CN113256396A - 基于大数据的餐饮推荐方法、系统及可读存储介质 - Google Patents

基于大数据的餐饮推荐方法、系统及可读存储介质 Download PDF

Info

Publication number
CN113256396A
CN113256396A CN202110748912.7A CN202110748912A CN113256396A CN 113256396 A CN113256396 A CN 113256396A CN 202110748912 A CN202110748912 A CN 202110748912A CN 113256396 A CN113256396 A CN 113256396A
Authority
CN
China
Prior art keywords
information
diet
emotional state
user
target
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
CN202110748912.7A
Other languages
English (en)
Inventor
张莹
刘立斌
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.)
Foshan Menassen Intelligent Technology Co ltd
Original Assignee
Foshan Menassen Intelligent Technology 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 Foshan Menassen Intelligent Technology Co ltd filed Critical Foshan Menassen Intelligent Technology Co ltd
Priority to CN202110748912.7A priority Critical patent/CN113256396A/zh
Publication of CN113256396A publication Critical patent/CN113256396A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Acoustics & Sound (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Accounting & Taxation (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Psychiatry (AREA)
  • Child & Adolescent Psychology (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Hospice & Palliative Care (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提一种基于大数据的餐饮推荐方法，包括：获取目标用户的历史用餐信息，并根据所述历史用餐信息生成所述目标用户的饮食喜好列表；获取所述目标用户在预设时间段内聊天记录信息、语音对话信息以及视频影像信息；根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态；获取所述目标用户在预设时间段内的饮食历史信息；根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐。本申请可以不仅仅控制用户的能量摄入，还可以基于用户的情绪状态提供饮食推荐，可以提高推荐的准确性。

Description

基于大数据的餐饮推荐方法、系统及可读存储介质
技术领域
本申请涉及餐饮推荐技术领域，具体而言，涉及一种基于大数据的餐饮推荐方法、系统及可读存储介质。
背景技术
目前。随着人工智能的不断发展，对于商品或者餐饮的推荐越来越智能化，但是目前，推荐餐饮套餐时往往仅仅基于历史数据以及用户的搜索信息，导致推荐的准确性不高，无法考虑用户的情绪状态。
针对上述问题，目前尚未有有效的技术解决方案。
发明内容
本申请实施例的目的在基于提供一种基于大数据的餐饮推荐方法、系统及可读存储介质，可以提高推荐的准确性。
本申请实施例还提供了一种基于大数据的餐饮推荐方法，包括：
获取目标用户的历史用餐信息，并根据所述历史用餐信息生成所述目标用户的饮食喜好列表；
获取所述目标用户在预设时间段内聊天记录信息、语音对话信息以及视频影像信息；
根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态；
获取所述目标用户在预设时间段内的饮食历史信息；
根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐；
所述根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐，包括：
根据所述饮食历史信息计算所述预设时间段的预估能量摄入水平；
根据所述预估能量摄入水平从所述饮食喜好列表获取多个对应的待选饮食套餐；
根据所述情绪状态从所述多个对应的待选饮食套餐中筛选出所述情绪状态对应的目标饮食套餐。
本方案中，所述根据所述情绪状态从所述多个对应的待选饮食套餐中筛选出所述情绪状态对应的目标饮食套餐，包括：
若所述情绪状态为负面情绪状态，则从所述多个对应的待选饮食套餐中筛选多个能平复负面情绪状态的第一饮食套餐；
从所述多个第一饮食套餐中选取距离所述目标用户距离最近的套餐作为目标饮食套餐；
若所述情绪状态为正面情绪状态，则从所述多个对应的待选饮食套餐中筛选多个与所述正面情绪状态对应的第二饮食套餐；
从所述多个与所述正面情绪状态对应的第二饮食套餐中筛选出环境氛围热闹的第二饮食套餐作为目标饮食套餐。
本方案中，所述根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态，包括：
对所述聊天记录信息中所述用户发出的用语进行筛选，以获取其中的第一情绪化词语；
对所述语音对话信息进行语音识别，以获取其中的第二情绪化词语；
对所述语音对话信息进行语调识别，以获取每一所述第二情绪化词语对应的语调信息；
对所述视频影像信息中的所述用户的表情信息进行提取，以得到多个表情图像；
将所述第一情绪化词语、所述第二情绪化词语以及所述多个表情图像输入预设神经网络模型，以得到所述用户当前的情绪状态。
本方案中，所述获取所述目标用户在预设时间段内的饮食历史信息，包括：
获取所述目标用户在预设时间段内在外卖软件上的第一点餐信息；
获取所述目标用户在所述预设时间段内的移动支付信息以获得所述目标用户在所述预设时间段内就餐过的餐饮店的支付费用信息；
根据所述支付费用信息以及对应的餐饮店的菜单获取所述用户的第二点餐信息；
根据所述第一点餐信息以及所述第二点餐信息计算得到所述目标用户在预设时间段内的饮食历史信息。
本方案中，所述根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐，包括：
获取所述目标用户在预设时间段内的运动量信息；
根据所述情绪状态、所述运动量信息、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐。
本方案中，还包括：
获取所述第一情绪化词语因子、所述第二情绪化词语因子以及所述多个表情图像频谱；
将所述第一情绪化词语因子、所述第二情绪化词语因子以及所述多个表情图像频谱进行预处理，得到训练样本集；
将所述训练样本集输入至初始化的情绪状态神经网络中进行训练，获取训练输出结果的准确率；
若所述准确率大于预设的预设阈值则停止训练，得到所述情绪状态神经网络模型。
本方案中，所述根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐，包括：
获取用户的消费性格信息，根据所述消费性格信息以及所述情绪状态以及饮食喜好列表选出对应价位的多个待选饮食套餐；
根据所述饮食历史信息计算所述预设时间段的预估能量摄入水平；
根据所述预估能量摄入水平从所述多个待选饮食套餐筛选出至少一个目标饮食套餐，使得所述目标用户的能量摄入水平低于预设水平。
第二方面，本申请实施例还提供了一种基于大数据的餐饮推荐系统，该系统包括：存储器及处理器，所述存储器中包括基于大数据的餐饮推荐方法的程序，所述基于大数据的餐饮推荐方法的程序被所述处理器执行时实现以下步骤：
获取目标用户的历史用餐信息，并根据所述历史用餐信息生成所述目标用户的饮食喜好列表；
获取所述目标用户在预设时间段内聊天记录信息、语音对话信息以及视频影像信息；
根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态；
获取所述目标用户在预设时间段内的饮食历史信息；
根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐；
所述根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐，包括：
根据所述饮食历史信息计算所述预设时间段的预估能量摄入水平；
根据所述预估能量摄入水平从所述饮食喜好列表获取多个对应的待选饮食套餐；
根据所述情绪状态从所述多个对应的待选饮食套餐中筛选出所述情绪状态对应的目标饮食套餐。
本方案中，所述根据所述情绪状态从所述多个对应的待选饮食套餐中筛选出所述情绪状态对应的目标饮食套餐，包括：
若所述情绪状态为负面情绪状态，则从所述多个对应的待选饮食套餐中筛选多个能平复负面情绪状态的第一饮食套餐；
从所述多个第一饮食套餐中选取距离所述目标用户距离最近的套餐作为目标饮食套餐；
若所述情绪状态为正面情绪状态，则从所述多个对应的待选饮食套餐中筛选多个与所述正面情绪状态对应的第二饮食套餐；
从所述多个与所述正面情绪状态对应的第二饮食套餐中筛选出环境氛围热闹的第二饮食套餐作为目标饮食套餐。
本方案中，所述根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态，包括：
对所述聊天记录信息中所述用户发出的用语进行筛选，以获取其中的第一情绪化词语；
对所述语音对话信息进行语音识别，以获取其中的第二情绪化词语；
对所述语音对话信息进行语调识别，以获取每一所述第二情绪化词语对应的语调信息；
对所述视频影像信息中的所述用户的表情信息进行提取，以得到多个表情图像；
将所述第一情绪化词语、所述第二情绪化词语以及所述多个表情图像输入预设神经网络模型，以得到所述用户当前的情绪状态。
本方案中，所述获取所述目标用户在预设时间段内的饮食历史信息，包括：
获取所述目标用户在预设时间段内在外卖软件上的第一点餐信息；
获取所述目标用户在所述预设时间段内的移动支付信息以获得所述目标用户在所述预设时间段内就餐过的餐饮店的支付费用信息；
根据所述支付费用信息以及对应的餐饮店的菜单获取所述用户的第二点餐信息；
根据所述第一点餐信息以及所述第二点餐信息计算得到所述目标用户在预设时间段内的饮食历史信息。
本方案中，所述根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐，包括：
获取所述目标用户在预设时间段内的运动量信息；
根据所述情绪状态、所述运动量信息、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐。
本方案中，还包括：
获取所述第一情绪化词语因子、所述第二情绪化词语因子以及所述多个表情图像频谱；
将所述第一情绪化词语因子、所述第二情绪化词语因子以及所述多个表情图像频谱进行预处理，得到训练样本集；
将所述训练样本集输入至初始化的情绪状态神经网络中进行训练，获取训练输出结果的准确率；
若所述准确率大于预设的预设阈值则停止训练，得到所述情绪状态神经网络模型。
本方案中，所述根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐，包括：
获取用户的消费性格信息，根据所述消费性格信息以及所述情绪状态以及饮食喜好列表选出对应价位的多个待选饮食套餐；
根据所述饮食历史信息计算所述预设时间段的预估能量摄入水平；
根据所述预估能量摄入水平从所述多个待选饮食套餐筛选出至少一个目标饮食套餐，使得所述目标用户的能量摄入水平低于预设水平。
第三方面，本申请实施例还提供了一种可读存储介质，所述可读存储介质中包括基于大数据的餐饮推荐方法程序，所述基于大数据的餐饮推荐方法程序被处理器执行时，实现如上述任一项所述的一种基于大数据的餐饮推荐方法的步骤。
由上可知，本申请实施例提供的基于大数据的餐饮方法及推荐系统通过获取目标用户的历史用餐信息，并根据所述历史用餐信息生成所述目标用户的饮食喜好列表；获取所述目标用户在预设时间段内聊天记录信息、语音对话信息以及视频影像信息；根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态；获取所述目标用户在预设时间段内的饮食历史信息；根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐。从而可以不仅仅可以控制用户的能量摄入，还可以基于用户的情绪状态提供饮食推荐，可以提高推荐的准确性。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的基于大数据的餐饮推荐方法的一种流程图。
图2为本申请实施例提供的基于大数据的餐饮推荐系统的一种结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种基于大数据的餐饮推荐方法的流程图。该基于大数据的餐饮推荐方法，包括以下步骤：
S101、获取目标用户的历史用餐信息，并根据所述历史用餐信息生成所述目标用户的饮食喜好列表。
S102、获取所述目标用户在预设时间段内聊天记录信息、语音对话信息以及视频影像信息；
S103、根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态；
S104、获取所述目标用户在预设时间段内的饮食历史信息；
S105、根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐。
其中，在该步骤S101中，历史用餐信息可以包括点外卖的第一点餐信息以及到店用餐的第二点餐信息。该历史用餐信息为1年或者2年内的历史用餐信息。其中，该饮食喜好列表上包括多个比较喜好的套餐，每一套餐的就餐次数大于或者等于预设值，例如3次。
其中，在该步骤S102中，该聊天记录信息可以包括短信聊天、QQ聊天、微信聊天以及钉钉聊天等，当然其并不限于此。其中，该语音对话信息可以包括电话语音、QQ语音、微信语音等。其中，该视频影像信息可以包括微信视频、自拍视频以及钉钉视频等。
其中，在该步骤S103中，可以基于聊天记录信息、语音对话信息以及视频影像信息判断对话语气，然后来判断用户的情绪，可以采用常见的情绪识别模型来进行。
在一些实施例中，该步骤S103可以包括以下子步骤：S1031、对所述聊天记录信息中所述用户发出的用语进行筛选，以获取其中的第一情绪化词语；S1032、对所述语音对话信息进行语音识别，以获取其中的第二情绪化词语；S1033、对所述语音对话信息进行语调识别，以获取每一所述第二情绪化词语对应的语调信息；S1034、对所述视频影像信息中的所述用户的表情信息进行提取，以得到多个表情图像；S1035、将所述第一情绪化词语、所述第二情绪化词语以及所述多个表情图像输入预设神经网络模型，以得到所述用户当前的情绪状态。
其中，在该步骤S1031中，需要先对聊天记录中用户发出的每一句用语进行分词处理，然后提取分词中的情绪化用词，从而得到第一情绪化词语。其中，在该步骤S1032中，对所述语音对话信息进行语音识别以得到对应的文字语句，然后采用分词处理来对该文字语句进行分词处理，然后提取分词中的情绪化用词，从而得到第二情绪化词语。其中，在该步骤S1033中，对所述语音对话信息进行语调识别，以获取每一所述第二情绪化词语对应的语调信息，也即是说每一次第二情绪化词语时的音调。在该步骤S1034中，采用现有技术中的表情识别算法识别用户的情绪化表情时的表情图案。其中，在该步骤S1035中，可以采用预先训练的预设神经网络模型来基于第一情绪化词语、所述第二情绪化词语以及所述多个表情图像识别出用户当前的情绪状态。
其中，在该步骤S104中，获取所述目标用户在预设时间段内在外卖软件上的第一点餐信息；获取所述目标用户在所述预设时间段内的移动支付信息以获得所述目标用户在所述预设时间段内就餐过的餐饮店的支付费用信息；根据所述支付费用信息以及对应的餐饮店的菜单获取所述用户的第二点餐信息；根据所述第一点餐信息以及所述第二点餐信息计算得到所述目标用户在预设时间段内的饮食历史信息。其中，该预设时间段为一周或者一个月。其中，该菜单可以通过访问该餐饮店在网上的菜单得到，并且一些餐饮店在付款时会在支付软件上显示对应的菜单。
其中，在一些实施例中，该步骤S105可以包括：S1051、根据饮食历史信息计算所述预设时间段的预估能量摄入水平；S1052、根据所述预估能量摄入水平从所述饮食喜好列表获取多个对应的待选饮食套餐；S1053、根据所述情绪状态从所述多个对应的待选饮食套餐中筛选出所述情绪状态对应的目标饮食套餐。其中，该预估能量摄入水平可以为通过用户的用餐习惯以及用餐种类估算得出，所述的估算方法可以采用现有技术中的估算方法。推荐时，如果预估能量摄入水平已经处于较高水平就需要推荐能量相对较低的套餐作为待选饮食套餐。由于在不同的情绪状态下会分泌不同的激素，因此，需要通过吃对应的套餐来综合这些负面情绪激素或者促进正面情绪激素的分泌。
其中，在一些实施例中，该步骤S105可以包括：S1054、若所述情绪状态为负面情绪状态，则从所述多个对应的待选饮食套餐中筛选多个能平复负面情绪状态的第一饮食套餐；S1055、从所述多个第一饮食套餐中选取距离所述目标用户距离最近的套餐作为目标饮食套餐；S1056、若所述情绪状态为正面情绪状态，则从所述多个对应的待选饮食套餐中筛选多个与所述正面情绪状态对应的第二饮食套餐；S1057、从所述多个与所述正面情绪状态对应的第二饮食套餐中筛选出环境氛围热闹的第二饮食套餐作为目标饮食套餐。
其中，在一些实施例中，该步骤S105可以包括：S1058、获取所述目标用户在预设时间段内的运动量信息；S1059、根据所述情绪状态、所述运动量信息、所述饮食历史信息以及饮食喜好列表推荐对应的目标饮食套餐。
其中，在一些实施例中，该步骤S105可以包括：获取用户的消费性格信息，根据所述消费性格信息以及所述情绪状态以及饮食喜好列表选出对应价位的多个待选饮食套餐；根据所述饮食历史信息计算所述预设时间段的预估能量摄入水平；根据所述预估能量摄入水平从所述多个待选饮食套餐筛选出至少一个目标饮食套餐，使得所述目标用户的能量摄入水平低于预设水平。其中，该预设水平可以为通过用户的用餐习惯以及用餐种类估算得出。需要尽量保证用户在预设时间段吃高能量饮食的次数不能大于预设次数，例如一周不能超过2次。
由上可知，本申请实施例提供的基于大数据的餐饮推荐方法通过获取目标用户的历史用餐信息，并根据所述历史用餐信息生成所述目标用户的饮食喜好列表；获取所述目标用户在预设时间段内聊天记录信息、语音对话信息以及视频影像信息；根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态；获取所述目标用户在预设时间段内的饮食历史信息；根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐。从而可以不仅仅可以控制用户的能量摄入，还可以基于用户的情绪状态提供饮食推荐，可以提高推荐的准确性。
根据本发明实施例，还包括：
获取所述第一情绪化词语因子、所述第二情绪化词语因子以及所述多个表情图像频谱；
将所述第一情绪化词语因子、所述第二情绪化词语因子以及所述多个表情图像频谱进行预处理，得到训练样本集；
将所述训练样本集输入至初始化的情绪状态神经网络中进行训练，获取训练输出结果的准确率；
若所述准确率大于预设的预设阈值则停止训练，得到所述情绪状态神经网络模型。
需要说明的是，情绪状态神经网络模型需要大量的历史数据进行训练，数据量决定了模型的准确度，本申请中的情绪状态神经网络模型可以通过历史时间的聊天记录信息、语音对话信息以及视频影像信息获取的第一情绪化词语因子和第二情绪化词语因子以及表情图像频谱作为输入进行训练提高模型的准确率，当所述准确率高于预设的准确率阈值时则停止训练以得到所述情绪状态神经网络模型，其中准确率阈值可以设置为80%。
根据本发明实施例，还包括：
根据所述饮食喜好列表获取的多个待选饮食套餐作为饮食套餐样本；
获取所述饮食套餐样本对应的能量样本作为能量样本集；
根据所述用户的预设时间段内预估能量摄入水平与所述用户历史时间段的消费性格信息、情绪状态以及时间内运动量信息进行加权，得到用户目标摄入能量；
根据加权后所述用户目标摄入能量与所述能量样本集预设阈值进行阈值对比；
选择所述能量样本集中预设阈值小于的能量样本作为目标能量样本；
根据所述目标能量样本对应的待选饮食套餐作为用户的目标套餐。
需要说明的是，将用户饮食喜好列表对应的饮食套餐作为备选套餐，根据用户历史时间段的消费性格信息和情绪状态以及时间内运动量信息对用户预设时间段内预估能量摄入水平进行加权得到用户的目标摄入能量，并将加权后的目标摄入能量与备选套餐的对应能量进行阈值对比，可选择出阈值小于预设阈值范围的备选套餐作为目标套餐，可针对用户的性格、情绪以及能耗科学有效的缩小筛选范围，以便选择最合理的用户套餐，提高用户满意度；
加权后的用户目标摄入能量的计算公式如下：
Figure DEST_PATH_IMAGE001
；
其中，
Figure 987290DEST_PATH_IMAGE002
为所述用户目标摄入能量，
Figure DEST_PATH_IMAGE003
为加权值，n为历史时间段内的点，
Figure 697626DEST_PATH_IMAGE004
表示所述用户第n个时间点的消费性格信息，
Figure DEST_PATH_IMAGE005
表示所述用户第n个时间点的情绪状态，
Figure 799574DEST_PATH_IMAGE006
表示所述用户第n个时间点的运动量信息。
根据本发明实施例，还包括：
根据所述用户的历史饮食记录的饮食套餐对应获取的情绪状态、时间内运动量信息以及能量摄入水平建立用户的历史用餐信息数据库；
根据所述用户目前情绪状态、时间内运动量信息以及时间段内能量摄入水平在所述用户历史用餐信息数据库中进行阈值对比；
在所述用户历史用餐信息数据库中查找与所述用户目前情绪状态、时间内运动量信息以及时间段内能量摄入水平预设阈值最接近的历史饮食记录的饮食套餐作为目标套餐。
需要说明的是，根据所述用户历史饮食记录的饮食套餐以及饮食套餐对应的情绪状态、时间内运动量信息以及能量摄入水平建立用户的历史用餐信息数据库，将用户目前最新的情绪状态、时间内运动量信息以及时间段内能量摄入水平在历史用餐信息数据库中进行阈值对比从而查找到数据库中与预设阈值最接近的历史饮食记录，将记录中对应选择的饮食套餐作为选定的此次目标套餐，作为针对用户目前情绪、状态最适应匹配的套餐推荐给用户，提高用户的满意度。
请参照图2所示，本申请实施例还提供了一种基于大数据的餐饮推荐系统，该系统包括：存储器201及处理器202，所述存储器201中包括基于大数据的餐饮推荐方法的程序，所述基于大数据的餐饮推荐方法的程序被所述处理器202执行时实现以下步骤：获取目标用户的历史用餐信息，并根据所述历史用餐信息生成所述目标用户的饮食喜好列表；获取所述目标用户在预设时间段内聊天记录信息、语音对话信息以及视频影像信息；根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态；获取所述目标用户在预设时间段内的饮食历史信息；根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐。
其中，历史用餐信息可以包括点外卖的第一点餐信息以及到店用餐的第二点餐信息。该历史用餐信息为1年或者2年内的历史用餐信息。其中，该饮食喜好列表上包括多个比较喜好的套餐，每一套餐的就餐次数大于或者等于预设值，例如3次。
其中，该聊天记录信息可以包括短信聊天、QQ聊天、微信聊天以及钉钉聊天等，当然其并不限于此。其中，该语音对话信息可以包括电话语音、QQ语音、微信语音等。其中，该视频影像信息可以包括微信视频、自拍视频以及钉钉视频等。
其中，可以基于聊天记录信息、语音对话信息以及视频影像信息判断对话语气，然后来判断用户的情绪，可以采用常见的情绪识别模型来进行。
在一些实施例中，所述基于大数据的餐饮推荐方法的程序被所述处理器202执行时实现以下步骤：对所述聊天记录信息中所述用户发出的用语进行筛选，以获取其中的第一情绪化词语；对所述语音对话信息进行语音识别，以获取其中的第二情绪化词语；对所述语音对话信息进行语调识别，以获取每一所述第二情绪化词语对应的语调信息；对所述视频影像信息中的所述用户的表情信息进行提取，以得到多个表情图像；将所述第一情绪化词语、所述第二情绪化词语以及所述多个表情图像输入预设神经网络模型，以得到所述用户当前的情绪状态。
其中，需要先对聊天记录中用户发出的每一句用语进行分词处理，然后提取分词中的情绪化用词，从而得到第一情绪化词语。其中，对所述语音对话信息进行语音识别以得到对应的文字语句，然后采用分词处理来对该文字语句进行分词处理，然后提取分词中的情绪化用词，从而得到第二情绪化词语。对所述语音对话信息进行语调识别，以获取每一所述第二情绪化词语对应的语调信息，也即是说每一次第二情绪化词语时的音调。采用现有技术中的表情识别算法识别用户的情绪化表情时的表情图案。其中，可以采用预先训练的预设神经网络模型来基于第一情绪化词语、所述第二情绪化词语以及所述多个表情图像识别出用户当前的情绪状态。
其中，获取所述目标用户在预设时间段内在外卖软件上的第一点餐信息；获取所述目标用户在所述预设时间段内的移动支付信息以获得所述目标用户在所述预设时间段内就餐过的餐饮店的支付费用信息；根据所述支付费用信息以及对应的餐饮店的菜单获取所述用户的第二点餐信息；根据所述第一点餐信息以及所述第二点餐信息计算得到所述目标用户在预设时间段内的饮食历史信息。其中，该预设时间段为一周或者一个月。其中，该菜单可以通过访问该餐饮店在网上的菜单得到，并且一些餐饮店在付款时会在支付软件上显示对应的菜单。
其中，在一些实施例中，所述基于大数据的餐饮推荐方法的程序被所述处理器202执行时实现以下步骤：根据饮食历史信息计算所述预设时间段的预估能量摄入水平；根据所述预估能量摄入水平从所述饮食喜好列表获取多个对应的待选饮食套餐；根据所述情绪状态从所述多个对应的待选饮食套餐中筛选出所述情绪状态对应的目标饮食套餐。其中，该预估能量摄入水平可以为通过用户的用餐习惯以及用餐种类估算得出。推荐时，如果预估能量摄入水平已经处于较高水平就需要推荐能量相对较低的套餐作为待选饮食套餐。由于在不同的情绪状态下会分泌不同的激素，因此，需要通过吃对应的套餐来综合这些负面情绪激素或者促进正面情绪激素的分泌。
其中，在一些实施例中，所述基于大数据的餐饮推荐方法的程序被所述处理器202执行时实现以下步骤：若所述情绪状态为负面情绪状态，则从所述多个对应的待选饮食套餐中筛选多个能平复负面情绪状态的第一饮食套餐；从所述多个第一饮食套餐中选取距离所述目标用户距离最近的套餐作为目标饮食套餐；若所述情绪状态为正面情绪状态，则从所述多个对应的待选饮食套餐中筛选多个与所述正面情绪状态对应的第二饮食套餐；从所述多个与所述正面情绪状态对应的第二饮食套餐中筛选出环境氛围热闹的第二饮食套餐作为目标饮食套餐。
其中，在一些实施例中，所述基于大数据的餐饮推荐方法的程序被所述处理器202执行时实现以下步骤：获取所述目标用户在预设时间段内的运动量信息；根据所述情绪状态、所述运动量信息、所述饮食历史信息以及饮食喜好列表推荐对应的目标饮食套餐。
其中，在一些实施例中，所述基于大数据的餐饮推荐方法的程序被所述处理器202执行时实现以下步骤：获取用户的消费性格信息，根据所述消费性格信息以及所述情绪状态以及饮食喜好列表选出对应价位的多个待选饮食套餐；根据所述饮食历史信息计算所述预设时间段的预估能量摄入水平；根据所述预估能量摄入水平从所述多个待选饮食套餐筛选出至少一个目标饮食套餐，使得所述目标用户的能量摄入水平低于预设水平。其中，该预设水平可以为通过用户的用餐习惯以及用餐种类估算得出。需要尽量保证用户在预设时间段吃高能量饮食的次数不能大于预设次数，例如一周不能超过2次。
由上可知，本申请实施例提供的基于大数据的餐饮推荐系统通过获取目标用户的历史用餐信息，并根据所述历史用餐信息生成所述目标用户的饮食喜好列表；获取所述目标用户在预设时间段内聊天记录信息、语音对话信息以及视频影像信息；根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态；获取所述目标用户在预设时间段内的饮食历史信息；根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐。从而可以不仅仅可以控制用户的能量摄入，还可以基于用户的情绪状态提供饮食推荐，可以提高推荐的准确性。
根据本发明实施例，还包括：
获取所述第一情绪化词语因子、所述第二情绪化词语因子以及所述多个表情图像频谱；
将所述第一情绪化词语因子、所述第二情绪化词语因子以及所述多个表情图像频谱进行预处理，得到训练样本集；
将所述训练样本集输入至初始化的情绪状态神经网络中进行训练，获取训练输出结果的准确率；
若所述准确率大于预设的预设阈值则停止训练，得到所述情绪状态神经网络模型。
需要说明的是，情绪状态神经网络模型需要大量的历史数据进行训练，数据量决定了模型的准确度，本申请中的情绪状态神经网络模型可以通过历史时间的聊天记录信息、语音对话信息以及视频影像信息获取的第一情绪化词语因子和第二情绪化词语因子以及表情图像频谱作为输入进行训练提高模型的准确率，当所述准确率高于预设的准确率阈值时则停止训练以得到所述情绪状态神经网络模型，其中准确率阈值可以设置为80%。
根据本发明实施例，还包括：
根据所述饮食喜好列表获取的多个待选饮食套餐作为饮食套餐样本；
获取所述饮食套餐样本对应的能量样本作为能量样本集；
根据所述用户的预设时间段内预估能量摄入水平与所述用户历史时间段的消费性格信息、情绪状态以及时间内运动量信息进行加权，得到用户目标摄入能量；
根据加权后所述用户目标摄入能量与所述能量样本集预设阈值进行阈值对比；
选择所述能量样本集中预设阈值小于的能量样本作为目标能量样本；
根据所述目标能量样本对应的待选饮食套餐作为用户的目标套餐。
需要说明的是，将用户饮食喜好列表对应的饮食套餐作为备选套餐，根据用户历史时间段的消费性格信息和情绪状态以及时间内运动量信息对用户预设时间段内预估能量摄入水平进行加权得到用户的目标摄入能量，并将加权后的目标摄入能量与备选套餐的对应能量进行阈值对比，可选择出阈值小于预设阈值范围的备选套餐作为目标套餐，可针对用户的性格、情绪以及能耗科学有效的缩小筛选范围，以便选择最合理的用户套餐，提高用户满意度；
加权后的用户目标摄入能量的计算公式如下：
Figure 572358DEST_PATH_IMAGE001
；
其中，
Figure 520852DEST_PATH_IMAGE002
为所述用户目标摄入能量，
Figure 695481DEST_PATH_IMAGE003
为加权值，n为历史时间段内的点，
Figure 296227DEST_PATH_IMAGE004
表示所述用户第n个时间点的消费性格信息，
Figure 431673DEST_PATH_IMAGE005
表示所述用户第n个时间点的情绪状态，
Figure DEST_PATH_IMAGE007
表示所述用户第n个时间点的运动量信息。
根据本发明实施例，还包括：
根据所述用户的历史饮食记录的饮食套餐对应获取的情绪状态、时间内运动量信息以及能量摄入水平建立用户的历史用餐信息数据库；
根据所述用户目前情绪状态、时间内运动量信息以及时间段内能量摄入水平在所述用户历史用餐信息数据库中进行阈值对比；
在所述用户历史用餐信息数据库中查找与所述用户目前情绪状态、时间内运动量信息以及时间段内能量摄入水平预设阈值最接近的历史饮食记录的饮食套餐作为目标套餐。
需要说明的是，根据所述用户历史饮食记录的饮食套餐以及饮食套餐对应的情绪状态、时间内运动量信息以及能量摄入水平建立用户的历史用餐信息数据库，将用户目前最新的情绪状态、时间内运动量信息以及时间段内能量摄入水平在历史用餐信息数据库中进行阈值对比从而查找到数据库中与预设阈值最接近的历史饮食记录，将记录中对应选择的饮食套餐作为选定的此次目标套餐，作为针对用户目前情绪、状态最适应匹配的套餐推荐给用户，提高用户的满意度。
本申请实施例提供一种存储介质，所述计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random AccessMemory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable ProgrammableRead-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable ProgrammableRead Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory,简称PROM），只读存储器（Read-Only Memory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基于大数据的餐饮推荐方法，其特征在于，包括：
获取目标用户的历史用餐信息，并根据所述历史用餐信息生成所述目标用户的饮食喜好列表；
获取所述目标用户在预设时间段内聊天记录信息、语音对话信息以及视频影像信息；
根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态；
获取所述目标用户在预设时间段内的饮食历史信息；
根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐；
所述根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐，包括：
根据所述饮食历史信息计算所述预设时间段的预估能量摄入水平；
根据所述预估能量摄入水平从所述饮食喜好列表获取多个对应的待选饮食套餐；
根据所述情绪状态从所述多个对应的待选饮食套餐中筛选出所述情绪状态对应的目标饮食套餐。
2.根据权利要求1所述的基于大数据的餐饮推荐方法，其特征在于，所述根据所述情绪状态从所述多个对应的待选饮食套餐中筛选出所述情绪状态对应的目标饮食套餐，包括：
若所述情绪状态为负面情绪状态，则从所述多个对应的待选饮食套餐中筛选多个能平复负面情绪状态的第一饮食套餐；
从所述多个第一饮食套餐中选取距离所述目标用户距离最近的套餐作为目标饮食套餐；
若所述情绪状态为正面情绪状态，则从所述多个对应的待选饮食套餐中筛选多个与所述正面情绪状态对应的第二饮食套餐；
从所述多个与所述正面情绪状态对应的第二饮食套餐中筛选出环境氛围热闹的第二饮食套餐作为目标饮食套餐。
3.根据权利要求1所述的基于大数据的餐饮推荐方法，其特征在于，所述根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态，包括：
对所述聊天记录信息中所述用户发出的用语进行筛选，以获取其中的第一情绪化词语；
对所述语音对话信息进行语音识别，以获取其中的第二情绪化词语；
对所述语音对话信息进行语调识别，以获取每一所述第二情绪化词语对应的语调信息；
对所述视频影像信息中的所述用户的表情信息进行提取，以得到多个表情图像；
将所述第一情绪化词语、所述第二情绪化词语以及所述多个表情图像输入预设神经网络模型，以得到所述用户当前的情绪状态。
4.根据权利要求1所述的基于大数据的餐饮推荐方法，其特征在于，所述获取所述目标用户在预设时间段内的饮食历史信息，包括：
获取所述目标用户在预设时间段内在外卖软件上的第一点餐信息；
获取所述目标用户在所述预设时间段内的移动支付信息以获得所述目标用户在所述预设时间段内就餐过的餐饮店的支付费用信息；
根据所述支付费用信息以及对应的餐饮店的菜单获取所述用户的第二点餐信息；
根据所述第一点餐信息以及所述第二点餐信息计算得到所述目标用户在预设时间段内的饮食历史信息。
5.根据权利要求1所述的基于大数据的餐饮推荐方法，其特征在于，所述根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐，包括：
获取所述目标用户在预设时间段内的运动量信息；
根据所述情绪状态、所述运动量信息、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐。
6.根据权利要求3所述的基于大数据的餐饮推荐方法，其特征在于，还包括：
获取所述第一情绪化词语因子、所述第二情绪化词语因子以及所述多个表情图像频谱；
将所述第一情绪化词语因子、所述第二情绪化词语因子以及所述多个表情图像频谱进行预处理，得到训练样本集；
将所述训练样本集输入至初始化的情绪状态神经网络中进行训练，获取训练输出结果的准确率；
若所述准确率大于预设的预设阈值则停止训练，得到所述情绪状态神经网络模型。
7.根据权利要求1所述的基于大数据的餐饮推荐方法，其特征在于，所述根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐，包括：
获取用户的消费性格信息，根据所述消费性格信息以及所述情绪状态以及饮食喜好列表选出对应价位的多个待选饮食套餐；
根据所述饮食历史信息计算所述预设时间段的预估能量摄入水平；
根据所述预估能量摄入水平从所述多个待选饮食套餐筛选出至少一个目标饮食套餐，使得所述目标用户的能量摄入水平低于预设水平。
8.一种基于大数据的餐饮推荐系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括基于大数据的餐饮推荐方法的程序，所述基于大数据的餐饮推荐方法的程序被所述处理器执行时实现以下步骤：
获取目标用户的历史用餐信息，并根据所述历史用餐信息生成所述目标用户的饮食喜好列表；
获取所述目标用户在预设时间段内聊天记录信息、语音对话信息以及视频影像信息；
根据所述聊天记录信息、语音对话信息以及视频影像信息判断所述用户当前的情绪状态；
获取所述目标用户在预设时间段内的饮食历史信息；
根据所述情绪状态、所述饮食历史信息以及所述饮食喜好列表推荐对应的目标饮食套餐。
9.根据权利要求8所述的基于大数据的餐饮推荐系统，其特征在于，所基于大数据的餐饮推荐方法的程序被所述处理器执行时实现以下步骤：
根据所述饮食历史信息计算所述预设时间段的预估能量摄入水平；
根据所述预估能量摄入水平从所述饮食喜好列表获取多个对应的待选饮食套餐；
根据所述情绪状态从所述多个对应的待选饮食套餐中筛选出所述情绪状态对应的目标饮食套餐。
10.一种可读存储介质，其特征在于，所述可读存储介质中包括基于大数据的餐饮推荐方法程序，所述基于大数据的餐饮推荐方法程序被处理器执行时，实现如权利要求1至7中任一项所述的一种基于大数据的餐饮推荐方法的步骤。
CN202110748912.7A 2021-07-02 2021-07-02 基于大数据的餐饮推荐方法、系统及可读存储介质 Pending CN113256396A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110748912.7A CN113256396A (zh) 2021-07-02 2021-07-02 基于大数据的餐饮推荐方法、系统及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110748912.7A CN113256396A (zh) 2021-07-02 2021-07-02 基于大数据的餐饮推荐方法、系统及可读存储介质

Publications (1)

Publication Number Publication Date
CN113256396A true CN113256396A (zh) 2021-08-13

Family

ID=77190470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110748912.7A Pending CN113256396A (zh) 2021-07-02 2021-07-02 基于大数据的餐饮推荐方法、系统及可读存储介质

Country Status (1)

Country Link
CN (1) CN113256396A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140072935A1 (en) * 2012-09-07 2014-03-13 Tina M. Herron Method of Regulating Caloric Intake
CN106503820A (zh) * 2016-10-31 2017-03-15 母洪铭 网络订餐方法、装置及系统
CN107578805A (zh) * 2016-07-05 2018-01-12 九阳股份有限公司 基于用户情绪/精神状态的烹饪控制方法及设备
US20180032701A1 (en) * 2016-08-01 2018-02-01 Facecontrol, Inc. System and method of objectively determining a user's personal food preferences for an individualized diet plan
CN108648802A (zh) * 2018-05-15 2018-10-12 四川斐讯信息技术有限公司 一种食谱推荐方法及系统
CN111161035A (zh) * 2019-12-31 2020-05-15 北京三快在线科技有限公司 菜品推荐方法、装置、服务器、电子设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140072935A1 (en) * 2012-09-07 2014-03-13 Tina M. Herron Method of Regulating Caloric Intake
CN107578805A (zh) * 2016-07-05 2018-01-12 九阳股份有限公司 基于用户情绪/精神状态的烹饪控制方法及设备
US20180032701A1 (en) * 2016-08-01 2018-02-01 Facecontrol, Inc. System and method of objectively determining a user's personal food preferences for an individualized diet plan
CN106503820A (zh) * 2016-10-31 2017-03-15 母洪铭 网络订餐方法、装置及系统
CN108648802A (zh) * 2018-05-15 2018-10-12 四川斐讯信息技术有限公司 一种食谱推荐方法及系统
CN111161035A (zh) * 2019-12-31 2020-05-15 北京三快在线科技有限公司 菜品推荐方法、装置、服务器、电子设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唯高: "《餐饮市场消费心理分析》", 31 March 2012, 中国物资出版社 *

Similar Documents

Publication Publication Date Title
US9082047B2 (en) Learning beautiful and ugly visual attributes
CN110162703A (zh) 内容推荐方法、训练方法、装置、设备及存储介质
WO2022033199A1 (zh) 一种获得用户画像的方法及相关装置
CN110175298B (zh) 用户匹配方法
CN108550065B (zh) 评论数据处理方法、装置及设备
CN112364204B (zh) 视频搜索方法、装置、计算机设备及存储介质
WO2022116536A1 (zh) 信息服务提供方法、装置、电子设备和存储介质
CN111368075A (zh) 文章质量预测方法、装置、电子设备及存储介质
CN109918556B (zh) 一种综合微博用户社交关系和文本特征抑郁情绪识别方法
CN111475613A (zh) 案件分类方法、装置、计算机设备及存储介质
US11107462B1 (en) Methods and systems for performing end-to-end spoken language analysis
CN110035302B (zh) 信息推荐及模型训练方法和装置、计算设备、存储介质
CN111597446B (zh) 基于人工智能的内容推送方法、装置、服务器和存储介质
CN107247728B (zh) 文本处理方法、装置及计算机存储介质
CN113254777B (zh) 信息推荐方法、装置、电子设备及存储介质
CN111309940A (zh) 一种信息展示方法、系统、装置、电子设备及存储介质
CN108563625A (zh) 文本分析方法、装置、电子设备和计算机存储介质
WO2024051609A1 (zh) 广告创意数据选取方法及装置、模型训练方法及装置、设备、存储介质
CN116089729B (zh) 搜索推荐方法、设备及存储介质
CN109101505A (zh) 一种推荐方法、推荐装置和用于推荐的装置
CN112069326A (zh) 知识图谱的构建方法、装置、电子设备及存储介质
CN113934941A (zh) 一种基于多维度信息的用户推荐系统及方法
CN113111264A (zh) 界面内容显示方法、装置、电子设备及存储介质
CN112396079A (zh) 号码识别模型训练方法、号码识别方法及装置
CN113392205A (zh) 用户画像构建方法、装置、设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210813

RJ01 Rejection of invention patent application after publication