CN111949889A - 一种基于大数据的共享平台智能推荐方法、系统及可读存储介质 - Google Patents
一种基于大数据的共享平台智能推荐方法、系统及可读存储介质 Download PDFInfo
- Publication number
- CN111949889A CN111949889A CN202010972306.9A CN202010972306A CN111949889A CN 111949889 A CN111949889 A CN 111949889A CN 202010972306 A CN202010972306 A CN 202010972306A CN 111949889 A CN111949889 A CN 111949889A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- big data
- screen display
- fruit
- 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.)
- Withdrawn
Links
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Nutrition Science (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于大数据的共享平台智能推荐方法、系统及可读存储介质,包括:通过人脸识别获取用户属性,提取特征值,并建立预设模型;根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;将组合信息与预设信息进行比较,得到偏差率;判断所述偏差率是否大于预设的偏差率阈值;若大于,则进行果蔬组合的调整,得到结果信息;将结果信息按照预定方式进行屏显,得到推荐屏显信息。
Description
技术领域
本发明涉及一种共享平台智能推荐方法,尤其涉及一种基于大数据的共享平台智能推荐方法、系统及可读存储介质。
背景技术
果汁机,就是用机械的方法将水果或蔬菜压榨成果汁的机器。一般果汁机的分类有几种,比较常见的两种是家用果汁机和商用果汁机,共享果汁售货机配合自动榨汁、智能清洗、自助售货智能硬件,根据市场上的水果类型,基本上能满足常见的水果榨汁,能够最大限度地满足不同口味的用户,一款智能设备兼容各类水果的取汁,更方便地满足用户使用习惯。
目前的果汁机无法实现全自动智能化运行,用户使用过程中,无法通过大数据分析及历史交易记录进行智能推荐果蔬组合,此外无法通过分析用户的营养需求及健康信息进行制定相匹配的果蔬组合,平台推荐受众度不高,精准性较差。
为了能够对果蔬组合搭配实现精准的控制,需要开发一款与其相匹配的系统进行控制,通过该系统能够针对不同的用户需求及个人健康信息进行推荐不同的果蔬组合搭配方案,并根据历史交易记录及用户喜好进行排序推荐屏显,但是在进行控制过程中,如何实现精准控制的同时,实现共享平台的智能推荐屏显都是亟不可待要解决的问题。
发明内容
本发明克服了现有技术的不足,提供一种基于大数据的共享平台智能推荐方法、系统及可读存储介质。
为达到上述目的,本发明采用的技术方案为:一种基于大数据的共享平台智能推荐方法,包括:
通过人脸识别获取用户属性,提取特征值,并建立预设模型;
根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;
将组合信息与预设信息进行比较,得到偏差率;
判断所述偏差率是否大于预设的偏差率阈值;
若大于,则进行果蔬组合的调整,得到结果信息;
将结果信息按照预定方式进行屏显,得到推荐屏显信息。
优选的,推荐屏显信息与用户信息匹配并形成交易信息;
交易信息传输至数据库,数据库每增加N条交易信息时,得到修正信息;
根据修正信息反向修正购买次数排序前N位对应的果蔬类形成一个新的果蔬组合的推荐屏显类;
根据推荐屏显类反向修正推荐屏显信息与用户特征匹配度。
优选的,根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;具体包括,
根据用户个人健康信息计算出用户的热量及营养需求,
获取果蔬热量及营养成分,根据用户需求筛选出推荐果蔬类,并生成果蔬组合进行显示。
优选的,所述用户属性包括用户年龄、用户喜好、用户体重信息、用户禁忌信息或用户性别信息中的一种或两种以上的组合。
优选的,所述预设模型包括卷积神经网络模型,具体为:
通过大数据分析获取用户人群属性,通过云计算得到用户数据;
将用户数据输入卷积神经网络模型,通过大数据训练卷积神经网络模型,得到反馈信号,获取反馈信息;
根据反馈信息制定对应的果蔬组合信息。
优选的,将结果信息按照预定方式进行屏显,得到屏显信息,还包括
将预设区域划分为N个不同的子区域;
计算每个子区域的屏显信息和组合特征,得到特征值;
比较每个不同的子区域的特征值差别率;
将小于特征值差别率阈值的子区域归于同类别区域;
获取同类别区域的原始数据库信息,
根据原始数据库信息计算修正参数;
根据修正参数反馈优化推荐屏显信息。
本发明第二方面还提供了一种基于大数据的共享平台智能推荐系统,该系统包括:存储器、处理器,所述存储器中包括基于大数据的共享平台智能推荐方法程序,所述基于大数据的共享平台智能推荐方法程序被所述处理器执行时实现如下步骤:
通过人脸识别获取用户属性,提取特征值,并建立预设模型;
根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;
将组合信息与预设信息进行比较,得到偏差率;
判断所述偏差率是否大于预设的偏差率阈值;
若大于,则进行果蔬组合的调整,得到结果信息;
将结果信息按照预定方式进行屏显,得到推荐屏显信息。
优选的,推荐屏显信息与用户信息匹配并形成交易信息;
交易信息传输至数据库,数据库每增加N条交易信息时,得到修正信息;
根据修正信息反向修正购买次数排序前N位对应的果蔬类形成一个新的果蔬组合的推荐屏显类;
根据推荐屏显类反向修正推荐屏显信息与用户特征匹配度。
优选的,根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;具体包括,
根据用户个人健康信息计算出用户的热量及营养需求,
获取果蔬热量及营养成分,根据用户需求筛选出推荐果蔬类,并生成果蔬组合进行显示。
本发明第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质中包括基于大数据的共享平台智能推荐方法程序,所述基于大数据的共享平台智能推荐方法程序被处理器执行时,实现上述任一项所述的基于大数据的共享平台智能推荐方法的步骤。
本发明解决了背景技术中存在的缺陷,本发明具备以下有益效果:
(1)本系统在进行果汁榨汁时,通过大数据分析获取用户喜好,然后自动生成与用户匹配度较高的推荐屏显果蔬组合类,从而可以根据用户个人身体状况向用户提供合理的智能规划,同时保证用户摄取满足身体机能需要的适当能量及营养成份。
(2)在进行推荐屏显过程中,根据交易信息生成的新的果蔬组合类替换原始数据库内的数据,能够实现数据的实时更新,使系统能够进行不断的学习,更加贴合受众口味,同时系统自动推荐的果蔬组合类能够得到受众喜爱。
(3)系统能将信息即时分析并得到最优的推荐屏显类反馈情况,并将该用户健康信息情况反馈给系统,系统根据反馈信息即时进行决策的更新,系统自主学习的能力得到极大加强,系统也可以分出不同的用户属性对不同营养需求信息匹配度,为用户提供更好的针对性决策信息,也极大的提高了用户选择的精准度。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1示出了本发明一种基于大数据的共享平台智能推荐方法的流程图;
图2示出了根据交易信息生成推荐屏显的方法流程图;
图3示出了本发明根据营养需求生成果蔬组合屏显的方法流程图;
图4示出了果蔬组合方法流程图;
图5示出了屏显分类方法流程图;
图6示出了一种基于大数据的共享平台智能推荐系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于大数据的共享平台智能推荐方法的流程图。
如图1所示,本发明第一方面提供了一种基于大数据的共享平台智能推荐方法,包括:
S102,通过人脸识别获取用户属性,提取特征值,并建立预设模型;
S104,根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;
S106,将组合信息与预设信息进行比较,得到偏差率;
S108,判断偏差率是否大于预设的偏差率阈值;
S110,若大于,则进行果蔬组合的调整,得到结果信息;
S112,将结果信息按照预定方式进行屏显,得到推荐屏显信息。
需要说明的是,将屏显信息按照预定方式显示,例如可以采用图表、柱状图、列表、饼状图、受欢迎种类排序、购买交易记录量排序等形式进行显示,另外在进行屏显过程中,需要运行多个步骤,分别对应不同的用户人群属性,针对不同的用户人群属性,进行不同的果蔬组合搭配进行推荐屏显,并通过不同的显示方式进行显示,根据不同的用户喜好信息进行果蔬组合的搭配,当果蔬组合与用户选择或用户交易出现较大偏差时,则根据交易记录生成新的果蔬组合,或对原有的果蔬组合进行调整,使系统推荐屏显更加精准。
如图2所示,本发明公开了根据交易信息生成推荐屏显的方法流程图;
根据本发明实施例,推荐屏显信息与用户信息匹配并形成交易信息;
S202,交易信息传输至数据库,数据库每增加N条交易信息时,得到修正信息;
S204,根据修正信息反向修正购买次数排序前N位对应的果蔬类形成一个新的果蔬组合的推荐屏显类;
S206,根据推荐屏显类反向修正推荐屏显信息与用户特征匹配度。
需要说明的是,在进行推荐屏显过程中,根据交易信息生成的新的果蔬组合类替换原始数据库内的数据,能够实现数据的实时更新,使系统能够进行不断的学习,更加贴合受众口味,同时系统自动推荐的果蔬组合类能够得到受众喜爱,此外随着交易记录的增多,系统会自动分析不同用户的喜好,对原有果蔬组合进行拆分再组合,并形成新的组合,存储至数据库,前N位的果蔬类能够是一类或多种果蔬组合类。
如图3所示,本发明公开了根据营养需求生成果蔬组合屏显的方法流程图;
根据本发明实施例,根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;具体包括,
S302,根据用户个人健康信息计算出用户的热量及营养需求,
S304,获取果蔬热量及营养成分,根据用户需求筛选出推荐果蔬类,并生成果蔬组合进行显示。
需要说明的是,系统能将信息即时分析并得到最优的推荐屏显类反馈情况,并将该用户健康信息情况反馈给系统,系统根据反馈信息即时进行决策的更新,系统自主学习的能力得到极大加强,系统也可以分出不同的用户属性对不同营养需求信息匹配度,为用户提供更好的针对性决策信息,也极大的提高了用户选择的精准度。
根据本发明实施例,用户属性包括用户年龄、用户喜好、用户体重信息、用户禁忌信息或用户性别信息中的一种或两种以上的组合。
如图4所示,本发明公开了果蔬组合方法流程图;
根据本发明实施例,预设模型包括卷积神经网络模型,具体为:
S402,通过大数据分析获取用户人群属性,通过云计算得到用户数据;
S404,将用户数据输入卷积神经网络模型,通过大数据训练卷积神经网络模型,得到反馈信号,获取反馈信息;
S406,根据反馈信息制定对应的果蔬组合信息。
需要说明的是,通过卷积神经网络模型能将用户数据即时分析并得到最优的果蔬组合,并根据反馈信息即时进行决策的更新,系统自主学习的能力得到极大加强。果蔬组合可以根据不同用户交易记录及营养需求,也可以分出不同年龄性别用户需求及对不同食材的关注度,提供更好的针对性决策信息,也极大的提高了推荐屏显精准度,并可以随着交易记录、地域等情形进行特定的所述组合方式,受众匹配度较高。
需要说明的是,本系统中卷积神经网络模型训练过程如下:
定义一个包含多个学习参数的神经网络;对输入的数据集进行迭代计算,通过多层网络结构处理输入数据,计算损失值,损失值即为输出值与目标值的差值,反向传播梯度到神经网络的参数中,根据更新规则更新神经网络中的权重值。
如图5所示,本发明公开了屏显分类方法流程图;
根据本发明实施例,将结果信息按照预定方式进行屏显,得到屏显信息,还包括,
S502,将预设区域划分为N个不同的子区域;
S504,计算每个子区域的屏显信息和组合特征,得到特征值;
S506,比较每个不同的子区域的特征值差别率;
S508,将小于特征值差别率阈值的子区域归于同类别区域;
S510,获取同类别区域的原始数据库信息,
S512,根据原始数据库信息计算修正参数;
S514,根据修正参数反馈优化推荐屏显信息。
需要说明的是,本发明还可以根据修正参数对食材配比信息进行修正优化,其修正的参数根据不同的类似区域进行大数据分析得到,能够更加接近实际值,首先确定预设区域,预设区域可以根据气候条件进行区分,也可以进行人文环境进行区分,本领域技术人员可以根据实际需要进行调整,然后将此区域分为N个子区域,N个子区域能够是独立的区域,也可以存在地域交集的区域,其范围大小可以进行调整,针对不同的区域内果蔬特性进行选择不同的搭配方式,并通过修正参数进行反馈优化,使得结果信息更加接近实际值,增加系统智能推荐的精确性,针对不同的水果种类,根据大数据分析水果特性,并根据果蔬的热量及营养成分的不同,分配到不同的子区域内,并通过修正参数对数据库信息进行反馈优化,实现热量及营养成分的智能搭配,智能化程度较高。
如图6所示,本发明公开了一种基于大数据的共享平台智能推荐系统的框图;
本发明第二方面还提供了一种基于大数据的共享平台智能推荐系统6,该系统6包括:存储器61、处理器62,存储器中包括基于大数据的共享平台智能推荐方法程序,基于大数据的共享平台智能推荐方法程序被处理器执行时实现如下步骤:
通过人脸识别获取用户属性,提取特征值,并建立预设模型;
根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;
将组合信息与预设信息进行比较,得到偏差率;
判断偏差率是否大于预设的偏差率阈值;
若大于,则进行果蔬组合的调整,得到结果信息;
将结果信息按照预定方式进行屏显,得到推荐屏显信息。
需要说明的是,将屏显信息按照预定方式显示,例如可以采用图表、柱状图、列表、饼状图、受欢迎种类排序、购买交易记录量排序等形式进行显示,另外在进行屏显过程中,需要运行多个步骤,分别对应不同的用户人群属性,针对不同的用户人群属性,进行不同的果蔬组合搭配进行推荐屏显,并通过不同的显示方式进行显示,根据不同的用户喜好信息进行果蔬组合的搭配,当果蔬组合与用户选择或用户交易出现较大偏差时,则根据交易记录生成新的果蔬组合,或对原有的果蔬组合进行调整,使系统推荐屏显更加精准。
根据本发明实施例,推荐屏显信息与用户信息匹配并形成交易信息;
交易信息传输至数据库,数据库每增加N条交易信息时,得到修正信息;
根据修正信息反向修正购买次数排序前N位对应的果蔬类形成一个新的果蔬组合的推荐屏显类;
根据推荐屏显类反向修正推荐屏显信息与用户特征匹配度。
需要说明的是,在进行推荐屏显过程中,根据交易信息生成的新的果蔬组合类替换原始数据库内的数据,能够实现数据的实时更新,使系统能够进行不断的学习,更加贴合受众口味,同时系统自动推荐的果蔬组合类能够得到受众喜爱。
根据本发明实施例,根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;具体包括,
根据用户个人健康信息计算出用户的热量及营养需求,
获取果蔬热量及营养成分,根据用户需求筛选出推荐果蔬类,并生成果蔬组合进行显示。
需要说明的是,系统能将信息即时分析并得到最优的推荐屏显类反馈情况,并将该用户健康信息情况反馈给系统,系统根据反馈信息即时进行决策的更新,系统自主学习的能力得到极大加强,系统也可以分出不同的用户属性对不同营养需求信息匹配度,为用户提供更好的针对性决策信息,也极大的提高了用户选择的精准度。
根据本发明实施例,将结果信息按照预定方式进行屏显,得到屏显信息,还包括,
将预设区域划分为N个不同的子区域;
计算每个子区域的屏显信息和组合特征,得到特征值;
比较每个不同的子区域的特征值差别率;
将小于特征值差别率阈值的子区域归于同类别区域;
获取同类别区域的原始数据库信息,
根据原始数据库信息计算修正参数;
根据修正参数反馈优化推荐屏显信息。
需要说明的是,本发明还可以根据修正参数对食材配比信息进行修正优化,其修正的参数根据不同的类似区域进行大数据分析得到,能够更加接近实际值,首先确定预设区域,预设区域可以根据气候条件进行区分,也可以进行人文环境进行区分,本领域技术人员可以根据实际需要进行调整,然后将此区域分为N个子区域,N个子区域能够是独立的区域,也可以存在地域交集的区域,其范围大小可以进行调整,针对不同的区域内果蔬特性进行选择不同的搭配方式,并通过修正参数进行反馈优化,使得结果信息更加接近实际值,增加系统智能推荐的精确性,针对不同的水果种类,根据大数据分析水果特性,并根据果蔬的热量及营养成分的不同,分配到不同的子区域内,并通过修正参数对数据库信息进行反馈优化,实现热量及营养成分的智能搭配,智能化程度较高。
根据本发明实施例,预设模型包括卷积神经网络模型,具体为:
通过大数据分析获取用户人群属性,通过云计算得到用户数据;
将用户数据输入卷积神经网络模型,通过大数据训练卷积神经网络模型,得到反馈信号,获取反馈信息;
根据反馈信息制定对应的果蔬组合信息。
需要说明的是,通过卷积神经网络模型能将用户数据即时分析并得到最优的果蔬组合,并根据反馈信息即时进行决策的更新,系统自主学习的能力得到极大加强。果蔬组合可以根据不同用户交易记录及营养需求,也可以分出不同年龄性别用户需求及对不同食材的关注度,提供更好的针对性决策信息,也极大的提高了推荐屏显精准度,并可以随着交易记录、地域等情形进行特定的所述组合方式,受众匹配度较高。
需要说明的是,本系统中卷积神经网络模型训练过程如下:
定义一个包含多个学习参数的神经网络;对输入的数据集进行迭代计算,通过多层网络结构处理输入数据,计算损失值,损失值即为输出值与目标值的差值,反向传播梯度到神经网络的参数中,根据更新规则更新神经网络中的权重值。
本发明第三方面提供了一种计算机可读存储介质,计算机可读存储介质中包括基于大数据的共享平台智能推荐方法程序,基于大数据的共享平台智能推荐方法程序被处理器执行时,实现上述任一项的基于大数据的共享平台智能推荐方法的步骤。
本系统在进行果汁榨汁时,通过大数据分析获取用户喜好,然后自动生成与用户匹配度较高的推荐屏显果蔬组合类,从而可以根据用户个人身体状况向用户提供合理的智能规划,同时保证用户摄取满足身体机能需要的适当能量及营养成份。
在进行推荐屏显过程中,根据交易信息生成的新的果蔬组合类替换原始数据库内的数据,能够实现数据的实时更新,使系统能够进行不断的学习,更加贴合受众口味,同时系统自动推荐的果蔬组合类能够得到受众喜爱。
系统能将信息即时分析并得到最优的推荐屏显类反馈情况,并将该用户健康信息情况反馈给系统,系统根据反馈信息即时进行决策的更新,系统自主学习的能力得到极大加强,系统也可以分出不同的用户属性对不同营养需求信息匹配度,为用户提供更好的针对性决策信息,也极大的提高了用户选择的精准度。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,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,如:多个单元或组件可以结合,或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,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、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。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例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)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于大数据的共享平台智能推荐方法,其特征在于,包括:
通过人脸识别获取用户属性,提取特征值,并建立预设模型;
根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;
将组合信息与预设信息进行比较,得到偏差率;
判断所述偏差率是否大于预设的偏差率阈值;
若大于,则进行果蔬组合的调整,得到结果信息;
将结果信息按照预定方式进行屏显,得到推荐屏显信息。
2.根据权利要求1所述的一种基于大数据的共享平台智能推荐方法,其特征在于:
推荐屏显信息与用户信息匹配并形成交易信息;
交易信息传输至数据库,数据库每增加N条交易信息时,得到修正信息;
根据修正信息反向修正购买次数排序前N位对应的果蔬类形成一个新的果蔬组合的推荐屏显类;
根据推荐屏显类反向修正推荐屏显信息与用户特征匹配度。
3.根据权利要求1所述的一种基于大数据的共享平台智能推荐方法,其特征在于:根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;具体包括,
根据用户个人健康信息计算出用户的热量及营养需求,
获取果蔬热量及营养成分,根据用户需求筛选出推荐果蔬类,并生成果蔬组合进行显示。
4.根据权利要求3所述的一种基于大数据的共享平台智能推荐方法,其特征在于:所述用户属性包括用户年龄、用户喜好、用户体重信息、用户禁忌信息或用户性别信息中的一种或两种以上的组合。
5.根据权利要求3所述的一种基于大数据的共享平台智能推荐方法,其特征在于:所述预设模型包括卷积神经网络模型,具体为:
通过大数据分析获取用户人群属性,通过云计算得到用户数据;
将用户数据输入卷积神经网络模型,通过大数据训练卷积神经网络模型,得到反馈信号,获取反馈信息;
根据反馈信息制定对应的果蔬组合信息。
6.根据权利要求1所述的一种基于大数据的共享平台智能推荐方法,其特征在于:将结果信息按照预定方式进行屏显,得到屏显信息,还包括
将预设区域划分为N个不同的子区域;
计算每个子区域的屏显信息和组合特征,得到特征值;
比较每个不同的子区域的特征值差别率;
将小于特征值差别率阈值的子区域归于同类别区域;
获取同类别区域的原始数据库信息,
根据原始数据库信息计算修正参数;
根据修正参数反馈优化推荐屏显信息。
7.一种基于大数据的共享平台智能推荐系统,其特征在于,该系统包括:存储器、处理器,所述存储器中包括基于大数据的共享平台智能推荐方法程序,所述基于大数据的共享平台智能推荐方法程序被所述处理器执行时实现如下步骤:
通过人脸识别获取用户属性,提取特征值,并建立预设模型;
根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;
将组合信息与预设信息进行比较,得到偏差率;
判断所述偏差率是否大于预设的偏差率阈值;
若大于,则进行果蔬组合的调整,得到结果信息;
将结果信息按照预定方式进行屏显,得到推荐屏显信息。
8.根据权利要求7所述的一种基于大数据的共享平台智能推荐系统,其特征在于:推荐屏显信息与用户信息匹配并形成交易信息;
交易信息传输至数据库,数据库每增加N条交易信息时,得到修正信息;
根据修正信息反向修正购买次数排序前N位对应的果蔬类形成一个新的果蔬组合的推荐屏显类;
根据推荐屏显类反向修正推荐屏显信息与用户特征匹配度。
9.根据权利要求7所述的一种基于大数据的共享平台智能推荐系统,其特征在于:根据大数据分析获取用户喜好信息,自动生成果蔬组合,得到组合信息;具体包括,
根据用户个人健康信息计算出用户的热量及营养需求,
获取果蔬热量及营养成分,根据用户需求筛选出推荐果蔬类,并生成果蔬组合进行显示。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中包括基于大数据的共享平台智能推荐方法程序,所述基于大数据的共享平台智能推荐方法程序被处理器执行时,实现如权利要求1至6中任一项所述的基于大数据的共享平台智能推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010972306.9A CN111949889A (zh) | 2020-09-16 | 2020-09-16 | 一种基于大数据的共享平台智能推荐方法、系统及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010972306.9A CN111949889A (zh) | 2020-09-16 | 2020-09-16 | 一种基于大数据的共享平台智能推荐方法、系统及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111949889A true CN111949889A (zh) | 2020-11-17 |
Family
ID=73357588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010972306.9A Withdrawn CN111949889A (zh) | 2020-09-16 | 2020-09-16 | 一种基于大数据的共享平台智能推荐方法、系统及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111949889A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114780054A (zh) * | 2022-06-20 | 2022-07-22 | 深圳乐播科技有限公司 | 分屏显示方法及相关装置 |
CN116149520A (zh) * | 2023-04-23 | 2023-05-23 | 深圳市微克科技有限公司 | 一种智能手表交互界面智能处理方法、系统及介质 |
CN116304594A (zh) * | 2023-05-11 | 2023-06-23 | 北京融信数联科技有限公司 | 一种基于通信数据的用户区域识别方法、系统及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110347924A (zh) * | 2019-07-12 | 2019-10-18 | 广东工业大学 | 果蔬商城管理系统及果蔬信息推送方法 |
CN110876087A (zh) * | 2018-08-31 | 2020-03-10 | 深圳Tcl新技术有限公司 | 一种家庭菜谱推荐方法、智能电视、系统及存储介质 |
CN111292823A (zh) * | 2020-01-21 | 2020-06-16 | 江苏苏云医药管理有限公司 | 用于零售药店购药引导的采纳方法及系统 |
CN111312358A (zh) * | 2020-01-21 | 2020-06-19 | 佛山市高明曦逻科技有限公司 | 一种基于自助药品超市的购药引导方法、系统及可读存储介质 |
CN111554379A (zh) * | 2020-05-09 | 2020-08-18 | 浙江蓝城恒汇科技发展有限公司 | 一种健康食材食谱推荐方法、设备及计算机可读存储介质 |
KR20200097960A (ko) * | 2019-02-11 | 2020-08-20 | 주식회사 샐리쿡 | 영양소 조합비율을 통한 맞춤형 식단 조절 시스템을 이용한 맞춤형 식단 조절 방법 |
-
2020
- 2020-09-16 CN CN202010972306.9A patent/CN111949889A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110876087A (zh) * | 2018-08-31 | 2020-03-10 | 深圳Tcl新技术有限公司 | 一种家庭菜谱推荐方法、智能电视、系统及存储介质 |
KR20200097960A (ko) * | 2019-02-11 | 2020-08-20 | 주식회사 샐리쿡 | 영양소 조합비율을 통한 맞춤형 식단 조절 시스템을 이용한 맞춤형 식단 조절 방법 |
CN110347924A (zh) * | 2019-07-12 | 2019-10-18 | 广东工业大学 | 果蔬商城管理系统及果蔬信息推送方法 |
CN111292823A (zh) * | 2020-01-21 | 2020-06-16 | 江苏苏云医药管理有限公司 | 用于零售药店购药引导的采纳方法及系统 |
CN111312358A (zh) * | 2020-01-21 | 2020-06-19 | 佛山市高明曦逻科技有限公司 | 一种基于自助药品超市的购药引导方法、系统及可读存储介质 |
CN111554379A (zh) * | 2020-05-09 | 2020-08-18 | 浙江蓝城恒汇科技发展有限公司 | 一种健康食材食谱推荐方法、设备及计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114780054A (zh) * | 2022-06-20 | 2022-07-22 | 深圳乐播科技有限公司 | 分屏显示方法及相关装置 |
CN116149520A (zh) * | 2023-04-23 | 2023-05-23 | 深圳市微克科技有限公司 | 一种智能手表交互界面智能处理方法、系统及介质 |
CN116304594A (zh) * | 2023-05-11 | 2023-06-23 | 北京融信数联科技有限公司 | 一种基于通信数据的用户区域识别方法、系统及介质 |
CN116304594B (zh) * | 2023-05-11 | 2023-09-08 | 北京融信数联科技有限公司 | 一种基于通信数据的用户区域识别方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111949889A (zh) | 一种基于大数据的共享平台智能推荐方法、系统及可读存储介质 | |
US10147108B2 (en) | Methods and apparatus to identify affinity between segment attributes and product characteristics | |
CN108897768B (zh) | 一种点餐方法及装置,电子设备 | |
CN108475392A (zh) | 用于跟踪消费者口味偏好的系统和方法 | |
US20210142367A1 (en) | Associating taste with consumable records | |
US20220399098A1 (en) | Diet recommendation method, device, storage medium and electronic device | |
CN109242593B (zh) | 一种基于案例推理的服装推荐方法、装置和存储介质 | |
US20190355465A1 (en) | Food knowledge graph for a health tracking system | |
CN112084225A (zh) | 一种基于大数据的共享平台的智能处理方法、系统及可读存储介质 | |
CN111883230A (zh) | 饮食数据的生成方法及装置、存储介质和电子装置 | |
CN108766528A (zh) | 一种饮食管理系统及其构建方法、一种食材管理方法 | |
TW201901598A (zh) | 飲食資訊建議系統及其飲食資訊建議方法 | |
US20230215293A1 (en) | System and method for designing food and beverage flavor experiences | |
US20200074884A1 (en) | Systems and methods for creating meal plans | |
KR102189232B1 (ko) | 생활 습관을 기반으로 콘텐츠를 제공하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 | |
Grant et al. | Consumer preferences for foods with clean labels and new food technologies | |
KR20160116449A (ko) | 요리 레시피 제공 애플리케이션 시스템 | |
CN110838356A (zh) | 一种数据处理方法、装置以及存储介质 | |
Starke et al. | Boosting health? examining the role of nutrition labels and preference elicitation methods in food recommendation | |
CN109146602A (zh) | 一种基于用户行为的售药机药品供应方法和自动售药机 | |
CN112100499A (zh) | 一种基于数据模型的共享平台食材分配方法、系统及可读存储介质 | |
Zhang et al. | Understanding and predicting cross-cultural food preferences with online recipe images | |
CN115221420A (zh) | 一种基于用户画像的饮食推荐方法及系统 | |
Oleksiv et al. | Information System of Dynamic and Adaptive Control of Human Diet Based on Machine Learning Technology. | |
Huang et al. | Rapid screening of sensory attributes of mackerel using big data mining techniques and rapid sensory evaluation methods |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201117 |
|
WW01 | Invention patent application withdrawn after publication |