CN112786154A - 食谱推荐方法、装置、电子设备和存储介质 - Google Patents

食谱推荐方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112786154A
CN112786154A CN202110065106.XA CN202110065106A CN112786154A CN 112786154 A CN112786154 A CN 112786154A CN 202110065106 A CN202110065106 A CN 202110065106A CN 112786154 A CN112786154 A CN 112786154A
Authority
CN
China
Prior art keywords
food
candidate
recipe
weight
user
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.)
Pending
Application number
CN202110065106.XA
Other languages
English (en)
Inventor
张露
张振中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BOE Technology Group Co Ltd
Original Assignee
BOE Technology Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BOE Technology Group Co Ltd filed Critical BOE Technology Group Co Ltd
Priority to CN202110065106.XA priority Critical patent/CN112786154A/zh
Publication of CN112786154A publication Critical patent/CN112786154A/zh
Priority to US17/452,934 priority patent/US20220230730A1/en
Pending legal-status Critical Current

Links

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4866—Evaluating metabolism
    • 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
    • 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
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Nutrition Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Obesity (AREA)
  • Theoretical Computer Science (AREA)
  • Physical Education & Sports Medicine (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本申请公开了一种食谱推荐方法、装置、电子设备和存储介质，方法包括：获取用户的基本信息、运动信息和健康信息；根据所述基本信息和运动信息，获取所述用户的能量需求；根据所述健康信息，获取候选食物；根据所述候选食物，生成候选食谱；根据所述能量需求，获取所述候选食谱中每个候选食物的重量，并基于所述重量和所述候选食谱生成目标推荐食谱，以为用户提供更精细化的推荐食谱。

Description

食谱推荐方法、装置、电子设备和存储介质
技术领域
本公开一般涉及食谱推荐技术领域，尤其涉及一种食谱推荐方法、装置、电子设备和存储介质。
背景技术
随着人们生活水平的逐渐提高，健康饮食成为人们饮食方面的一大主题。相关技术中，通常基于用户的情绪进行食谱推荐，仅符合了用户的口味偏好、情绪状态等。在越来越高的用户需求下，推荐的食谱存在局限性，例如，无法对用户个性化的食谱做精准推荐，严重影响用户对推荐食谱的满意度，因此，需要改进。
发明内容
鉴于现有技术中的上述缺陷或不足，期望提供一种食谱推荐方法、装置、电子设备和存储介质，以为用户提供更精细化的推荐食谱。
本公开的一些实施方式提供一种食谱推荐方法，包括：
获取用户的基本信息、运动信息和健康信息；
根据所述基本信息和所述运动信息，获取所述用户的能量需求；
根据所述健康信息，获取候选食物；
根据所述候选食物，生成候选食谱；
根据所述能量需求，获取所述候选食谱中每个候选食物的重量，并基于所述重量和所述候选食谱生成目标推荐食谱。
在一些实施例中，所述运动信息包括所述用户在预设时间段内的运动量等级，所述根据所述基本信息和所述运动信息，获取所述用户的能量需求，包括：
根据所述基本信息，获取所述用户的基础代谢率；
根据所述预设时间段内的运动量等级和预存的所述运动量等级与身体活动水平系数之间的映射关系，获取所述运动量等级对应的所述身体活动水平系数；
根据所述基础代谢率和所述身体活动水平系数，获取所述用户的能量需求。
在一些实施例中，所述基本信息包括所述用户的个性特征参数，所述个性特征参数包括所述用户的口味偏好食物，根据所述健康信息，获取候选食物，包括；
获取食物的营养声称；
根据所述健康信息和所述食物的营养声称，获取初始候选食物；
针对每个所述初始候选食物，计算所述初始候选食物与所述口味偏好食物的相似度；
将所述相似度最高的M个所述初始候选食物作为所述候选食物，其中M为大于等于1的自然数。
在一些实施例中，所述个性特征参数还包括所述用户的忌口食物，所述针对每个所述初始候选食物，计算所述初始候选食物与所述口味偏好食物的相似度之前，还包括：
根据所述忌口食物对所述初始候选食物进行过滤，得到过滤后的所述初始候选食物。
在一些实施例中，所述获取食物的营养声称，包括：
获取包含每种食材及其营养声称的食材库，所述食材对应至少一种营养声称，所述营养声称包括可量化营养声称和不可量化营养声称；
获取任一所述食物对应的食材列表和所述食材列表中每种食材对应的重量；
根据所述每种食材对应的重量，确定所述食物中的主要食材和辅料食材在所述食物中的重量占比；
判断所述辅料食材在所述食物中的重量占比是否大于预设阈值；
如果是，则获取所述辅料食材对应的可量化营养声称，并将所述主要食材对应的营养声称和所述辅料食材对应的可量化营养声称作为所述食物的营养声称；
如果否，则将所述主要食材的营养声称作为所述食物的营养声称。
在一些实施例中，根据所述初始候选食物对应的主要食材信息、烹饪方法和营养声称，采用如下公式计算所述初始候选食物与所述口味偏好食物的相似度：
Similarity＝Sim主要食材+Sim烹饪方法+Sim营养声称
其中，Similarity为所述初始候选食物与所述口味偏好食物的相似度值，Sim主要食材为所述初始候选食物对应的主要食材信息与所述口味偏好食物对应的所述主要食材信息之间的相似度，Sim烹饪方法为所述初始食物对应的烹饪方法与所述口味偏好食物对应的所述烹饪方法之间的相似度，Sim营养声称为所述初始食物对应的营养声称与所述口味偏好食物对应的所述营养声称之间的相似度。
在一些实施例中，所述根据所述候选食物，生成候选食谱，包括：
获取与所述用户对应的预设食谱组合策略，所述预设食谱组合策略包括所述用户三餐候选食谱包含的食物类型；
获取待推荐的所述候选食物对应的三餐类型；
根据所述预设食谱组合策略、所述三餐类型和所述候选食物，生成候选食谱。
在一些实施例中，所述三餐之间具有提供一日总需求能量的供能占比，所述根据所述能量需求，获取所述候选食谱中每个候选食物的重量，包括：
根据所述能量需求和所述供能占比，确定所述候选食谱的供能需求；
根据所述供能需求和所述候选食谱中的每个候选食物，构建所述候选食物的营养素重量方程；
对所述营养素重量方程进行求解，得到每个候选食物的重量，并基于所述重量和所述候选食谱生成目标推荐食谱。
在一些实施例中，所述营养素重量方程为：
Figure BDA0002903811550000031
其中，m为候选食物的个数，xm为第m个食物的重量，fatm为单位重量第m个食物所含脂肪的重量，proteinm为单位重量第m个食物所含蛋白质的重量，carbohydratem为单位重量第m个食物所含碳水化合物的重量，n为三餐中的任意一餐。
在一些实施例中，所述对所述营养素重量方程进行求解，得到每个候选食物的重量，包括：
在所述候选食谱中所述候选食物的数量大于预设数量时，利用粒子群算法，对所述营养素重量方程进行求解，获取预设数量的候选重量组合，其中，所述候选重量组合为所述候选食谱中每个食物的重量集合；
获取每个所述候选重量组合的营养差异参数；
将所述营养差异参数最小的所述候选重量组合作为目标重量组合；
根据所述候选食谱和所述目标重量组合，生成所述目标推荐食谱。
在一些实施例中，采用如下公式获取每个所述候选重量组合的营养差异参数：
Figure BDA0002903811550000041
其中，
Figure BDA0002903811550000042
为候选食谱中各候选食物提供的脂肪重量的总和，
Figure BDA0002903811550000043
为候选食谱中各候选食物提供的蛋白质重量的总和，
Figure BDA0002903811550000044
为候选食谱中各候选食物提供的碳水化合物重量的总和。
在一些实施例中，所述获取用户的基本信息、运动信息和健康信息，包括：
调用基本信息的编辑界面，所述编辑界面上包括所述基本信息的采集控件；
对所述采集控件进行监控，获取所述用户的基本信息；
与至少一个业务平台进行通信，接收所述至少一个业务平台发送的所述用户的运动信息和/或所述健康信息。
本公开的一些实施方式提供一种食谱推荐装置，包括：
第一获取模块，用于获取用户的基本信息、运动信息和健康信息；
第二获取模块，用于根据所述基本信息和所述运动信息，获取所述用户的能量需求；
第三获取模块，用于根据所述健康信息，获取候选食物；
第一生成模块，用于根据所述候选食物，生成候选食谱；
第二生成模块，用于根据所述能量需求，获取所述候选食谱中每个候选食物的重量，并基于所述重量和所述候选食谱生成目标推荐食谱。
本公开的一些实施方式提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现本公开提出的一种食谱推荐方法。
本公开的一些实施方式提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本公开提出的一种食谱推荐方法。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出了本申请一些实施例提供的食谱推荐方法的实施环境架构图；
图2示出了本申请一些实施例提供的食谱推荐方法的流程示意图；
图3示出了本申请一些实施例提供的食谱推荐方法的流程示意图；
图4示出了本申请一些实施例提供的食谱推荐方法的流程示意图；
图5示出了本申请一些实施例提供的食谱推荐方法的流程示意图；
图6示出了本申请一些实施例提供的食谱推荐方法的流程示意图；
图7示出了本申请实施例终端设备展示目标推荐食谱的示意图；
图8示出了本申请一些实施例提供的食谱推荐方法的流程示意图；
图9示出了本申请一些实施例提供的食谱推荐装置的示例性结构框图；
图10示出了本申请又一些实施例提供的食谱推荐装置的示例性结构框图；
图11示出了适于用来实现本申请实施例的电子设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
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。下面将参考附图并结合实施例来详细说明本申请。
本申请提出的食谱推荐方法具体实施环境参见图1。图1示出了本申请实施例提供的食谱推荐方法的实施环境架构图。
如图1所示，该实施环境架构包括：终端设备101和服务器102。
终端设备101用于向用户展示用于输入基本信息、运动信息和健康信息等信息数据的交互界面以及展示最终的目标推荐食谱。终端设备可以是台式电脑、笔记本电脑、智能手机、平板电脑、智能眼镜、智能手表等设备，但并不局限于此。
服务器102可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。其中，服务器102用于向终端设备101提供符合用户能量需求的目标推荐食谱。
例如，本申请一些实施例提供的食谱推荐方法可以由上述终端设备101执行，也可以由上述服务器102执行，当由服务器102执行时，服务器102可将目标推荐食谱发送至终端设备101进行显示，终端设备101可将用户的基本信息运动信息和健康信息等至少其中之一发送给服务器102。
例如，终端设备101与服务器102之间通过有线或无线通信方式进行直接或间接地连接。可选地，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网，也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或无线网络、专用网络或者虚拟专用网络的任何组合。
本申请提出的食谱推荐方法可以由食谱推荐装置来实施，食谱推荐装置可以安装在终端设备或服务器上。
为了进一步说明本申请实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下实施例或附图所示的方法操作指令步骤，但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作指令步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本申请实施例提供的执行顺序。所述方法在实际的处理过程中或者装置执行时，可按照实施例或者附图所示的方法顺序执行或者并行执行。
请参考图2，图2示出了本申请一实施例提供的食谱推荐方法的流程示意图。如图2所示，该方法包括：
步骤201，获取用户的基本信息、运动信息和健康信息。
其中，用户的基本信息可包括但不限于用户的昵称、性别、身高、体重、年龄和个性特征参数等其中至少之一，其中，个性特征参数用于表达用户的口味偏好和/或忌口食物等。
运动信息可包括预设时间段内用户的运动量等级，其中，运动量等级可具体根据运动类型、运动时间、运动频率等数据来获取。预设时间段例如为一周、一个月等，在此不作限制。例如，可以每隔预设时间段获取一次实时更新的运动信息，并根据最新的运动信息进行计算。
健康信息可包括用户既往病史、当前异常生理状态等。
应当理解的是，用户的基本信息和健康信息，例如可通过终端设备的交互界面来获取，即，需要用户通过终端设备的交互界面进行输入。用户的健康信息例如还可以通过与体检系统对接，抓取体检系统中用户的健康信息。用户的运动信息可通过终端设备和/或与终端设备或用户账号绑定的其他运动信息采集装置进行采集，例如，终端设备通过与用户佩戴的运动腕带进行数据传输来获取用户的运动信息。例如，可设定采集上传的周期，例如，每隔预设时间段将所获取的运动信息发送给服务器或终端设备进行计算。
还应当理解的是，终端设备的交互界面可由装载在终端设备中的应用程序App(Application)提供，即，用户在使用终端设备时，通过对应用程序App进行触控开启，应用程序App调用并展示能够接收用户的基本信息和健康信息的交互界面等。
具体地，获取用户的基本信息、运动信息和健康信息，包括：调用基本信息的编辑界面，编辑界面上包括基本信息的采集控件；对采集控件进行监控，获取用户的基本信息；与至少一个业务平台进行通信，接收至少一个业务平台发送的用户的运动信息和/或健康信息。其中，业务平台可为健康小助手。
其中，执行获取操作的执行主体可为终端设备，终端设备通过调用基本信息的编辑界面，用户在编辑界面的采集控件上输入基本信息，终端设备通过对采集控件进行监控，来获取用户的基本信息，业务平台可为例如运动手环内置的数据平台、体检系统对应的数据平台等，以通过运动手环获取用户的运动信息，并通过体检系统获取用户的健康信息。
步骤202，根据基本信息和运动信息，获取用户的能量需求。
需要说明的是，为了保持用户的身体健康，需要根据用户的基本信息和运动信息，来确定用户摄入的能量需求，以防止用户食谱推荐时提供过量的能量使得用户营养过剩，或者提供不满足用户需求的能量，使得用户乏力，无法满足工作生活需求等。
步骤203，根据健康信息，获取候选食物。
在选取候选食物时，首先考虑用户的健康信息，例如，用户如果有糖尿病的既往病史，则选取的候选食物中不包含高糖或具有高升糖指数的食物等。
可选的，健康信息还可包括当前异常生理状态，其中，异常生理状态可包括例如上火等，具体地，在利用摄像头对用户的面部表情进行拍照并识别，来得到用户当前的健康信息时，还可对用户面部上是否存在因上火而引发的异常，例如火疖子、口疮等，当然，该健康信息也可由用户根据自身的身体状况进行输入。应当理解的是，当存在异常生理状态时也需要进行对候选食物进行排除，例如，当用户上火时，则候选食物中不包含辛辣刺激性食物。
步骤204，根据候选食物，生成候选食谱。
具体地，根据候选食物，生成候选食谱包括：获取与用户对应的预设食谱组合策略，预设食谱组合策略包括用户三餐(例如为一天中的早餐、午餐、晚餐)候选食谱包含的食物类型；获取待推荐的候选食物对应的三餐类型；根据预设食谱组合策略、三餐类型和候选食物，生成候选食谱。
其中，预设食谱组合策略可为目标推荐食谱中包含的食物类型，例如，早餐对应的预设食谱组合策略可包括蛋类、奶类和谷物，午餐对应的预设食谱组合策略可包括主食、荤菜、素菜、汤和水果，晚餐对应的预设食谱组合策略可包括主食、荤菜、素菜、酸奶和坚果等。
优选的，预设食谱组合策略可根据《中国居民膳食指南》来制定，包括谷类、蔬菜、奶制品、肉类、水果、水产类、豆制品、坚果等的每日搭配方式等。
应当理解的是，预设食谱组合策略可为用户根据自己的饮食需求和喜好进行设定，部分用户喜欢中式早餐，则早餐对应的预设食谱组合策略为粥、菜等或者豆浆、蛋类和油条等，部分用户喜欢西式早餐，则早餐对应的预设食谱组合策略为蛋类和奶类等。
具体而言，可根据食物的类型制作食物标签，例如，米饭、馒头、花卷、饼等的食物标签即为主食，含肉类量较多的食物例如糖醋排骨对应的食物标签即为荤菜，用蔬菜烹饪的食物例如一品蒜蓉茄子泥对应的食物标签即为素菜。在获取到候选食物后，从预设食谱组合策略中提取目标食谱标签集合，例如，在推荐早餐时，目标食谱标签集合可为{蛋类、奶类、谷物}，在推荐午餐时，目标食谱标签可为{主食、荤菜、素菜、汤、水果}，从候选食物中选取符合目标食谱标签的食物组成食物集合，并将食物集合作为候选食谱。由此，本申请能够进一步通过预设食谱组合策略提高候选食谱中候选食物满足用户个性化的程度。预设的一日三餐食物搭配方案，不仅可以满足膳食营养需求，同时也符合人们的日常饮食习惯，达到荤素搭配、营养均衡的目标。
步骤205，根据能量需求，获取候选食谱中每个候选食物的重量，并基于重量和候选食谱生成目标推荐食谱。
也就是说，在根据用户的健康信息选择出候选食谱后，还需要进一步根据能量需求确定食谱推荐时的摄入重量，从而实现精细化的食谱推荐。
具体而言，在用户需要进行食谱推荐时，可先获取用户的基本信息、运动信息健康信息，然后根据基本信息、运动信息，确定获取的能量需求，根据健康信息，获取候选食物，然后根据预设食谱组合策略和候选食物，生成候选食谱，在确定候选食谱后根据能量需求，进一步确定候选食谱中的每个食物的重量，进而形成包含有满足健康、运动和个人喜好的多维度、高精度的目标推荐食谱。
由此，本申请实施例提出的一种食谱推荐方法，能够综合考虑用户的基本信息、运动信息和健康信息，从而使得推荐的目标推荐食谱能够满足用户的个性化、精准化、多样化需求的健康饮食需求。
作为一个可行实施例，运动信息包括用户在预设时间段内的运动量等级。如图3所示，根据基本信息和运动信息，获取用户的能量需求，包括：
步骤301，根据基本信息，获取用户的基础代谢率。
其中，提取用户基本信息中的身高、体重、年龄和性别信息，然后根据下述公式计算用户的基础代谢率BMR：
Figure BDA0002903811550000101
例如，在上述公式中，体重的单位是千克(kg)，身高的单位是米(m)，年龄的单位是岁，BMR的单位是千卡(kcal)。
步骤302，根据预设时间段内的运动量等级和预存的运动量等级与身体水平系数之间的映射关系，获取运动量等级对应的身体活动水平系数。
其中，身体活动水平系数
Figure BDA0002903811550000102
是与人们一段时间内的运动/工作状态有关的系数，一段时间(即预设时间段)例如为一周。如果人一周内的运动量大或是重体力工作，那么身体活动水平系数
Figure BDA0002903811550000111
较大，如果人一周内的运动量小或是轻体力工作，那么身体活动水平系数
Figure BDA0002903811550000112
较小。其中，
Figure BDA0002903811550000113
的变化为[1.2，1.9]。
运动量等级可根据用户的实际运动情况来划分，例如，长时间坐办公室、教室里、很少运动或完全没有运动的人，则确定运动量等级为1级，偶尔运动或散步、逛街、到郊外踏青，每周大约少量运动1-3次的人运动量等级为2级，有持续运动的习惯，或是会上健身房，每周大约运动3-5次的人，确定运动量等级为3级，热爱运动，每周运动6-7次，或是工作量相当大的人，则确定运动量等级为4级，工作或生活作息需要大量劳动，相当消耗能量的人，则确定运动量等级为5级。其中，预存的运动量等级与身体活动水平系数之间的映射关系可为运动量等级为1级对应的身体活动水平系数为
Figure BDA0002903811550000114
运动量等级为2级对应的身体活动水平系数为
Figure BDA0002903811550000115
运动量等级为3级对应的身体活动水平系数为
Figure BDA0002903811550000116
运动量等级为4级对应的身体活动水平系数为＝1.7，运动量等级为5级对应的身体活动水平系数为
Figure BDA0002903811550000117
应当理解的是，运动量等级可根据预设时间内接收到业务平台发送的用户运动的频率、时间和运动类型，通过预设的分析函数、分析规则和/或训练好的深度学习模型来确定，本申请在此不做具体限定。
需要说明的是，由于人们每天的运动/工作状态是动态变化的，因此，需要通过实时获取用户的运动/工作状态，来调整身体活动水平系数
Figure BDA0002903811550000118
的大小，从而确定用户所需的总能量，使食谱推荐功能更精准。
步骤303，根据基础代谢率和身体活动水平系数，获取用户的能量需求。
其中，根据代谢基础代谢率BMR和身体活动水平系数
Figure BDA0002903811550000119
获取用户的能量需求Energy总采用如下公式：
Figure BDA00029038115500001110
可选的，当前获取到的能量需求Energy总为用户一日所需的能量需求，在做精准的食谱推荐时，还需要进一步确定用户每一餐对应的能量需求。例如，早、中、晚三餐对应的供能比值为3：4：3，因此，可根据用户一日所需的能量和三餐对应的供能比值，确定出用户每一餐的能量需求。
作为另一个可行实施例，基本信息包括用户的个性特征参数，个性特征参数用于表达用户的口味偏好食物。如图4所示，根据健康信息，获取候选食物，包括：
步骤401，获取食物的营养声称。
具体地，获取食物的营养声称，包括：获取包含每种食材及其营养声称的食材库，食材对应至少一种营养声称，营养声称包括可量化营养声称和不可量化营养声称；获取任一食物对应的食材列表和食材列表中每种食材对应的重量；根据每种食材对应的重量，确定所述食物中的主要食材和辅料食材在食物中的重量占比；判断辅料食材在所述食物中的重量占比是否大于预设阈值；如果是，则获取辅料食材对应的可量化营养声称，并将主要食材对应的营养声称和辅料食材对应的可量化营养声称作为食物的营养声称；如果否，则将主要食材的营养声称作为食物的营养声称。
需要说明的是，在GB 28050《食品安全国家标准预包装食品营养标签通则》中规定到营养声称是对食品营养特性的描述和声明，如能量水平、蛋白质含量水平。具体地，营养声称分为可量化的和不可量化的，可量化的包括如高蛋白、高脂肪、高胆固醇等，可量化的例如还包括单位重量的食材/食物的营养素含量，不可量化的包括食材/食物的性质，如辛辣刺激、不易消化、寒凉性、温燥性等。常见的营养声称包括：高碳水化合物、高升糖指数、高脂肪、高胆固醇、高嘌呤、高钾、高钠、膳食纤维、高维生素C等。例如可以根据食物的属性性质(例如根据中医理论)，得到不可量化营养声称。然后，根据各种食材及其营养声称建立食材库。
具体地，获取食物对应的食材列表，其中，食材包括主要食材和辅料食材，辅料食材包括油、盐、糖等。然后获取食物的营养声称，例如可以将主要食材的营养声称作为食物的营养声称，例如也可以根据主要食材和辅料食材的占比等来确定食物的营养声称。例如，还可以利用烹饪方法来确定食物的营养声称，其中，烹饪方法主要包括蒸、煮、凉拌、油炒、油炸、油煎、烤等。
具体而言，在辅料食材在食物中的重量占比小于或等于预设阈值时，可直接将主要食材的营养声称作为食物的营养声称，在辅料食材在食物中的重量占比大于预设阈值时，则进一步获取辅料食材对应的可量化营养声称，例如高脂肪、高钠、高碳水化合物和高升糖指数等，举例来说，当辅料食材中的盐重量大于预设阈值时，获取的可量化营养声称为高纳，然后将主要食材对应的营养声称和辅料食材对应的可量化营养声称作为食物的营养声称。其中，预设阈值可选1/3～1/4。例如，当食物由单一食材组成，不含辅料(即辅料占比为0)时，食物的营养声称就是该食材的营养声称。例如，例如，当烹饪方法为油炸或油煎，则食物的营养声称还可以包括高脂肪等可量化营养声称。
举例来说，一品蒜蓉茄子泥的食材是：茄子200克，色拉油10克，花椒5克，蒜2瓣，食盐0.5茶匙，香菜1把，其中，茄子是主要食材，色拉油和食盐的重量占比不高，没有糖，烹饪方式是凉拌，茄子的营养声称是{含有膳食纤维、寒凉性}，经过计算辅料食材的占比不足1/3，故得到一品蒜蓉茄子泥的营养声称为{含有膳食纤维、寒凉性}。
步骤402，根据健康信息和食物的营养声称，获取初始候选食物。
具体而言，在获取到食物的营养声称之后，将食物的营养声称和用户的健康信息进行对比，如果食物的营养声称中包含用户的健康信息中不适宜食用的营养声称，则不将该食物添加至初始候选食物列表中，如果食物的营养声称中不包含用户的健康信息中不适宜食用的营养声称，则将该食物添加至初始候选食物列表中，从而形成最终的初始候选食物列表。例如，当健康信息为用户具有糖尿病时，不适宜食用的营养声称对应高糖和/或高升糖的营养声称。
步骤403，针对每个初始候选食物，计算初始候选食物与口味偏好食物的相似度。
需要说明的是，个性特征参数为预先存储的满足用户口味偏好的食物，其中，口味偏好包括用户喜欢的食物和忌口食物。举例来说，用户喜欢甜食，那么存储的个性特征参数中的口味偏好可为糖醋排骨、糖醋藕合等，用户喜欢吃辣，那么存储的个性特征参数中的口味偏好可为毛血旺、水煮肉片等。忌口食物可为用户不喜欢的食材，例如用户不喜欢吃香菜，那么存储的个性特征参数中的忌口食物可为香菜。其中，忌口食物和口味偏好食物可由用户通过应用程序APP或健康小助手业务平台填写获得。
应当理解的是，在针对每个初始候选食物，计算初始候选食物与口味偏好食物的相似度之前，还包括：根据忌口食物对初始候选食物进行过滤，得到过滤后的初始候选食物。
也就是说，在利用健康信息对所有食材的营养声称进行过滤后，还需要利用忌口食物对筛选出的初始候选食物进行再次过滤，已确保最终被选出的初始候选食物中既不包含用户的忌口食物，也不包含不适宜食用的营养声称。
还应当理解的是，本申请不限定利用健康信息和忌口食物对食物进行筛选获取初始候选食物时的顺序，也就是说，可以先利用健康信息筛选初始候选食物再利用忌口食物进行过滤，也可先利用忌口食物筛选初始候选食物再利用健康信息进行过滤。
然后，计算每个食物在主要食材、烹饪方法和营养声称三方面与用户个性特征参数之间的相似度，即，分别计算食物与用户个性特征参数在主要食材方面的相似度Sim主要食材、在烹饪方法方面的相似度Sim烹饪方法和在营养声称方面的相似度Sim营养声称。将三方面的相似度相加，得到最终的食物与用户口味偏好食物之间的相似度：
Similarity＝Sim主要食材+Sim烹饪方法+Sim营养声称
其中，Similarity为初始候选食物与口味偏好食物的相似度值，Sim主要食材为初始候选食物对应的主要食材信息与口味偏好食物对应的主要食材信息之间的相似度，Sim烹饪方法为初始食物对应的烹饪方法与口味偏好食物对应的烹饪方法之间的相似度，Sim营养声称为初始食物对应的营养声称与口味偏好食物对应的营养声称之间的相似度。
可选的，可利用余弦算法计算上述初始候选食物对应的主要食材信息与口味偏好食物对应的主要食材信息之间的相似度、初始食物对应的烹饪方法与口味偏好食物对应的烹饪方法之间的相似度和初始食物对应的营养声称与口味偏好食物对应的营养声称之间的相似度。
举例来说，可分别获取初始候选食物对应的主要食材信息的第一词向量和口味偏好食物对应的主要食材信息的第二词向量，然后计算第一词向量和第二词向量之间的余弦值，并将得到的余弦值作为初始候选食物对应的主要食材信息与口味偏好食物对应的主要食材信息之间的相似度，以此类推，利用初始食物的烹饪方法对应的第三词向量和口味偏好食物的烹饪方法第四词向量获取初始食物对应的烹饪方法与口味偏好食物对应的烹饪方法之间的相似度，利用初始食物的营养声称对应的第五词向量和口味偏好食物的营养声称对应的第六词向量获取初始食物对应的营养声称与口味偏好食物对应的营养声称之间的相似度。
例如，常见有谷薯类、蔬果类、肉类和奶蛋类等主要食材，烹饪方法主要有蒸、煮、凉拌、油炒、油炸、油煎、烤等。
举例来说，假设用户的个性特征参数中的口味偏好为糖醋排骨，则可利用一品蒜蓉茄子泥与糖醋排骨进行相似度计算，得到一品蒜蓉茄子泥与糖醋排骨之间的相似度值。
步骤404，将相似度最高的M个初始候选食物作为候选食物，其中M为大于等于1的自然数。
具体而言，可在针对每个初始候选食物，计算初始候选食物与口味偏好食物的相似度之后，生成相似度列表，其中，相似度列表包括初始候选食物和相似度之间的映射关系，对相似度列表按照相似度降序的方式排序，然后选取相似度最高的M个初始候选食物，M可为大于等于1的正整数，例如3或5。
举例来说，用户的口味偏好为水煮肉片时，初始候选食物中水煮鱼的相似度为98％，毛血旺的相似度为97％，剁椒鱼头的相似度为92％，馋嘴蛙的相似度为88％，如果M为2，则候选食物为水煮鱼和毛血旺，如果M为3，则候选食物为水煮鱼、毛血旺和剁椒鱼头。
应当理解的是，将相似度最高的食物作为候选食物，能够使得候选食物能够尽可能满足用户的口味偏好，即，个性特征参数，有效避免推荐的食物由于不满足用户的口味偏好影响用户的用餐体验。
由此，本申请实施例能够综合用户的健康信息获取候选食材，使得进行食物推荐使用的食材能够尽可能满足用户的健康需求，同时，利用食物与个性特征参数中的口味偏好的相似度对比，使得最终选择的候选食物能够进一步满足用户的个性化需求。
作为一个可行实施例，三餐之间具有提供一日总需求能量的供能占比，如图5所示，根据能量需求，获取候选食谱中每个候选食物的重量，并基于重量和候选食谱生成目标推荐食谱，包括：
步骤501，根据能量需求和供能占比，确定候选食谱的供能需求。
具体而言，根据基本信息和运动信息，获取用户的能量需求Energy总，然后根据：
Energy总＝ω1×Energy早+ω2×Energy中+ω3×Energy晚
其中，Energy早、Energy中和Energy晚表示早、中、晚三餐所能提供的能量值，ω1、ω2和ω3表示三餐在一日总能量中的占比，优选的，ω1:ω2:ω3＝3：4：3。通过对早、中、晚三餐所需能量的按比例分配，可获取三餐中的每一餐所需要的能量，即可获取到各候选食谱对应的供能需求。
步骤502，根据供能需求和候选食物中的每个候选食物，构建候选食物的营养素重量方程。
需要说明的是，通用营养素重量方程为：
Figure BDA0002903811550000161
其中，m表示候选食物的个数，xm表示第m个食物的重量，fatm表示单位重量第m个食物所含脂肪的重量，proteinm表示单位重量第m个食物所含蛋白质的重量，carbohydratem表示单位重量第m个食物所含碳水化合物的重量，n表示早餐、午餐和晚餐中的任意一餐，即n的取值范围是{早餐，午餐，晚餐}。举例来说，当n为午餐时，Fatn表示午餐食谱中所有候选食物提供的脂肪总量。
还应当理解的是，在本申请实施例中，Fatn、Proteinn和Carbohydraten均可根据候选食谱对应的供能需求来获取，也即Fatn、Proteinn和Carbohydraten分别为满足每餐的脂肪、蛋白质和碳水化合物的功能需求的重量。
具体而言对于任意一餐，Energyn＝EnergyF+EnergyP+EnergyC，即，任意一餐n所能提供的能量为该餐候选食谱中每种食物的脂肪能量、蛋白质能量和碳水化合物能量的总和。
其中，
Figure BDA0002903811550000171
表示利用候选食谱中各候选食物提供的脂肪重量的总和，其中，θF是脂肪重量换算成脂肪能量的换算系数，单位是kcal/g或KJ/g，蛋白质和碳水化合物也可采用上述公式进行能量换算，仅需要更换相应能量转换系数即可，例如，蛋白质的换算公式为
Figure BDA0002903811550000172
碳水化合物的换算公式为
Figure BDA0002903811550000173
其中，Proteinn表示利用候选食谱中各候选食物提供的蛋白质重量的总和，θp是蛋白质重量换算成蛋白质能量的换算系数，Carbohydraten表示利用候选食谱中各候选食物提供的碳水化合物重量的总和，θC是蛋白质重量换算成碳水化合物能量的换算系数。
进一步地，为了更好地对用户的每一餐进行食谱推荐，本申请以餐为单位对营养素重量方程进行解析，以获取每一餐中各候选食物的重量。
步骤503，对营养素重量方程进行求解，得到每个候选食物的重量，并基于重量和候选食谱生成目标推荐食谱。
具体而言，如图6所示，对营养素重量方程进行求解，得到每个候选食物的重量，并基于重量和候选食谱生成目标推荐食谱，包括：
步骤601，在候选食谱中候选食物的数量大于预设数量时，利用粒子群算法，对营养素重量方程进行求解，获取预设数量的候选重量组合，其中，候选重量组合为候选食谱中每个食物的重量集合。
需要说明的是，由于营养素重量方程为多元一次方程，当候选食谱中的候选食物的数量小于或等于预设数量时，可直接对营养素重量方程进行公式求解，即可获取到的确定的候选食物的重量。而在候选食谱中候选食物的数量大于预设数量时，无法通过对公式求解直接获取到确定的候选食物的重量，因此，使用粒子群算法进行求解。例如，在上述公式中，当候选食谱中的候选食物的数量等于方程数量时，即候选食谱中的候选食物的数量为3时(m＝3)，可直接对方程组求得唯一解；而当候选食谱中的候选食物的数量大于方程数量时，即候选食谱中的候选食物的数量大于3时(m>3)，该方程组可能无解或者有无数个解，则本申请一些实施例中使用粒子群算法进行求解。
还需要说明的是，粒子群算法是群智能算法之一，又叫鸟群觅食算法，思想来源于模拟鸟类在觅食的过程中会相互分享食物位置信息，以快速找到食物位置。粒子群算法通过一群粒子不断的追随当前搜索到的最优值，寻求全局最优值。它的优点是算法简单、运算速度快，缺点是对于多峰函数或大规模的优化时，容易陷入局部最优值，而本申请需要解析的营养素重量方程为多元一次方程，不存在高阶的未知数，所以不是多峰函数且规模不大，适宜使用粒子群算法进行解析。
具体地，通过粒子群算法能够获取多组满足用户的能量需求的候选重量组合，即，根据任一候选重量组合配比得到的食谱均能够提供满足用户的能量需求的供应能量。
需要说明的是，营养差异参数为某一餐应摄入营养素重量和食谱中候选食物提供的营养素重量之间的差异关系。
其中，预设营养素例如为前述三大营养素，即，脂肪、蛋白质和碳水化合物。
其中，任一候选重量组合对应的三大营养素重量
Figure BDA0002903811550000181
Figure BDA0002903811550000182
为：
Figure BDA0002903811550000183
应当理解的是，由于任一候选重量组合(即任意一个解)对应的三大营养素重量
Figure BDA0002903811550000184
是通过营养素重量方程计算得到的，因此，通常来讲候选重量组合对应的三大营养素重量
Figure BDA0002903811550000185
Figure BDA0002903811550000186
与用户的们能量需求的差异在回差范围内。
步骤602，获取每个候选重量组合的营养差异参数。
需要说明的是，营养素的标准值即为根据三餐对应的重量比和用户的能量需求，确定的每餐中脂肪标准值Fatn、蛋白质标准值Proteinn和碳水化合物标准值Carbohydraten。
由于脂肪、蛋白质和碳水化合物的重量的分布不一样，需要分别将每种营养素进行标准化，才能更好的衡量出营养素重量差距的大小。而且，本申请提出不使用余弦距离作为标准化评价参数，是因为余弦距离更多是衡量两个向量方向上的差距，而本申请需要衡量两个向量各个维度的大小差值。
具体地，本申请利用任一营养素重量和标准值做差获取绝对值，然后将绝对值和标准值做比，从而获得该营养素的标准化评价参数。
具体地，营养差异参数可采用如下公式：
Figure BDA0002903811550000191
其中，
Figure BDA0002903811550000192
为候选重量组合中各候选食物提供的脂肪重量的总和，
Figure BDA0002903811550000193
为候选重量组合中各候选食物提供的蛋白质重量的总和，
Figure BDA0002903811550000194
为候选重量组合中各候选食物提供的碳水化合物重量的总和。
步骤603，将营养差异参数最小的候选重量组合作为目标重量组合。
需要说明的是，采用本申请实施例提出的方法获取到的营养差异参数，参数值越大，表示各营养素的营养素重量与标准值之间的差距越大，参数值越小，表示各营养素的营养素重量与标准值之间的差距越小，对应的候选重量组合最有可能是最优解。因此，本申请将营养差异参数最小的候选重量组合作为目标重量组合。应当理解的是，在获取到目标重量组合之后，还需要进一步判断目标重量组合是否在食物重量阈值范围内，如果目标重量组合在食物重量阈值范围内，则执行根据候选食谱和目标重量组合生成目标推荐食谱的步骤，如果目标重量组合不在重量阈值范围内，则重新从候选食物列表中选取候选食物，形成新的候选食谱，并针对新的候选食谱进行目标重量组合的计算，直至能够得到满足重量阈值的目标重量组合。其中，重量阈值可包括但不限于候选食谱中各食物类型之间的重量比例关系、重量最大值和重量最小至中的至少一个。
步骤604，根据候选食谱和目标重量组合，生成目标推荐食谱。
也就是说，目标推荐食谱中不仅含有推荐的食物名称，还需要有每种食物重量，如图7所示。
还应当理解的是，目标推荐食谱可包括多个，例如，根据用户的多种个性特征参数获取多个候选食谱，进而获取多个目标推荐食谱等。由此，能够为用户提供多种选择余地，便于用户从多种目标推荐食谱中选择更满足当前需求的目标推荐食谱，提高用户的体验。
综上所述，本申请实施例提出的一种食谱推荐方法，能够综合考虑用户的基本信息、运动信息和健康信息，从而使得推荐的目标推荐食谱能够满足用户的个性化、精准化、多样化需求的健康饮食需求。
为了实现上述目的，本申请还提出另一种食谱推荐方法。
请参考图8，图8示出了本申请一实施例提供的食谱推荐方法的流程示意图。其中，需要说明的是，本实施例的食谱推荐方法的执行主体为食谱推荐装置，食谱推荐装置可以由软件和/或硬件的方式实现，该实施例中的食谱推荐装置可以配置在电子设备中。其中，本实施例中的电子设备可以包括但不限于个人计算、平台电脑、智能手机、智能音箱等设备，该实施例对电子设备不作具体限定。
如图8所示，该方法包括：
步骤801，接收输入的用户的基本信息、运动信息和健康信息。
步骤802，接收并显示返回的目标推荐食谱，目标推荐食谱是根据基本信息、运动信息和健康信息生成的。
也就是说，本申请实施例中的电子设备为终端设备，终端设备可通过装载的应用程序App的交互界面，接收输入的用户的基本信息，运动信息，可利用与应用程序App进行通信的业务平台(例如健康小助手)通信获得，其中，业务平台可设置于用户佩戴的运动手环等能够采集用户运动信息的设备上。用户的健康信息例如还可以通过终端设备与体检系统对接，抓取体检系统中用户的健康信息。然后，终端设备可将接收的用户的基本信息、运动信息和健康信息通过终端设备自身的处理器进行处理或发送至服务器以利用服务器对其进行处理，以生成目标推荐食谱，然后接收并显示返回的目标推荐食谱。
综上所述，本申请实施例提出的一种食谱推荐方法，能够综合考虑用户的基本信息、运动信息和健康信息，从而使得推荐的目标推荐食谱能够满足用户的个性化、精准化、多样化需求的健康饮食需求。
进一步参考图9，其示出了根据本申请一个实施例的用于食谱推荐方法的装置的示例性结构框图。其中，食谱推荐装置10，包括：
第一获取模块11，用于获取用户的基本信息、运动信息和健康信息；
第二获取模块12，用于根据基本信息和运动信息，获取用户的能量需求；
第三获取模块13，用于根据健康信息，获取候选食物；
第一生成模块14，用于根据候选食物，生成候选食谱；
第二生成模块15，用于根据能量需求，获取候选食谱中每个候选食物的重量，并基于重量和候选食谱生成目标推荐食谱。
在一些实施例中，第二获取模块12，还用于：
根据基本信息，获取用户的基础代谢率；
根据预设时间段内的运动量等级和预存的运动量等级与身体活动水平系数之间的映射关系，获取运动量等级对应的身体活动水平系数；
根据基础代谢率和身体活动水平系数，获取用户的能量需求。
在一些实施例中，基本信息包括用户的个性特征参数，个性特征参数用于表达用户的口味偏好食物，第三获取模块13，还用于：
获取食物的营养声称；
根据健康信息和食物的营养声称，获取初始候选食物；
针对每个初始候选食物，计算初始候选食物与口味偏好食物的相似度；
将相似度最高的N个初始候选食物作为候选食物，其中N为大于等于1的自然数。
在一些实施例中，个性特征参数还包括用户的忌口食物，针对每个初始候选食物，第三获取模块13，还用于：
根据忌口食物对初始候选食物进行过滤，得到过滤后的初始候选食物。
在一些实施例中，第三获取模块13，还用于：
获取包含每种食材及其营养声称的食材库，食材对应至少一种营养声称，营养声称包括可量化营养声称和不可量化营养声称；
获取任一食物对应的食材列表和食材列表中每种食材对应的重量；
根据每种食材对应的重量，确定实施食物中的主要食材和辅料食材在食物中的重量占比；
判断辅料食材在食物中的重量占比是否大于预设阈值；
如果是，则获取辅料食材对应的可量化营养声称，并将主要食材对应的营养声称和辅料食材对应的可量化营养声称作为食物的营养声称；
如果否，则将主要食材的营养声称作为食物的营养声称。
在一些实施例中，第三获取模块13，还用于：根据初始候选食物对应的主要食材信息、烹饪方法和营养声称，采用如下公式计算初始候选食物与口味偏好食物的相似度：
Similarity＝Sim主要食材+Sim烹饪方法+Sim营养声称
其中，Similarity为初始候选食物与口味偏好食物的相似度值，Sim主要食材为初始候选食物对应的主要食材信息与口味偏好食物对应的主要食材信息之间的相似度，Sim烹饪方法为初始食物对应的烹饪方法与口味偏好食物对应的烹饪方法之间的相似度，Sim营养声称为初始食物对应的营养声称与口味偏好食物对应的营养声称之间的相似度。
在一些实施例中，第一生成模块14，还用于：
获取与用户对应的预设食谱组合策略，预设食谱组合策略包括用户三餐候选食谱包含的食物类型；
获取待推荐的候选食物对应的三餐类型；
根据预设食谱组合策略、三餐类型和候选食物，生成候选食谱。
在一些实施例中，三餐之间具有提供一日总需求能量的供能占比，第二生成模块15，还用于：
根据能量需求和供能占比，确定候选食谱的供能需求；
根据供能需求和候选食谱中的每个候选食物，构建候选食物的营养素重量方程；
对营养素重量方程进行求解，得到每个候选食物的重量，并基于重量和候选食谱生成目标推荐食谱。
在一些实施例中，第二生成模块15，还用于：
营养素重量方程为：
Figure BDA0002903811550000221
其中，m为候选食物的个数，xm为第m个食物的重量，fatm为单位重量第m个食物所含脂肪的重量，proteinm为单位重量第m个食物所含蛋白质的重量，carbohydratem为单位重量第m个食物所含碳水化合物的重量，n为三餐中的任意一餐。
在一些实施例中，第二生成模块15，还用于：
在候选食谱中候选食物的数量大于预设数量时，利用粒子群算法，对营养素重量方程进行求解，获取预设数量的候选重量组合，其中，候选重量组合为候选食谱中每个食物的重量集合；
获取每个候选重量组合的营养差异参数；
将营养差异参数最小的候选重量组合作为目标重量组合；
根据候选食谱和目标重量组合，生成目标推荐食谱。
在一些实施例中，第二生成模块15，还用于：
采用如下公式获取每个候选重量组合的营养差异参数：
Figure BDA0002903811550000231
其中，
Figure BDA0002903811550000232
为候选重量组合中各候选食物提供的脂肪重量的总和，
Figure BDA0002903811550000233
为候选重量组合中各候选食物提供的蛋白质重量的总和，
Figure BDA0002903811550000234
为候选重量组合中各候选食物提供的碳水化合物重量的总和。
在一些实施例中，第一获取模块11，还用于：
调用基本信息的编辑界面，编辑界面上包括基本信息的采集控件；
对采集控件进行监控，获取用户的基本信息；
与至少一个业务平台进行通信，接收至少一个业务平台发送的用户的运动信息和/或健康信息。
应当理解，食谱推荐装置10中记载的诸单元或模块与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于食谱推荐装置10及其中包含的模块，在此不再赘述。食谱推荐装置10可以预先实现在电子设备的浏览器或其他安全应用中，也可以通过下载等方式而加载到电子设备的浏览器或其安全应用中。食谱推荐装置10中的相应模块可以与电子设备中的模块相互配合以实现本申请实施例的方案。上述的各模块可以由硬件、软件或固件等方式来实现，在此不做限定。
综上所述，本申请实施例提出的一种食谱推荐装置，能够综合考虑用户的基本信息、运动信息和健康信息，从而使得推荐的目标推荐食谱能够满足用户的个性化、精准化、多样化需求的健康饮食需求。
进一步参考图10，其示出了根据本申请另一个实施例的用于食谱推荐方法的装置的示例性结构框图。其中，食谱推荐装置20，包括：
接收模块21，用于接收输入的用户的基本信息、运动信息和健康信息。
显示模块22，用于接收并显示返回的目标推荐食谱，目标推荐食谱是根据基本信息、运动信息和健康信息生成的。
综上所述，本申请实施例提出的一种食谱推荐装置，能够综合考虑用户的基本信息、运动信息和健康信息，从而使得推荐的目标推荐食谱能够满足用户的个性化、精准化、多样化需求的健康饮食需求。
应当理解，食谱推荐装置20中记载的诸单元或模块与参考图8描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征同样适用于食谱推荐装置20及其中包含的单元，在此不再赘述。食谱推荐装置20可以预先实现在电子设备的浏览器或其他安全应用中，也可以通过下载等方式而加载到电子设备的浏览器或其安全应用中。食谱推荐装置20中的相应单元可以与电子设备中的单元相互配合以实现本申请实施例的方案。
下面参考图11，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
如图11所示，计算机系统1100包括中央处理单元(CPU)1101，其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。在RAM 1103中，还存储有系统1100操作所需的各种程序和数据。CPU 1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出(I/O)接口1105也连接至总线1104。
以下部件连接至I/O接口1105：包括键盘、鼠标等的输入部分1106；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107；包括硬盘等的存储部分1108；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1110上，以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
例如，可通过键盘、鼠标等的输入部分1106获取用户的基本信息、运动信息和健康信息等。可通过键输出部分1107将目标推荐食谱提供给用户。
特别地，根据本公开的实施例，上文参考图2描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包含用于执行图2的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操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。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本申请的公式输入方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (15)

1.一种食谱推荐方法，其特征在于，包括以下步骤：
获取用户的基本信息、运动信息和健康信息；
根据所述基本信息和所述运动信息，获取所述用户的能量需求；
根据所述健康信息，获取候选食物；
根据所述候选食物，生成候选食谱；
根据所述能量需求，获取所述候选食谱中每个候选食物的重量，并基于所述重量和所述候选食谱生成目标推荐食谱。
2.根据权利要求1所述的食谱推荐方法，其特征在于，所述运动信息包括所述用户在预设时间段内的运动量等级，所述根据所述基本信息和所述运动信息，获取所述用户的能量需求，包括：
根据所述基本信息，获取所述用户的基础代谢率；
根据所述预设时间段内的运动量等级和预存的所述运动量等级与身体活动水平系数之间的映射关系，获取所述运动量等级对应的所述身体活动水平系数；
根据所述基础代谢率和所述身体活动水平系数，获取所述用户的能量需求。
3.根据权利要求1所述的食谱推荐方法，其特征在于，所述基本信息包括所述用户的个性特征参数，所述个性特征参数包括所述用户的口味偏好食物，根据所述健康信息，获取候选食物，包括；
获取食物的营养声称；
根据所述健康信息和所述食物的营养声称，获取初始候选食物；
针对每个所述初始候选食物，计算所述初始候选食物与所述口味偏好食物的相似度；
将所述相似度最高的M个所述初始候选食物作为所述候选食物，其中M为大于等于1的自然数。
4.根据权利要求3所述的食谱推荐方法，其特征在于，所述个性特征参数还包括所述用户的忌口食物，所述针对每个所述初始候选食物，计算所述初始候选食物与所述口味偏好食物的相似度之前，还包括：
根据所述忌口食物对所述初始候选食物进行过滤，得到过滤后的所述初始候选食物。
5.根据权利要求3所述的食谱推荐方法，其特征在于，所述获取食物的营养声称，包括：
获取包含每种食材及其营养声称的食材库，所述食材对应至少一种营养声称，所述营养声称包括可量化营养声称和不可量化营养声称；
获取任一所述食物对应的食材列表和所述食材列表中每种食材对应的重重量；
根据所述每种食材对应的重量，确定实施食物中的主要食材和辅料食材在所述食物中的重量占比；
判断所述辅料食材在所述食物中的重量占比是否大于预设阈值；
如果是，则获取所述辅料食材对应的可量化营养声称，并将所述主要食材对应的营养声称和所述辅料食材对应的可量化营养声称作为所述食物的营养声称；
如果否，则将所述主要食材的营养声称作为所述食物的营养声称。
6.根据权利要求3所述的食谱推荐方法，其特征在于，根据所述初始候选食物对应的主要食材信息、烹饪方法和营养声称，采用如下公式计算所述初始候选食物与所述口味偏好食物的相似度：
Similarity＝Sim主要食材+Sim烹饪方法+Sim营养声称
其中，Similarity为所述初始候选食物与所述口味偏好食物的相似度值，Sim主要食材为所述初始候选食物对应的主要食材信息与所述口味偏好食物对应的所述主要食材信息之间的相似度，Sim烹饪方法为所述初始食物对应的烹饪方法与所述口味偏好食物对应的所述烹饪方法之间的相似度，Sim营养声称为所述初始食物对应的营养声称与所述口味偏好食物对应的所述营养声称之间的相似度。
7.根据权利要求1所述的食谱推荐方法，其特征在于，所述根据所述候选食物，生成候选食谱，包括：
获取与所述用户对应的预设食谱组合策略，所述预设食谱组合策略包括所述用户三餐候选食谱包含的食物类型；
获取待推荐的所述候选食物对应的三餐类型；
根据所述预设食谱组合策略、所述三餐类型和所述候选食物，生成候选食谱。
8.根据权利要求7所述的食谱推荐方法，其特征在于，所述三餐之间具有提供一日总需求能量的供能占比，所述根据所述能量需求，获取所述候选食谱中每个候选食物的重量，包括：
根据所述能量需求和所述供能占比，确定所述候选食谱的供能需求；
根据所述供能需求和所述候选食谱中的每个候选食物，构建所述候选食物的营养素重量方程；
对所述营养素重量方程进行求解，得到每个候选食物的重量，并基于所述重量和所述候选食谱生成目标推荐食谱。
9.根据权利要求8所述的食谱推荐方法，其特征在于，所述营养素重量方程为：
Figure FDA0002903811540000031
其中，m为候选食物的个数，xm为第m个食物的重量，fatm为单位重量第m个食物所含脂肪的重量，proteinm为单位重量第m个食物所含蛋白质的重量，carbohydratem为单位重量第m个食物所含碳水化合物的重量，n为三餐中的任意一餐。
10.根据权利要求9所述的食物推荐方法，其特征在于，所述对所述营养素重量方程进行求解，得到每个候选食物的重量，并基于所述重量和所述候选食谱生成目标推荐食谱，包括：
在所述候选食谱中所述候选食物的数量大于预设数量时，利用粒子群算法，对所述营养素重量方程进行求解，获取预设数量的候选重量组合，其中，所述候选重量组合为所述候选食谱中每个食物的重量集合；
获取每个所述候选重量组合的营养差异参数；
将所述营养差异参数最小的所述候选重量组合作为目标重量组合；
根据所述候选食谱和所述目标重量组合，生成所述目标推荐食谱。
11.根据权利要求10所述的食物推荐方法，其特征在于，采用如下公式获取每个所述候选重量组合的营养差异参数：
Figure FDA0002903811540000041
其中，
Figure FDA0002903811540000042
为候选重量组合中各候选食物提供的脂肪重量的总和，
Figure FDA0002903811540000043
为候选重量组合中各候选食物提供的蛋白质重量的总和，
Figure FDA0002903811540000044
为候选重量组合中各候选食物提供的碳水化合物重量的总和。
12.根据权利要求1所述的食物推荐方法，其特征在于，所述获取用户的基本信息、运动信息和健康信息，包括：
调用基本信息的编辑界面，所述编辑界面上包括所述基本信息的采集控件；
对所述采集控件进行监控，获取所述用户的基本信息；
与至少一个业务平台进行通信，接收所述至少一个业务平台发送的所述用户的运动信息和/或所述健康信息。
13.一种食谱推荐装置，其特征在于，包括：
第一获取模块，用于获取用户的基本信息、运动信息和健康信息；
第二获取模块，用于根据所述基本信息和所述运动信息，获取所述用户的能量需求；
第三获取模块，用于根据所述健康信息，获取候选食物；
第一生成模块，用于根据所述候选食物，生成候选食谱；
第二生成模块，用于根据所述能量需求，获取所述候选食谱中每个候选食物的重量，并基于所述重量和所述候选食谱生成目标推荐食谱。
14.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-12中任一所述的食谱推荐方法。
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-12中任一所述的食谱推荐方法。
CN202110065106.XA 2021-01-18 2021-01-18 食谱推荐方法、装置、电子设备和存储介质 Pending CN112786154A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110065106.XA CN112786154A (zh) 2021-01-18 2021-01-18 食谱推荐方法、装置、电子设备和存储介质
US17/452,934 US20220230730A1 (en) 2021-01-18 2021-10-29 Recipe recommendation method and device, computing device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110065106.XA CN112786154A (zh) 2021-01-18 2021-01-18 食谱推荐方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN112786154A true CN112786154A (zh) 2021-05-11

Family

ID=75757487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110065106.XA Pending CN112786154A (zh) 2021-01-18 2021-01-18 食谱推荐方法、装置、电子设备和存储介质

Country Status (2)

Country Link
US (1) US20220230730A1 (zh)
CN (1) CN112786154A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114141334A (zh) * 2021-10-20 2022-03-04 新绎健康科技有限公司 个性化的体重管理方法及系统
CN114464294A (zh) * 2021-12-22 2022-05-10 新瑞鹏宠物医疗集团有限公司 一种基于图像识别的宠物食谱生成方法及相关装置
CN114613472A (zh) * 2022-03-10 2022-06-10 佛山市顺德区美的洗涤电器制造有限公司 一种食谱推送方法、装置、烹饪设备及介质
CN116468526A (zh) * 2023-06-19 2023-07-21 中国第一汽车股份有限公司 基于车载oms摄像头的食谱生成方法、装置及车辆
CN116682533A (zh) * 2023-08-03 2023-09-01 北京四海汇智科技有限公司 基于机器学习的肾病患者营养管理方法及系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116434915A (zh) * 2023-06-07 2023-07-14 北京四海汇智科技有限公司 保障儿童饮食营养均衡的管理方法及系统
CN117725237B (zh) * 2024-02-07 2024-04-30 深圳鸿博智成科技有限公司 基于大数据的食谱生成方法、装置、设备及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114141334A (zh) * 2021-10-20 2022-03-04 新绎健康科技有限公司 个性化的体重管理方法及系统
CN114464294A (zh) * 2021-12-22 2022-05-10 新瑞鹏宠物医疗集团有限公司 一种基于图像识别的宠物食谱生成方法及相关装置
CN114613472A (zh) * 2022-03-10 2022-06-10 佛山市顺德区美的洗涤电器制造有限公司 一种食谱推送方法、装置、烹饪设备及介质
CN116468526A (zh) * 2023-06-19 2023-07-21 中国第一汽车股份有限公司 基于车载oms摄像头的食谱生成方法、装置及车辆
CN116682533A (zh) * 2023-08-03 2023-09-01 北京四海汇智科技有限公司 基于机器学习的肾病患者营养管理方法及系统

Also Published As

Publication number Publication date
US20220230730A1 (en) 2022-07-21

Similar Documents

Publication Publication Date Title
CN112786154A (zh) 食谱推荐方法、装置、电子设备和存储介质
CN110504019A (zh) 用户个性化饮食推荐方法、装置、电子设备及存储介质
KR102221784B1 (ko) 개인 맞춤형 자동화 식단 제공방법
US20200227156A1 (en) System and methods for calculating, displaying, modifying, and using single dietary intake score reflective of optimal quantity and quality of consumables
JP2015194807A (ja) 栄養管理システム及び栄養管理プログラム
CN111261260B (zh) 一种膳食推荐系统
WO2021044696A1 (ja) 栄養摂取量の推定装置、健康管理支援装置、栄養摂取量の推定方法、健康管理支援方法、プログラムおよび栄養摂取量の推定システム
Alimi et al. Effect of hydrocolloids and egg content on sensory quality of coated fried yam chips
KR102310493B1 (ko) 식단케어 서비스 방법
JP2007133525A (ja) 食事指導支援システム
Stefanidis et al. PROTEIN AI advisor: a knowledge-based recommendation framework using expert-validated meals for healthy diets
CN109509539A (zh) 一种饮食习惯健康风险评估方法
JP2016085500A (ja) メニュー提供システム
JP2017199385A (ja) メニュー提供システム
JP2014241044A (ja) 食情報支援装置、食情報支援プログラム、記憶媒体および食情報支援方法
KR102106282B1 (ko) 개인 맞춤형 식사 관리 시스템
Pop et al. Particle swarm optimization-based method for generating healthy lifestyle recommendations
Ooi et al. Ingredient substitute recommendation for allergy-safe cooking based on food context
KR20180073779A (ko) 개인 맞춤형 자동화 식단 제공방법
de Camargo et al. A qualitative framework for the assessment of culinary recipes’ healthiness
Sevilla-Villanueva et al. Generating complete menus from nutritional prescriptions by using advanced cbr and real food databases
CN113744840A (zh) 基于集中供餐环境实现个性化即时营养评价及指导的系统及其方法
CN113407581A (zh) 一种家庭多人组合的配餐推荐方法和系统
CN112951374A (zh) 数据分析方法、系统、计算机设备及存储介质
KR102481874B1 (ko) 다이어트 관리 장치, 다이어트 관리 방법 및 다이어트 관리 프로그램

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