膳食指南的核心，以平衡膳食为目标，并考虑实践中的可行性和可操作性，经过科学设计的理想膳食模式，适合2岁以上的健康人群。
知识图谱：知识图谱是Google于2012提出来，被应用于谷歌搜索，现知识图谱主要应用于聊天机器人、大数据风控、证券投资、智能医疗，自适应教育和推荐系统等领域。从学术角度讲：知识图谱是语义网路的知识库；从实际应用角度可以将知识图谱简单理解为多关系图。
推荐系统：一种信息过滤系统，用于预测用户对物品的评分或偏好。
语义网络：是一种用于存储知识的数据结构，即基于图的数据结构，这里的图可以是有向图，也可以是无向图。
语义网：一种使用可以被计算机理解的方式描述事物的网络。
本体：本体(Ontology)的概念源自于哲学领域，在哲学中的定义为“对世界上客观事物的系统描述，即存在论”。哲学中的本体关心的是客观现实的抽象本质。而在计算机领域，本体可以在语义层次上描述知识，可以看成描述某个学科领域知识的一个通用概念模型。
实体:实体为与人健康相关的事务，包括但不限于食材、食谱、营养素、饮食模式以及疾病。在本发明的一个优选实施例中，实体为食材、食谱、营养素、饮食模式以及疾病。实体是知识图谱中的最基本元素，不同的实体间存在不同的关系。
JSON:JSON指的是JavaScript对象表示法(JavaScript Object Notation)，是一种轻量级的文本数据交换格式。
TF-IDF：TF-IDF(term frequency–inverse document frequency)是一种用于信息检索与数据挖掘的常用加权技术。TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。
需要说明的是，本发明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。
实施例1
本申请实施例一所提供的方法实施例可以在终端、计算机终端或者类似的运算装置中执行。以运行在终端上为例，图1是本发明实施例的一种饮食数据的生成方法的终端的硬件结构框图。如图1所示，终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述终端的结构造成限定。例如，终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的饮食数据的生成方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括终端10的通信供应商提供的无线网络。在一个实例中，传输设备106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述终端的饮食数据的生成方法，图2是根据本发明实施例的饮食数据的生成方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，获取与目标用户对应的第一标签信息和第二标签信息，其中，第一标签信息是指与目标用户自身相关的基础信息；第二标签信息是指目标用户对饮食需求的信息；
步骤S204，根据第一标签信息和第二标签信息从营养数据库中确定出目标饮食数据；其中，营养数据库包括基于知识图谱构建的营养本体结构；目标饮食数据包括以下至少之一：与目标食谱相关的数据、与目标食材相关的数据；
需要说明的是，本实施例中的实体包括以下至少之一：食材、食谱、营养素、饮食模式以及疾病；而实体与实体之间的关系包括以下至少之一：食材与食谱之间的关系、食材与营养素之间的关系、疾病与食材之间的关系、疾病与食谱之间的关系、疾病和营养素之间的关系、饮食模式和食谱之间的关系。
通过上述步骤S202至步骤S204，根据目标用户的第一标签信息和第二标签信息从营养数据库中确定出目标饮食数据，由于目标饮食数据是根据包括基于知识图谱构建的营养本体结构得到的营养数据库，从而使得营养数据库中的营养数据更加全面和丰富，而且不限定目标用户的群体，只需要目标用户的第一标签信息和第二标签信息就能够生成对应的目标饮食数据，从而解决了相关技术中营养推荐系统只面向特殊人群或推送的营养数据不够完善的问题，达到了推送饮食数据的全面性和自动化。
可选地，在本实施例的方法步骤还可以包括：步骤S206，向目标用户推送目标饮食数据。也就是说，在生成目标饮食数据可以向目标用户推送，该推送的方式可以是以消息的方式，或者邮件的方式推送，或者其他方式。
此外，需要说明的是，本实施例中的营养数据库是用于对所述营养本体结构中的实体属性以及实体与实体之间的关系进行定义的。具体地，在本实施例的可选实施方式中，通过以下方法步骤获取营养数据：
步骤S102，基于知识图谱对营养本体结构进行构建，其中，营养本体结构包括：实体属性，实体与实体之间的关系；
其中，对于该步骤S102需要说明的是，在本实施例中是基于知识图谱技术建立的饮食营养数据库，其中，基于知识图谱本体构建技术，采用自底向上和自顶向下的混合法构建营养领域的本体结构；
其中，本体结构包含5大类实体，即：食材、食谱、营养素、饮食模式以及疾病)和6大类关系，即：食材和食谱间的关系、食材和营养素之间的关系、疾病和食材之间的关系、疾病与食谱之间的关系、疾病和营养素之间的关系以及饮食模式和食谱之间的关系，并对实体相关的属性(如定义、中英文名、特征以及来源等等)以及实体间的关系等均进行了较全面的定义，方便后续数据库的持续更新。
其中，实体结构化定义可以综合营养专家、书籍和Web等资源对这5大类实体和实体与实体间的关系进行尽可能全面的定义。此外，实体定义类似于上层架构，本实例中，遵循对实体进行尽可能完整定义的原则进行实体定义，这样后续数据库更新只需要进行数据填充，不需要动根基部分。现有技术中的营养数据库并未完全囊括这5大类实体和6大类关系，大多是食材、食谱、营养素这三类，少数有食材、食谱、营养素和疾病这4类，其完整度不够。
步骤S104，根据营养本体结构中的实体属性和实体与实体之间的关系获取对应的营养数据，并对获取到的营养数据进行统一命名获得标准结构化的营养数据；
其中，对于该步骤S104需要说明的是，可以基于网络爬虫获取食材、食谱、营养素和疾病等相关信息，对获得的原始数据按照实体，以及实体间关系及其属性进行定义。一个优选的实施例中，为了更好地根据营养本体结构中的实体属性和实体与实体之间的关系获取对应的营养数据，在忠于源数据的清洗原则指导下，对各个来源的数据中的知识进行结构化重组，最终获得一致性结构，从而解决因为不同的源的内容的侧重、形式或表述等不一样导致实体属性、实体与实体关系混乱等问题，因为不同的源的内容侧重点不一样，比如某食材，薄荷网有别名、各营养素含量等内容；营养食品网有特性，英文名，营养素含量等内容，而且两个源中即使都有营养素含量，但也有不同，如薄荷网可能有铁含量没有锌含量，而营养食品网有锌含量。即需要考量不同的源同异性，将不同源整合使其一致。
在一个优选的实施例中，在进行常规数据清洗和结构化后，为了满足入库要求，需要对数据进一步标准化，由于每个食材网站都有自己的一套命名规则，再加上食材的不同叫法，食材存在本名和别名，食材异构信息在爬取得到的数据大量存在。基于此，采用实体对齐技术对食材异构信息进行归一化处理，其流程为：
步骤S11，针对长名称食物实体之间的归一化处理，采用tf-idf，计算两两实体对的cos相似度(余弦相似度)；
步骤S12，针对长名称和短名称的食物实体之间的归一化处理，优选的，采用wiki、百度百科数据集等语料训练word2vec和char2vec，分别计算两两实体对的cos相似度，更优选的，为了获得更全面、更准确的数据，采用wiki数据集；
步骤S13，针对短名称的食物实体之间的归一化处理，以字符(char)以及词(word)分别为基本特征，计算两两实体对的jaccard相似度和dice相似度；
步骤S14，利用构建index的方式，将相似度score>0.5的实体对进行初步聚类；在一个具体实施例中，步骤S13计算的两两实体对的jaccard相似度和dice相似度中，任一个相似度大于0.5即进行初步聚类。
步骤S15，为了增强聚类的颗粒度，利用梯度阈值聚类的方式
其中，梯度阈值聚类的方式是将cos相似度、jaccard相似度和dice相似度会分别依次0.5-1范围内在内部以0.01-0.2的相似度区间不断递增递归，自动分类，分类完成就是完成了实体对齐，融合cos相似度、jaccard相似度和dice相似度的结果，将初步聚类的实体组在细化分组，从而实现实体的对齐，得到最终的结果。优选的，以0.05的相似度区间不断递增递归。
通过上述步骤S11至步骤S15，使得每一个食材ID对应的食物是唯一的，不会出现不同的食物其ID是相同的而导致后续推荐出现混乱。本实施例中，大于10个字符的认为是长名称食物实体，小于等于10个字符的认为是短名称食物实体，当然也可以根据实际的需要，采用不同的字符数定义长或短名称实体，比如8个字符，12个字符等。
需要说明的是，为方便后续数据库的持续更新，数据入库前的结构形式可以为：对于实体，如食物，保证入库前的源文件每一条记录对应的是一个ID；对于关系数据的入库，保证每一条记录对应的是两两实体间某项特定的关系(如菠菜和纤维素间的含量关系)。在保证一条记录一个实体ID的前提下，若定义的字段为数组格式时，采用另外一份文件对该字段相关数据进行保存，同时为该字段建立新的ID，文件每行记录为该新ID与主体ID相对应，若数组中嵌套数组，又采取另外一份文件保存数据，为该被嵌套的字段建立新的ID，文件每行记录为该被嵌套字段ID和嵌套字段ID相对应，依次类推，对于关系数据处理也是如此操作。
在一个优选实施例中，在关系数据库里，一条记录相当于Excel表格里的一行。对于实体，一具体食物一个特定ID，对于两两实体关系，就一条记录对应某项关系，如菠菜和纤维素间含量关系为一条记录，菠菜和维生素A间含量关系又为另一条记录。这样一方面方便入库程序的撰写，另一方面方便后续数据库更新，即仅仅对需要更新的部分更新，不需要牵动整体，在一定程度上可减少关系数据库更新的固有弊端。
在一个具体的应用场景中，标准结构化的营养数据的数据格式为JSON格式，为了方便后续入库程序开发，采用内部开发的脚本，批量将本体JSON格式转为Python对象，利于用Python语言处理。对于字段为数组嵌套的，采用字典键值对方式，层层链接最终与主体ID关联，最后将结构化数据按照已设计好的本体结构批量导入MongoDB、MySQL等数据库，优选MongoDB数据库，最后入库后有8835条食材记录、56条营养素记录和10416条食谱记录，相关的数据也可以持续更新积累。
步骤S106，将标准结构化的营养数据按照营养本体结构导入营养数据库。
也就是说，在本实施例中对于本体和关系实体结构定义了通用导入格式。任何来源的范畴内知识信息，均可以通过转换为该格式后统一入库，从而为导入更多第三方类似库奠定了基础。
在本实施例的可选实施方式中，对于步骤S202中涉及到的根据第一标签信息和第二标签信息从营养数据库中确定出目标饮食数据的方式进一步可以是：
步骤S202-11，根据营养数据库中的多个饮食模式中选择出出目标饮食模式，其中，所述目标饮食模式中包括：食材的供能占比信息、食用餐数与食材供能之间的关系
步骤S202-12，根据第一标签信息和第二标签信息确定出目标用户单位时间内所需的营养素的需求量；
步骤S202-13，根据营养素的需求量从营养数据库中确定出目标饮食数据。
此外，在根据营养素的需求量从营养数据库中确定出目标饮食数据之前，可以从营养数据库中的多个饮食模式中选择出目标饮食模式，其中，目标饮食模式中包括：食材的供能占比信息，以及食用餐数与食材供能之间的关系；在选择完饮食模式后可进行饮食模型相关参数的设定，如餐数和餐次功能比、饮食偏好、饮食禁忌、三大营养素功能比以及相关营养素摄入量上下限(如：钠、膳食纤维、蛋白质、脂肪和碳水化合物等)等的设定，饮食模型参数的设定使最后生成的食谱和食材更贴合用户的个性化需求。
需要说明的是，本实施例中涉及到的饮食模式可以是基础饮食模式、DASH饮食模式、地中海饮食模式、Vegan饮食模式、生酮饮食模式等其他饮食模块。下面将以基础饮食模式对本申请进行举例说明；
饮食模式结构化主要是营养师以基础营养(三大营养素配比)为出发点，根据不同饮食模式推荐的食物及份数，首先，确定每类食材每份的重量及热量；其次，计算出不同能量需要水平的人所需要的每类食物的份数及重量；最后，基础饮食结构化。
计算每种食材种类在不同的能量层级下所占的比例和份数得到食材供能占比如表1所示，以及每种食材在不同的餐次所占的比例得到餐数及供能比如表2所示。不同的饮食模式有自身独特的饮食结构，可根据基础饮食模式和DASH饮食模式的膳食结构，最后计算得到两种饮食模式的食材供能占比和餐数及供能比。
表1：食材供能占比表(基础饮食模式)
需要说明的是，第2列Num中的数字表示各个类别的食材所占的份数，第2列往后各列表示不同的能量层级下(1400KJ,1800KJ....)各个类别的食材所占的比例，每列比例总和约等于1。
| group | 早餐 | 午餐 | 晚餐 |
| 谷薯类|精制谷物 | 0 | 0.52 | 0.48 |
| 谷薯类|全谷物及杂豆 | 0.46 | 0.54 | 0 |
| 谷薯类|薯类 | 1 | 0 | 0 |
| 蔬菜|其他蔬菜 | 0 | 0 | 1 |
| 蔬菜|深色蔬菜 | 0 | 1 | 0 |
| 水果 | 1 | 0 | 0 |
| 畜禽肉蛋类 | 0 | 1 | 0 |
| 水产品 | 0 | 0 | 1 |
| 乳类及其制品 | 1 | 0 | 0 |
| 大豆及其制品 | 0 | 0.8 | 0.2 |
| 坚果、种子 | 1 | 0 | 0 |
| 烹饪油 | 0 | 0.5 | 0.5 |
表2：餐数及供能比表(基础饮食模式)
需要说明的是，表2中数字代表不同的食材类别在不同的餐次中所占的比例。
进一步地，在本实施例的可选实施方式中，对于上述步骤S202-13中涉及到的根据营养素的需求量从营养数据库中确定出目标饮食数据的方式，进一步可以包括：
步骤S202-131，将营养素的需求量按照预设比例分配到单位时间内的不同餐次；
步骤S202-132，根据不同餐次所需的营养素的需求量从候选食谱中确定出单位时间内不同餐次所对应的食谱。
对于上述步骤S202-13中涉及到的方式，在具体应用场景中可以是：首先，计算得到每日所需能量，及能量与三大供能营养素(碳水化合物、蛋白质、脂肪)间的转换比，进而计算得到目标用户每日三大供能营养素的需求量，其计算过程为：
首先，计算活动代谢率(Active Metabolic Rate，简称为AMR)，表3为运动量与活动代谢率预估值对应关系表，如表3所示；
表3
此外，活动代谢率预估值(MET)与AMR对应关系如下：(1)在MET<＝1.4的情况下，AMR＝0；(2)在1.4<MET<＝1.69的情况下，AMR＝1；(2)在1.69<MET<＝2.59的情况下，AMR＝2；(3)在MET>2.59的情况下，AMR＝3。
其次，计算基础代谢率(Basal Metabolic Rate，简称为BMR)，根据性别计算相应的BMR(weight、height和age分别对应体重(kg)、身高(cm)和年龄(年)):
男性BMR＝13.397*weight+4.799*height-5.677*age+88.362
女性BMR＝9.247*weight+3.098*height-4.33*age+447.593
然后，计算每日所需能量(kCal)，其中，每日所需能量值(Energy)＝BMR*(1.2+AMR*0.175)；根据预设的三大营养素供能比，如碳水：蛋白：脂肪＝5.5:2:2.5，求得相应营养素能量；然后通过能量与三大供能营养素间的转换比，得到它们各自的质量需求。碳水化合物、蛋白质和脂肪的能量转换比(Energy to gram)为4:4:9。即：每克碳水化合物和蛋白质分别产热4kCal，每克脂肪产热9kCal。
最后，根据预设的各餐次供能比，将用户每日所需能量及三大供能营养素需求量按比例分配到不同餐次。根据目标用户的标签信息筛选食谱库特定候选食谱(剔除过敏原；选择自定义饮食模式，如DASH饮食模式或是基础饮食模式；选择特定餐食谱，如早餐食谱等)，随机选择候选食谱填充至不同餐次，根据用户每日所需能量及三大供能营养素的需求量，结合食谱能量及三大供能营养素含量(以每百克为单位)，通过解超定线性方程组，得到所选食谱份量，最终得到每日食谱清单。
食谱份量计算过程为：
A_1*x+B_1*y+C_1*z＝total_energy(总能量)
A_2*x+B_2*y+C_2*z＝total_carbohydrates(总碳水化合物)
A_3*x+B_3*y+C_3*z＝total_protein(总蛋白质)
A_4*x+B_4*y+C_4*z＝total_fat(总脂肪)
其中，A,B,C:分别是指：碳水化合物，蛋白质，维生素/矿物质；“1”是指能量(kCal)；“2”是指碳水化合物含量(g)；“3”是指蛋白质含量(g)；“4”是指脂肪含量(g)。需要说明的是，含量均为该食谱每百克含量(kCal；g)。
此外，x、y、z是通过超定线性方程组求解得到的三个食谱分别的份量，其中，x为方程求解得到的A(碳水化合物为主的食谱)的份量；y为方程求解得到的B(蛋白质为主的食谱)的份量；z为方程求解得到的C(维生素/矿物质为主的食谱)的份量。
另外，若不满足以下任一条件，则随机选取过程重复进行，至所设迭代次数结束：a.食谱份量超过一般定义份量(可预设，如0.5至1.5份)；b.食谱非“干”，“稀”搭配；c.一日食谱其它营养元素含量不符合要求(可预设，如纤维素含量大于25g)。
在本实施例的再一个可选实施方式中，对于步骤S203-13中涉及到的根据营养素的需求量从营养数据库中确定出目标饮食数据的方式，还可以进一步包括：
步骤S202-133，将营养素的需求量以及食材的功能占比信息确定出所需食材量；
步骤S202-134，根据食用餐数与食材供能之间的关系将所需食材量分配到单位时间的不同餐次，得到不同餐次所对应的食材。
对于上述步骤S202-13中涉及到的方式，在具体应用场景中还可以是：首先，根据每日所需能量，及食材供能占比，计算得到各食材组供能量。其次，根据目标用户的标签信息筛选食材库特定候选食材(例如，剔除过敏原等)，随机选择食材并根据食材能量及三大供能营养素含量(以每百克为单位)计算所需食材量。
食材量计算过程为：
Food_amount＝total_energy*Food_ratio/Num/Food_energy
其中，Food_ratio是指食材能量占比(如：0.23，查表1食材供能占比表可得)。查表方式为根据食材所归属类别锁定食材组，即表1中的Group；根据total_energy锁定最邻近能量层级(如：2000kCal)；两条件下对应的能量占比即为公式所用Food_ratio。total_energy*Food_ratio即为各食材组供能量；Num是指食材组对应份数，对应表1食材供能占比中的NUM；Food_energy是指该食材每百克含量(kCal)；amount是指通过公式求解得到的该食材的份量。
最后，根据表1和表2中的餐数及供能比，将随机选择的食材分配到不同餐次，最终得到每日食材清单。
此外，需要说明的是，对于本实施例中的饮食数据生成方法在客户端的呈现可以是：目标用户上传自身的第一标签信息和第二标签信息，进而选择已有的饮食模式结构，依照自己实际所需，自定义饮食模式，之后再设置一系列有关饮食模型相关参数(比如餐数和餐次供能比、饮食偏好、饮食禁忌、三大营养素供能比以及相关营养素如钠、膳食纤维、蛋白质、脂肪或碳水等摄入量上下限等)，并将其上传至后端，通过API(ApplicationProgramming Interface应用程序接口)前后端交互，最后返回给用户返回一整套饮食方案，包括食材和食谱。目标用户也可点击查看某食材的具体营养素信息，若信息存在偏差或某些营养素信息为空白，用户可在线对其校正编辑与补充，修改后的信息将会存储在营养知识库中，下次即可调用。
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根据上述实施例的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，本发明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，或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
在本实施例中还提供了一种饮食数据的生成装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本发明实施例的饮食数据的生成装置的结构框图，如图3所示，该装置包括：获取模块32，用于获取与目标用户对应的第一标签信息和第二标签信息，其中，第一标签信息是指与目标用户自身相关的基础信息；第二标签信息是指目标用户对饮食需求的信息；确定模块34，用于根据第一标签信息和第二标签信息从营养数据库中确定出目标饮食数据；其中，营养数据库包括基于知识图谱构建的营养本体结构；营养本体结构包括：实体属性，实体与实体之间的关系；目标饮食数据包括以下至少之一：与目标食谱相关的数据、与目标食材相关的数据。
在本实施例的可选实施方式中，可以通过以下方式获取营养数据库：在获取与目标用户对应的第一标签信息和第二标签信息之前，基于知识图谱对营养本体结构进行构建；根据营养本体结构中的实体属性和实体与实体之间的关系获取对应的营养数据，并对获取到的营养数据进行统一命名获得标准结构化的营养数据；对标准结构化的营养数据按照营养本体结构导入获得营养数据。
需要说明的是，本实施例中的实体包括以下至少之一：食材、食谱、营养素、饮食模式以及疾病。实体与实体之间的关系包括以下至少之一：食材与食谱之间的关系、食材与营养素之间的关系、疾病与食材之间的关系、疾病与食谱之间的关系、疾病和营养素之间的关系、饮食模式和食谱之间的关系。
可选地，本实施例中的确定模块34进一步可以包括：选择单元，用于根据营养数据库中的多个饮食模式中选择出目标饮食模式，其中，所述目标饮食模式中的营养信息包括：食材的供能占比信息、食用餐数与食材供能之间的关系；第一确定单元，用于根据第一标签信息和第二标签信息确定出目标用户单位时间内所需的营养素的需求量；第二确定单元，用于根据营养素的需求量从营养数据库中确定出目标饮食数据。
此外，该确定模块还包括：第二选择单元，用于在根据营养素的需求量从营养数据库中确定出目标饮食数据之前，在营养数据库中多个饮食模型中选择出目标饮食模型，其中，饮食模型的信息包括：食用餐数和食用餐次供能占比信息、饮食习惯、营养素供能比或营养素摄入量上下限。
其中，该第二确定单元进一步可以包括：第一分配子单元，用于将营养素的需求量按照预设比例分配到单位时间内的不同餐次；第一确定子单元，用于根据不同餐次所需的营养素的需求量从候选食谱中确定出单位时间内不同餐次所对应的食谱。
此外，该第二确定单元还可以进一步包括：第二确定子单元，用于将营养素的需求量以及食材的功能占比信息确定出所需食材量；第二分配子单元，用于根据食用餐数与食材供能之间的关系将所需食材量分配到单位时间的不同餐次，得到不同餐次所对应的食材。
图4是根据本发明实施例的饮食数据的生成装置的可选结构框图，如图4所示，该装置包括：推送装置42，用于向用户推送目标营养数据。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取与目标用户对应的第一标签信息和第二标签信息，其中，第一标签信息是指与目标用户自身相关的基础信息；第二标签信息是指目标用户对饮食需求的信息；
S2，根据第一标签信息和第二标签信息从营养数据库中确定出目标饮食数据；其中，营养数据库包括基于知识图谱构建的营养本体结构；目标饮食数据包括以下至少之一：与目标食谱相关的数据、与目标食材相关的数据。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取与目标用户对应的第一标签信息和第二标签信息，其中，第一标签信息是指与目标用户自身相关的基础信息；第二标签信息是指目标用户对饮食需求的信息；
S2，根据第一标签信息和第二标签信息从营养数据库中确定出目标饮食数据；其中，营养数据库包括基于知识图谱构建的营养本体结构；目标饮食数据包括以下至少之一：与目标食谱相关的数据、与目标食材相关的数据。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (20)
1.一种饮食数据的生成方法，其特征在于，包括：
获取与目标用户对应的第一标签信息和第二标签信息，其中，所述第一标签信息是指与所述目标用户自身相关的基础信息；所述第二标签信息是指所述目标用户对饮食需求的信息；
根据所述第一标签信息和所述第二标签信息从营养数据库中确定出目标饮食数据；其中，所述营养数据库包括基于知识图谱构建的营养本体结构；所述营养本体结构包括：实体属性，实体与实体之间的关系；所述目标饮食数据包括以下至少之一：与目标食谱相关的数据、与目标食材相关的数据。
2.根据权利要求1所述的方法，其特征在于，所述营养数据库用于对所述营养本体结构中的实体属性以及实体与实体之间的关系进行定义。
3.根据权利要求1所述的方法，其特征在于，通过以下方式获取所述营养数据库：
基于所述知识图谱对所述营养本体结构进行构建；
根据所述营养本体结构中的实体属性和所述实体与所述实体之间的关系获取对应的营养数据，并对获取到的营养数据进行统一命名获得标准结构化的营养数据；
对所述标准结构化的营养数据按照所述营养本体结构导入获得所述营养数据库。
4.根据权利要求3所述的方法，其特征在于，
所述实体包括以下至少之一：食材、食谱、营养素、饮食模式以及疾病；
所述实体与所述实体之间的关系包括以下至少之一：所述食材与所述食谱之间的关系、所述食材与所述营养素之间的关系、所述疾病与所述食材之间的关系、所述疾病与所述食谱之间的关系、所述疾病和所述营养素之间的关系、所述饮食模式和所述食谱之间的关系。
5.根据权利要求1所述的方法，其特征在于，根据所述第一标签信息和所述第二标签信息从营养数据库中确定出目标饮食数据包括：
根据营养数据库中的多个饮食模式中选择出出目标饮食模式，其中，所述目标饮食模式中包括：食材的供能占比信息、食用餐数与食材供能之间的关系；
根据所述第一标签信息和所述第二标签信息确定出所述目标用户单位时间内所需的营养素的需求量；
根据所述营养素的需求量从所述营养数据库中确定出所述目标饮食数据。
6.根据权利要求5所述的方法，其特征在于，在根据所述营养素的需求量从所述营养数据库中确定出所述目标饮食数据之前，还包括在营养数据库中多个饮食模型中选择出目标饮食模型，其中，所述饮食模型的信息包括：食用餐数和食用餐次供能占比信息、饮食习惯、营养素供能比或营养素摄入量上下限。
7.根据权利要求6所述的方法，其特征在于，根据所述营养素的需求量从所述营养数据库中确定出所述目标饮食数据包括：
将所述营养素的需求量按照预设比例分配到单位时间内的不同餐次；
根据不同餐次所需的营养素的需求量从候选食谱中确定出单位时间内不同餐次所对应的食谱。
8.根据权利要求6所述的方法，其特征在于，根据所述营养素的需求量从所述营养数据库中确定出所述目标饮食数据包括：
将所述营养素的需求量以及食材的功能占比信息确定出所需食材量；
根据所述食用餐数与食材供能之间的关系将所述所需食材量分配到单位时间的不同餐次，得到不同餐次所对应的食材。
9.根据权利要求1至8中任一项所述的方法，其特征在于，所述方法还包括：
向目标用户推送所述目标饮食数据。
10.一种饮食数据的生成装置，其特征在于，包括：
获取模块，用于获取与目标用户对应的第一标签信息和第二标签信息，其中，所述第一标签信息是指与所述目标用户自身相关的基础信息；所述第二标签信息是指所述目标用户对饮食需求的信息；
确定模块，用于根据所述第一标签信息和所述第二标签信息从营养数据库中确定出目标饮食数据；其中，所述营养数据库包括基于知识图谱构建的营养本体结构；所述营养本体结构包括：实体属性，实体与实体之间的关系；所述目标饮食数据包括以下至少之一：与目标食谱相关的数据、与目标食材相关的数据。
11.根据权利要求10所述的装置，其特征在于，所述营养数据库用于对所述营养本体结构中的实体属性以及实体与实体之间的关系进行定义。
12.根据权利要求10所述的装置，其特征在于，通过以下方式获取营养数据库：
在获取与目标用户对应的第一标签信息和第二标签信息之前，基于所述知识图谱对所述营养本体结构进行构建；
根据所述营养本体结构中的实体属性和所述实体与所述实体之间的关系获取对应的营养数据，并对获取到的营养数据进行统一命名获得标准结构化的营养数据；
对所述标准结构化的营养数据按照所述营养本体结构导入获得所述营养数据库。
13.根据权利要求11所述的装置，其特征在于，
所述实体包括以下至少之一：食材、食谱、营养素、饮食模式以及疾病；
所述实体与所述实体之间的关系包括以下至少之一：所述食材与所述食谱之间的关系、所述食材与所述营养素之间的关系、所述疾病与所述食材之间的关系、所述疾病与所述食谱之间的关系、所述疾病和所述营养素之间的关系、所述饮食模式和所述食谱之间的关系。
14.根据权利要求10所述的装置，其特征在于，所述确定模块包括：
第一选择单元，用于根据营养数据库中的多个饮食模式中选择出目标饮食模式，其中，所述目标饮食模式中的营养信息包括：食材的供能占比信息、食用餐数与食材供能之间的关系；
第一确定单元，用于根据所述第一标签信息和所述第二标签信息确定出所述目标用户单位时间内所需的营养素的需求量；
第二确定单元，用于根据所述营养素的需求量从所述营养数据库中确定出所述目标饮食数据。
15.根据权利要求14所述的装置，其特征在于，所述确定模块还包括：第二选择单元，用于在根据所述营养素的需求量从所述营养数据库中确定出所述目标饮食数据之前，在营养数据库中多个饮食模型中选择出目标饮食模型，其中，所述饮食模型的信息包括：食用餐数和食用餐次供能占比信息、饮食习惯、营养素供能比或营养素摄入量上下限。
16.根据权利要求15所述的装置，其特征在于，所述第二确定单元包括：
第一分配子单元，用于将所述营养素的需求量按照预设比例分配到单位时间内的不同餐次；
第一确定子单元，用于根据不同餐次所需的营养素的需求量从候选食谱中确定出单位时间内不同餐次所对应的食谱。
17.根据权利要求15所述的装置，其特征在于，所述第二确定单元包括：
第二确定子单元，用于将所述营养素的需求量以及食材的功能占比信息确定出所需食材量；
第二分配子单元，用于根据所述食用餐数与食材供能之间的关系将所述所需食材量分配到单位时间的不同餐次，得到不同餐次所对应的食材。
18.根据权利要求10至17中任一项所述的装置，其特征在于，所述装置还包括：
推送模块，用于向目标用户推送所述目标饮食数据。
19.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至9任一项中所述的方法。
20.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至9任一项中所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911311565.0A CN111883230B (zh) | 2019-12-18 | 2019-12-18 | 饮食数据的生成方法及装置、存储介质和电子装置 |
| PCT/CN2020/125497 WO2021120891A1 (zh) | 2019-12-18 | 2020-10-30 | 饮食数据的生成方法及装置、存储介质和电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911311565.0A CN111883230B (zh) | 2019-12-18 | 2019-12-18 | 饮食数据的生成方法及装置、存储介质和电子装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111883230A true CN111883230A (zh) | 2020-11-03 |
| CN111883230B CN111883230B (zh) | 2024-05-07 |
Family
ID=73153901
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911311565.0A Active CN111883230B (zh) | 2019-12-18 | 2019-12-18 | 饮食数据的生成方法及装置、存储介质和电子装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111883230B (zh) |
| WO (1) | WO2021120891A1 (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112528008A (zh) * | 2020-12-07 | 2021-03-19 | 北京健康有益科技有限公司 | 一种基于知识图谱的糖尿病患者配餐方法及装置 |
| CN112699107A (zh) * | 2020-12-25 | 2021-04-23 | 北京优奥创思科技发展有限公司 | 一种支持高度自定义的数据管理平台 |
| CN113051391A (zh) * | 2021-03-29 | 2021-06-29 | 深圳软通动力信息技术有限公司 | 一种基于食物营养与健康知识库的个性化膳食推荐方法 |
| CN114758749A (zh) * | 2022-03-23 | 2022-07-15 | 清华大学 | 基于妊娠期的营养饮食管理图谱创建方法及装置 |
| WO2022193676A1 (zh) * | 2021-03-16 | 2022-09-22 | 北京懿医云科技有限公司 | 用户画像生成方法及装置、存储介质、电子设备 |
| CN116417115A (zh) * | 2023-06-07 | 2023-07-11 | 北京四海汇智科技有限公司 | 妊娠期糖尿病患者个性化营养方案推荐方法及系统 |
| CN116525067A (zh) * | 2023-06-21 | 2023-08-01 | 安徽宏元聚康医疗科技有限公司 | 营养食谱推荐系统及方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000316492A (ja) * | 1999-05-13 | 2000-11-21 | Osaka Gas Co Ltd | 代替食材提示装置、方法、及び記録媒体 |
| US20130216982A1 (en) * | 2012-02-17 | 2013-08-22 | Good Measures, Llc | Systems and methods for user-specific modulation of nutrient intake |
| CN104731846A (zh) * | 2014-11-17 | 2015-06-24 | 陕西师范大学 | 基于多目标的个性化餐饮推荐方法及系统 |
| CN105718712A (zh) * | 2015-04-27 | 2016-06-29 | 美的集团股份有限公司 | 营养食谱的生成方法和装置 |
| CN106382788A (zh) * | 2016-08-29 | 2017-02-08 | 合肥美菱股份有限公司 | 一种冰箱健康饮食推荐方法 |
| CN108595418A (zh) * | 2018-04-03 | 2018-09-28 | 上海透云物联网科技有限公司 | 一种商品分类方法及系统 |
| CN109493944A (zh) * | 2018-10-09 | 2019-03-19 | 珠海亿联德源信息技术有限公司 | 一种膳食管理系统 |
| US20190259489A1 (en) * | 2016-09-21 | 2019-08-22 | Telecom Italia S.P.A. | Method and system for supporting a user in the selection of food |
| CN110502621A (zh) * | 2019-07-03 | 2019-11-26 | 平安科技（深圳）有限公司 | 问答方法、问答装置、计算机设备及存储介质 |
| 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 |
| CN111161837A (zh) * | 2019-01-15 | 2020-05-15 | 深圳碳云智能数字生命健康管理有限公司 | 食物信息的推送方法及装置、存储介质 |
| CN111435609A (zh) * | 2019-01-11 | 2020-07-21 | 深圳碳云智能数字生命健康管理有限公司 | 营养素信息生成方法、装置、计算机设备和存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105512196A (zh) * | 2015-11-27 | 2016-04-20 | 朱威 | 一种基于用户状况的个性化营养饮食谱推荐方法及系统 |
| CN106776825B (zh) * | 2016-11-24 | 2020-06-02 | 竹间智能科技（上海）有限公司 | 基于层级映射的用户偏好实体分类方法及系统 |
| CN109256190A (zh) * | 2017-07-13 | 2019-01-22 | 杨俊� | 一种将专业知识做成软件帮助家庭选择最佳食物的方法 |
-
2019
- 2019-12-18 CN CN201911311565.0A patent/CN111883230B/zh active Active
-
2020
- 2020-10-30 WO PCT/CN2020/125497 patent/WO2021120891A1/zh active Application Filing
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000316492A (ja) * | 1999-05-13 | 2000-11-21 | Osaka Gas Co Ltd | 代替食材提示装置、方法、及び記録媒体 |
| US20130216982A1 (en) * | 2012-02-17 | 2013-08-22 | Good Measures, Llc | Systems and methods for user-specific modulation of nutrient intake |
| CN104731846A (zh) * | 2014-11-17 | 2015-06-24 | 陕西师范大学 | 基于多目标的个性化餐饮推荐方法及系统 |
| CN105718712A (zh) * | 2015-04-27 | 2016-06-29 | 美的集团股份有限公司 | 营养食谱的生成方法和装置 |
| CN106382788A (zh) * | 2016-08-29 | 2017-02-08 | 合肥美菱股份有限公司 | 一种冰箱健康饮食推荐方法 |
| US20190259489A1 (en) * | 2016-09-21 | 2019-08-22 | Telecom Italia S.P.A. | Method and system for supporting a user in the selection of food |
| CN108595418A (zh) * | 2018-04-03 | 2018-09-28 | 上海透云物联网科技有限公司 | 一种商品分类方法及系统 |
| CN109493944A (zh) * | 2018-10-09 | 2019-03-19 | 珠海亿联德源信息技术有限公司 | 一种膳食管理系统 |
| CN111435609A (zh) * | 2019-01-11 | 2020-07-21 | 深圳碳云智能数字生命健康管理有限公司 | 营养素信息生成方法、装置、计算机设备和存储介质 |
| CN111161837A (zh) * | 2019-01-15 | 2020-05-15 | 深圳碳云智能数字生命健康管理有限公司 | 食物信息的推送方法及装置、存储介质 |
| CN110502621A (zh) * | 2019-07-03 | 2019-11-26 | 平安科技（深圳）有限公司 | 问答方法、问答装置、计算机设备及存储介质 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| 刘敏 等: "孕妇妊娠期糖尿病调查及其与饮食状况的关系分析", 食品安全质量检测学报, vol. 9, no. 06, 25 March 2018 (2018-03-25), pages 1465 - 1469 * |
| 周杰: "基于网络语义资源的命名实体识别与消歧技术研究", 中国博士学位论文全文数据库信息科技辑, no. 05, 15 May 2019 (2019-05-15), pages 138 - 75 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112528008A (zh) * | 2020-12-07 | 2021-03-19 | 北京健康有益科技有限公司 | 一种基于知识图谱的糖尿病患者配餐方法及装置 |
| CN112699107A (zh) * | 2020-12-25 | 2021-04-23 | 北京优奥创思科技发展有限公司 | 一种支持高度自定义的数据管理平台 |
| WO2022193676A1 (zh) * | 2021-03-16 | 2022-09-22 | 北京懿医云科技有限公司 | 用户画像生成方法及装置、存储介质、电子设备 |
| CN113051391A (zh) * | 2021-03-29 | 2021-06-29 | 深圳软通动力信息技术有限公司 | 一种基于食物营养与健康知识库的个性化膳食推荐方法 |
| CN114758749A (zh) * | 2022-03-23 | 2022-07-15 | 清华大学 | 基于妊娠期的营养饮食管理图谱创建方法及装置 |
| CN114758749B (zh) * | 2022-03-23 | 2023-08-25 | 清华大学 | 基于妊娠期的营养饮食管理图谱创建方法及装置 |
| CN116417115A (zh) * | 2023-06-07 | 2023-07-11 | 北京四海汇智科技有限公司 | 妊娠期糖尿病患者个性化营养方案推荐方法及系统 |
| CN116417115B (zh) * | 2023-06-07 | 2023-12-01 | 北京四海汇智科技有限公司 | 妊娠期糖尿病患者个性化营养方案推荐方法及系统 |
| CN116525067A (zh) * | 2023-06-21 | 2023-08-01 | 安徽宏元聚康医疗科技有限公司 | 营养食谱推荐系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021120891A1 (zh) | 2021-06-24 |
| CN111883230B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111883230B (zh) | 饮食数据的生成方法及装置、存储介质和电子装置 | |
| Monterrosa et al. | Sociocultural influences on food choices and implications for sustainable healthy diets | |
| Van Dooren | A review of the use of linear programming to optimize diets, nutritiously, economically and environmentally | |
| Mallick et al. | Broiler poultry feed cost optimization using linear programming technique | |
| CN111564199B (zh) | 智能化营养干预的方法及终端 | |
| CN103345591A (zh) | 一种个性化营养配餐装置及方法 | |
| US20220399098A1 (en) | Diet recommendation method, device, storage medium and electronic device | |
| Thangamani et al. | Identification of malnutrition with use of supervised datamining techniques–decision trees and artificial neural networks | |
| CN110223757A (zh) | 食谱方案的推荐方法、装置、介质、电子设备 | |
| Anderson | A survey of food recommenders | |
| Falk | Born to choose: Evolution, self, and well-being | |
| Babatunde-Sowole et al. | Exploring the diet and lifestyle changes contributing to weight gain among Australian West African women following migration: A qualitative study | |
| Riley et al. | Intersectional identities: Food, space and gender in urban Malawi | |
| Srivastav et al. | Biofortification—Present scenario, possibilities and challenges: A scientometric approach | |
| Reed et al. | A survey of willingness to consume insects and a measure of college student perceptions of insect consumption using Q methodology | |
| CN110838356B (zh) | 一种数据处理方法、装置以及存储介质 | |
| CN112528008A (zh) | 一种基于知识图谱的糖尿病患者配餐方法及装置 | |
| Babb | America’s “thrifty food plan”: hunger, mathematics, and the valuation of nutrition assistance | |
| US20220171933A1 (en) | Methods and systems for personal recipe generation | |
| Kumar | Standardised Foods and Compromised Consumers: Can the Repeal of the Three Farm Laws Turn the Clock Back? | |
| CN112951374B (zh) | 数据分析方法、系统、计算机设备及存储介质 | |
| US20210374165A1 (en) | Methods and systems for displaying refreshment outlooks | |
| Ratisoontorn | Recipe Recommendations for Toddlers Using Integrated Nutritional and Ingredient Similarity Measures | |
| Babalola et al. | Diet optimization techniques: A review | |
| Gandhi et al. | Computational Analysis of Superfood Representations in News Media |
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 |