CN112786200A - 一种基于餐食数据的智能饮食评估系统 - Google Patents
一种基于餐食数据的智能饮食评估系统 Download PDFInfo
- Publication number
- CN112786200A CN112786200A CN202110063098.5A CN202110063098A CN112786200A CN 112786200 A CN112786200 A CN 112786200A CN 202110063098 A CN202110063098 A CN 202110063098A CN 112786200 A CN112786200 A CN 112786200A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- meal
- data
- characteristic information
- 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
Links
- 235000012054 meals Nutrition 0.000 title claims abstract description 160
- 235000005911 diet Nutrition 0.000 title claims abstract description 47
- 230000037213 diet Effects 0.000 title claims abstract description 47
- 238000011156 evaluation Methods 0.000 title claims abstract description 18
- 201000010099 disease Diseases 0.000 claims abstract description 53
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 53
- 235000015097 nutrients Nutrition 0.000 claims abstract description 21
- 238000010276 construction Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000003066 decision tree Methods 0.000 claims abstract description 14
- 238000012417 linear regression Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 235000013305 food Nutrition 0.000 claims description 36
- 239000000463 material Substances 0.000 claims description 32
- 238000010606 normalization Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 208000024891 symptom Diseases 0.000 claims description 8
- 235000021152 breakfast Nutrition 0.000 claims description 6
- 230000009193 crawling Effects 0.000 claims description 5
- 206010020751 Hypersensitivity Diseases 0.000 claims description 4
- 208000026935 allergic disease Diseases 0.000 claims description 4
- 230000007815 allergy Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 5
- 230000020595 eating behavior Effects 0.000 abstract description 3
- 238000012850 discrimination method Methods 0.000 abstract description 2
- 150000001720 carbohydrates Chemical class 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 8
- 235000014633 carbohydrates Nutrition 0.000 description 8
- 230000002354 daily effect Effects 0.000 description 7
- 239000003925 fat Substances 0.000 description 7
- GVJHHUAWPYXKBD-UHFFFAOYSA-N (±)-α-Tocopherol Chemical compound OC1=C(C)C(C)=C2OC(CCCC(C)CCCC(C)CCCC(C)C)(C)CCC2=C1C GVJHHUAWPYXKBD-UHFFFAOYSA-N 0.000 description 6
- KDCGOANMDULRCW-UHFFFAOYSA-N 7H-purine Chemical compound N1=CNC2=NC=NC2=C1 KDCGOANMDULRCW-UHFFFAOYSA-N 0.000 description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 6
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 6
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 235000006694 eating habits Nutrition 0.000 description 5
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 4
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 description 4
- 229930003268 Vitamin C Natural products 0.000 description 4
- 239000011575 calcium Substances 0.000 description 4
- 229910052791 calcium Inorganic materials 0.000 description 4
- 102000004169 proteins and genes Human genes 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 4
- 239000011734 sodium Substances 0.000 description 4
- 229910052708 sodium Inorganic materials 0.000 description 4
- 235000019154 vitamin C Nutrition 0.000 description 4
- 239000011718 vitamin C Substances 0.000 description 4
- 241000219109 Citrullus Species 0.000 description 3
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 3
- AUNGANRZJHBGPY-UHFFFAOYSA-N D-Lyxoflavin Natural products OCC(O)C(O)C(O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-UHFFFAOYSA-N 0.000 description 3
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 3
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 3
- PVNIIMVLHYAWGP-UHFFFAOYSA-N Niacin Chemical compound OC(=O)C1=CC=CN=C1 PVNIIMVLHYAWGP-UHFFFAOYSA-N 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 3
- AUNGANRZJHBGPY-SCRDCRAPSA-N Riboflavin Chemical compound OC[C@@H](O)[C@@H](O)[C@@H](O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-SCRDCRAPSA-N 0.000 description 3
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 description 3
- 229930003451 Vitamin B1 Natural products 0.000 description 3
- 229930003471 Vitamin B2 Natural products 0.000 description 3
- 229930003427 Vitamin E Natural products 0.000 description 3
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 description 3
- 235000012000 cholesterol Nutrition 0.000 description 3
- 229910052802 copper Inorganic materials 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 235000013601 eggs Nutrition 0.000 description 3
- WIGCFUFOHFEKBI-UHFFFAOYSA-N gamma-tocopherol Natural products CC(C)CCCC(C)CCCC(C)CCCC1CCC2C(C)C(O)C(C)C(C)C2O1 WIGCFUFOHFEKBI-UHFFFAOYSA-N 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 239000011777 magnesium Substances 0.000 description 3
- 229910052749 magnesium Inorganic materials 0.000 description 3
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 description 3
- 229960003512 nicotinic acid Drugs 0.000 description 3
- 235000001968 nicotinic acid Nutrition 0.000 description 3
- 239000011664 nicotinic acid Substances 0.000 description 3
- 239000011574 phosphorus Substances 0.000 description 3
- 229910052698 phosphorus Inorganic materials 0.000 description 3
- 239000011591 potassium Substances 0.000 description 3
- 229910052700 potassium Inorganic materials 0.000 description 3
- 229960002477 riboflavin Drugs 0.000 description 3
- 239000011669 selenium Substances 0.000 description 3
- 229910052711 selenium Inorganic materials 0.000 description 3
- 229960003495 thiamine Drugs 0.000 description 3
- DPJRMOMPQZCRJU-UHFFFAOYSA-M thiamine hydrochloride Chemical compound Cl.[Cl-].CC1=C(CCO)SC=[N+]1CC1=CN=C(C)N=C1N DPJRMOMPQZCRJU-UHFFFAOYSA-M 0.000 description 3
- 235000010374 vitamin B1 Nutrition 0.000 description 3
- 239000011691 vitamin B1 Substances 0.000 description 3
- 235000019164 vitamin B2 Nutrition 0.000 description 3
- 239000011716 vitamin B2 Substances 0.000 description 3
- 235000019165 vitamin E Nutrition 0.000 description 3
- 229940046009 vitamin E Drugs 0.000 description 3
- 239000011709 vitamin E Substances 0.000 description 3
- 229940045997 vitamin a Drugs 0.000 description 3
- 239000011701 zinc Substances 0.000 description 3
- 229910052725 zinc Inorganic materials 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 230000002641 glycemic effect Effects 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 150000002632 lipids Chemical class 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 235000010755 mineral Nutrition 0.000 description 2
- 235000021049 nutrient content Nutrition 0.000 description 2
- 229940088594 vitamin Drugs 0.000 description 2
- 229930003231 vitamin Natural products 0.000 description 2
- 235000013343 vitamin Nutrition 0.000 description 2
- 239000011782 vitamin Substances 0.000 description 2
- ZHPGFKQEIRVNAU-UHFFFAOYSA-N 7,9-dihydro-3H-purine-2,6,8-trione 7H-purine Chemical compound C1=NC=C2NC=NC2=N1.N1C(=O)NC(=O)C2=C1NC(=O)N2 ZHPGFKQEIRVNAU-UHFFFAOYSA-N 0.000 description 1
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 208000004998 Abdominal Pain Diseases 0.000 description 1
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 206010006895 Cachexia Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010009866 Cold sweat Diseases 0.000 description 1
- 208000002881 Colic Diseases 0.000 description 1
- 206010010071 Coma Diseases 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- 208000003556 Dry Eye Syndromes Diseases 0.000 description 1
- 206010013774 Dry eye Diseases 0.000 description 1
- 206010013786 Dry skin Diseases 0.000 description 1
- 208000010201 Exanthema Diseases 0.000 description 1
- 208000004930 Fatty Liver Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 208000031226 Hyperlipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 206010020850 Hyperthyroidism Diseases 0.000 description 1
- 208000013016 Hypoglycemia Diseases 0.000 description 1
- 206010022971 Iron Deficiencies Diseases 0.000 description 1
- 208000002720 Malnutrition Diseases 0.000 description 1
- 206010028813 Nausea Diseases 0.000 description 1
- 208000001140 Night Blindness Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 208000001132 Osteoporosis Diseases 0.000 description 1
- 201000002451 Overnutrition Diseases 0.000 description 1
- 206010033557 Palpitations Diseases 0.000 description 1
- 208000008425 Protein deficiency Diseases 0.000 description 1
- 208000024770 Thyroid neoplasm Diseases 0.000 description 1
- 208000010011 Vitamin A Deficiency Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 206010003549 asthenia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 235000013325 dietary fiber Nutrition 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 230000037336 dry skin Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000026500 emaciation Diseases 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 201000005884 exanthem Diseases 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 231100000206 health hazard Toxicity 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 230000002218 hypoglycaemic effect Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008693 nausea Effects 0.000 description 1
- 201000008383 nephritis Diseases 0.000 description 1
- 235000018343 nutrient deficiency Nutrition 0.000 description 1
- 208000019180 nutritional disease Diseases 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 208000005368 osteomalacia Diseases 0.000 description 1
- 235000020823 overnutrition Nutrition 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 235000021075 protein intake Nutrition 0.000 description 1
- 206010037844 rash Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 208000007442 rickets Diseases 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 201000002510 thyroid cancer Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000037373 wrinkle formation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Nutrition Science (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提出了一种基于餐食数据的智能饮食评估系统。包括：获取模块，用于获取用户基本信息以及用户历史餐食数据，根据该用户基本信息以及用户历史餐食数据分别获取用户特征信息以及历史餐食特征信息；库构建模块，用于根据该历史餐食特征信息获取对应的疾病特征信息，对用户特征信息、历史餐食特征信息以及疾病特征信息进行预处理，根据处理结果构建关系特征库；识别模块，用于获取待识别用户餐食数据，根据该关系特征库对待识别用户餐食数据进行识别，并生成对应饮食报告。本发明通过多元线性回归决策树算法及贝叶斯判别法对用户一日三餐营养素含量加权计算，实现对饮食行为精确分析，提高系统识别精确度，增强饮食报告的可靠性，提升用户体验。
Description
技术领域
本发明涉及计算机领域，尤其涉及一种基于餐食数据的智能饮食评估系统。
背景技术
自食物的营养素种类繁多，根据其化学性质和生理作用可将营养素分为七大类，即蛋白质、脂类、碳水化合物、矿物质、维生素、水和膳食纤维。各种营养素彼此间有着密切的联系，起着相辅相成的作用，各种营养素之间要有一个适宜的比例。如果这种平衡关系失调，就会对人体健康造成不良影响，甚至导致某些营养性疾病或慢性病的发生。所以饮食习惯的优劣直接影响着人的健康与管理。
多年来，饮食习惯与健康管理的关系一直是专家研究、探讨的目标，但是目前没有发现一种科学的、基于定量定性的判定方法。所以，亟需一种基于餐食数据的智能饮食评估系统，能够对用户饮食习惯优劣的智能判定等问题，并提供对应的解决方案，从而指导用户实现膳食平衡和健康管理。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
有鉴于此，本发明提出了一种基于餐食数据的智能饮食评估系统，旨在解决现有技术无法用户饮食习惯优劣的智能判定，并提供对应的解决方案的技术问题。
本发明的技术方案是这样实现的：
一方面，本发明提供了一种基于餐食数据的智能饮食评估系统，所述基于餐食数据的智能饮食评估系统包括：
获取模块，用于获取用户基本信息以及用户历史餐食数据，根据该用户基本信息以及用户历史餐食数据分别获取用户特征信息以及历史餐食特征信息；
库构建模块，用于根据该历史餐食特征信息获取对应的疾病特征信息，对用户特征信息、历史餐食特征信息以及疾病特征信息进行预处理，根据处理结果构建关系特征库；
识别模块，用于获取待识别用户餐食数据，根据该关系特征库对待识别用户餐食数据进行识别，并生成对应饮食报告。
在以上技术方案的基础上，优选的，获取模块包括信息采集模块，用于获取用户基本信息以及用户历史餐食数据，所述用户基本信息包括：年龄、性别、既往史以及过敏史，所述用户历史餐食数据包括：早餐食材信息、中餐食材信息、晚餐食材信息以及对应的时间信息，并根据该食材信息获取对应的营养元素含量信息。
在以上技术方案的基础上，优选的，获取模块包括特征提取模块，用于从用户基本信息以及用户历史餐食数据中分别获取用户特征信息以及历史餐食特征信息，并根据用户特征信息以及历史餐食特征信息分别建立用户特征信息集以及历史餐食特征信息集。
在以上技术方案的基础上，优选的，库构建模块包括爬取模块，用于根据营养元素含量信息爬取对应的疾病信息，所述疾病信息包括：疾病名称信息以及对应的症状描述文本信息，根据该疾病名称信息构建不同的疾病名称数据集，并将对应的症状描述文本信息进行存储。
在以上技术方案的基础上，优选的，库构建模块包括归一化模块，用于设定归一化格式，通过该归一化格式对用户特征信息集、历史餐食特征信息集以及疾病名称数据集进行归一化处理，获取归一化处理之后的用户特征信息集、历史餐食特征信息集以及疾病名称数据集。
在以上技术方案的基础上，优选的，库构建模块包括特征库构建模块，用于构建多元线性回归决策树算法，通过该多元线性回归决策树算法对归一化处理之后的用户特征信息集、历史餐食特征信息集以及疾病名称数据集进行加权计算，获取计算结果，并根据计算结果构建用户特征信息集、历史餐食特征信息集以及疾病名称数据集之间的关系特征库。
在以上技术方案的基础上，优选的，识别模块包括识别评价模块，用于获取待识别用户餐食数据，对该待识别用户餐食数据进行预处理，获取待识别用户餐食特征数据，根据该关系特征库对待识别用户餐食特征数据进行识别，并生成对应饮食报告。
更进一步优选的，所述基于餐食数据的智能饮食评估设备包括：
获取单元，用于获取用户基本信息以及用户历史餐食数据，根据该用户基本信息以及用户历史餐食数据分别获取用户特征信息以及历史餐食特征信息；
库构建单元，用于根据该历史餐食特征信息获取对应的疾病特征信息，对用户特征信息、历史餐食特征信息以及疾病特征信息进行预处理，根据处理结果构建关系特征库；
识别单元，用于获取待识别用户餐食数据，根据该关系特征库对待识别用户餐食数据进行识别，并生成对应饮食报告。
本发明的一种基于餐食数据的智能饮食评估系统相对于现有技术具有以下有益效果：
(1)通过多元线性回归决策树算法对食材中营养素含量与用户信息以及每日、一个时间阶段数据进行加权计算，能够得到精确的评估数据，提高后续系统评估精确度和效率；
(2)通过贝叶斯判别法，能够精确对待识别用户餐食数据进行判别，同时减少系统资源占用量，提高系统判别效率，提升用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明基于餐食数据的智能饮食评估系统第一实施例的结构框图；
图2为本发明基于餐食数据的智能饮食评估系统的第二实施例结构框图；
图3为本发明基于餐食数据的智能饮食评估系统的第三实施例结构框图；
图4为本发明基于餐食数据的智能饮食评估系统的第四实施例结构框图；
图5为本发明基于餐食数据的智能饮食评估设备结构框图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
如图1所示，图1为本发明基于餐食数据的智能饮食评估系统第一实施例的结构框图。其中，所述基于餐食数据的智能饮食评估系统包括：获取模块10、库构建模块20、识别模块30。
获取模块10，用于获取用户基本信息以及用户历史餐食数据，根据该用户基本信息以及用户历史餐食数据分别获取用户特征信息以及历史餐食特征信息；
库构建模块20，用于根据该历史餐食特征信息获取对应的疾病特征信息，对用户特征信息、历史餐食特征信息以及疾病特征信息进行预处理，根据处理结果构建关系特征库；
识别模块30，用于获取待识别用户餐食数据，根据该关系特征库对待识别用户餐食数据进行识别，并生成对应饮食报告。
进一步地，如图2所示，基于上述各实施例提出本发明基于餐食数据的智能饮食评估系统的第二实施例结构框图，在本实施例中，获取模块10还包括：
信息采集模块101，用于获取用户基本信息以及用户历史餐食数据，所述用户基本信息包括：年龄、性别、既往史以及过敏史，所述用户历史餐食数据包括：早餐食材信息、中餐食材信息、晚餐食材信息以及对应的时间信息，并根据该食材信息获取对应的营养元素含量信息。
特征提取模块102，用于从用户基本信息以及用户历史餐食数据中分别获取用户特征信息以及历史餐食特征信息，并根据用户特征信息以及历史餐食特征信息分别建立用户特征信息集以及历史餐食特征信息集。
应当理解的是，系统会获取用户基本信息以及用户历史餐食数据，所述用户基本信息包括：年龄、性别、既往史以及过敏史，所述用户历史餐食数据包括：早餐食材信息、中餐食材信息、晚餐食材信息以及对应的时间信息，并根据该食材信息获取对应的营养元素含量信息。
应当理解的是，系统还会从用户基本信息以及用户历史餐食数据中分别获取用户特征信息以及历史餐食特征信息，并根据用户特征信息以及历史餐食特征信息分别建立用户特征信息集以及历史餐食特征信息集。
应当理解的是，采集用户每日三餐即早餐、中餐、晚餐等食材信息和数据；采集用户一个时间阶段的三餐即早餐、中餐、晚餐等饮食行为和习惯形成的食材信息和数据。
应当理解的是，采集上述这些食材中各种营养元素含量数据和信息以及这些营养元素摄入过量或者偏低对应的、可能的疾病信息。比如，营养素包括：矿物质、维生素、脂肪、热量、蛋白质、碳水化合物、四高(血压-钠、血糖-GL、血脂-胆固醇、血尿酸-嘌呤)10大类。每类营养素知识库录入内容包括不同人群及性别的日摄入量、每日最大耐受量、各种食材及菜谱中营养素对应的含量、营养素摄入量异常时对应疾病。数据统一进行标准化处理后存储。
另外，营养缺乏对健康的危害：蛋白质缺乏，表现为全身水肿，表情淡漠，生长滞缓，头发变脆、变色，易感染；脂类缺乏，表现为消瘦、乏力、皮肤干燥、易出现皱纹等；碳水化合物缺乏，表现为头晕、心悸、出冷汗、饥饿，严重时可出现低血糖昏迷；缺钙儿童及青少年可导致佝偻病，妇女导致软骨病，中老年导致骨质疏松等；缺铁导致贫血；维生素A缺乏导致夜盲症、干眼症。营养过剩对健康的危害：蛋白质摄入过多，加重肝肾负担，可导致脂肪肝、肾炎、高血脂及动脉硬化危险性；维生素C摄入过量，出现恶心、腹泻、腹部痉挛、皮疹等；碘摄入过多，增加甲亢及甲状腺癌的发病率；脂肪摄入过多，导致肥胖，增加心脑血管疾病发病率等。
进一步地，如图3所示，基于上述各实施例提出本发明基于餐食数据的智能饮食评估系统的第三实施例结构框图，在本实施例中，库构建模块20还包括：
爬取模块201，用于根据营养元素含量信息爬取对应的疾病信息，所述疾病信息包括：疾病名称信息以及对应的症状描述文本信息，根据该疾病名称信息构建不同的疾病名称数据集，并将对应的症状描述文本信息进行存储。
归一化模块202，用于设定归一化格式，通过该归一化格式对用户特征信息集、历史餐食特征信息集以及疾病名称数据集进行归一化处理，获取归一化处理之后的用户特征信息集、历史餐食特征信息集以及疾病名称数据集。
特征库构建模块203，用于构建多元线性回归决策树算法，通过该多元线性回归决策树算法对归一化处理之后的用户特征信息集、历史餐食特征信息集以及疾病名称数据集进行加权计算，获取计算结果，并根据计算结果构建用户特征信息集、历史餐食特征信息集以及疾病名称数据集之间的关系特征库。
应当理解的是，系统会根据营养元素含量信息爬取对应的疾病信息，所述疾病信息包括：疾病名称信息以及对应的症状描述文本信息，根据该疾病名称信息构建不同的疾病名称数据集，并将对应的症状描述文本信息进行存储。、
应当理解的是，系统会将所述用户数据库、食材信息数据库、营养元素数据库、疾病与疾病知识库、患病数据库依次进行预处理、归一化、特征提取，构建分时间、分阶段、分层级的与疾病关系特征库。根据上述与疾病关系特征库建立多元线性回归决策树模型，训练所述多元线性回归决策树模型直至其预测误差低于阈值。比如，每日元素平均摄入量：通过记录每餐的食材及重量，利用知识库食材表中每个食材对应的各元素的含量，计算出每餐10类23种元素(GL除外)的含量设为x1,x2,x3,…,x22，计算方法同上，一周内的每餐元素含量进行加权计算设为x1,x2,x3,…,x22，即为7天的元素摄入情况，结果除以7得出每日的元素平均摄入情况。这里，GL＝碳水化合物(g)*GI/100，例如100克西瓜的碳水化合物含量是7.5克，西瓜的升糖指数为72％，其血糖负荷(GL)是7.5×72/100＝5.4；500克西瓜的血糖负荷(GL)＝37.5×72/100＝27。GL>20的为高GL食物；GL在10-20之间的为中GL食物；GL<10的为低GL食物。脂肪单位为％，食材含量为g，需转换为百分比(例如：100g鸡蛋，所含脂肪为8.8g，8.8/100，转换为8.8％，再进行对标计算)等。
再比如，致病风险指数计算方法：计算出每餐10类23种元素(GL除外)的含量设为x1,x2,x3,…,x22，在知识库各元素每日摄入量表中检索出40岁女性人群每日标准摄入量，分别设为B1,B2,B3,…,B22，然后用标准摄入量和每餐食材中的含量作对比，每日摄入量早，中，晚餐的占比分别为30％，40％，30％，对比结果为偏高、偏低、适中。利用k-means聚类算法对结果中各元素摄入情况进行分类统计。有3种情况，分别为(蛋白质偏高、脂肪偏高、碳水化合物偏高、胆固醇偏高、GL偏高、嘌呤偏高、热量偏高、钠偏高、钙偏高、镁偏高、锌偏高、铁偏高、锰偏高、铜偏高、硒偏高、磷偏高、钾偏高、维生素A偏高、维生素B1偏高、维生素B2偏高、烟酸偏高、维生素C偏高、维生素E偏高)；(蛋白质偏低、脂肪偏低、碳水化合物偏低、胆固醇偏低、GL偏低、嘌呤偏低、热量偏低、钠偏低、钙偏低、镁偏低、锌偏低、铁偏低、锰偏低、铜偏低、硒偏低、磷偏低、钾偏低、维生素A偏低、维生素B1偏低、维生素B2偏低、烟酸偏低、维生素C偏低、维生素E偏低)；(脂肪适中、碳水化合物适中、胆固醇适中、GL适中、嘌呤适中、热量适中、钠适中、钙适中、镁适中、锌适中、铁适中、锰适中、铜适中、硒适中、磷适中、钾适中、维生素A适中、维生素B1适中、维生素B2适中、烟酸适中、维生素C适中、维生素E适中)。分类完成后，统计各类中元素出现次数。
应当理解的是，接下来会设定归一化格式，通过该归一化格式对用户特征信息集、历史餐食特征信息集以及疾病名称数据集进行归一化处理，获取归一化处理之后的用户特征信息集、历史餐食特征信息集以及疾病名称数据集。
应当理解的是，并构建多元线性回归决策树算法，通过该多元线性回归决策树算法对归一化处理之后的用户特征信息集、历史餐食特征信息集以及疾病名称数据集进行加权计算，获取计算结果，并根据计算结果构建用户特征信息集、历史餐食特征信息集以及疾病名称数据集之间的关系特征库。
应当理解的是，利用多元线性回归决策树算法对这些食材中营养素含量与用户信息以及每日、一个时间阶段数据进行加权计算，给出当日、第二日、一周、十五天、一月、两个月、一个季度的三餐数据以及不同的性别和年龄等饮食习惯导致的、可能的发病概率和饮食习惯指数等。
进一步地，如图4所示，基于上述各实施例提出本发明基于餐食数据的智能饮食评估系统的第四实施例结构框图，在本实施例中，识别模块30包括：
识别评价模块301，用于获取待识别用户餐食数据，对该待识别用户餐食数据进行预处理，获取待识别用户餐食特征数据，根据该关系特征库对待识别用户餐食特征数据进行识别，并生成对应饮食报告。
应当理解的是，最后系统会获取待识别用户餐食数据，对该待识别用户餐食数据进行预处理，获取待识别用户餐食特征数据，根据该关系特征库对待识别用户餐食特征数据进行识别，并生成对应饮食报告。
需要说明的是，以上仅为举例说明，并不对本申请的技术方案构成任何限定。
通过上述描述不难发现，本实施例提出了一种基于餐食数据的智能饮食评估系统，包括：获取模块，用于获取用户基本信息以及用户历史餐食数据，根据该用户基本信息以及用户历史餐食数据分别获取用户特征信息以及历史餐食特征信息；库构建模块，用于根据该历史餐食特征信息获取对应的疾病特征信息，对用户特征信息、历史餐食特征信息以及疾病特征信息进行预处理，根据处理结果构建关系特征库；识别模块，用于获取待识别用户餐食数据，根据该关系特征库对待识别用户餐食数据进行识别，并生成对应饮食报告。本实施例通过多元线性回归决策树算法及贝叶斯判别法对用户一日三餐营养素含量加权计算，实现对饮食行为精确分析，提高系统识别精确度，增强饮食报告的可靠性，提升用户体验。
此外，本发明实施例还提出一种基于餐食数据的智能饮食评估设备。如图5所示，该基于餐食数据的智能饮食评估设备包括：获取单元10、库构建单元20、识别单元30。
获取单元10，用于获取用户基本信息以及用户历史餐食数据，根据该用户基本信息以及用户历史餐食数据分别获取用户特征信息以及历史餐食特征信息；
库构建单元20，用于根据该历史餐食特征信息获取对应的疾病特征信息，对用户特征信息、历史餐食特征信息以及疾病特征信息进行预处理，根据处理结果构建关系特征库；
识别单元30，用于获取待识别用户餐食数据，根据该关系特征库对待识别用户餐食数据进行识别，并生成对应饮食报告。
此外，需要说明的是，以上所描述的装置实施例仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于餐食数据的智能饮食评估系统，此处不再赘述。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于餐食数据的智能饮食评估系统，其特征在于，所述基于餐食数据的智能饮食评估系统包括：
获取模块，用于获取用户基本信息以及用户历史餐食数据，根据该用户基本信息以及用户历史餐食数据分别获取用户特征信息以及历史餐食特征信息；
库构建模块，用于根据该历史餐食特征信息获取对应的疾病特征信息，对用户特征信息、历史餐食特征信息以及疾病特征信息进行预处理，根据处理结果构建关系特征库；
识别模块，用于获取待识别用户餐食数据，根据该关系特征库对待识别用户餐食数据进行识别，并生成对应饮食报告。
2.如权利要求1所述的基于餐食数据的智能饮食评估系统，其特征在于：获取模块包括信息采集模块，用于获取用户基本信息以及用户历史餐食数据，所述用户基本信息包括：年龄、性别、既往史以及过敏史，所述用户历史餐食数据包括：早餐食材信息、中餐食材信息、晚餐食材信息以及对应的时间信息，并根据该食材信息获取对应的营养元素含量信息。
3.如权利要求2所述的基于餐食数据的智能饮食评估系统，其特征在于：获取模块包括特征提取模块，用于从用户基本信息以及用户历史餐食数据中分别获取用户特征信息以及历史餐食特征信息，并根据用户特征信息以及历史餐食特征信息分别建立用户特征信息集以及历史餐食特征信息集。
4.如权利要求3所述的基于餐食数据的智能饮食评估系统，其特征在于：库构建模块包括爬取模块，用于根据营养元素含量信息爬取对应的疾病信息，所述疾病信息包括：疾病名称信息以及对应的症状描述文本信息，根据该疾病名称信息构建不同的疾病名称数据集，并将对应的症状描述文本信息进行存储。
5.如权利要求4所述的基于餐食数据的智能饮食评估系统，其特征在于：库构建模块包括归一化模块，用于设定归一化格式，通过该归一化格式对用户特征信息集、历史餐食特征信息集以及疾病名称数据集进行归一化处理，获取归一化处理之后的用户特征信息集、历史餐食特征信息集以及疾病名称数据集。
6.如权利要求5所述的基于餐食数据的智能饮食评估系统，其特征在于：库构建模块包括特征库构建模块，用于构建多元线性回归决策树算法，通过该多元线性回归决策树算法对归一化处理之后的用户特征信息集、历史餐食特征信息集以及疾病名称数据集进行加权计算，获取计算结果，并根据计算结果构建用户特征信息集、历史餐食特征信息集以及疾病名称数据集之间的关系特征库。
7.如权利要求6所述的基于餐食数据的智能饮食评估系统，其特征在于：识别模块包括识别评价模块，用于获取待识别用户餐食数据，对该待识别用户餐食数据进行预处理，获取待识别用户餐食特征数据，根据该关系特征库对待识别用户餐食特征数据进行识别，并生成对应饮食报告。
8.一种基于餐食数据的智能饮食评估设备，其特征在于，所述基于餐食数据的智能饮食评估设备包括：
获取单元，用于获取用户基本信息以及用户历史餐食数据，根据该用户基本信息以及用户历史餐食数据分别获取用户特征信息以及历史餐食特征信息；
库构建单元，用于根据该历史餐食特征信息获取对应的疾病特征信息，对用户特征信息、历史餐食特征信息以及疾病特征信息进行预处理，根据处理结果构建关系特征库；
识别单元，用于获取待识别用户餐食数据，根据该关系特征库对待识别用户餐食数据进行识别，并生成对应饮食报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110063098.5A CN112786200A (zh) | 2021-01-18 | 2021-01-18 | 一种基于餐食数据的智能饮食评估系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110063098.5A CN112786200A (zh) | 2021-01-18 | 2021-01-18 | 一种基于餐食数据的智能饮食评估系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112786200A true CN112786200A (zh) | 2021-05-11 |
Family
ID=75757152
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110063098.5A Pending CN112786200A (zh) | 2021-01-18 | 2021-01-18 | 一种基于餐食数据的智能饮食评估系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112786200A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106202988A (zh) * | 2016-10-11 | 2016-12-07 | 哈尔滨工业大学深圳研究生院 | 一种预测疾病生存期的逐步多元回归模型及应用 |
| CN107944479A (zh) * | 2017-11-16 | 2018-04-20 | 哈尔滨工业大学 | 基于半监督学习的疾病预测模型建立方法及装置 |
| CN111183485A (zh) * | 2016-10-24 | 2020-05-19 | 荷兰应用自然科学研究组织Tno | 用于实现基于生命体征、基因型和表型的膳食选择的系统和方法 |
| CN111223567A (zh) * | 2020-01-10 | 2020-06-02 | 深圳市云影医疗科技有限公司 | 一种基于区域医学影像的疑似疾病风险范围的计算方法 |
| CN111599477A (zh) * | 2020-07-10 | 2020-08-28 | 吾征智能技术(北京)有限公司 | 一种基于饮食习惯预测糖尿病的模型构建方法和系统 |
| CN111816280A (zh) * | 2020-07-10 | 2020-10-23 | 吾征智能技术(北京)有限公司 | 一种基于饮食行为的疾病预测的模型构建方法及系统 |
-
2021
- 2021-01-18 CN CN202110063098.5A patent/CN112786200A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106202988A (zh) * | 2016-10-11 | 2016-12-07 | 哈尔滨工业大学深圳研究生院 | 一种预测疾病生存期的逐步多元回归模型及应用 |
| CN111183485A (zh) * | 2016-10-24 | 2020-05-19 | 荷兰应用自然科学研究组织Tno | 用于实现基于生命体征、基因型和表型的膳食选择的系统和方法 |
| CN107944479A (zh) * | 2017-11-16 | 2018-04-20 | 哈尔滨工业大学 | 基于半监督学习的疾病预测模型建立方法及装置 |
| CN111223567A (zh) * | 2020-01-10 | 2020-06-02 | 深圳市云影医疗科技有限公司 | 一种基于区域医学影像的疑似疾病风险范围的计算方法 |
| CN111599477A (zh) * | 2020-07-10 | 2020-08-28 | 吾征智能技术(北京)有限公司 | 一种基于饮食习惯预测糖尿病的模型构建方法和系统 |
| CN111816280A (zh) * | 2020-07-10 | 2020-10-23 | 吾征智能技术(北京)有限公司 | 一种基于饮食行为的疾病预测的模型构建方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Antony et al. | A composite index to explain variations in poverty, health, nutritional status and standard of living: Use of multivariate statistical methods | |
| CN111902878A (zh) | 用于食品分析、个性化推荐和健康管理的系统和方法 | |
| Sette et al. | The third National Food Consumption Survey, INRAN-SCAI 2005–06: major dietary sources of nutrients in Italy | |
| CN111564199B (zh) | 智能化营养干预的方法及终端 | |
| Achananuparp et al. | Extracting food substitutes from food diary via distributional similarity | |
| CN111816280A (zh) | 一种基于饮食行为的疾病预测的模型构建方法及系统 | |
| Thar et al. | A review of the uses and reliability of food balance sheets in health research | |
| CN111261260B (zh) | 一种膳食推荐系统 | |
| CN112820379B (zh) | 一种融合用户画像的智能饮食推荐方法及系统 | |
| CN111599477A (zh) | 一种基于饮食习惯预测糖尿病的模型构建方法和系统 | |
| CN115458123A (zh) | 一种基于多源数据分析的个性化营养摄入分析方法 | |
| CN116417115A (zh) | 妊娠期糖尿病患者个性化营养方案推荐方法及系统 | |
| US20230072252A1 (en) | System and method for data-driven individualized nutrition | |
| Pantazopoulos et al. | Sports & nutrition data science using gradient boosting machines | |
| Mishra et al. | Analysis of Indian Food Based on Machine learning Classification Models | |
| CN112133434A (zh) | 基于饮食习惯的高血脂辅助诊断系统、设备、存储介质 | |
| CN112786200A (zh) | 一种基于餐食数据的智能饮食评估系统 | |
| Hossain et al. | Does agriculture promote diet diversity? A Bangladesh study | |
| US20220171933A1 (en) | Methods and systems for personal recipe generation | |
| CN116453651A (zh) | 饮食评估方法、装置、计算机设备及计算机可读存储介质 | |
| Kadiyala et al. | Rural transformation and the double burden of malnutrition among rural youth in developing countries | |
| US20220319663A1 (en) | System and method for generating a thyroid malady nourishment program | |
| Loesch et al. | Automated Identification of Food Substitutions Using Knowledge Graph Embeddings. | |
| Honda et al. | Household Nutrition Analysis and Food Recommendation U sing Purchase History | |
| CN112420159A (zh) | 一种能量需求计算处理方法及装置 |
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 |