CN112802578A - 基于食物健康特征知识库的食物、菜谱推荐方法 - Google Patents
基于食物健康特征知识库的食物、菜谱推荐方法 Download PDFInfo
- Publication number
- CN112802578A CN112802578A CN202011544635.XA CN202011544635A CN112802578A CN 112802578 A CN112802578 A CN 112802578A CN 202011544635 A CN202011544635 A CN 202011544635A CN 112802578 A CN112802578 A CN 112802578A
- Authority
- CN
- China
- Prior art keywords
- food
- food material
- knowledge
- menu
- health
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
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
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了基于食物健康特征知识库的食物、菜谱推荐方法,通过构建食物健康特征知识体系和食物功效知识关联特征,从而推荐菜谱,本发明构造了三种关系union1,union2,union3,及健康指数计算方式,通过食材的健康特征知识库对食物的健康元素进行组合,来进行食谱推荐,确保用户在确定自己得了相关症状之后,能够通过系统获取到适合自己的食谱。
Description
技术领域
本发明涉及计算机与健康知识技术领域,特别是一种基于食物健康特征知识库的食物、菜谱推荐方法。
背景技术
食谱、食物推荐主要采用用户的储备食材数据,过往用餐数据进行推荐,但是这样会导致用户兴趣越来越狭窄,通过采集设备采集到用户所拥有的食材,然而用户产生疾病就与自身食材的使用习惯,烹饪习惯就本就有关系,是需要健康因素去纠正和引导的。并且,这样的系统对病症的适应范围是有限的,从而无法满足广泛的用户的健康食物建议需求,针对这些问题,并没有提出确实有效的解决方法。
发明内容
为解决现有技术中存在的问题,本发明的目的是提供一种基于食物健康特征知识库的食物、菜谱推荐方法,通过食材的健康特征知识库对食物的健康元素进行组合,来进行食谱推荐,确保用户在确定自己得了相关症状之后,能够通过系统获取到适合自己的食谱。
为实现上述目的,本发明采用的技术方案是:一种基于食物健康特征知识库的食物、菜谱推荐方法,通过构建食物健康特征知识体系和食物功效知识关联特征,从而推荐菜谱,具体包括以下步骤:
步骤1、从网络爬取各种食材和菜谱数据,其关系为菜谱由哪些食材组成,建立知识关系模块union1;
步骤2、构建食材的知识特征标签数据,建立知识关系模块union2;
步骤3、依据菜谱的组成对菜谱构建健康指数算法模块M;
步骤4、根据食材的知识特征标签数据建立反向知识关系模块union3;
步骤5、依据从知识关系模块union2中得到的食材健康特征与用户输入的健康特征,使用广度和深度神经网络模型,生成对用户的候选集H,并对每个食材进行权重预测,结果整理为如下形式:
H:{食材1:weight1,食材2:weight2,…};
步骤6、根据候选集H从知识关系模块union1中获取所有候选集H中的食材可以获取到的菜谱,得到菜谱候选集HC,其中,所述菜谱候选集HC的权重由健康指数与weight相乘所得到的结果集作为新的权重weigh_health;
步骤7、建立菜谱推荐程序,所述菜谱推荐程序传入的参数包括用户需要补充的营养元素或者用户需要获得的食补功效,用户需要控制的能量范围,用户属于何种患症人群;
步骤8、菜谱推荐程序依据用户传入的参数从知识关系模块union3中获取到对应的食材。
步骤9、菜谱推荐程序依据步骤8获取到的食材按照步骤5和步骤6计算出健康菜谱候选集列表。
作为本发明的进一步改进,在步骤2中,食材的知识特征标签数据,即知识关系模块union2具体包括{{“营养元素”:{a1,a2,a3,a4,…,ai},“营养功效”:{b1,b2,b3,b4,…,bi},“适应症状”:{c1,c2,c3,c4,…,ci},“适应人群”:{d1,d2,d3,d4,…,di},“每百克能量”:XXX,“建议烹饪方式”:{e1,e2,e3,e4,…ei}},并对ai、bi、ci、di、ei按照含量、功效效力、症状效果进行算法排序。
作为本发明的进一步改进,在步骤4中,反向知识关系模块union3具体包括:{“适应症状”:“食材1,食材2,食材3”,“营养元素”:“食材1,食材2,食材3”,“营养功效”:“食材1,食材2,食材3”,“每百克能量”:“食材1,食材2,食材3”,“适应人群”:“食材1,食材2,食材3”,“建议烹饪方式”:“食材1,食材2,食材3”}。
作为本发明的进一步改进,所述步骤3具体如下:
通过营养元素的覆盖面、含量多少、功效覆盖面、适应人群的多少、适应症状的多少、每百克能量的多少、具有的健康烹饪方式有多少,根据给定的固定的权重系数进行加权后得到菜谱的健康指数。
作为本发明的进一步改进,通过键值的方式对所述健康指数进行存储:{菜谱id:健康指数},且健康指数为浮点型数据。
作为本发明的进一步改进,还包括以下步骤:
步骤9、将食材及食谱的推荐候选集返回给用户,并将健康指数返回给用户。
本发明的有益效果是:
1、针对用户的各种健康需求推出健康的食谱;
2、由于构造了三种关系union1,union2,union3,及健康指数计算方式,能更快,更具有说服力的让用户立即获取的健康的菜谱;
3、帮助用户获取自己需要的营养及功效,改善亚健康状态。
附图说明
图1为本发明实施例搜索推荐方法的流程框图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
实施例1
如图1所示,一种基于食物健康特征知识库的食物、菜谱推荐方法,包括食物健康特征知识体系构建,以及构建食物功效知识关联特征,从而推荐菜谱;具体包括以下步骤:
1、从网络爬取各种食材,菜谱数据,主要关系为菜谱由哪些食材组成,统称为知识关系模块union1;
2、构建食材的知识特征标签数据,标准为食材a的特征为{{“营养元素”:{a1,a2,a3,a4,…,ai},“营养功效”:{b1,b2,b3,b4,…,bi},“适应症状”:{c1,c2,c3,c4,…,ci},“适应人群”:{d1,d2,d3,d4,…,di},“每百克能量”:XXX,“建议烹饪方式”:{e1,e2,e3,e4,…ei}},其中需要对ai、bi、ci、di、ei等按照含量、功效效力,症状效果,进行算法排序,从而建立知识关系模块union2;
3、依据菜谱的组成对菜谱构建健康指数算法模块M,主要通过营养元素的覆盖面、含量多少、功效覆盖面、适应人群的多少、适应症状的多少、每百克能量的多少、具有的健康烹饪方式有多少,根据给定的固定的权重系数进行加权后得出一个菜谱的健康指数,存储形式为可以为键值的方式:
{菜谱id:健康指数(为浮点型数据)};
4、依据从食材的知识特征数据建立反向关系知识,即{“症状”:“食材1,食材2,食材3”,“元素”:“食材1,食材2,食材3”},同理建立功效,能量,适应人群,烹饪方式的方向关系知识,统称为知识关系模块union3;
5、依据从知识关系模块union2中得到的食材健康特征与用户输入的健康特征,使用Wide and Deep(广度和深度神经网络)模型,简称WD模型,生成对用户的候选集H,并对每个食材有权重预测,结果整理为如下形式:
H:{食材1:weight1,食材2:weight2,…}
6、依据获得候选集H从知识关系union1中获取到所有H中的食材可以获取到的菜谱,得到菜谱候选集HC,其中HC的权重需要由以上3求得的健康指数与weight相乘所得到的结果集作为新的权重weigh_health;
7、建立菜谱推荐程序A,程序需要传入参数为:用户需要补充的营养元素或者用户需要获得的食补功效,用户需要控制的能量范围,用户属于何种患症人群;
8.菜谱推荐程序A依据用户传入的参数从知识关系模块union3中获取到对应的食材,确定了食材的选取范围可以截取为5个,以避免计算过多,关系拓扑过多;
9、菜谱推荐程序A依据8获取到的食材按照5和6的步骤计算出候选的健康菜谱候选集列表;
10、如用户只需要推荐食材,则在计算出食材时即可返回所需要推荐的食材,不必计算后续的健康指数相乘返回操作;
11、确定返回的类型,将食材及食谱的推荐候选集返回给用户,并将健康指数返回给用户,增加用户对健康食谱的理解度。
实施例2
如图1所示,一种基于食物健康特征知识库的食物、菜谱推荐方法,包括以下步骤:
1、如用户输入的参数包括,钙元素,骨质疏松症状,人群老年人,是否需要菜谱;
2、将所有食材通过知识关系模块union3关系进行获取,比如钙元素含量丰富的食材有{大豆,油菜,牛奶,…};
3、查看是否需要菜谱,如不需要则获取到食材的健康元素如下形式:
大豆:{“营养元素”:{“GA”:XXX克,“锌”:xxx克},“营养功效”:{“补钙”:0.5,“补充蛋白质”:0.9},“适应症状”:{无},“适应人群”:{“老年人”,“小孩”}“每百克能量”:500j,“建议烹饪方式”:{“熬汤”:10.2}};
4、然后用算法模型WD结合3的特征与用户输入特征,进行计算获取到各个食材的健康权重,依据权重排序并返回结果;
5、如需要出具体菜谱,则通过知识关系模块union1获取到各个食材的菜谱的前三,获取形式如下:
大豆:菜谱1,菜谱2,菜谱3;
油菜:菜谱4,菜谱1,菜谱5;
6、对获取到的菜谱进行去重复,从而获取到菜谱1至菜谱5,通过菜谱的的组成食材和知识关系模块union2获取到菜谱的健康因素特征如下形式:
菜谱1:{“营养元素”:{“食材1的营养元素”:XXX克,“食材1-3相加的营养元素”:xxx克},“营养功效”:{“补钙”:0.5,“补充蛋白质”:0.9},“适应症状”:{无},“适应人群”:{“老年人”,“小孩”}“每百克能量”:800,“建议烹饪方式”:{“熬汤”:10.2}};
7、然后依据6的菜谱健康特征使用算法模型WD和用户输入健康参数,进行权重预测得到结果{菜谱1:0.9,菜谱2:0.8};
8、取出各个食谱的健康指数{菜谱1:109,菜谱2:90},然后和7的权重进行相乘,得到新的健康指数权重{菜谱1:98.1,菜谱2:72};
9、获取到菜谱的排序队列为30个队列,按照健康指数权重排序并返回前5。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (6)
1.一种基于食物健康特征知识库的食物、菜谱推荐方法,其特征在于,通过构建食物健康特征知识体系和食物功效知识关联特征,从而推荐菜谱,具体包括以下步骤:
步骤1、从网络爬取各种食材和菜谱数据,其关系为菜谱由哪些食材组成,建立知识关系模块union1;
步骤2、构建食材的知识特征标签数据,建立知识关系模块union2;
步骤3、依据菜谱的组成对菜谱构建健康指数算法模块M;
步骤4、根据食材的知识特征标签数据建立反向知识关系模块union3;
步骤5、依据从知识关系模块union2中得到的食材健康特征与用户输入的健康特征,使用广度和深度神经网络模型,生成对用户的候选集H,并对每个食材进行权重预测,结果整理为如下形式:
H:{食材1:weight1,食材2:weight2,…};
步骤6、根据候选集H从知识关系模块union1中获取所有候选集H中的食材可以获取到的菜谱,得到菜谱候选集HC,其中,所述菜谱候选集HC的权重由健康指数与weight相乘所得到的结果集作为新的权重weigh_health;
步骤7、建立菜谱推荐程序,所述菜谱推荐程序传入的参数包括用户需要补充的营养元素或者用户需要获得的食补功效,用户需要控制的能量范围,用户属于何种患症人群;
步骤8、菜谱推荐程序依据用户传入的参数从知识关系模块union3中获取到对应的食材。
步骤9、菜谱推荐程序依据步骤8获取到的食材按照步骤5和步骤6计算出健康菜谱候选集列表。
2.根据权利要求1所述的基于食物健康特征知识库的食物、菜谱推荐方法,其特征在于,在步骤2中,食材的知识特征标签数据,即知识关系模块union2具体包括{{“营养元素”:{a1,a2,a3,a4,…,ai},“营养功效”:{b1,b2,b3,b4,…,bi},“适应症状”:{c1,c2,c3,c4,…,ci},“适应人群”:{d1,d2,d3,d4,…,di},“每百克能量”:XXX,“建议烹饪方式”:{e1,e2,e3,e4,…ei}},并对ai、bi、ci、di、ei按照含量、功效效力、症状效果进行算法排序。
3.根据权利要求2所述的基于食物健康特征知识库的食物、菜谱推荐方法,其特征在于,在步骤4中,反向知识关系模块union3具体包括:{“适应症状”:“食材1,食材2,食材3”,“营养元素”:“食材1,食材2,食材3”,“营养功效”:“食材1,食材2,食材3”,“每百克能量”:“食材1,食材2,食材3”,“适应人群”:“食材1,食材2,食材3”,“建议烹饪方式”:“食材1,食材2,食材3”}。
4.根据权利要求1所述的基于食物健康特征知识库的食物、菜谱推荐方法,其特征在于,所述步骤3具体如下:
通过营养元素的覆盖面、含量多少、功效覆盖面、适应人群的多少、适应症状的多少、每百克能量的多少、具有的健康烹饪方式有多少,根据给定的固定的权重系数进行加权后得到菜谱的健康指数。
5.根据权利要求4所述的基于食物健康特征知识库的食物、菜谱推荐方法,其特征在于,通过键值的方式对所述健康指数进行存储:{菜谱id:健康指数},且健康指数为浮点型数据。
6.根据权利要求1-5任一项所述的基于食物健康特征知识库的食物、菜谱推荐方法,其特征在于,还包括以下步骤:
步骤9、将食材及食谱的推荐候选集返回给用户,并将健康指数返回给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011544635.XA CN112802578B (zh) | 2020-12-23 | 2020-12-23 | 基于食物健康特征知识库的食物、菜谱推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011544635.XA CN112802578B (zh) | 2020-12-23 | 2020-12-23 | 基于食物健康特征知识库的食物、菜谱推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112802578A true CN112802578A (zh) | 2021-05-14 |
CN112802578B CN112802578B (zh) | 2022-03-15 |
Family
ID=75805373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011544635.XA Active CN112802578B (zh) | 2020-12-23 | 2020-12-23 | 基于食物健康特征知识库的食物、菜谱推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112802578B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060122468A1 (en) * | 2004-11-15 | 2006-06-08 | Mali Tavor Ltd. | Nutritional counseling method and server |
US20100191075A1 (en) * | 2009-01-26 | 2010-07-29 | Kimon Angelides | Progressively Personalized Decision-Support Menu for Controlling Diabetes |
US20180158010A1 (en) * | 2016-12-01 | 2018-06-07 | International Business Machines Corporation | User Operation Selection and/or Modification Based on Determined User Skills/Skill Limitations |
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 |
US20190295440A1 (en) * | 2018-03-23 | 2019-09-26 | Nutrino Health Ltd. | Systems and methods for food analysis, personalized recommendations and health management |
CN110970112A (zh) * | 2018-09-29 | 2020-04-07 | 九阳股份有限公司 | 一种面向营养健康的知识图谱构建方法和系统 |
CN111209453A (zh) * | 2020-01-03 | 2020-05-29 | 深圳数联天下智能科技有限公司 | 菜谱推荐方法、装置、计算机设备和存储介质 |
CN111506735A (zh) * | 2020-04-07 | 2020-08-07 | 珠海格力电器股份有限公司 | 菜品推荐方法、存储介质、电子设备以及冰箱 |
CN111640486A (zh) * | 2020-05-27 | 2020-09-08 | 合肥美的电冰箱有限公司 | 一种菜谱推荐方法、系统、电子设备及存储介质 |
-
2020
- 2020-12-23 CN CN202011544635.XA patent/CN112802578B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060122468A1 (en) * | 2004-11-15 | 2006-06-08 | Mali Tavor Ltd. | Nutritional counseling method and server |
US20100191075A1 (en) * | 2009-01-26 | 2010-07-29 | Kimon Angelides | Progressively Personalized Decision-Support Menu for Controlling Diabetes |
US20180158010A1 (en) * | 2016-12-01 | 2018-06-07 | International Business Machines Corporation | User Operation Selection and/or Modification Based on Determined User Skills/Skill Limitations |
US20190295440A1 (en) * | 2018-03-23 | 2019-09-26 | Nutrino Health Ltd. | Systems and methods for food analysis, personalized recommendations and health management |
CN110970112A (zh) * | 2018-09-29 | 2020-04-07 | 九阳股份有限公司 | 一种面向营养健康的知识图谱构建方法和系统 |
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 |
CN111209453A (zh) * | 2020-01-03 | 2020-05-29 | 深圳数联天下智能科技有限公司 | 菜谱推荐方法、装置、计算机设备和存储介质 |
CN111506735A (zh) * | 2020-04-07 | 2020-08-07 | 珠海格力电器股份有限公司 | 菜品推荐方法、存储介质、电子设备以及冰箱 |
CN111640486A (zh) * | 2020-05-27 | 2020-09-08 | 合肥美的电冰箱有限公司 | 一种菜谱推荐方法、系统、电子设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
KIRTI R. PAWAR 等: "Constraint based recipe recommendation using forward checking algorithm", 《2016 INTERNATIONAL CONFERENCE ON ADVANCES IN COMPUTING, COMMUNICATIONS AND INFORMATICS (ICACCI)》 * |
喻兵 等: "基于多维度特征的饮食健康推荐", 《计算机应用与软件》 * |
迟杨: "健康饮食领域知识图谱构建与应用研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112802578B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3083036C (en) | Methods to mimic target food items using artificial intelligence | |
CN105809598A (zh) | 饮食摄入的管理方法、装置及云平台 | |
CN111564199B (zh) | 智能化营养干预的方法及终端 | |
CN111261260B (zh) | 一种膳食推荐系统 | |
US20220230730A1 (en) | Recipe recommendation method and device, computing device and storage medium | |
Thangamani et al. | Identification of malnutrition with use of supervised datamining techniques–decision trees and artificial neural networks | |
CN112802578B (zh) | 基于食物健康特征知识库的食物、菜谱推荐方法 | |
CN113158018A (zh) | 食谱推荐方法、冰箱、计算机可读存储介质 | |
CN110838356B (zh) | 一种数据处理方法、装置以及存储介质 | |
Jervis et al. | Cuisine and conquest: interdisciplinary perspectives on food, continuity and change in 11th-century England and beyond | |
Li et al. | Picture-to-amount (pita): Predicting relative ingredient amounts from food images | |
CN106529151A (zh) | 一种物联网厨房管理的方法和设备 | |
WO2019095518A1 (zh) | 基于服务器大数据分析的智能冰箱、健康管理方法及系统 | |
CN113407581A (zh) | 一种家庭多人组合的配餐推荐方法和系统 | |
Ratisoontorn | Recipe Recommendations for Toddlers Using Integrated Nutritional and Ingredient Similarity Measures | |
CN108565005A (zh) | 基于智能冰箱的信息推送方法、装置、设备及存储介质 | |
CN114023419A (zh) | 食谱推荐方法、装置及非易失性存储介质 | |
CN114388102A (zh) | 饮食推荐方法及装置和电子设备 | |
Meena | AJAS | |
Sevilla-Villanueva et al. | Generating complete menus from nutritional prescriptions by using advanced cbr and real food databases | |
Guilkey et al. | The distribution of food consumption over a year: a longitudinal analysis | |
CN113139120A (zh) | 电子设备及食谱的推荐方法和装置 | |
Isharyani et al. | Quality characteristic determination of red dragon fruit noodle with Kano Model and QFD Method | |
CN112420159A (zh) | 一种能量需求计算处理方法及装置 | |
CN111435610A (zh) | 推荐食物的方法、装置和烹饪器具 |
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 |