CN112652378B - 饮食推荐方法及装置 - Google Patents
饮食推荐方法及装置 Download PDFInfo
- Publication number
- CN112652378B CN112652378B CN202011608595.0A CN202011608595A CN112652378B CN 112652378 B CN112652378 B CN 112652378B CN 202011608595 A CN202011608595 A CN 202011608595A CN 112652378 B CN112652378 B CN 112652378B
- Authority
- CN
- China
- Prior art keywords
- food
- user
- information
- health
- dish
- 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.)
- Active
Links
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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- 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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Nutrition Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Multimedia (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及饮食推荐技术领域,具体提供了一种饮食推荐方法及装置,旨在解决如何提供个性化的饮食推荐的技术问题。为此目的,根据本发明实施例的方法,可以获取菜单图像,采用预设的文本识别模型对菜单图像进行文本识别,识别菜单图像上的每一菜品的菜品名称;根据每一菜品名称分析每一菜品的组成食物,从食物营养数据库中获取组成食物的食物属性;从用户健康档案数据库中调取一个或多个用户的健康属性;根据每一菜品中组成食物的食物属性以及一个或多个用户的健康属性输出饮食推荐信息。通过上述步骤,可以使用户获得符合用户个人体质的饮食推荐。
Description
技术领域
本发明涉及饮食推荐技术领域,具体涉及一种饮食推荐方法及装置。
背景技术
随着经济的发展和社会的进步,人们越来越关注健康饮食,由于中医具备养生、防止未病以及侧重于调理等优点,基于中医理论的饮食调理也越来越受到人们的青睐。但是,现有的基于中医理论的饮食调理方案只是宽泛的针对某一类体质的人群,而每个人的个人体质均不相同,因此,现有的基于中医理论的饮食调理方案缺乏针对个人体质的个性化指导,并且基于中医理论的个性化饮食指导需要中医师单独把脉问诊,对于仅需要饮食指导的健康人群来说成本较高,而且现代人的生活节奏比较快,主要在餐厅、食堂等场所用餐,即使人们通过各种途径获得了饮食调理方案,也无法在餐厅、食堂等用餐场所获得符合个人体质的个性化菜品组合。
相应地,本领域需要一种新的饮食推荐方案来解决上述问题。
发明内容
为了克服上述缺陷,提出了本发明,以提供解决或至少部分地解决如何提供个性化的饮食推荐的技术问题的饮食推荐方法及装置。
第一方面,提供一种饮食推荐方法,所述推荐方法包括:
获取菜单图像,采用预设的文本识别模型对所述菜单图像进行文本识别,识别所述菜单图像上的每一菜品的菜品名称;
根据每一所述菜品名称分析每一所述菜品的组成食物,从食物营养数据库中获取所述组成食物的食物属性;
从用户健康档案数据库中调取一个或多个用户的健康属性;
根据每一所述菜品中组成食物的食物属性以及一个或多个所述用户的健康属性输出饮食推荐信息。
在上述饮食推荐方法的一个技术方案中,所述食物营养数据库是通过下列方式获取得到的:
获取每个食物各自对应的食物属性;
根据每个所述食物各自对应的食物名称以及食物属性构建关于食物名称与食物属性的第一表格,以形成所述食物营养数据库;
并且/或者,
获取每个食物各自对应的食物属性;
根据每个所述食物各自对应的食物名称以及食物属性构建关于食物名称与食物属性的第一知识图谱,以形成所述食物营养数据库;
所述第一知识图谱包括所述食物名称、所述食物属性以及所述食物名称与所述食物属性之间的关系组成的三元组(E1,r1,E2),所述E1表示所述食物名称,所述E2表示所述食物属性,所述r1表示所述食物名称与所述食物属性之间的关系;
并且/或者,
获取每个食物各自对应的食物属性;
根据每个所述食物各自对应的食物属性,获取每个所述食物各自对应的食物属性向量;
根据每个所述食物各自对应的食物名称以及食物属性向量,构建关于食物名称与食物属性向量的第一嵌入式向量,以形成所述食物营养数据库;
其中,所述食物属性包括根据中医理论获取到的食物的中医属性,所述中医属性包括性、味、归经、升降浮沉、发散收敛以及功效;
并且/或者,
获取所述食物营养数据库中每一食物的食物属性;
根据所述每一食物的食物属性与所述用户的健康属性生成并输出个性化饮食建议信息。
在上述饮食推荐方法的一个技术方案中,所述用户健康档案数据库是通过下列方式获取得到的:
获取每个用户各自对应的健康属性;
根据每个所述用户各自对应的用户名称以及健康属性,构建关于用户名称与健康属性的第二表格,以形成所述用户健康档案数据库;
并且/或者,
获取每个用户各自对应的健康属性;
根据每个所述用户各自对应的用户名称以及健康属性,构建关于用户名称与健康属性的第二知识图谱,以形成所述用户健康档案数据库;
所述第二知识图谱包括所述用户名称、所述健康属性以及所述用户名称与所述健康属性之间的中医辨证关系组成的三元组(E3,r2,E4),所述E3表示所述用户名称,所述E4表示所述健康属性,所述r2表示所述用户名称与所述健康属性之间的中医辨证关系;
并且/或者,
获取每个用户各自对应的健康属性;
根据每个所述用户各自对应的健康属性,获取每个所述用户的健康属性向量;
根据每个所述用户各自对应的用户名称以及健康属性向量,构建关于用户名称与健康属性向量的第二嵌入式向量,以形成所述用户健康档案数据库。
在上述饮食推荐方法的一个技术方案中,“根据每一所述菜品中组成食物的食物属性以及一个或多个所述用户的健康属性输出饮食推荐信息”的步骤具体包括:
步骤1:根据每一所述菜品中组成食物的食物属性、用户当前所处环境的环境信息以及一个或多个所述用户的健康属性计算每一所述菜品的推荐度;或者,获取每一所述菜品的组成食物的食物属性中与所述用户的健康属性互补的食物属性的互补数量;基于预设的食物属性数量与推荐度之间的对应关系,并且根据每一所述菜品的互补数量,匹配每一所述菜品的推荐度;
步骤2:选取推荐度大于等于预设的推荐度阈值的菜品作为初始的待推荐菜品;
步骤3:按照推荐度由大至小的顺序对每一所述初始的待推荐菜品排列;
步骤4:根据排列的结果获取排列顺序小于等于预设排列阈值的初始的待推荐菜品并作为最终的待推荐菜品;
步骤5:根据所述最终的待推荐菜品输出饮食推荐信息。
在上述饮食推荐方法的一个技术方案中,“根据每一所述菜品中组成食物的食物属性、用户当前所处环境的环境信息以及一个或多个所述用户的健康属性计算每一所述菜品的推荐度”的步骤具体包括:
利用下列公式计算每一所述菜品的推荐度:
其中,所述Rt表示第t个菜品的推荐度,所述表示用户的健康属性向量;所述表示用户当前所处环境的第j个环境信息Ej的信息向量;所述M表示所述环境信息的个数,j=1,2,...,M;所述/>表示第t个菜品中第i种组成食物Fi的食物属性向量;所述mi表示第i种组成食物Fi在所述第t个菜品中的含量;所述N表示所述第t个菜品中的组成食物的种类数量,i=1,2,...,N;所述环境信息包括地理位置、季节信息和气候信息。
在上述饮食推荐方法的一个技术方案中,“获取每个用户各自对应的健康属性”的步骤具体包括:
通过人机交互装置获取用户的中医体质辩证信息、生物特征信息、饮食偏好/禁忌和身体症状;
采用中医辨证理论对每个用户的所述中医体质辩证信息、所述生物特征信息、所述饮食偏好/禁忌和所述身体症状进行分析,得到每个用户各自对应的健康属性;
其中,所述中医体质辩证信息包括中医体质分型和基于八纲辨证理论得到的用户的证候信息;所述生物特征信息包括身高、体重、体脂、心电、血压、血氧、脉博、脑电波、体电波、面部图像、舌部图像和整体图像。
在上述饮食推荐方法的一个技术方案中,所述人机交互装置包括问题库,所述问题库包括多个根据用户的生物特征信息、饮食偏好/禁忌与身体症状设置的问题,“获取用户的生物特征信息、饮食偏好/禁忌和身体症状”的步骤具体包括:
步骤S1:将所述问题库中预设的初级问题设置为当前待处理问题,并且将所述问题库中的其他问题设置为下级待处理问题;
步骤S2:输出所述当前待处理问题并且获取所述当前待处理问题的用户回答信息;
步骤S3:根据所述用户回答信息并且按照下式所示的方法计算所述下级待处理问题的被选中概率:
Pxy=AxTx,y
其中,所述Pxy表示从当前待处理问题x转移到下级待处理问题y的概率,所述Ax表示根据当前待处理问题x的用户回答信息构建的回答向量,所述Tx,y表示预设的从当前待处理问题x转移到下级待处理问题y的问题转移矩阵,所述x、y表示所述问题库中问题的序号;
步骤S4:分别判断所述下级待处理问题的被选中概率是否全部为0;若是,则转至步骤S5;若否,则转至步骤S6;
步骤S5:根据每个所述用户回答信息以及相关的问题获取用户的生物特征信息、饮食偏好/禁忌和身体症状;
步骤S6:获取所述下级待处理问题中被选中概率最大的下级待处理问题,将所述被选中概率最大的下级待处理问题设置为新的当前待处理问题,将所述问题库中的其他问题设置为新的下级待处理问题,以根据所述新的当前待处理问题和所述新的下级待处理问题执行步骤S2,随后转至步骤S2;
并且/或者,
所述人机交互装置包括自然语言模型,“获取用户的生物特征信息、饮食偏好/禁忌和身体症状”的步骤具体包括:
采用所述自然语言模型生成问题描述信息,并且通过所述人机交互装置获取所述问题描述信息对应的用户问题回答信息;并且/或者,获取所述人机交互装置接收到的用户问题描述信息,采用所述自然语言模型对所述用户问题描述信息进行文本分析,根据文本分析的结果通过所述人机交互装置输出问题回答信息;
根据所述问题描述信息及其对应的用户问题回答信息,并且/或者所述用户问题描述信息及其对应的问题回答信息,获取用户的生物特征信息、饮食偏好/禁忌和身体症状。
在上述饮食推荐方法的一个技术方案中,所述推荐方法还包括:在接收到分享指令之后,将所述饮食推荐信息和/或个性化饮食建议信息发送至预先关联的社交软件平台,以便所述社交软件平台显示所述饮食推荐信息和/或个性化饮食建议信息。
第二方面,提供一种饮食推荐装置,所述推荐装置包括:
信息获取模块,其被配置成获取菜单图像,采用预设的文本识别模型对所述菜单图像进行文本识别,识别所述菜单图像上的每一菜品的菜品名称;
属性获取模块,其被配置成根据每一所述菜品名称分析每一所述菜品的组成食物,从食物营养数据库中获取所述组成食物的食物属性;从用户健康档案数据库中调取一个或多个用户的健康属性;
饮食推荐模块,其被配置成根据每一所述菜品中组成食物的食物属性和/或一个或多个所述用户的健康属性输出饮食推荐信息。
在上述饮食推荐装置的一个技术方案中,所述属性获取模块还被配置成执行以下操作:
获取每个食物各自对应的食物属性;
根据每个所述食物各自对应的食物名称以及食物属性构建关于食物名称与食物属性的第一表格,以形成所述食物营养数据库;
并且/或者,
获取每个食物各自对应的食物属性;
根据每个所述食物各自对应的食物名称以及食物属性构建关于食物名称与食物属性的第一知识图谱,以形成所述食物营养数据库;
所述第一知识图谱包括所述食物名称、所述食物属性以及所述食物名称与所述食物属性之间的关系组成的三元组(E1,r1,E2),所述E1表示所述食物名称,所述E2表示所述食物属性,所述r1表示所述食物名称与所述食物属性之间的关系;
并且/或者,
获取每个食物各自对应的食物属性;
根据每个所述食物各自对应的食物属性,获取每个所述食物各自对应的食物属性向量;
根据每个所述食物各自对应的食物名称以及食物属性向量,构建关于食物名称与食物属性向量的第一嵌入式向量,以形成所述食物营养数据库;
其中,所述食物属性包括根据中医理论获取到的食物的中医属性,所述中医属性包括性、味、归经、升降浮沉、发散收敛以及功效;
并且/或者,
获取所述食物营养数据库中每一食物的食物属性;
根据所述每一食物的食物属性与所述用户的健康属性生成并输出个性化饮食建议信息。
在上述饮食推荐装置的一个技术方案中,所述属性获取模块还被配置成执行以下操作:
获取每个用户各自对应的健康属性;
根据每个所述用户各自对应的用户名称以及健康属性,构建关于用户名称与健康属性的第二表格,以形成所述用户健康档案数据库;
并且/或者,
获取每个用户各自对应的健康属性;
根据每个所述用户各自对应的用户名称以及健康属性,构建关于用户名称与健康属性的第二知识图谱,以形成所述用户健康档案数据库;
所述第二知识图谱包括所述用户名称、所述健康属性以及所述用户名称与所述健康属性之间的中医辨证关系组成的三元组(E3,r2,E4),所述E3表示所述用户名称,所述E4表示所述健康属性,所述r2表示所述用户名称与所述健康属性之间的中医辨证关系;
并且/或者,
获取每个用户各自对应的健康属性;
根据每个所述用户各自对应的健康属性,获取每个所述用户的健康属性向量;
根据每个所述用户各自对应的用户名称以及健康属性向量,构建关于用户名称与健康属性向量的第二嵌入式向量,以形成所述用户健康档案数据库。
在上述饮食推荐装置的一个技术方案中,所述饮食推荐模块还被配置成执行以下操作:
步骤1:根据每一所述菜品中组成食物的食物属性、用户当前所处环境的环境信息以及一个或多个所述用户的健康属性计算每一所述菜品的推荐度;或者,获取每一所述菜品的组成食物的食物属性中与所述用户的健康属性互补的食物属性的互补数量;基于预设的食物属性数量与推荐度之间的对应关系,并且根据每一所述菜品的互补数量,匹配每一所述菜品的推荐度;
步骤2:选取推荐度大于等于预设的推荐度阈值的菜品作为初始的待推荐菜品;
步骤3:按照推荐度由大至小的顺序对每一所述初始的待推荐菜品排列;
步骤4:根据排列的结果获取排列顺序小于等于预设排列阈值的初始的待推荐菜品并作为最终的待推荐菜品;
步骤5:根据所述最终的待推荐菜品输出饮食推荐信息。
在上述饮食推荐装置的一个技术方案中,所述饮食推荐模块还被配置成执行以下操作:
利用下列公式计算每一所述菜品的推荐度:
其中,所述Rt表示第t个菜品的推荐度,所述表示用户的健康属性向量;所述/>表示用户当前所处环境的第j个环境信息Ej的信息向量;所述M表示所述环境信息的个数,j=1,2,...,M;所述/>表示第t个菜品中第i种组成食物Fi的食物属性向量;所述mi表示第i种组成食物Fi在所述第t个菜品中的含量;所述N表示所述第t个菜品中的组成食物的种类数量,i=1,2,...,N;所述环境信息包括地理位置、季节信息和气候信息。
在上述饮食推荐装置的一个技术方案中,所述属性获取模块还被配置成执行以下操作:
通过人机交互装置获取用户的中医体质辩证信息、生物特征信息、饮食偏好/禁忌和身体症状;
采用中医辨证理论对每个用户的所述中医体质辩证信息、所述生物特征信息、所述饮食偏好/禁忌和所述身体症状进行分析,得到每个用户各自对应的健康属性;
其中,所述中医体质辩证信息包括中医体质分型和基于八纲辨证理论得到的用户的证候信息;所述生物特征信息包括身高、体重、体脂、心电、血压、血氧、脉博、脑电波、体电波、面部图像、舌部图像和整体图像。
在上述饮食推荐装置的一个技术方案中,所述人机交互装置包括问题库,所述问题库包括多个根据用户的生物特征信息、饮食偏好/禁忌与身体症状设置的问题,所述属性获取模块还被配置成执行以下操作:
步骤S1:将所述问题库中预设的初级问题设置为当前待处理问题,并且将所述问题库中的其他问题设置为下级待处理问题;
步骤S2:输出所述当前待处理问题并且获取所述当前待处理问题的用户回答信息;
步骤S3:根据所述用户回答信息并且按照下式所示的方法计算所述下级待处理问题的被选中概率:
Pxy=AxTx,y
其中,所述Pxy表示从当前待处理问题x转移到下级待处理问题y的概率,所述Ax表示根据当前待处理问题x的用户回答信息构建的回答向量,所述Tx,y表示预设的从当前待处理问题x转移到下级待处理问题y的问题转移矩阵,所述x、y表示所述问题库中问题的序号;
步骤S4:分别判断所述下级待处理问题的被选中概率是否全部为0;若是,则转至步骤S5;若否,则转至步骤S6;
步骤S5:根据每个所述用户回答信息以及相关的问题,获取用户的生物特征信息、饮食偏好/禁忌和身体症状;
步骤S6:获取所述下级待处理问题中被选中概率最大的下级待处理问题,将所述被选中概率最大的下级待处理问题设置为新的当前待处理问题,将所述问题库中的其他问题设置为新的下级待处理问题,以根据所述新的当前待处理问题和所述新的下级待处理问题执行步骤S2,随后转至步骤S2;
并且/或者,
所述人机交互装置包括自然语言模型,所述属性获取模块还被配置成执行以下操作:
采用所述自然语言模型生成问题描述信息,并且通过所述人机交互装置获取所述问题描述信息对应的用户问题回答信息;并且/或者,获取所述人机交互装置接收到的用户问题描述信息,采用所述自然语言模型对所述用户问题描述信息进行文本分析,根据文本分析的结果通过所述人机交互装置输出问题回答信息;
根据所述问题描述信息及其对应的用户问题回答信息,并且/或者所述用户问题描述信息及其对应的问题回答信息,获取用户的生物特征信息、饮食偏好/禁忌和身体症状。
在上述饮食推荐装置的一个技术方案中,所述饮食推荐模块还被配置成执行以下操作:
在接收到分享指令之后,将所述饮食推荐信息和/或个性化饮食建议信息发送至预先关联的社交软件平台,以便所述社交软件平台显示所述饮食推荐信息和/或个性化饮食建议信息。
本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
在实施本发明的技术方案中,通过获取菜单图像,采用预设的文本识别模型对菜单图像进行文本识别,识别菜单图像上的每一菜品的菜品名称;根据每一菜品名称分析每一菜品的组成食物,从食物营养数据库中获取组成食物的食物属性;从用户健康档案数据库中调取一个或多个用户的健康属性;根据每一菜品中组成食物的食物属性和/或一个或多个用户的健康属性输出饮食推荐信息。通过这样的设置,可以使用户获得符合用户个人体质的饮食推荐,在用户外出就餐时也能够根据菜单获取比较符合用户个人体质的个性化菜品组合,使得用户能够根据饮食推荐信息进行健康饮食,不需要寻找医生进行问诊,节省了健康饮食的成本。
附图说明
下面参照附图来描述本发明的具体实施方式,附图中:
图1是根据本发明的一个实施例的饮食推荐方法的主要步骤流程示意图;
图2是根据本发明的一个实施例的饮食推荐装置的主要结构框图。
附图标记列表:
11:信息获取模块;12:属性获取模块;13:饮食推荐模块。
具体实施方式
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
在本发明的描述中,“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路,各种合适的感应器,通信端口,存储器,也可以包括软件部分,比如程序代码,也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质,比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“A和/或B”表示所有可能的A与B的组合,比如只是A、只是B或者A和B。术语“至少一个A或B”或者“A和B中的至少一个”含义与“A和/或B”类似,可以包括只是A、只是B或者A和B。单数形式的术语“一个”、“这个”也可以包含复数形式。
这里先解释本发明涉及到的一些术语。
中医理论指的是,中医基础理论,以天人合一的叁个哲学观的整体理念与辨证论治、相似观(分形观)的循证观点为特色的中国传统医学体系的基础与核心。中医基础理论的学说主要包括分形阴阳五行学说,藏象五系统学说(心系统、肝系统、脾系统、肺系统、肾系统),五运六气学说,气血精津液神学说(气:信息-能量-物质),体质学说,病因学说,病机学说及养生学说,分形经络说等,其中以藏象学说为核心,信息-能量-物质学说为基础,全面系统地阐述了人体的生理、病理现象,并用于指导临床诊疗活动。
中医辨证理论指的是,中医中认证识证的理论学说。证是对机体在疾病发展过程中某一阶段病理反映的概括,包括病变的部位、原因、性质以及邪正关系,反映这一阶段病理变化的本质。所谓辨证,就是根据四诊(望诊、闻诊、问诊、切诊)所收集的资料,通过分析、综合,辨清疾病的病因、性质、部位,以及邪正之间的关系,概括、判断为某种性质的证。
八纲辨证指的是,根据四诊取得的材料,进行综合分析,以探求疾病的性质、病变部位、病势的轻重、机体反应的强弱、正邪双方力量的对比等情况,归纳为阴、阳、表、里、寒、热、虚、实八类证候,是中医辨证的基本方法。
中医体质分型指的是,根据中医体质学标准将人体体质分为平和质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、血瘀质、气郁质、特禀质九个类型。
现有的基于中医理论的饮食调理方案只是宽泛的针对某一类体质的人群,而每个人的个人体质均不相同,因此,现有的基于中医理论的饮食调理方案缺乏针对个人体质的个性化指导,并且基于中医理论的个性化饮食指导需要中医师单独把脉问诊,对于仅需要饮食指导的健康人群来说成本较高,而且现代人的生活节奏比较快,主要在餐厅、食堂等场所用餐,即使人们通过各种途径获得了饮食调理方案,也无法在餐厅、食堂等用餐场所获得符合个人体质的个性化菜品组合。
在本发明实施例中,可以获取菜单图像,采用预设的文本识别模型对菜单图像进行文本识别,识别菜单图像上的每一菜品的菜品名称;根据每一菜品名称分析每一菜品的组成食物,从食物营养数据库中获取组成食物的食物属性;从用户健康档案数据库中调取一个或多个用户的健康属性;根据每一菜品中组成食物的食物属性和/或一个或多个用户的健康属性输出饮食推荐信息。通过这样的设置,可以使用户获得符合用户个人体质的饮食推荐,完全克服了用户无法在餐厅、食堂等用餐场所获得符合个人体质的个性化菜品组合的缺陷,使得用户能够根据饮食推荐信息进行健康饮食,不需要寻找医生进行问诊,节省了健康饮食的成本。
在本发明的一个应用场景中,为了获得个性化的饮食推荐,某用户在手机中下载了安装了根据本发明的一个实施例的饮食推荐装置的某APP,登录该APP并输入用户个人信息,填写该APP的问题库中的问题后建立用户健康档案数据库,到某餐厅就餐时,用该APP扫描餐厅提供的菜单获取菜单图像,以便该APP能够利用这个饮食推荐装置进行饮食推荐,在饮食推荐完成后,该APP可以通过屏幕显示饮食推荐信息,或者通过语音提示饮食推荐信息。
参阅附图1,图1是根据本发明的一个实施例的饮食推荐方法的主要步骤流程示意图。如图1所示,本发明实施例中的饮食推荐方法主要包括以下步骤:
步骤S101:获取菜单图像,采用预设的文本识别模型对菜单图像进行文本识别,识别菜单图像上的每一菜品的菜品名称。
在本实施例中,预设的文本识别模型包括但不限于基于神经网络的识别模型。该预设的文本识别模型可以对菜单图像中的文本区域进行框选分割,对文本区域内的文字图像进行文字方向识别,对于扭曲的文本进行校正,识别文本区域中的文本从而获取菜单图像上的每一菜品的菜品名称。
步骤S102:根据每一菜品名称分析每一菜品的组成食物,从食物营养数据库中获取组成食物的食物属性;从用户健康档案数据库中调取一个或多个用户的健康属性。
在本实施例中,食物属性包括根据中医理论获取到的食物的中医属性,中医属性包括性(寒、凉、温、热)、味(酸、苦、甘、辛,咸)、归经(十二经络)、升降浮沉、发散收敛以及功效。
在本实施例中,可以根据预设存储的菜品名称以及每一菜品名称各自对应的组成食物的菜品信息存储库中获取每一菜品的组成食物,当然,也可以直接根据每一菜品名称分析得到每一菜品的组成食物,例如,某菜品的菜品名称是“西红柿炒鸡蛋”,那么,该菜品的组成食物包含“西红柿”和“鸡蛋”。
一个实施方式中,可以通过下列方法得到食物营养数据库:
方法一:获取每个食物各自对应的食物属性;根据每个食物各自对应的食物名称以及食物属性构建关于食物名称与食物属性的第一表格,以形成食物营养数据库。
方法二:获取每个食物各自对应的食物属性;根据每个食物各自对应的食物名称以及食物属性构建关于食物名称与食物属性的第一知识图谱,以形成食物营养数据库;第一知识图谱包括食物名称、食物属性以及食物名称与食物属性之间的关系组成的三元组(E1,r1,E2),E1表示食物名称,E2表示食物属性,r1表示食物名称与食物属性之间的关系。举一个例子:E1:山药,r1:性,E2:温。
在本实施方式中,第一知识图谱还可以包括食物属性与食物属性之间的关系组成的三元组(例如,E1:寒性,r1:相反,E2:热性);也可以包括食物名称与环境信息之间的关系组成的三元组(例如,E1:西瓜,r1:适宜,E2:夏季),或者是其他三元组,本领域技术人员可以根据实际灵活设置。
方法三:获取每个食物各自对应的食物属性;根据每个食物各自对应的食物属性,获取每个食物各自对应的食物属性向量;根据每个食物各自对应的食物名称以及食物属性向量,构建关于食物名称与食物属性向量的第一嵌入式向量,以形成食物营养数据库。在本实施方式中,中医理论认为每种食物均有其特定的偏性,在向量空间中,食物属性向量偏离原点的距离表示了食物偏离平衡的距离。
通过上述方法,就可以得到包括每个食物以及每个食物各自对应的食物属性的食物营养数据库了。
一个实施方式中,可以通过下列方法得到用户健康档案数据库:
方法一:获取每个用户各自对应的健康属性;根据每个用户各自对应的用户名称以及健康属性,构建关于用户名称与健康属性的第二表格,以形成用户健康档案数据库。
方法二:获取每个用户各自对应的健康属性;根据每个用户各自对应的用户名称以及健康属性,构建关于用户名称与健康属性的第二知识图谱,以形成用户健康档案数据库;第二知识图谱包括用户名称、健康属性以及用户名称与健康属性之间的中医辨证关系组成的三元组(E3,r2,E4),E3表示用户名称,E4表示健康属性,r2表示用户名称与健康属性之间的中医辨证关系。举一个例子:E3:张三,r2:中医辨证,E4:脾胃虚寒。
方法三:获取每个用户各自对应的健康属性;根据每个用户各自对应的健康属性,获取每个用户的健康属性向量;根据每个用户各自对应的用户名称以及健康属性向量,构建关于用户名称与健康属性向量的第二嵌入式向量,以形成用户健康档案数据库。在本实施方式中,中医理论认为人体健康是平衡的状态,在向量空间中,健康属性向量偏离原点的距离表示了人体偏离平衡的健康状态的距离。
通过上述方法,就可以得到包括每个用户以及每个用户各自对应的健康属性的用户健康档案数据库了。
一个实施方式中,在通过上述方法得到食物营养数据库和用户健康档案数据库之后,为了便于用户自主安排一日三餐,进行健康饮食,可以利用下列方法生成并输出个性化饮食建议信息:
获取食物营养数据库中每一食物的食物属性;根据每一食物的食物属性与用户的健康属性生成并输出个性化饮食建议信息。
一个实施方式中,“获取每个用户各自对应的健康属性”的步骤具体包括:通过人机交互装置获取用户的中医体质辩证信息、生物特征信息、饮食偏好/禁忌和身体症状;采用中医辨证理论对每个用户的中医体质辩证信息、生物特征信息、饮食偏好/禁忌和身体症状进行分析,得到每个用户各自对应的健康属性;其中,中医体质辩证信息包括中医体质分型和基于八纲辨证理论得到的用户的证候信息;生物特征信息包括身高、体重、体脂、心电、血压、血氧、脉博、脑电波、体电波、面部图像、舌部图像和整体图像。在本实施方式中,用户可以将通过将身体主观感觉和症状等输入人机交互装置中得到中医体质辩证信息,也可以是通过专业的中医师进行望、闻、问、切四诊合参得到中医体质辩证信息之后直接输入人机交互装置中。生物特征信息可以是用户进行体检时得到的,也可以是用户通过各种仪器测量得到的。
在一个可能的实施方式中,人机交互装置包括问题库,问题库包括多个根据用户的生物特征信息、饮食偏好/禁忌与身体症状设置的问题,“获取用户的生物特征信息、饮食偏好/禁忌和身体症状”的步骤具体包括:
步骤S1:将问题库中预设的初级问题设置为当前待处理问题,并且将问题库中的其他问题设置为下级待处理问题。
步骤S2:输出当前待处理问题并且获取当前待处理问题的用户回答信息。
步骤S3:根据用户回答信息并且按照公式(1)所示的方法计算下级待处理问题的被选中概率:
Pxy=AxTx,y (1)
其中,Pxy表示从当前待处理问题x转移到下级待处理问题y的概率,Ax表示根据当前待处理问题x的用户回答信息构建的回答向量,Tx,y表示预设的从当前待处理问题x转移到下级待处理问题y的问题转移矩阵,x、y表示问题库中问题的序号。
步骤S4:分别判断下级待处理问题的被选中概率是否全部为0;若是,则转至步骤S5;若否,则转至步骤S6。
步骤S5:根据每个用户回答信息以及相关的问题获取用户的生物特征信息、饮食偏好/禁忌和身体症状。
步骤S6:获取下级待处理问题中被选中概率最大的下级待处理问题,将被选中概率最大的下级待处理问题设置为新的当前待处理问题,将问题库中的其他问题设置为新的下级待处理问题,以根据新的当前待处理问题和新的下级待处理问题执行步骤S2,随后转至步骤S2。
在本实施方式中,通过上述步骤S1-S6模拟医生的追问模式,根据用户上一个问题的回答,动态的生成(从问题库中的其他问题中进行选择)接下来的问题,从而根据每个用户回答信息以及相关的问题获取用户的生物特征信息、饮食偏好/禁忌和身体症状。
在另一个可能的实施方式中,人机交互装置包括自然语言模型,“获取用户的生物特征信息、饮食偏好/禁忌和身体症状”的步骤具体包括:采用自然语言模型生成问题描述信息,并且通过人机交互装置获取问题描述信息对应的用户问题回答信息;并且/或者,获取人机交互装置接收到的用户问题描述信息,采用自然语言模型对用户问题描述信息进行文本分析,根据文本分析的结果通过人机交互装置输出问题回答信息;根据问题描述信息及其对应的用户问题回答信息,并且/或者用户问题描述信息及其对应的问题回答信息,获取用户的生物特征信息、饮食偏好/禁忌和身体症状。在本实施方式中,通过自然语言模型与用户进行问答互动,分析问答互动中的各种信息从而获取用户的生物特征信息、饮食偏好/禁忌和身体症状。
在本实施方式中,自然语言模型可以是预先训练好的神经网络模型,例如,可以选择BERT模型或者ERNIE模型利用大量的通用语料进行预训练得到预训练模型,使预训练模型具备通用的语言理解能力,之后,可以利用中医、美食、养生等领域的专业语料对预训练模型进行微调得到自然语言模型,使自然语言模型能够完成与用户进行交互问答这个特定任务。
步骤S103:根据每一菜品中组成食物的食物属性以及一个或多个用户的健康属性输出饮食推荐信息。
一个实施方式中,根据每一菜品中组成食物的食物属性以及一个或多个用户的健康属性输出饮食推荐信息的具体步骤包括:
步骤1:根据每一菜品中组成食物的食物属性、用户当前所处环境的环境信息以及一个或多个用户的健康属性计算每一菜品的推荐度;或者,获取每一菜品的组成食物的食物属性中与用户的健康属性互补的食物属性的互补数量;基于预设的食物属性数量与推荐度之间的对应关系,并且根据每一菜品的互补数量,匹配每一菜品的推荐度。
步骤2:选取推荐度大于等于预设的推荐度阈值的菜品作为初始的待推荐菜品。
步骤3:按照推荐度由大至小的顺序对每一初始的待推荐菜品排列。
步骤4:根据排列的结果获取排列顺序小于等于预设排列阈值的初始的待推荐菜品并作为最终的待推荐菜品。
步骤5:根据最终的待推荐菜品输出饮食推荐信息。
在本实施方式中,通过选取推荐度大于等于预设的推荐度阈值的菜品作为初始的待推荐菜品,对推荐度较低的菜品(不适合用户食用的菜品)进行初步筛选,之后再按照推荐度由大至小的顺序对每一初始的待推荐菜品排列,然后获取排列顺序小于等于预设排列阈值的初始的待推荐菜品并作为最终的待推荐菜品,可以更加精准地输出符合用户体质的饮食推荐信息,以便于用户根据输出的饮食推荐信息选择符合个人体质的菜品组合,进行健康饮食。
在本实施方式中,本领域技术人员可以根据实际灵活设置预设的推荐度阈值,例如,预设的推荐度阈值可以是0.1,也可以是0.15,或者是其他数值。本领域技术人员可以根据实际灵活设置预设排列阈值,例如,预设排列阈值可以是5,也可以是6,或者是其他数值。
需要说明的是,上述的组成食物的食物属性与用户的健康属性互补指的是中医理论中的相宜,即利用知识图谱构建数据库时,E2(食物属性)与E4(健康属性)之间的关系是相宜,例如,当用户的健康属性为寒,而组成食物的食物属性为热时,则用户的健康属性与组成食物的食物属性相宜/互补,当用户的健康属性为寒,而组成食物的食物属性为凉时,则用户的健康属性与组成食物的食物属性相忌/不互补。
在一个实施方式中,可以利用公式(2)计算每一菜品的推荐度:
其中,Rt表示第t个菜品的推荐度,表示用户的健康属性向量;/>表示用户当前所处环境的第j个环境信息Ej的信息向量;M表示环境信息的个数,j=1,2,...,M;/>表示第t个菜品中第i种组成食物Fi的食物属性向量;mi表示第i种组成食物Fi在第t个菜品中的含量;N表示第t个菜品中的组成食物的种类数量,i=1,2,...,N;环境信息包括地理位置、季节信息和气候信息。
在本实施方式中,日常所见的菜品通常含有多种组成食物,因此需要将用户的健康属性向量与组成该菜品的各个组成食物的食物属性向量按照菜品中各组成食物的含量比例加权求和,得到该菜品的总属性向量;此外,由于饮食的推荐与用户所处环境息息相关(例如,在南方的夏季,由于气候湿热,应降低羊肉等温补油腻的食物的推荐度,而在北方的冬季,由于气候干燥寒冷,应降低西瓜等寒凉食物的推荐度),因此,可以获取用户当前所处环境的各个环境信息(地理位置、季节信息、气候信息等)的信息向量并求和得到总的信息向量;根据用户的健康属性向量、总的信息向量以及菜品的总属性向量计算出该菜品的推荐度,使得菜品的推荐更加符合用户的个人体质。
通过上述步骤,就可以得到用户的饮食推荐信息和/或个性化饮食建议信息了,在现代生活中分享是不可缺少的一部分,可以通过以下步骤对用户的饮食推荐信息和/或个性化饮食建议信息进行分享:
在接收到分享指令之后,将饮食推荐信息和/或个性化饮食建议信息发送至预先关联的社交软件平台,以便社交软件平台显示饮食推荐信息和/或个性化饮食建议信息。
在本发明实施例中,通过获取菜单图像,采用预设的文本识别模型对菜单图像进行文本识别,识别菜单图像上的每一菜品的菜品名称;根据每一菜品名称分析每一菜品的组成食物,从食物营养数据库中获取组成食物的食物属性;从用户健康档案数据库中调取一个或多个用户的健康属性;根据每一菜品中组成食物的食物属性和/或一个或多个用户的健康属性输出饮食推荐信息。通过这样的设置,可以使用户获得符合用户个人体质的饮食推荐,在用户外出就餐时也能够根据菜单获取比较符合用户个人体质的个性化菜品组合,使得用户能够根据饮食推荐信息进行健康饮食,不需要寻找医生进行问诊,节省了健康饮食的成本。
需要指出的是,尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述,但是本领域技术人员可以理解,为了实现本发明的效果,不同的步骤之间并非必须按照这样的顺序执行,其可以同时(并行)执行或以其他顺序执行,这些变化都在本发明的保护范围之内。
进一步,本发明还提供了一种饮食推荐模块。
参阅附图2,图2是根据本发明的一个实施例的饮食推荐装置的主要结构框图。如图2所示,本发明实施例中的饮食推荐装置主要包括信息获取模块11、属性获取模块12和饮食推荐模块13。在一些实施例中,信息获取模块11、属性获取模块12和饮食推荐模块13中的一个或多个可以合并在一起成为一个模块。在一些实施例中,信息获取模块11可以被配置成获取菜单图像,采用预设的文本识别模型对菜单图像进行文本识别,识别菜单图像上的每一菜品的菜品名称。属性获取模块模块12可以被配置成根据每一菜品名称分析每一菜品的组成食物,从食物营养数据库中获取组成食物的食物属性;从用户健康档案数据库中调取一个或多个用户的健康属性。饮食推荐模块13可以被配置成根据每一菜品中组成食物的食物属性以及一个或多个用户的健康属性输出饮食推荐信息。一个实施方式中,具体实现功能的描述可以参见步骤S101-S103所述。
在一个实施方式中,属性获取模块12还被配置成执行以下操作:获取每个食物各自对应的食物属性;根据每个食物各自对应的食物名称以及食物属性构建关于食物名称与食物属性的第一表格,以形成食物营养数据库;并且/或者,获取每个食物各自对应的食物属性;根据每个食物各自对应的食物名称以及食物属性构建关于食物名称与食物属性的第一知识图谱,以形成食物营养数据库;第一知识图谱包括食物名称、食物属性以及食物名称与食物属性之间的关系组成的三元组(E1,r1,E2),E1表示食物名称,E2表示食物属性,r1表示食物名称与食物属性之间的关系;并且/或者,获取每个食物各自对应的食物属性;根据每个食物各自对应的食物属性,获取每个食物各自对应的食物属性向量;根据每个食物各自对应的食物名称以及食物属性向量,构建关于食物名称与食物属性向量的第一嵌入式向量,以形成食物营养数据库;其中,食物属性包括根据中医理论获取到的食物的中医属性,中医属性包括性、味、归经、升降浮沉、发散收敛以及功效;并且/或者,获取食物营养数据库中每一食物的食物属性;根据每一食物的食物属性与用户的健康属性生成并输出个性化饮食建议信息。一个实施方式中,具体实现功能的描述可以参见步骤S102所述。
在一个实施方式中,属性获取模块12还被配置成执行以下操作:获取每个用户各自对应的健康属性;根据每个用户各自对应的用户名称以及健康属性,构建关于用户名称与健康属性的第二表格,以形成用户健康档案数据库;并且/或者,获取每个用户各自对应的健康属性;根据每个用户各自对应的用户名称以及健康属性,构建关于用户名称与健康属性的第二知识图谱,以形成用户健康档案数据库;第二知识图谱包括用户名称、健康属性以及用户名称与健康属性之间的中医辨证关系组成的三元组(E3,r2,E4),E3表示用户名称,E4表示健康属性,r2表示用户名称与健康属性之间的中医辨证关系;并且/或者,获取每个用户各自对应的健康属性;根据每个用户各自对应的健康属性,获取每个用户的健康属性向量;根据每个用户各自对应的用户名称以及健康属性向量,构建关于用户名称与健康属性向量的第二嵌入式向量,以形成用户健康档案数据库。一个实施方式中,具体实现功能的描述可以参见步骤S102所述。
在一个实施方式中,属性获取模块12还被配置成执行以下操作:通过人机交互装置获取用户的中医体质辩证信息、生物特征信息、饮食偏好/禁忌和身体症状;采用中医辨证理论对每个用户的中医体质辩证信息、生物特征信息、饮食偏好/禁忌和身体症状进行分析,得到每个用户各自对应的健康属性;其中,中医体质辩证信息包括中医体质分型和基于八纲辨证理论得到的用户的证候信息;生物特征信息包括身高、体重、体脂、心电、血压、血氧、脉博、脑电波、体电波、面部图像、舌部图像和整体图像。一个实施方式中,具体实现功能的描述可以参见步骤S102所述。
在一个实施方式中,人机交互装置包括问题库,问题库包括多个根据用户的生物特征信息、饮食偏好/禁忌与身体症状设置的问题,属性获取模块12还被配置成执行以下操作:步骤S1:将问题库中预设的初级问题设置为当前待处理问题,并且将问题库中的其他问题设置为下级待处理问题;步骤S2:输出当前待处理问题并且获取当前待处理问题的用户回答信息;步骤S3:根据用户回答信息并且按照公式(1)所示的方法计算下级待处理问题的被选中概率;步骤S4:分别判断下级待处理问题的被选中概率是否全部为0;若是,则转至步骤S5;若否,则转至步骤S6;步骤S5:根据每个用户回答信息以及相关的问题,获取用户的生物特征信息、饮食偏好/禁忌和身体症状;步骤S6:获取下级待处理问题中被选中概率最大的下级待处理问题,将被选中概率最大的下级待处理问题设置为新的当前待处理问题,将问题库中的其他问题设置为新的下级待处理问题,以根据新的当前待处理问题和新的下级待处理问题执行步骤S2,随后转至步骤S2;并且/或者,人机交互装置包括自然语言模型,属性获取模块12还被配置成执行以下操作:采用自然语言模型生成问题描述信息,并且通过人机交互装置获取问题描述信息对应的用户问题回答信息;并且/或者,获取人机交互装置接收到的用户问题描述信息,采用自然语言模型对用户问题描述信息进行文本分析,根据文本分析的结果通过人机交互装置输出问题回答信息;根据问题描述信息及其对应的用户问题回答信息,并且/或者用户问题描述信息及其对应的问题回答信息,获取用户的生物特征信息、饮食偏好/禁忌和身体症状。一个实施方式中,具体实现功能的描述可以参见步骤S102所述。
在一个实施方式中,饮食推荐模块13还被配置成执行以下操作:步骤1:根据每一菜品中组成食物的食物属性、用户当前所处环境的环境信息以及一个或多个用户的健康属性计算每一菜品的推荐度;或者,获取每一菜品的组成食物的食物属性中与用户的健康属性互补的食物属性的互补数量;基于预设的食物属性数量与推荐度之间的对应关系,并且根据每一菜品的互补数量,匹配每一菜品的推荐度;步骤2:选取推荐度大于等于预设的推荐度阈值的菜品作为初始的待推荐菜品;步骤3:按照推荐度由大至小的顺序对每一初始的待推荐菜品排列;步骤4:根据排列的结果获取排列顺序小于等于预设排列阈值的初始的待推荐菜品并作为最终的待推荐菜品;步骤5:根据最终的待推荐菜品输出饮食推荐信息。一个实施方式中,具体实现功能的描述可以参见步骤S103所述。
在一个实施方式中,饮食推荐模块13还被配置成执行以下操作:利用公式(2)计算每一菜品的推荐度。一个实施方式中,具体实现功能的描述可以参见步骤S103所述。
在一个实施方式中,饮食推荐模块13还被配置成执行以下操作:在接收到分享指令之后,将饮食推荐信息和/或个性化饮食建议信息发送至预先关联的社交软件平台,以便社交软件平台显示饮食推荐信息和/或个性化饮食建议信息。一个实施方式中,具体实现功能的描述可以参见步骤S103所述。
上述饮食推荐模块以用于执行图1所示的饮食推荐方法实施例,两者的技术原理、所解决的技术问题及产生的技术效果相似,本技术领域技术人员可以清楚地了解到,为了描述的方便和简洁,饮食推荐模块的具体工作过程及有关说明,可以参考饮食推荐方法的实施例所描述的内容,此处不再赘述。
本领域技术人员能够理解的是,本发明实现上述一实施例的方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
进一步,应该理解的是,由于各个模块的设定仅仅是为了说明本发明的装置的功能单元,这些模块对应的物理器件可以是处理器本身,或者处理器中软件的一部分,硬件的一部分,或者软件和硬件结合的一部分。因此,图中的各个模块的数量仅仅是示意性的。
本领域技术人员能够理解的是,可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理,因此,拆分或合并之后的技术方案都将落入本发明的保护范围内。
至此,已经结合附图所示的一个实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种饮食推荐方法,其特征在于,所述推荐方法包括:
获取菜单图像,采用预设的文本识别模型对所述菜单图像进行文本识别,识别所述菜单图像上的每一菜品的菜品名称;
根据每一所述菜品名称分析每一所述菜品的组成食物,从食物营养数据库中获取所述组成食物的食物属性;
从用户健康档案数据库中调取一个或多个用户的健康属性;
根据每一所述菜品中组成食物的食物属性以及一个或多个所述用户的健康属性输出饮食推荐信息;
“根据每一所述菜品中组成食物的食物属性以及一个或多个所述用户的健康属性输出饮食推荐信息”的步骤具体包括:
步骤1,获取每一所述菜品的推荐度;
“获取每一所述菜品的推荐度”的具体步骤包括:
根据每一所述菜品中组成食物的食物属性、用户当前所处环境的环境信息以及一个或多个所述用户的健康属性计算每一所述菜品的推荐度;
其中,“根据每一所述菜品中组成食物的食物属性、用户当前所处环境的环境信息以及一个或多个所述用户的健康属性计算每一所述菜品的推荐度”的步骤具体包括:
利用下列公式计算每一所述菜品的推荐度:
其中,所述Rt表示第t个菜品的推荐度,所述表示用户的健康属性向量,所述健康属性向量偏离原点的距离表示人体偏离平衡的健康状态的距离;所述/>表示用户当前所处环境的第j个环境信息Ej的信息向量;所述M表示所述环境信息的个数,j=1,2,...,M;所述表示第t个菜品中第i种组成食物Fi的食物属性向量,所述食物属性向量偏离原点的距离表示食物偏离平衡的距离;所述mi表示第i种组成食物Fi在所述第t个菜品中的含量;所述N表示所述第t个菜品中的组成食物的种类数量,i=1,2,...,N;所述环境信息包括地理位置、季节信息和气候信息;
所述食物营养数据库的获取方式包括:
获取每个食物各自对应的所述食物属性;
根据每个所述食物各自对应的所述食物属性,获取每个所述食物各自对应的所述食物属性向量;
根据每个所述食物各自对应的食物名称以及所述食物属性向量,构建关于所述食物名称与所述食物属性向量的第一嵌入式向量,以形成所述食物营养数据库;
其中,所述食物属性包括根据中医理论获取到的食物的中医属性,所述中医属性包括性、味、归经、升降浮沉、发散收敛以及功效;
所述用户健康档案数据库的获取方式包括:
获取每个用户各自对应的所述健康属性;
根据每个所述用户各自对应的所述健康属性,获取每个所述用户的所述健康属性向量;
根据每个所述用户各自对应的用户名称以及所述健康属性向量,构建关于所述用户名称与所述健康属性向量的第二嵌入式向量,以形成所述用户健康档案数据库;
“获取每个用户各自对应的所述健康属性”的步骤具体包括:
通过人机交互装置获取用户的中医体质辩证信息、生物特征信息、饮食偏好/禁忌和身体症状;
采用中医辨证理论对每个用户的所述中医体质辩证信息、所述生物特征信息、所述饮食偏好/禁忌和所述身体症状进行分析,得到每个用户各自对应的健康属性;
其中,所述中医体质辩证信息包括中医体质分型和基于八纲辨证理论得到的用户的证候信息。
2.根据权利要求1所述的饮食推荐方法,其特征在于,“根据每一所述菜品中组成食物的食物属性以及一个或多个所述用户的健康属性输出饮食推荐信息”的步骤具体在“步骤1,获取每一所述菜品的推荐度”之后还包括:
步骤2:选取推荐度大于等于预设的推荐度阈值的菜品作为初始的待推荐菜品;
步骤3:按照推荐度由大至小的顺序对每一所述初始的待推荐菜品排列;
步骤4:根据排列的结果获取排列顺序小于等于预设排列阈值的初始的待推荐菜品并作为最终的待推荐菜品;
步骤5:根据所述最终的待推荐菜品输出饮食推荐信息。
3.根据权利要求1所述的饮食推荐方法,其特征在于,所述生物特征信息包括身高、体重、体脂、心电、血压、血氧、脉博、脑电波、体电波、面部图像、舌部图像和整体图像。
4.根据权利要求3所述的饮食推荐方法,其特征在于,所述人机交互装置包括问题库,所述问题库包括多个根据用户的生物特征信息、饮食偏好/禁忌与身体症状设置的问题,“获取用户的生物特征信息、饮食偏好/禁忌和身体症状”的步骤具体包括:
步骤S1:将所述问题库中预设的初级问题设置为当前待处理问题,并且将所述问题库中的其他问题设置为下级待处理问题;
步骤S2:输出所述当前待处理问题并且获取所述当前待处理问题的用户回答信息;
步骤S3:根据所述用户回答信息并且按照下式所示的方法计算所述下级待处理问题的被选中概率:
Pxy=AxTx,y
其中,所述Pxy表示从当前待处理问题x转移到下级待处理问题y的概率,所述Ax表示根据当前待处理问题x的用户回答信息构建的回答向量,所述Tx,y表示预设的从当前待处理问题x转移到下级待处理问题y的问题转移矩阵,所述x、y表示所述问题库中问题的序号;
步骤S4:分别判断所述下级待处理问题的被选中概率是否全部为0;若是,则转至步骤S5;若否,则转至步骤S6;
步骤S5:根据每个所述用户回答信息以及相关的问题获取用户的生物特征信息、饮食偏好/禁忌和身体症状;
步骤S6:获取所述下级待处理问题中被选中概率最大的下级待处理问题,将所述被选中概率最大的下级待处理问题设置为新的当前待处理问题,将所述问题库中的其他问题设置为新的下级待处理问题,以根据所述新的当前待处理问题和所述新的下级待处理问题执行步骤S2,随后转至步骤S2;
并且/或者,
所述人机交互装置包括自然语言模型,“获取用户的生物特征信息、饮食偏好/禁忌和身体症状”的步骤具体包括:
采用所述自然语言模型生成问题描述信息,并且通过所述人机交互装置获取所述问题描述信息对应的用户问题回答信息;并且/或者,获取所述人机交互装置接收到的用户问题描述信息,采用所述自然语言模型对所述用户问题描述信息进行文本分析,根据文本分析的结果通过所述人机交互装置输出问题回答信息;
根据所述问题描述信息及其对应的用户问题回答信息,并且/或者所述用户问题描述信息及其对应的问题回答信息,获取用户的生物特征信息、饮食偏好/禁忌和身体症状。
5.根据权利要求1-4中任一项所述的饮食推荐方法,其特征在于,所述推荐方法还包括:
在接收到分享指令之后,将所述饮食推荐信息和/或个性化饮食建议信息发送至预先关联的社交软件平台,以便所述社交软件平台显示所述饮食推荐信息和/或个性化饮食建议信息。
6.一种饮食推荐装置,其特征在于,所述推荐装置包括:
信息获取模块,其被配置成获取菜单图像,采用预设的文本识别模型对所述菜单图像进行文本识别,识别所述菜单图像上的每一菜品的菜品名称;
属性获取模块,其被配置成根据每一所述菜品名称分析每一所述菜品的组成食物,从食物营养数据库中获取所述组成食物的食物属性;从用户健康档案数据库中调取一个或多个用户的健康属性;
所述属性获取模块还被配置成执行以下操作:
获取每个食物各自对应的所述食物属性;
根据每个所述食物各自对应的所述食物属性,获取每个所述食物各自对应的食物属性向量;
根据每个所述食物各自对应的食物名称以及所述食物属性向量,构建关于所述食物名称与所述食物属性向量的第一嵌入式向量,以形成所述食物营养数据库;
其中,所述食物属性包括根据中医理论获取到的食物的中医属性,所述中医属性包括性、味、归经、升降浮沉、发散收敛以及功效;
所述属性获取模块还被配置成执行以下操作:
获取每个用户各自对应的所述健康属性;
根据每个所述用户各自对应的所述健康属性,获取每个所述用户的健康属性向量;
根据每个所述用户各自对应的用户名称以及所述健康属性向量,构建关于所述用户名称与所述健康属性向量的第二嵌入式向量,以形成所述用户健康档案数据库;
“获取每个用户各自对应的所述健康属性”的步骤具体包括:
通过人机交互装置获取用户的中医体质辩证信息、生物特征信息、饮食偏好/禁忌和身体症状;
采用中医辨证理论对每个用户的所述中医体质辩证信息、所述生物特征信息、所述饮食偏好/禁忌和所述身体症状进行分析,得到每个用户各自对应的健康属性;
其中,所述中医体质辩证信息包括中医体质分型和基于八纲辨证理论得到的用户的证候信息;
饮食推荐模块,其被配置成根据每一所述菜品中组成食物的食物属性以及一个或多个所述用户的健康属性输出饮食推荐信息;
所述饮食推荐模块还被配置成执行以下操作:
步骤1,获取每一所述菜品的推荐度;
“获取每一所述菜品的推荐度”的具体步骤包括:
根据每一所述菜品中组成食物的食物属性、用户当前所处环境的环境信息以及一个或多个所述用户的健康属性计算每一所述菜品的推荐度;
其中,“根据每一所述菜品中组成食物的食物属性、用户当前所处环境的环境信息以及一个或多个所述用户的健康属性计算每一所述菜品的推荐度”的步骤具体包括:
利用下列公式计算每一所述菜品的推荐度:
其中,所述Rt表示第t个菜品的推荐度,所述表示用户的健康属性向量,所述健康属性向量偏离原点的距离表示人体偏离平衡的健康状态的距离;所述/>表示用户当前所处环境的第j个环境信息Ej的信息向量;所述M表示所述环境信息的个数,j=1,2,...,M;所述表示第t个菜品中第i种组成食物Fi的食物属性向量,所述食物属性向量偏离原点的距离表示食物偏离平衡的距离;所述mi表示第i种组成食物Fi在所述第t个菜品中的含量;所述N表示所述第t个菜品中的组成食物的种类数量,i=1,2,...,N;所述环境信息包括地理位置、季节信息和气候信息。
7.根据权利要求6所述的饮食推荐装置,其特征在于,所述饮食推荐模块在执行完“步骤1,获取每一所述菜品的推荐度”之后还被配置成执行以下操作:
步骤2:选取推荐度大于等于预设的推荐度阈值的菜品作为初始的待推荐菜品;
步骤3:按照推荐度由大至小的顺序对每一所述初始的待推荐菜品排列;
步骤4:根据排列的结果获取排列顺序小于等于预设排列阈值的初始的待推荐菜品并作为最终的待推荐菜品;
步骤5:根据所述最终的待推荐菜品输出饮食推荐信息。
8.根据权利要求6所述的饮食推荐装置,其特征在于,所述属性获取模块获取的所述生物特征信息包括身高、体重、体脂、心电、血压、血氧、脉博、脑电波、体电波、面部图像、舌部图像和整体图像。
9.根据权利要求8所述的饮食推荐装置,其特征在于,所述人机交互装置包括问题库,所述问题库包括多个根据用户的生物特征信息、饮食偏好/禁忌与身体症状设置的问题,所述属性获取模块还被配置成执行以下操作:
步骤S1:将所述问题库中预设的初级问题设置为当前待处理问题,并且将所述问题库中的其他问题设置为下级待处理问题;
步骤S2:输出所述当前待处理问题并且获取所述当前待处理问题的用户回答信息;
步骤S3:根据所述用户回答信息并且按照下式所示的方法计算所述下级待处理问题的被选中概率:
Pxy=AxTx,y
其中,所述Pxy表示从当前待处理问题x转移到下级待处理问题y的概率,所述Ax表示根据当前待处理问题x的用户回答信息构建的回答向量,所述Tx,y表示预设的从当前待处理问题x转移到下级待处理问题y的问题转移矩阵,所述x、y表示所述问题库中问题的序号;
步骤S4:分别判断所述下级待处理问题的被选中概率是否全部为0;若是,则转至步骤S5;若否,则转至步骤S6;
步骤S5:根据每个所述用户回答信息以及相关的问题,获取用户的生物特征信息、饮食偏好/禁忌和身体症状;
步骤S6:获取所述下级待处理问题中被选中概率最大的下级待处理问题,将所述被选中概率最大的下级待处理问题设置为新的当前待处理问题,将所述问题库中的其他问题设置为新的下级待处理问题,以根据所述新的当前待处理问题和所述新的下级待处理问题执行步骤S2,随后转至步骤S2;
并且/或者,
所述人机交互装置包括自然语言模型,所述属性获取模块还被配置成执行以下操作:
采用所述自然语言模型生成问题描述信息,并且通过所述人机交互装置获取所述问题描述信息对应的用户问题回答信息;并且/或者,获取所述人机交互装置接收到的用户问题描述信息,采用所述自然语言模型对所述用户问题描述信息进行文本分析,根据文本分析的结果通过所述人机交互装置输出问题回答信息;
根据所述问题描述信息及其对应的用户问题回答信息,并且/或者所述用户问题描述信息及其对应的问题回答信息,获取用户的生物特征信息、饮食偏好/禁忌和身体症状。
10.根据权利要求6-9中任一项所述的饮食推荐装置,其特征在于,所述饮食推荐模块还被配置成执行以下操作:
在接收到分享指令之后,将所述饮食推荐信息和/或个性化饮食建议信息发送至预先关联的社交软件平台,以便所述社交软件平台显示所述饮食推荐信息和/或个性化饮食建议信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011608595.0A CN112652378B (zh) | 2020-12-30 | 2020-12-30 | 饮食推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011608595.0A CN112652378B (zh) | 2020-12-30 | 2020-12-30 | 饮食推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112652378A CN112652378A (zh) | 2021-04-13 |
CN112652378B true CN112652378B (zh) | 2023-08-08 |
Family
ID=75364256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011608595.0A Active CN112652378B (zh) | 2020-12-30 | 2020-12-30 | 饮食推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112652378B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114783567A (zh) * | 2022-03-23 | 2022-07-22 | 清华大学 | 菜单推送方法、装置、电子设备及存储介质 |
CN117198465B (zh) * | 2023-09-01 | 2024-03-29 | 广州捷蜂网络科技有限公司 | 一种中西医营养健康量化咨询方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109285597A (zh) * | 2018-10-08 | 2019-01-29 | 北京健康有益科技有限公司 | 一种食疗食谱推荐方法、装置和可读介质 |
CN109346153A (zh) * | 2018-08-31 | 2019-02-15 | 北京唐冠天朗科技开发有限公司 | 一种数字化就餐系统和方法 |
CN109448817A (zh) * | 2018-09-28 | 2019-03-08 | 小伍健康科技(上海)有限责任公司 | 一种基于深度神经网络的食谱推荐方法及设备 |
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 |
CN109887574A (zh) * | 2019-01-31 | 2019-06-14 | 广州市格利网络技术有限公司 | 基于食材识别的食养食疗指导方法及装置 |
CN111125533A (zh) * | 2019-12-26 | 2020-05-08 | 珠海格力电器股份有限公司 | 菜谱推荐方法和装置、计算机可读存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106653019B (zh) * | 2016-12-07 | 2019-11-15 | 华南理工大学 | 一种基于用户注册信息的人机对话控制方法及系统 |
CN109378050A (zh) * | 2018-08-14 | 2019-02-22 | 上海常仁信息科技有限公司 | 一种基于菜品识别的健康菜品推荐系统和方法 |
CN109461490A (zh) * | 2018-09-13 | 2019-03-12 | 北京辰森世纪科技股份有限公司 | 健康饮食数据的处理方法、装置及系统 |
CN110135957A (zh) * | 2019-05-20 | 2019-08-16 | 梁志鹏 | 一种智能餐厅健康饮食的菜品推荐方法、装置及存储介质 |
CN110910988A (zh) * | 2019-12-06 | 2020-03-24 | 中新智擎科技有限公司 | 一种饮食推荐方法、装置及其设备 |
CN111159539B (zh) * | 2019-12-09 | 2023-09-22 | 中国科学院计算技术研究所 | 基于多模态信息关联分析的食物推荐方法和系统 |
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 |
CN111863194A (zh) * | 2020-07-23 | 2020-10-30 | 深圳市伊欧乐科技有限公司 | 一种饮食信息的展示方法、装置、设备及存储介质 |
-
2020
- 2020-12-30 CN CN202011608595.0A patent/CN112652378B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109346153A (zh) * | 2018-08-31 | 2019-02-15 | 北京唐冠天朗科技开发有限公司 | 一种数字化就餐系统和方法 |
CN109448817A (zh) * | 2018-09-28 | 2019-03-08 | 小伍健康科技(上海)有限责任公司 | 一种基于深度神经网络的食谱推荐方法及设备 |
CN109285597A (zh) * | 2018-10-08 | 2019-01-29 | 北京健康有益科技有限公司 | 一种食疗食谱推荐方法、装置和可读介质 |
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 |
CN109887574A (zh) * | 2019-01-31 | 2019-06-14 | 广州市格利网络技术有限公司 | 基于食材识别的食养食疗指导方法及装置 |
CN111125533A (zh) * | 2019-12-26 | 2020-05-08 | 珠海格力电器股份有限公司 | 菜谱推荐方法和装置、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112652378A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bilder et al. | Neuropsychological tests of the future: How do we get there from here? | |
Ramírez et al. | Information seeking from media and family/friends increases the likelihood of engaging in healthy lifestyle behaviors | |
Håman et al. | Orthorexia nervosa: An integrative literature review of a lifestyle syndrome | |
Christensen et al. | The Danish national health survey 2010. Study design and respondent characteristics | |
Broderstad et al. | The second clinical survey of the population-based study on health and living conditions in regions with Sami and Norwegian populations–the SAMINOR 2 Clinical Survey: Performing indigenous health research in a multiethnic landscape | |
CN112652378B (zh) | 饮食推荐方法及装置 | |
US20200321114A1 (en) | Methods and systems for self-fulfillment of an alimentary instruction set based on vibrant constitutional guidance | |
US11205140B2 (en) | Methods and systems for self-fulfillment of an alimentary instruction set based on vibrant constitutional guidance | |
US20090187420A1 (en) | Methods and Systems for Providing Individualized Wellness Profiles | |
Swiatkowski | Magazine influence on body dissatisfaction: Fashion vs. health? | |
Wang et al. | mHealth interventions to promote a healthy diet and physical activity among cancer survivors: a systematic review of randomized controlled trials | |
Farmer et al. | Cooking frequency and perception of diet among US adults are associated with us healthy and healthy mediterranean-style dietary related classes: a latent class profile analysis | |
Maino Vieytes et al. | Empirical dietary patterns associated with food insecurity in US cancer survivors: NHANES 1999–2018 | |
Tian et al. | Performance evaluation of regression splines for propensity score adjustment in post-market safety analysis with multiple treatments | |
Chowdhury et al. | Scientific racism attitudes among diverse undergraduate pre–health professions students | |
Rohloff et al. | Adults’ Experiences with Type 2 Diabetes in Rural Guatemala: A Qualitative Study | |
Blendon | Public health versus personal medical care: the dilemma of post-Mao China. | |
Higgins | Produce prescription programs, bodily norms, and federal nutrition policy | |
Sampaio et al. | Biases in long-term location memory in the real world | |
Soh et al. | Nutrition knowledge in young women with eating disorders in Australia and Singapore: A pilot study | |
Wood et al. | The changing pattern of transmission and clinical presentation of HIV infection in the Western Cape region of South Africa (1984-1995). | |
Nguyen et al. | Training Performance Indications for Amateur Athletes Based on Nutrition and Activity Lifelogs | |
Loo XiuLing [Loo et al. | Associations between maternal vitamin D levels during pregnancy and allergic outcomes in the offspring in the first 5 years of life. | |
Suzana Shahar et al. | Factors associated with poor socioeconomic status among Malaysian older adults: an analysis according to urban and rural settings. | |
Hedashi et al. | Developing a promotional model for middle-aged leisure in Iran with sports in sports activities. |
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 |