CN112035737A - 用于菜谱推荐的方法及装置、电子设备 - Google Patents
用于菜谱推荐的方法及装置、电子设备 Download PDFInfo
- Publication number
- CN112035737A CN112035737A CN202010778374.1A CN202010778374A CN112035737A CN 112035737 A CN112035737 A CN 112035737A CN 202010778374 A CN202010778374 A CN 202010778374A CN 112035737 A CN112035737 A CN 112035737A
- Authority
- CN
- China
- Prior art keywords
- information
- element information
- menu
- obtaining
- score
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000008451 emotion Effects 0.000 claims description 52
- 230000003203 everyday effect Effects 0.000 abstract description 13
- 230000008909 emotion recognition Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 206010035664 Pneumonia Diseases 0.000 description 8
- 238000012706 support-vector machine Methods 0.000 description 5
- 206010063659 Aversion Diseases 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 208000019901 Anxiety disease Diseases 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
- 125000004122 cyclic group Chemical group 0.000 description 3
- 235000012149 noodles Nutrition 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 244000124853 Perilla frutescens Species 0.000 description 2
- 235000004348 Perilla frutescens Nutrition 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000012027 fruit salads Nutrition 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 235000012033 vegetable salad Nutrition 0.000 description 2
- 244000144730 Amygdalus persica Species 0.000 description 1
- 241000272525 Anas platyrhynchos Species 0.000 description 1
- 241000237858 Gastropoda Species 0.000 description 1
- 235000006040 Prunus persica var persica Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 235000021168 barbecue Nutrition 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000020979 dietary recommendations Nutrition 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000021186 dishes Nutrition 0.000 description 1
- 244000013123 dwarf bean Species 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000015243 ice cream Nutrition 0.000 description 1
- 206010022000 influenza Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
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)
Abstract
本申请涉及信息推荐技术领域,公开一种用于菜谱推荐的方法,包括:获得多个元素信息;确定多个元素信息中的关键元素信息;获得并推荐与关键元素信息相对应的菜谱。获得多个影响菜谱的元素信息,并确定多个元素信息中的关键元素信息,进而获得并推荐与关键元素信息相对应的菜谱。这样,由于多个元素信息中的关键元素每天发生变化,与关键元素信息相对应的菜谱进而也每天发生变化,因此可以每天为用户推荐不同的菜谱,不再是根据一些固定数据轮番推荐相对固定的菜谱集合,使得菜谱推荐功能变得更加有趣,用户体验更佳。本申请还公开一种用于菜谱推荐的装置及电子设备。
Description
技术领域
本申请涉及信息推荐技术领域,例如涉及一种用于菜谱推荐的方法及装置、电子设备。
背景技术
随着人工智能技术的逐渐成熟,给社会注入了新的发展动力,各种产品应用越来越注重细节,针对用户的推荐也越来越精确。人们在饮食上的推荐需求越来越多,同时要求也越来越高。目前智能菜谱的推荐方案中,推荐影响因素单一或者固定为几种因素的组合,比如根据用户面部识别、用户基础数据、天气情况、地理位置等因素推荐相应的菜谱。
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:
目前智能菜谱推荐因素单一或者固定,容易导致推荐菜谱类别固定,进而使得用户体验较差。
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菜谱推荐的方法及装置、电子设备,以解决目前智能菜谱推荐因素单一或者固定,容易导致推荐菜谱类别固定,进而使得用户体验较差的问题。
在一些实施例中,用于菜谱推荐的方法包括:获得多个元素信息;确定多个元素信息中的关键元素信息;获得并推荐与关键元素信息相对应的菜谱。
可选地,多个元素信息包括日期信息、用户情绪信息和热点信息。
在一些实施例中,确定多个元素信息中的关键元素信息包括:分别获得多个元素信息的评分;在评分最高的元素信息唯一的情况下,确定评分最高的元素信息为关键元素信息。
可选地,确定多个元素信息中的关键元素信息还包括:在评分最高的元素信息为多个的情况下,分别获得评分最高的多个元素信息的优先级;确定评分最高的多个元素信息中优先级最高的元素信息为关键元素信息。
在一些实施例中,在元素信息为日期信息的情况下,获得日期信息的评分,包括获得日期信息所属的日期类别;根据第一预设关系,确定与日期类别相对应的评分为日期信息的评分。
在一些实施例中,在元素信息为用户情绪信息的情况下,获得用户情绪信息的评分包括:获得用户情绪信息所属的情绪类别;根据第二预设关系,确定与情绪类别相对应的评分为用户情绪信息的评分。
在一些实施例中,在元素信息为热点信息的情况下,获得热点信息的评分包括:获得热点信息所属的新闻类别;根据第三预设关系,确定与新闻类别相对应的评分为热点信息的评分。
在一些实施例中,获得并推荐与关键元素信息相对应的菜谱包括:将关键元素信息发送至网络侧;接收网络侧发送的基于关键元素所获得的菜谱列表;向移动终端推送菜谱列表。
在一些实施例中,用于菜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,处理器被配置为在执行程序指令时,执行上述用于菜谱推荐的方法。
在一些实施例中,电子设备包括上述用于菜谱推荐的装置。
本公开实施例提供的用于菜谱推荐的方法及装置、电子设备,可以实现以下技术效果:
获得多个影响菜谱的元素信息,并确定多个元素信息中的关键元素信息,进而获得并推荐与关键元素信息相对应的菜谱。这样,由于多个元素信息中的关键元素每天发生变化,与关键元素信息相对应的菜谱进而也每天发生变化,因此可以每天为用户推荐不同的菜谱,不再是根据一些固定数据轮番推荐相对固定的菜谱集合,使得菜谱推荐功能变得更加有趣,用户体验更佳。
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菜谱推荐的方法的流程示意图;
图2是本公开实施例提供的另一个用于菜谱推荐的方法的流程示意图;
图3是本公开实施例提供的另一个用于菜谱推荐的方法的流程示意图;
图4是本公开实施例提供的另一个用于菜谱推荐的方法的流程示意图;
图5是本公开实施例提供的一个用于菜谱推荐的装置的结构示意图。
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菜谱推荐的方法,包括以下步骤:
S101:获得多个元素信息。
其中,多个元素信息包括日期信息、用户情绪信息和热点信息。
可选地,获得日期信息包括:向网络侧发送日期查询信息;接收网络侧发送的基于日期查询信息所获得的日期信息。向网络侧(例如服务器)发送日期查询信息后,网络侧根据日期查询信息查询并反馈相应的日期信息,这样获得的日期信息为准确。
可选地,获得用户情绪信息包括:获得用户声音信息;分析用户声音信息以获得用户情绪信息。在实际应用中,在获得用户声音信息(例如声音图谱)后,可以利用语音情感识别算法分析识别用户声音信息,从而较为准确地获得用户情绪信息(例如,悲伤、愤怒、焦虑、兴奋、快乐或厌恶)。用于语音情感识别的算法模型包括高斯混合模型(GaussianMixture Model,GMM)、支持向量机(Support Vector Machine,SVM)、K-近邻模型(K-Nearest Neighbor,KNN)、隐马尔可夫模型(Hidden Markov Model,HMM)、卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN)。其中,高斯混合模型利用高斯概率密度函数(正态分布曲线)精确地量化事物,是一个将事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型,将高斯混合模型应用于用户语音情感识别,能够提高语音情感识别的准确度;支持向量机是一类按监督学习方式对数据进行二元分类的广义线性分类器,其决策边界是对学习样本求解的最大边距超平面,将支持向量机应用于用户语音情感识别,能够提高语音情感识别的稳定性;K-近邻模型是一个最简单的机器学习算法之一,该方法的思路是在特征空间中,如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别,则该样本也属于这个类别,将K-近邻模型应用于用户语音情感识别,能够提高语音情感识别的识别速率;隐马尔可夫模型是统计模型,它用来描述一个含有隐含未知参数的马尔可夫过程,从可观察的参数中确定该过程的隐含参数,然后利用这些参数来实现模式识别,将隐马尔可夫模型应用于用户语音情感识别,能够提高语音情感识别的准确性;卷积循环神经网络是一类以序列数据为输入,在序列的演进方向进行递归且所有节点(循环单元)按链式连接的递归神经网络,将卷积循环神经网络应用于用户语音情感识别,能够提高语音情感识别的准确性。通过分析用户声音信息以获得用户情绪信息,能够获得更为实时、准确的用户情绪信息。
可选地,获得热点信息包括:向网络侧发送热点查询信息;接收网络侧发送的基于热点查询信息所获得的热点信息。向网络侧发送热点查询信息后,网络侧根据接收到的热点查询信息查询并反馈相应的热点信息,获得的热点信息更为及时。在实际应用中,也可以登录用户社交账户,通过抓取用户所发布的热点新闻关键词,从而获得用户所感兴趣的热点新闻信息。这样,能够根据用户所感兴趣的热点信息推送相应的菜谱,推送的菜谱列表更符合用户的实际需求,更为人性化。
S102:确定多个元素信息中的关键元素信息。
相关技术中,将用户信息、天气信息、地理位置信息等转化为对应的标签,然后将标签进行组合得到标签集合,并根据标签集合推荐菜谱。比如:用户比较胖,转化为相应的标签为“胖”;今天天气寒冷,转化为相应的标签为“寒冷”;用户在南方,转化为相应的标签为“南方”,然后将标签进行组合得到标签集合为{胖;寒冷;南方},根据标签集合推荐相应的菜谱方案。由于标签集合中的标签是固定的一种或者几种,因此得到的菜谱方案也是相对固定的。而本实施例中,确定多个元素信息中的关键元素信息,由于多个元素信息中的关键元素信息为每天发生变化的不确定元素,因此获得的菜谱也是灵活变化的。
S103:获得并推荐与关键元素信息相对应的菜谱。
其中,多个元素信息包括日期信息、用户情绪信息和热点信息。在多个元素信息中的关键元素信息为日期信息的情况下,获得并推荐与日期信息相对应的菜谱;在多个元素信息中的关键元素信息为用户情绪信息的情况下,获得并推荐与用户情绪信息相对应的菜谱;在多个元素信息中的关键元素信息为热点信息的情况下,获得并推荐与热点信息相对应的菜谱。在一些实际应用中,在预先建立的数据库中录入各元素信息与相应菜谱的对应关系表,通过查找该对应关系表即可确定与该元素信息相对应的菜谱。比如,在关键元素信息为“端午节(日期信息)”的情况下,查找对应的关系表确定并推荐与“端午节”相对应的菜谱为“粽子;绿豆糕;鸭蛋”;在关键元素信息为“情绪悲伤(用户情绪信息)”的情况下,查找对应的关系表确定并推荐与“情绪悲伤”相对应的菜谱为“冰淇淋;螺蛳粉;火鸡面”;在关键元素信息为“新冠肺炎(热点信息)”的情况下,查找对应的关系表确定并推荐与“新冠肺炎”相对应的菜谱为“水果沙拉;蔬菜沙拉;牛排”。
采用本公开实施例提供的用于菜谱推荐的方法,获得多个影响菜谱的元素信息,并确定多个元素信息中的关键元素信息,进而获得并推荐与关键元素信息相对应的菜谱,这样,由于多个元素信息中的关键元素每天发生变化,与关键元素信息相对应的菜谱进而也每天发生变化,因此可以每天为用户推荐不同的菜谱,不再是根据一些固定数据轮番推荐相对固定的菜谱集合,使得菜谱推荐功能变得更加有趣,用户体验更佳。另外,增加日期信息、用户情绪信息和热点信息为筛选元素来影响菜谱推荐结果,使得菜谱推荐结果随日期背后的特定含义、用户当时的情绪以及实时的热点信息的不同而变化,进而使菜谱推荐结果更为智能、合理、丰富、实用且有趣。
结合图2所示,本公开实施例提供一种用于菜谱推荐的方法,包括以下步骤:
S201:获得多个元素信息。
S202:分别获得多个元素信息的评分。
可选地,在元素信息为日期信息的情况下,获得日期信息的评分包括:获得日期信息所属的日期类别;根据第一预设关系,确定与日期类别相对应的评分为日期信息的评分。
其中,日期信息所属的日期类别包括特殊日期类、节日日期类或传统时令日期类。对于日期类别为特殊日期类的日期,用户可以预先对日历进行标记。第一预设关系表用于指示日期类别和日期评分之间的对应关系,基于日期类别,通过查找第一预设关系表即可确定相应的日期评分。例如,如下表1示出了一种可选的第一预设关系表:
表1:第一预设关系表
日期类别 | 日期评分 |
结婚纪念日 | 9 |
生日 | 8 |
劳动节 | 7 |
端午节 | 5 |
夏至 | 6 |
冬至 | 8.5 |
在日期信息所属的日期类别为生日(特殊日期类)的情况下,查找第一预设关系表,确定生日(即日期信息)的评分为8;在日期信息所属的日期类别为端午节(节日日期类)的情况下,查找第一预设关系表,确定端午节(即日期信息)的评分为5;在日期信息所属的日期类别为夏至(传统时令日期)的情况下,查找第一预设关系表,确定夏至(即日期信息)的评分为6。
可选地,在元素信息为用户情绪信息的情况下,获得用户情绪信息的评分包括:获得用户情绪信息所属的情绪类别;根据第二预设关系,确定与情绪类别相对应的评分为用户情绪信息的评分。
其中,用户情绪信息所属的情绪类别包括悲伤类、愤怒类、焦虑类、兴奋类、快乐类或厌恶类。第二预设关系表用于指示用户情绪类别和用户情绪评分之间的对应关系,基于用户情绪类别,通过查找第二预设关系表即可确定相应的用户情绪评分。例如,如下表2示出了一种可选的第二预设关系表:
表2:第二预设关系表
用户情绪类别 | 用户情绪评分 |
悲伤类 | 10 |
愤怒类 | 9 |
焦虑类 | 6 |
兴奋类 | 8 |
快乐类 | 4 |
厌恶类 | 2 |
在用户情绪信息所属的用户情绪类别为兴奋类的情况下,查找第二预设关系表,确定兴奋类(即用户情绪信息)的评分为8;在用户情绪信息所属的用户情绪类别为厌恶类的情况下,查找第二预设关系表,确定厌恶类(即用户情绪信息)的评分为8。
可选地,在元素信息为热点信息的情况下,获得热点信息的评分包括:获得热点信息所属的新闻类别;根据第三预设关系,确定与新闻类别相对应的评分为热点信息的评分。
其中,热点信息所属的热点类别包括疫情类(例如流感、肺炎等疫情发生时)、天气类(例如出现寒潮、酷热、雾霾等极端天气)、娱乐类(例如出现网红美食、明星做的菜品等)或其他类(例如与食谱相关的热点新闻)。第三预设关系表用于指示热点类别和热点评分之间的对应关系,基于热点类别,通过查找第三预设关系表即可确定相应的热点评分。例如,如下表3示出了一种可选的第三预设关系表:
表3:第三预设关系表
热点类别 | 热点评分 |
疫情类 | 9 |
天气类 | 8 |
娱乐类 | 7 |
其他类 | 5 |
在热点信息所属的热点类别为疫情类的情况下,查找第三预设关系表,确定疫情类(即热点信息)的评分为9;在热点信息所属的热点类别为娱乐类的情况下,查找第三预设关系表,确定娱乐类(即热点信息)的评分为9。
S203:在评分最高的元素信息唯一的情况下,确定评分最高的元素信息为关键元素信息。
例如,在多个元素信息分别为“2020年6月25日”、“兴奋”、“新冠肺炎”的情况下,通过查找预设关系表得知“2020年6月25日(端午节)”的评分为5、“兴奋(兴奋类)”的评分为8、“新冠肺炎(疫情类)”的评分为9。那么,确定评分最高的“新冠肺炎”为关键元素信息。
S204:获得并推荐与关键元素信息相对应的菜谱。
在关键元素信息为“新冠肺炎”的情况下,获得并推荐与“新冠肺炎”相对应的菜谱为“水果沙拉;蔬菜沙拉;牛排”。
本公开实施例中,在确定多个元素信息中的关键元素信息时,由于多个元素信息为不同种类的元素信息,通过对多个元素信息分别进行评分,可以根据多个元素信息的评分巧妙地确定不同种类的元素信息中的关键元素信息。并且,由于多个元素信息中的关键元素每天发生变化,与关键元素信息相对应的菜谱进而也每天发生变化,因此可以每天为用户推荐不同的菜谱,不再是根据一些固定数据轮番推荐相对固定的菜谱集合,使得菜谱推荐功能变得更加有趣,用户体验更佳。另外,增加日期信息、用户情绪信息和热点信息为筛选元素来影响菜谱推荐结果,使得菜谱推荐结果随日期背后的特定含义、用户当时的情绪以及实时的热点信息的不同而变化,进而使菜谱推荐结果更为智能、合理、丰富、实用且有趣。
结合图3所示,本公开实施例提供一种用于菜谱推荐的方法,包括以下步骤:
S301:获得多个元素信息。
S302:分别获得多个元素信息的评分。
S303:判断评分最高的元素信息是否唯一。
S304:在评分最高的元素信息唯一的情况下,确定评分最高的元素信息为关键信息。
S305:在评分最高的元素信息为多个的情况下,分别获得评分最高的多个元素信息的优先级。
例如,在多个元素信息分别为“2020年8月14日”、“兴奋”、“何老师牛奶麻辣烫”的情况下,通过查找预设关系表得知“2020年8月14日(生日)”的评分为8、“兴奋(兴奋类)”的评分为8、“何老师牛奶麻辣烫(娱乐类)”的评分为7。那么,评分最高的元素信息包括“2020年8月14日”和“兴奋”两个,则获取这两个元素信息的优先级,根据优先级顺序确定这两个元素信息中的关键元素信息。在预设的数据库中对每个元素信息所属的元素类别进行优先级排序,每个元素信息所属的元素类别即为每个元素信息的优先级顺序。
S306:确定评分最高的多个元素信息中优先级最高的元素信息为关键元素信息。
在“2020年8月14日”和“兴奋”这两个元素信息中,在“2020年8月14日”的优先级高于“兴奋”的优先级的情况下,确定“2020年8月14日”为关键元素信息;在“兴奋”的优先级高于“2020年8月14日”的优先级的情况下,确定“兴奋”为关键元素信息。
S307:获得并推荐与关键元素信息相对应的菜谱。
在关键元素信息为“2020年8月14日”的情况下,获得并推荐与“2020年8月14日”相对应的菜谱为“生日蛋糕;长寿面;桃子”;在关键元素信息为“兴奋”的情况下,获得并推荐与“兴奋”相对应的菜谱为“雪碧;啤酒;烧烤”。
本公开实施例中,在确定多个元素信息中的关键元素信息时,由于多个元素信息为不同种类的元素信息,通过对多个元素信息分别进行评分,可以根据多个元素信息的评分巧妙地确定不同种类元素信息中的关键元素信息。此外,在评分最高的元素信息为多个的情况下,根据评分最高的多个元素信息的优先级确定关键元素信息,能够使得根据关键元素信息推荐的菜谱更符合用户的实际需求,用户体验更佳。
在一些实施例中,获得并推荐与关键元素信息相对应的菜谱,包括:将关键元素信息发送至网络侧;接收网络侧发送的基于关键元素所获得的菜谱列表;向移动终端推送菜谱列表。
在实际应用中,结合图4所示,用于菜谱推荐的方法包括以下步骤:
S401:菜谱推荐装置获得多个元素信息。
这里,菜谱推荐装置内设置通信模块,通信模块能够分别与网络侧以及移动终端建立通信连接。
S402:菜谱推荐装置确定多个元素信息中的关键元素信息。
S403:菜谱推荐装置将关键元素信息发送至网络侧。
S404:网络侧接收菜谱推荐装置发送的关键元素信息。
S405:网络侧基于关键元素信息检索获得菜谱列表。
S406:网络侧向菜谱推荐装置发送菜谱列表。
S407:菜谱推荐装置接收网络侧发送的菜谱列表。
S408:菜谱推荐装置向移动终端推送菜谱列表。
这里,移动终端可以为手机、iPad等通讯设备。
S409:移动终端接收菜谱推荐装置发送的菜谱列表并显示。
本公开实施例中,在确定影响菜谱结果的关键元素信息后,通过网络侧来检索获取与关键元素信息相对应的菜谱列表,可以减少菜谱推荐装置侧的数据处理量来提高数据处理速率,从而缩短反应时间。而且,菜谱推荐终端在获取到菜谱列表后,发送至移动终端进行显示,方便用户查看菜谱推荐结果,能够更好地满足用户需求。此外,获得影响菜谱的多个元素信息中的关键元素信息,进而获得并推荐与关键元素信息相对应的菜谱,由于多个元素信息中的关键元素每天发生变化,与关键元素信息相对应的菜谱进而也每天发生变化,因此可以每天为用户推荐不同的菜谱,不再是根据一些固定数据轮番推荐相对固定的菜谱集合,使得菜谱推荐功能变得更加有趣,用户体验更佳。
结合图5所示本公开实施例提供一种用于菜谱推荐的装置,包括处理器(processor)50和存储器(memory)51,还可以包括通信接口(Communication Interface)52和总线53。其中,处理器50、通信接口52、存储器51可以通过总线53完成相互间的通信。通信接口52可以用于信息传输。处理器50可以调用存储器51中的逻辑指令,以执行上述实施例的用于菜谱推荐的方法。
此外,上述的存储器51中的逻辑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,可以存储在一个计算机可读取存储介质中。
存储器51作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令/模块。处理器50通过运行存储在存储器51中的程序指令/模块,从而执行功能应用以及数据处理,即实现上述方法实施例中的用于菜谱推荐的方法。
存储器51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51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。
可选地,用于菜谱推荐的方法包括:获得多个元素信息;确定多个元素信息中的关键元素信息;获得并推荐与关键元素信息相对应的菜谱。其中,多个元素信息包括日期信息、用户情绪信息和热点信息。
采用本公开实施例提供的用于菜谱推荐的装置,获得多个影响菜谱的元素信息,并确定多个元素信息中的关键元素信息,进而获得并推荐与关键元素信息相对应的菜谱,这样,由于多个元素信息中的关键元素每天发生变化,与关键元素信息相对应的菜谱进而也每天发生变化,因此可以每天为用户推荐不同的菜谱,不再是根据一些固定数据轮番推荐相对固定的菜谱集合,使得菜谱推荐功能变得更加有趣,用户体验更佳。另外,增加日期信息、用户情绪信息和热点信息为筛选元素来影响菜谱推荐结果,使得菜谱推荐结果随日期背后的特定含义、用户当时的情绪以及实时的热点信息的不同而变化,进而使菜谱推荐结果更为智能、合理、多元、实用且有趣。
本公开实施例提供了一种电子设备(例如:计算机、移动终端等),包含上述的用于菜谱推荐的装置。
采用本公开实施例提供的电子设备,获得多个影响菜谱的元素信息,并确定多个元素信息中的关键元素信息,进而获得并推荐与关键元素信息相对应的菜谱,这样,由于多个元素信息中的关键元素每天发生变化,与关键元素信息相对应的菜谱进而也每天发生变化,因此可以每天为用户推荐不同的菜谱,不再是根据一些固定数据轮番推荐相对固定的菜谱集合,使得菜谱推荐功能变得更加有趣,用户体验更佳。另外,增加日期信息、用户情绪信息和热点信息为筛选元素来影响菜谱推荐结果,使得菜谱推荐结果随日期背后的特定含义、用户当时的情绪以及实时的热点信息的不同而变化,进而使菜谱推荐结果更为智能、合理、丰富、实用且有趣。
本公开实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为执行上述用于菜谱推荐的方法。
本公开实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述用于菜谱推荐的方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质,也可以是非暂态计算机可读存储介质。
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,该计算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)执行本公开实施例所述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。本公开实施例的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。当用于本申请中时,虽然术语“第一”、“第二”等可能会在本申请中使用以描述各元件,但这些元件不应受到这些术语的限制。这些术语仅用于将一个元件与另一个元件区别开。例如,在不改变描述的含义的情况下,第一元件可以叫做第二元件,并且同样第,第二元件可以叫做第一元件,只要所有出现的“第一元件”一致重命名并且所有出现的“第二元件”一致重命名即可。第一元件和第二元件都是元件,但可以不是相同的元件。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“所述”(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,并不排除在包括所述要素的过程、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、或者计算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。所述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。所述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,所述单元的划分,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。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。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。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计算机指令的组合来实现。
Claims (10)
1.一种用于菜谱推荐的方法,其特征在于,包括:
获得多个元素信息;
确定所述多个元素信息中的关键元素信息;
获得并推荐与所述关键元素信息相对应的菜谱。
2.根据权利要求1所述的方法,其特征在于,所述多个元素信息包括日期信息、用户情绪信息和热点信息。
3.根据权利要求1或2所述的方法,其特征在于,所述确定所述多个元素信息中的关键元素信息,包括:
分别获得所述多个元素信息的评分;
在评分最高的元素信息唯一的情况下,确定评分最高的元素信息为所述关键元素信息。
4.根据权利要求3所述的方法,其特征在于,所述确定所述多个元素信息中的关键元素信息,还包括:
在评分最高的元素信息为多个的情况下,分别获得评分最高的多个元素信息的优先级;
确定评分最高的多个元素信息中优先级最高的元素信息为所述关键元素信息。
5.根据权利要求3所述的方法,其特征在于,在所述元素信息为日期信息的情况下,获得所述日期信息的评分,包括:
获得所述日期信息所属的日期类别;
根据第一预设关系,确定与所述日期类别相对应的评分为所述日期信息的评分。
6.根据权利要求3所述的方法,其特征在于,在所述元素信息为用户情绪信息的情况下,获得所述用户情绪信息的评分,包括:
获得所述用户情绪信息所属的情绪类别;
根据第二预设关系,确定与所述情绪类别相对应的评分为所述用户情绪信息的评分。
7.根据权利要求3所述的方法,其特征在于,在所述元素信息为热点信息的情况下,获得所述热点信息的评分,包括:
获得所述热点信息所属的新闻类别;
根据第三预设关系,确定与所述新闻类别相对应的评分为所述热点信息的评分。
8.根据权利要求1或2所述的方法,其特征在于,所述获得并推荐与所述关键元素信息相对应的菜谱,包括:
将所述关键元素信息发送至网络侧;
接收所述网络侧发送的基于所述关键元素所获得的菜谱列表;
向移动终端推送所述菜谱列表。
9.一种用于菜谱推荐的装置,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任一项所述的用于菜谱推荐的方法。
10.一种电子设备,其特征在于,包括如权利要求9所述的用于菜谱推荐的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010778374.1A CN112035737B (zh) | 2020-08-05 | 2020-08-05 | 用于菜谱推荐的方法及装置、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010778374.1A CN112035737B (zh) | 2020-08-05 | 2020-08-05 | 用于菜谱推荐的方法及装置、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112035737A true CN112035737A (zh) | 2020-12-04 |
CN112035737B CN112035737B (zh) | 2024-04-19 |
Family
ID=73582041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010778374.1A Active CN112035737B (zh) | 2020-08-05 | 2020-08-05 | 用于菜谱推荐的方法及装置、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112035737B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013058061A (ja) * | 2011-09-08 | 2013-03-28 | Dainippon Printing Co Ltd | 献立推薦サーバ、献立推薦システム、献立推薦方法、プログラムおよび記録媒体 |
CN104281623A (zh) * | 2013-07-12 | 2015-01-14 | 武汉好味道科技有限公司 | 在互联网上进行热门菜品预测与个性化菜品推荐的方法与系统 |
WO2017113642A1 (zh) * | 2015-12-30 | 2017-07-06 | 青岛海尔股份有限公司 | 基于食谱的信息推送方法与装置 |
CN107133488A (zh) * | 2017-06-23 | 2017-09-05 | 北京好豆网络科技有限公司 | 美食的生成方法和装置 |
CN107967329A (zh) * | 2017-11-24 | 2018-04-27 | 广东美的厨房电器制造有限公司 | 食谱推荐方法、装置、存储介质和服务器 |
CN110020100A (zh) * | 2017-08-25 | 2019-07-16 | 宁波方太厨具有限公司 | 一种基于厨电设备学习的自适应菜谱烹饪方法 |
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 |
CN110970113A (zh) * | 2018-09-30 | 2020-04-07 | 宁波方太厨具有限公司 | 基于用户情绪的智能菜谱推荐方法 |
US20200151212A1 (en) * | 2018-11-13 | 2020-05-14 | Baidu Online Network Technology (Beijing) Co., Ltd. | Music recommending method, device, terminal, and storage medium |
CN111276214A (zh) * | 2020-01-16 | 2020-06-12 | 珠海格力电器股份有限公司 | 食谱的推荐方法和装置、存储介质和电子装置 |
-
2020
- 2020-08-05 CN CN202010778374.1A patent/CN112035737B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013058061A (ja) * | 2011-09-08 | 2013-03-28 | Dainippon Printing Co Ltd | 献立推薦サーバ、献立推薦システム、献立推薦方法、プログラムおよび記録媒体 |
CN104281623A (zh) * | 2013-07-12 | 2015-01-14 | 武汉好味道科技有限公司 | 在互联网上进行热门菜品预测与个性化菜品推荐的方法与系统 |
WO2017113642A1 (zh) * | 2015-12-30 | 2017-07-06 | 青岛海尔股份有限公司 | 基于食谱的信息推送方法与装置 |
CN107133488A (zh) * | 2017-06-23 | 2017-09-05 | 北京好豆网络科技有限公司 | 美食的生成方法和装置 |
CN110020100A (zh) * | 2017-08-25 | 2019-07-16 | 宁波方太厨具有限公司 | 一种基于厨电设备学习的自适应菜谱烹饪方法 |
CN107967329A (zh) * | 2017-11-24 | 2018-04-27 | 广东美的厨房电器制造有限公司 | 食谱推荐方法、装置、存储介质和服务器 |
CN110970113A (zh) * | 2018-09-30 | 2020-04-07 | 宁波方太厨具有限公司 | 基于用户情绪的智能菜谱推荐方法 |
US20200151212A1 (en) * | 2018-11-13 | 2020-05-14 | Baidu Online Network Technology (Beijing) Co., Ltd. | Music recommending method, device, terminal, and storage medium |
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 |
CN111276214A (zh) * | 2020-01-16 | 2020-06-12 | 珠海格力电器股份有限公司 | 食谱的推荐方法和装置、存储介质和电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112035737B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108153876B (zh) | 智能问答方法及系统 | |
CN107329967B (zh) | 基于深度学习的问答系统以及方法 | |
CN104598445B (zh) | 自动问答系统和方法 | |
CN110019149A (zh) | 一种客服知识库的建立方法、装置及设备 | |
WO2019056661A1 (zh) | 一种搜索词推送方法、装置及终端 | |
CN111414479A (zh) | 基于短文本聚类技术的标签抽取方法 | |
CN110782318A (zh) | 基于音频交互的营销方法、装置以及存储介质 | |
CN102968419B (zh) | 交互式互联网实体名称的消歧方法 | |
CN111105209A (zh) | 适用于人岗匹配推荐系统的职位简历匹配方法及装置 | |
CN107025283A (zh) | 基于用户资料进行候选答案排序的回答方法及系统 | |
CN105843850A (zh) | 搜索优化方法和装置 | |
CN111309887B (zh) | 一种训练文本关键内容提取模型的方法和系统 | |
CN106056399A (zh) | 信息推送的方法及装置 | |
CN107862004A (zh) | 智能排序方法及装置、存储介质、电子设备 | |
CN107958406A (zh) | 查询数据的获取方法、装置及终端 | |
Sabu et al. | Factors influencing the adoption of ICT tools in Kerala marine fisheries sector: An analytic hierarchy process approach | |
CN105975609A (zh) | 一种工业设计产品智能推荐方法及系统 | |
CN107016122A (zh) | 基于时间迁移的知识推荐方法 | |
CN104732422A (zh) | 基于移动用户标签的个性化美食推荐方法 | |
CN112989215B (zh) | 一种基于稀疏用户行为数据的知识图谱增强的推荐系统 | |
CN113177101A (zh) | 用户轨迹识别方法、装置、设备及存储介质 | |
CN113761084B (zh) | 一种poi搜索排序模型训练方法、排序装置与方法及介质 | |
CN112035737B (zh) | 用于菜谱推荐的方法及装置、电子设备 | |
CN116150451A (zh) | 一种基于时间序列的个性化菜谱推荐方法 | |
US20220222693A1 (en) | Method of demographic information generation from name |
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 |