CN114400071A - 饮食数据管理方法、相关设备及介质 - Google Patents
饮食数据管理方法、相关设备及介质 Download PDFInfo
- Publication number
- CN114400071A CN114400071A CN202210062966.2A CN202210062966A CN114400071A CN 114400071 A CN114400071 A CN 114400071A CN 202210062966 A CN202210062966 A CN 202210062966A CN 114400071 A CN114400071 A CN 114400071A
- Authority
- CN
- China
- Prior art keywords
- food material
- material information
- monitoring index
- information
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 235000005911 diet Nutrition 0.000 title claims abstract description 27
- 238000013523 data management Methods 0.000 title claims abstract description 24
- 230000037213 diet Effects 0.000 title abstract description 24
- 239000000463 material Substances 0.000 claims abstract description 919
- 238000012544 monitoring process Methods 0.000 claims abstract description 272
- 230000036541 health Effects 0.000 claims abstract description 138
- 235000021061 dietary behavior Nutrition 0.000 claims abstract description 19
- 239000013598 vector Substances 0.000 claims description 129
- 201000010099 disease Diseases 0.000 claims description 24
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 22
- 230000020595 eating behavior Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003066 decision tree Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 4
- 230000000378 dietary effect Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 11
- 238000013507 mapping Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 235000005686 eating Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 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
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Nutrition Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例公开了一种饮食数据管理方法、相关设备及介质，应用于数据分析技术领域。其中方法包括：获取用户特征数据和饮食行为数据，从饮食行为数据提取至少一个食材信息，利用影响程度预测模型根据至少一个食材信息和每项监测指标的监测数据确定每个食材信息对每项监测指标的影响程度，根据每个食材信息对每项监测指标的影响程度确定每个食材信息的健康等级，获取食材信息对应的关联食材信息，将食材信息的健康等级确定为关联食材信息的健康等级，将食材信息、食材信息的健康等级、关联食材信息和关联食材信息的健康等级推送至用户终端。采用本申请，可以提高食材信息推送准确性。本申请涉及区块链技术，如可从区块链获取用户特征数据。
Description
技术领域
本申请涉及数据分析技术领域，具体涉及一种饮食数据管理方法、相关设备及介质。
背景技术
目前，用户可以通过使用手机或电脑等智能化终端查询适合或不适合自己食用的食材，因此食材信息的健康等级推送为饮食管理场景的一个重要任务。传统的食材信息推送方式通常是通过获取用户的相关生理状态信息(例如高血压、肥胖等)，并确定该生理状态所对应的可食用食材或不可食用食材以进行推送。然而，该方法较为固定不灵活，无法对具有不同饮食情况的用户进行针对性的食材信息推送，导致食材信息推送的准确性低。
发明内容
本申请实施例提供了一种饮食数据管理方法、相关设备及介质，可以提高针对食材信息推送的准确性，以及可以提高对食材信息管理的灵活性。
一方面，本申请实施例提供了一种饮食数据管理方法，该方法包括：
获取目标用户的用户特征数据以及饮食行为数据；所述用户特征数据包括对所述目标用户的至少一项监测指标中每项监测指标的监测数据，所述监测指标用于衡量所述目标用户的生理健康；
从所述饮食行为数据中提取出至少一个食材信息；
利用影响程度预测模型根据所述至少一个食材信息和所述每项监测指标的监测数据确定所述至少一个食材信息中每个食材信息分别对所述每项监测指标的影响程度；
根据所述每个食材信息对所述每项监测指标的影响程度确定所述每个食材信息的健康等级；
获取所述每个食材信息对应的关联食材信息，并将所述每个食材信息的健康等级确定为所述每个食材信息对应的关联食材信息的健康等级；
将所述每个食材信息、所述每个食材信息的健康等级、所述每个食材信息对应的关联食材信息以及所述关联食材信息的健康等级推送至所述目标用户的用户终端。
一方面，本申请实施例提供了一种饮食数据管理装置，该装置包括：
获取模块，用于获取目标用户的用户特征数据以及饮食行为数据；所述用户特征数据包括对所述目标用户的至少一项监测指标中每项监测指标的监测数据，所述监测指标用于衡量所述目标用户的生理健康；
提取模块，用于从所述饮食行为数据中提取出至少一个食材信息；
确定模块，用于利用影响程度预测模型根据所述至少一个食材信息和所述每项监测指标的监测数据确定所述至少一个食材信息中每个食材信息分别对所述每项监测指标的影响程度；
所述确定模块，还用于根据所述每个食材信息对所述每项监测指标的影响程度确定所述每个食材信息的健康等级；
所述获取模块，还用于获取所述每个食材信息对应的关联食材信息；
所述确定模块，还用于将所述每个食材信息的健康等级确定为所述每个食材信息对应的关联食材信息的健康等级；
推送模块，用于将所述每个食材信息、所述每个食材信息的健康等级、所述每个食材信息对应的关联食材信息以及所述关联食材信息的健康等级推送至所述目标用户的用户终端。
一方面，本申请实施例提供了一种电子设备，该电子设备包括处理器和存储器，其中，存储器用于存储计算机程序，该计算机程序包括程序指令，处理器被配置用于调用该程序指令，以执行上述方法中的部分或全部步骤。
一方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序包括程序指令，该程序指令被处理器执行时，用于执行上述方法中的部分或全部步骤。
本申请实施例中，获取目标用户的用户特征数据以及饮食行为数据，从饮食行为数据中提取出至少一个食材信息，利用影响程度预测模型根据至少一个食材信息和每项监测指标的监测数据确定至少一个食材信息中每个食材信息分别对每项监测指标的影响程度，根据每个食材信息对每项监测指标的影响程度确定每个食材信息的健康等级，获取每个食材信息对应的关联食材信息，并将每个食材信息的健康等级确定为每个食材信息对应的关联食材信息的健康等级，将每个食材信息、每个食材信息的健康等级、每个食材信息对应的关联食材信息以及关联食材信息的健康等级推送至用户终端。通过实施本申请实施例所提出的方法，可以结合目标用户的实际饮食情况对目标用户进行针对性的食材信息分析和管理，得到目标用户所食用的食材信息的健康等级，确定食材信息的关联食材信息，并进行食材信息的推送，可以提高针对食材信息推送的准确性，以及可以提高对食材信息管理的灵活性。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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为本申请实施例提供的一种饮食数据管理方法的流程示意图；
图2为本申请实施例提供的一种食材数据管理界面的示意图；
图3为本申请再一实施例提供的一种饮食数据管理方法的流程示意图；
图4为本申请实施例提供的一种饮食数据管理装置的结构示意图；
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
本申请实施例提出的食材数据管理方法实现于电子设备，该电子设备可以为终端设备或服务器。其中，终端设备可以为智能手机、平板电脑、笔记本电脑、台式计算机等。服务器可以是独立的服务器，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、内容分发网络(Content Delivery Network，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，但并不局限于此。本申请涉及区块链技术，电子设备可将涉及的数据如目标用户的饮食行为数据或疾病类型与监测指标之间的对应关系等写入区块链中，以便于电子设备可以在区块链上获取所需信息，如在区块链上根据目标用户的疾病类型和对应关系确定出至少一项监测指标。
在一些实施例中，电子设备可以根据实际的业务需求，执行该食材数据管理方法，以提高针对食材信息推送的准确性。本申请技术方案可以应用于任意饮食管理场景中。例如，电子设备可以获取目标用户的用户特征数据以及表示目标用户实际饮食情况的饮食行为数据，并得到至少一个食材信息，并结合每项监测指标的监测数据确定食材信息对监测指标的影响程度，以确定食材信息的健康等级；此外，还可以进一步获取食材信息的关联食材信息，实现食材信息的智能推送和智能管理，可以提高对食材信息推送的准确性和管理的灵活性。
可以理解的是，上述场景仅是作为示例，并不构成对于本申请实施例提供的技术方案的应用场景的限定，本申请的技术方案还可应用于其他场景。例如，本领域普通技术人员可知，随着系统架构的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
基于上述的描述，本申请实施例提出了一种食材数据管理方法，该方法可以由上述提及的电子设备来执行。如图1所示，本申请实施例的食材数据管理方法的流程可以包括如下：
S101、获取目标用户的用户特征数据以及饮食行为数据。
其中，用户特征数据可以包括对目标用户的至少一项监测指标中每项监测指标的监测数据，该监测指标用于衡量目标用户的生理健康。
在一些实施例中，该监测指标的监测数据可以是目标用户对应的监测设备监测到的，如可以是监测指标在目标时间段内的不同时间点的取值，该监测指标可以是任意与目标用户的生理健康关联的指标，例如可以是体重指标、血压指标等等。
在一些实施例中，电子设备获取目标用户的饮食行为数据可以是统计目标用户在预设时间段内的所食用饮食，以作为饮食行为数据；或者，也可以是预先基于不同样本用户的用户信息(如年龄、所患病症等信息)确定不同用户群体(如不同年龄段群体、不同病症群体等等)，并分别将每个用户群体中样本用户的饮食行为数据确定为用户群体对应的饮食行为数据，因此电子设备可以获取目标用户的用户信息，并根据该目标用户的用户信息确定目标用户所属的用户群体，并将该目标用户所属的用户群体对应的饮食行为数据确定为该目标用户的饮食行为数据。
S102、从饮食行为数据中提取出至少一个食材信息。
在一些实施例中，饮食行为数据表征了目标用户的日常饮食情况，其中包括了目标用户日常食用的食材信息以及食用频率等等。电子设备可以从饮食行为数据提取出食材频率大于指定阈值的食材信息，从而得到至少一个食材信息。通过该目标用户日常食用的食材信息以确定该食材信息的健康等级，从而实现目标用户的针对性饮食管理，以提高饮食管理效率。
S103、利用影响程度预测模型根据至少一个食材信息和每项监测指标的监测数据确定至少一个食材信息中每个食材信息分别对每项监测指标的影响程度。
在一个可能的实施方式中，电子设备可以获取至少一个食材信息中每个食材信息的食材特征参数集合，该食材特征参数集合包括至少一个食材特征参数，并将每个食材信息的食材特征参数集合和每项监测指标的监测数据构成多个数据组，该每个数据组均包括一个食材信息的食材特征参数集合以及一项监测指标的监测数据，不同数据组之间包括的食材信息和/或监测指标是不同的，并分别将多个数据组输入影响程度预测模型中，由影响程度预测模型对数据组进行预测，输出数据组对应的影响程度，以作为数据组包括的食材信息对包括的监测指标的影响程度。该影响程度预测模型可以是电子设备预先根据样本食材特征参数集合、样本监测指标的监测数据以及对应样本影响程度对待训练的影响程度预测模型进行训练得到的。
可选的，食材信息的食材特征参数可以包括食材分析信息、食材食性信息、食材功效信息或食材使用注意事项等等，此处对食材特征参数的具体类型不做限制。该食材信息对监测指标的影响程度表示该食材信息对监测指标的取值的变化影响值。可选的，影响程度可以为正值或者为负值，当影响程度为正值时，对监测指标的取值的变化影响为正面影响，例如当影响程度为正值时，表示该食材信息对监测指标有益处，影响程度越大，正面影响也越大，对监测指标产生的益处越多；当影响程度为负值时，对监测指标的取值的变化影响为负面影响，例如当影响程度为负值时，表示该食材信息对监测指标有坏处，影响程度越大，负面影响也越大，对监测指标产生的坏处越多。
S104、根据每个食材信息对每项监测指标的影响程度确定每个食材信息的健康等级。
在一些实施例中，电子设备可以根据每个食材信息对每项监测指标的影响程度确定每个食材信息对监测指标的目标影响程度，即可以理解为是食材信息对目标用户的生理健康影响程度，根据影响程度与健康等级之间的对应关系并基于每个食材信息的目标影响程度得到每个食材的健康等级。例如，该健康等级可以为针对目标用户的适合使用食材以及适合等级或为针对目标用户的不适合使用食材以及不适合等级。
在一些实施例中，电子设备根据每个食材信息对每项监测指标的影响程度确定每个食材信息对监测指标的目标影响程度具体可以是，将每个食材信息对每项监测指标的影响程度的平均影响程度作为每个食材信息的目标影响程度；或者，分别确定每个食材信息对应的每项监测指标的权重，并利用该对应的每项监测指标的权重对应对每个食材信息对每项监测指标的影响程度进行加权求和，得到每个食材信息的目标影响程度。其中，不同食材信息所对应每项监测指标的权重可以是不同的，该权重可以由相关业务人员或目标用户预先根据经验值设置。
S105、获取每个食材信息对应的关联食材信息，并将每个食材信息的健康等级确定为每个食材信息对应的关联食材信息的健康等级。
在一个可能的实施方式中，电子设备还可以获取食材信息对应的关联食材信息，以使得包含不同健康等级的食材信息库更全面，并根据每个食材信息、每个食材信息的健康等级、每个食材信息对应的关联食材信息以及关联食材信息的健康等级构建食材信息库，该食材信息库存储了针对目标用户的食材信息与健康等级之间的映射关系。
在一些实施例中，每个食材信息确定对应关联食材信息的过程和原理相同，此处以一个食材信息为例，因此设每个食材信息中的任一个食材信息表示为目标食材信息，电子设备获取每个食材信息对应的关联食材信息具体可以是，预先构建包括多种食材信息与特征向量的映射关系的食材词典，该食材词典中食材特征参数集合越相似的食材信息之间的特征向量的距离越近，并从预设食材词典中确定出目标食材信息对应的特征向量集合，该目标食材信息对应的特征向量集合包括目标食材信息对应的目标特征向量以及除目标食材信息对应的目标特征向量以外的其他特征向量，该其他特征向量为除至少一个食材信息以外的其他食材信息对应的特征向量，基于目标食材信息对应目标特征向量与对应的其他特征向量确定出目标食材信息与目标食材信息对应的其他食材信息之间的关联程度，并根据关联程度确定出目标食材信息对应的关联食材信息。其中，其他食材信息可以为预设食材词典中包括的多个食材信息中除至少一个食材信息以外的食材信息。
在一些实施例中，电子设备基于目标食材信息对应目标特征向量与对应的其他特征向量确定出目标食材信息与目标食材信息对应的其他食材信息之间的关联程度具体可以是，计算目标食材信息对应的目标特征向量与目标食材信息对应的其他特征向量之间的距离，根据该距离确定出目标食材信息与目标食材信息对应的其他食材信息之间的关联程度。其中，计算目标特征向量与其他特征向量之间的距离可以是利用向量距离公式计算，以及可以将目标特征向量与其他特征向量之间的距离作为目标食材信息与目标食材信息对应的其他食材信息之间的关联程度。
在一些实施例中，电子设备根据关联程度确定出目标食材信息对应的关联食材信息具体可以是，将目标食材信息与目标食材信息对应的其它食材信息之间的关联程度大于或等于关联程度阈值的其他食材信息作为目标食材信息对应的关联食材信息。该关联程度阈值可以由相关业务人员根据经验值设置。
例如，至少一个食材信息包括食材1、食材2、食材3，预设食材词典中包括的多个食材信息为食材1、食材2、食材3、食材4、食材5，将食材1作为目标食材信息，因此电子设备从预设食材词典中获取食材1对应的目标特征向量，以及除至少一个食材信息以外的其他食材信息(食材4和食材5)对应的其他特征向量，以作为食材1的特征向量集合，并计算食材1对应的目标特征向量分别与食材4对应的其他特征向量的距离和与食材5对应的其他特征向量的距离，以作为食材1与食材4之间的关联程度和食材1与食材5之间的关联程度，并基于关联程度从食材4和食材5中确定出食材1对应的关联食材信息。
S106、将每个食材信息、每个食材信息的健康等级、每个食材信息对应的关联食材信息以及关联食材信息的健康等级推送至目标用户的用户终端。
在一些实施例中，电子设备可以将食材信息和食材信息的健康等级、关联食材信息和关联食材信息的健康等级，以不同健康等级对应的食材信息显示方式推送至用户终端，以在用户终端的界面(例如食材数据管理界面)中进行输出。
例如，如图2所示，图2为本申请实施例提供的一种食材数据管理界面的示意图，其中，电子设备以不同健康等级对应的食材信息集合显示方式推送至用户终端，以在食材数据管理界面进行显示输出，在该界面中，目标用户可以查看不同健康等级对应的食材信息集合，该健康等级对应的食材信息集合包括基于饮食行为数据确定出的食材信息，以及该食材信息的关联食材信息，可选的，用户还可以通过搜索栏进行食材信息的搜索以查询食材信息的健康等级。
本申请实施例中，获取目标用户的用户特征数据以及饮食行为数据，从饮食行为数据中提取出至少一个食材信息，利用影响程度预测模型根据至少一个食材信息和每项监测指标的监测数据确定至少一个食材信息中每个食材信息分别对每项监测指标的影响程度，根据每个食材信息对每项监测指标的影响程度确定每个食材信息的健康等级，获取每个食材信息对应的关联食材信息，并将每个食材信息的健康等级确定为每个食材信息对应的关联食材信息的健康等级，将每个食材信息、每个食材信息的健康等级、每个食材信息对应的关联食材信息以及关联食材信息的健康等级推送至目标用户的用户终端。通过实施本申请实施例所提出的方法，可以结合目标用户的实际饮食情况对目标用户进行针对性的食材信息分析和管理，得到目标用户所食用的食材信息的健康等级，确定食材信息的关联食材信息，并进行食材信息的推送，可以提高针对食材信息推送的准确性，以及可以提高对食材信息管理的灵活性。
请参见图3，图3为本申请再一实施例提供的一种饮食数据管理方法的流程示意图，该方法可以由上述提及的电子设备执行。如图3所示，本申请实施例中饮食数据管理方法的流程可以包括如下：
S301、获取目标用户的用户特征数据以及饮食行为数据。
其中，用户特征数据可以包括对目标用户的至少一项监测指标中每项监测指标的监测数据，该监测指标用于衡量目标用户的生理健康。
在一个可能的实施方式中，该监测指标可以根据由相关业务人员或目标用户设置所需要的监测指标，或者还可以根据目标用户的相关生理状态信息确定，例如该相关生理状态信息可以为目标用户的体质类型(如虚性体质等等)或者目标用户的疾病类型(如慢性病等等)等等，因此以生理状态信息为疾病类型为例，电子设备在获取目标用户的用户特征数据之前，确定用户特征数据包括至少一项监测指标具体可以是，获取目标用户的疾病类型，并根据疾病类型与监测指标之间的对应关系确定目标用户的疾病类型对应的至少一项监测指标，将目标用户的疾病类型对应的至少一项监测指标确定为目标用户的目标特征数据所包括的至少一项监测指标。其中，疾病类型与监测指标之间的对应关系可以是相关业务人员根据实际场景自定义设置并存储的，还可以是电子设备利用机器学习技术并通过对疾病类型和监测指标的关联关系进行学习而自动生成的。
S302、从饮食行为数据中提取出至少一个食材信息。其中，步骤S302的具体实施方式可以参见步骤S102的相关描述，此处不再赘述。
S303、获取至少一个食材信息中每个食材信息对应的食材特征参数集合，并从每个食材信息对应的食材特征参数集合中确定出每个食材信息对应的关键食材特征参数集合。
其中，食材特征参数集合中可以包括食材信息的一个或多个食材特征参数。可选的，食材特征参数可以为食材分析信息、食材食性信息、食材功效信息或食材使用注意事项等等。
在一个可能的实施方式中，电子设备从每个食材信息对应的食材特征参数集合中确定出每个食材信息对应的关键食材特征参数集合具体可以是，根据每项监测指标的监测数据确定每项监测指标的指标特征向量，分别对每个食材信息对应的食材特征参数集合包括的至少一个食材特征参数中每个食材特征参数进行向量表示，得到每个食材信息对应的食材特征向量集合，该食材特征向量集合包括每个食材特征参数对应的食材特征向量，根据每个食材信息对应的食材特征向量集合以及每项监测指标的指标特征向量，确定每个食材信息对应的食材特征参数集合中每个食材特征参数与监测指标之间的相关值，根据每个食材信息对应的食材特征参数集合中每个食材特征参数与监测指标之间的相关值，从每个食材信息对应的食材特征参数集合中确定出每个食材信息对应的与监测指标相关的食材特征参数，将每个食材信息对应的与监测指标相关的食材特征参数作为每个食材信息对应的关键食材特征参数集合。
可选的，电子设备根据每项监测指标的监测数据确定每项监测指标的指标特征向量可以是将每项监测指标的监测数据分别输入卷积神经网络模型中，得到每项监测指标的指标特征向量。该卷积神经网络模型为预先利用样本监测数据对待训练的卷积神经网络模型训练得到的。以及电子设备对每个食材特征参数进行向量表示，得到每个食材特征参数对应的食材特征向量具体可以是，获取每个食材特征参数中的可量化特征参数和不可量化特征参数，对可量化特征参数进行向量表示可以是获取可量化特征参数对应的嵌入向量，并将可量化特征参数所指示数据与该对应的嵌入向量的乘向量确定为该可量化特征参数对应的食材特征向量；对不可量化特征参数进行向量表示可以是将不可量化特征参数输入神经网络模型，由神经网络模型对不可量化特征参数进行向量化处理，得到不可量化特征参数对应的食材特征向量。该神经网络模型为预先利用样本不可量化特征参数对待训练的神经网络模型训练得到的。其中，获取可量化特征参数对应的嵌入向量可以是预先设置的嵌入向量库中与可量化特征参数具有映射关系的嵌入向量；也可以是将可量化特征参数输入神经网络模型，由神经网络模型对可量化特征参数进行向量化处理后所输出的嵌入向量。
在一个可能的实施方式中，确定每个食材信息对应的食材特征参数集合中每个食材特征参数与监测指标之间的相关值的过程和原理相同，此处以一个食材信息为例，设每个食材信息中的任一个食材信息为目标食材信息；电子设备根据每个食材信息对应的食材特征向量集合以及每项监测指标的指标特征向量，确定每个食材信息对应的食材特征参数集合中每个食材特征参数与监测指标之间的相关值具体可以是，对每项监测指标的指标特征向量进行融合处理，得到表征所有监测指标的指标特征的目标指标特征向量(即可理解为是(整体)监测指标的指标特征向量)，并依次将目标食材信息对应的食材特征向量集合中的每个食材特征向量映射到监测指标所在的向量空间中，得到每个食材特征参数对应的映射特征向量，根据每个食材特征参数对应的映射特征向量和目标指标特征向量确定目标食材信息对应的食材特征参数集合中每个食材特征参数与监测指标之间的相关值。其中，对每项监测指标的指标特征向量进行融合处理得到目标指标特征向量具体可以是，将每项监测指标的指标特征向量相加，并将得到的和向量作为目标指标特征向量；或者，将每项监测指标的指标特征向量相乘，并将得到的乘积向量作为目标指标特征向量；或者，将每项监测指标的指标特征向量求平均，并将得到的平均向量作为目标指标特征向量。
在一些实施例中，电子设备根据每个食材特征参数对应的映射特征向量和目标指标特征向量确定目标食材信息对应的食材特征参数集合中每个食材特征参数与监测指标之间的相关值具体可以是，计算每个食材特征参数对应的映射特征向量分别和目标指标特征向量之间的距离，并将该对应的距离确定为每个食材特征参数与监测指标之间的相关值。
在一些实施例中，以目标食材信息为例，电子设备根据每个食材信息对应的食材特征参数集合中每个食材特征参数与监测指标之间的相关值，从每个食材信息对应的食材特征参数集合中确定出每个食材信息对应的与监测指标相关的食材特征参数具体可以是，将食材特征参数集合中对应的相关值大于或等于相关值阈值的食材特征参数确定为目标食材信息对应的与监测指标相关的食材特征参数。该相关值阈值可以由相关业务人员根据经验值设置。
S304、将每个食材信息对应的关键食材特征集合和每项监测指标的监测数据输入影响程度预测模型，得到每个食材信息对每项监测指标的影响程度。
在一个可能的实施方式中，该影响程度预测模型可以为梯度提升树模型，因此电子设备将每个食材信息对应的关键食材特征集合和每项监测指标的监测数据输入影响程度预测模型，得到每个食材信息对每项监测指标的影响程度具体可以是，将每个食材信息对应的关键食材特征集合和每项监测指标的监测数据输入梯度提升树模型，由梯度提升树模型分别针对每个食材信息对应的关键食材特征集合和每项监测指标的监测数据进行特征划分，得到梯度提升树模型包括的各个决策树中针对每个食材信息对应每项监测指标的所划分节点，根据每个食材信息对应每项监测指标的所划分节点对应的节点值确定每个食材信息对每项监测指标的影响程度。其中，电子设备可以构建K个决策树(K为正整数)，该K个决策树中每个决策树均包括多个叶子节点，利用样本食材信息对应的关键食材特征集合以及样本监测指标的监测数据对待训练的影响程度预测模型中的K个决策树进行训练，得到训练后的影响程度预测模型。该训练好的梯度提升树模型中的K个决策树均包括多个具有训练好的节点值的叶子节点。
在一些实施例中，电子设备根据每个食材信息对应每项监测指标的所划分节点对应的节点值确定每个食材信息对每项监测指标的影响程度可以是，对每个食材信息对应每项监测指标的所划分节点对应的节点值进行均值计算，将计算得到的平均值确定为每个食材信息对每项监测指标的影响程度。
例如，每个食材信息中的一个食材信息为食材信息A，每项监测指标中的一个监测指标为监测指标A；以及，设训练好的梯度提升树模型含有两个决策树1和决策树2，在决策树1中，根据特征划分，食材信息A对应监测指标A被划分到a节点，a节点对应的数值为A；在决策树2中，食材信息A对应监测指标A被划分到b节点，b节点对应的数值为B，即食材信息A对监测指标A的影响程度y＝(A+B)/2。
S305、根据每个食材信息对每项监测指标的影响程度确定每个食材信息的健康等级。
S306、获取每个食材信息对应的关联食材信息，并将每个食材信息的健康等级确定为每个食材信息对应的关联食材信息的健康等级。其中，步骤S305-S306的具体实施方式可以参见步骤S104-S105的相关描述，此处不再赘述。
S307、将每个食材信息、每个食材信息的健康等级、每个食材信息对应的关联食材信息以及关联食材信息的健康等级推送至目标用户的用户终端。
在一些实施例中，电子设备可以每个食材信息、每个食材信息的健康等级、每个食材信息对应的关联食材信息以及关联食材信息的健康等级推送至用户终端以显示输出。
可选的，在一些实施例中，用户终端还可以进行食材信息的健康等级查询，如用户终端基于目标用户输入的待查询的第一食材信息，生成针对第一食材信息的健康等级查询请求，电子设备在接收到用户终端发送的针对第一食材信息的健康等级查询请求，若第一食材信息输入至少一个食材信息，则将第一食材信息的健康等级返回至用户终端；或者，若第一食材信息输入至少一个食材信息中第二食材信息对应的关联食材信息，则将第二食材信息对应的关联食材信息的健康等级返回至用户终端，该第二食材信息可以为至少一个食材信息中的任一食材信息；或者，若第一食材信息不属于至少一个食材信息且不属于第二食材信息对应的关联食材信息，则确定第一食材信息分别与每个食材信息的关联程度，并根据第一食材信息分别与每个食材信息的关联程度确定与第一食材信息匹配的食材信息，并将匹配的食材信息的健康等级作为第一食材信息的健康等级，将第一食材信息的健康等级返回至用户终端。
其中，电子设备确定第一食材信息分别与每个食材信息的关联程度具体可以是，根据预设食材词典获取第一食材信息对应的特征向量，以及每个食材信息对应的特征向量，计算第一食材信息对应的特征向量分别与每个食材信息对应的特征向量之间的距离，并将该第一食材信息对应的特征向量分别与每个食材信息对应的特征向量之间的距离确定为第一食材信息分别与每个食材信息的关联程度。以及，电子设备根据第一食材信息分别与每个食材信息的关联程度确定与第一食材信息匹配的食材信息具体可以是，将第一食材信息分别与每个食材信息的关联程度中关联程度最大的食材信息作为与第一食材信息匹配的食材信息。
例如，至少一个食材信息包括食材信息1、食材信息2、食材信息3，若第一食材信息为食材信息1时，则将食材信息1的健康等级作为食材信息4的健康等级并返回至用户终端；若第一食材信息为食材信息1对应的关联食材信息，此时食材信息1为至少一个食材信息中第二食材信息，并将食材信息1的健康等级作为食材信息4的健康等级并返回至用户终端；若第一食材信息为食材信息4，不属于至少一个食材信息且不属于至少一个食材信息任一个食材信息对应的关联食材信息，则确定食材信息4分别与食材信息1、食材信息2、食材信息3的关联程度，将至少一个食材信息中关联程度最大的食材信息(设为食材信息2)确定为与食材信息4匹配的食材信息，并将食材信息2的健康等级作为食材信息4的健康等级并返回至用户终端。
本申请实施例中，获取目标用户的用户特征数据以及饮食行为数据，从饮食行为数据中提取出至少一个食材信息，获取至少一个食材信息中每个食材信息对应的食材特征参数集合，并从每个食材信息对应的食材特征参数集合中确定出每个食材信息对应的关键食材特征参数集合，将每个食材信息、每个食材信息对应的关键食材特征集合和每项监测指标的监测数据输入影响程度预测模型，得到每个食材信息对每项监测指标的影响程度，根据每个食材信息对每项监测指标的影响程度确定每个食材信息的健康等级，获取每个食材信息对应的关联食材信息，并将每个食材信息的健康等级确定为每个食材信息对应的关联食材信息的健康等级，将每个食材信息、每个食材信息的健康等级、每个食材信息对应的关联食材信息以及关联食材信息的健康等级推送至目标用户的用户终端。通过实施本申请实施例所提出的方法，可以结合目标用户的实际饮食情况对目标用户进行针对性的食材信息分析和管理，得到目标用户所食用的食材信息的健康等级，确定食材信息的关联食材信息，并进行食材信息的推送，可以提高针对食材信息推送的准确性，以及可以提高对食材信息管理的灵活性。
请参见图4，图4为本申请提供的一种饮食数据管理装置的结构示意图。需要说明的是，图4所示的饮食数据管理装置，用于执行本申请图1和图3所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示，经参照本申请图1和图3所示的实施例。该饮食数据管理装置400可包括：获取模块401、提取模块402、确定模块403、推送模块404。其中：
获取模块401，用于获取目标用户的用户特征数据以及饮食行为数据；所述用户特征数据包括对所述目标用户的至少一项监测指标中每项监测指标的监测数据，所述监测指标用于衡量所述目标用户的生理健康；
提取模块402，用于从所述饮食行为数据中提取出至少一个食材信息；
确定模块403，用于利用影响程度预测模型根据所述至少一个食材信息和所述每项监测指标的监测数据确定所述至少一个食材信息中每个食材信息分别对所述每项监测指标的影响程度；
所述确定模块403，还用于根据所述每个食材信息对所述每项监测指标的影响程度确定所述每个食材信息的健康等级；
所述获取模块401，还用于获取所述每个食材信息对应的关联食材信息；
所述确定模块403，还用于将所述每个食材信息的健康等级确定为所述每个食材信息对应的关联食材信息的健康等级；
推送模块404，用于将所述每个食材信息、所述每个食材信息的健康等级、所述每个食材信息对应的关联食材信息以及所述关联食材信息的健康等级推送至所述目标用户的用户终端。
在一个可能的实施方式中，所述确定模块403在用于利用影响程度预测模型根据所述至少一个食材信息和所述每项监测指标的监测数据确定所述至少一个食材信息中每个食材信息分别对所述每项监测指标的影响程度时，具体用于：
获取所述至少一个食材信息中每个食材信息对应的食材特征参数集合；所述食材特征参数集合包括至少一个食材特征参数；
从所述每个食材信息对应的食材特征参数集合中确定出所述每个食材信息对应的关键食材特征参数集合；所述关键食材特征参数集合为空或包括目标关键特征参数，所述目标关键特征参数为影响所述至少一项监测指标中的目标监测指标的取值的特征参数；
将所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据输入所述影响程度预测模型，得到所述每个食材信息对所述每项监测指标的影响程度。
在一个可能的实施方式中，所述确定模块403在用于从所述每个食材信息对应的食材特征参数集合中确定出所述每个食材信息对应的关键食材特征参数集合时，具体用于：
根据所述每项监测指标的监测数据确定所述每项监测指标的指标特征向量；
分别对所述每个食材信息对应的食材特征参数集合包括的至少一个食材特征参数中每个食材特征参数进行向量表示，得到所述每个食材信息对应的食材特征向量集合；所述食材特征向量集合包括所述每个食材特征参数对应的食材特征向量；
根据所述每个食材信息对应的食材特征向量集合以及所述每项监测指标的指标特征向量，确定所述每个食材信息对应的食材特征参数集合中的每个食材特征参数与监测指标之间的相关值；
根据所述每个食材信息对应的食材特征参数集合中的每个食材特征参数与监测指标之间的相关值，从所述每个食材信息对应的食材特征参数集合中确定出所述每个食材信息对应的与监测指标相关的食材特征参数；
将所述每个食材信息对应的与监测指标相关的食材特征参数作为所述每个食材信息对应的关键食材特征参数集合。
在一个可能的实施方式中，所述影响程度预测模型为梯度提升树模型；所述确定模块403在用于将所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据输入所述影响程度预测模型，得到所述每个食材信息对所述每项监测指标的影响程度时，具体用于：
将所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据输入所述梯度提升树模型，由所述梯度提升树模型分别针对所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据进行特征划分，得到所述梯度提升树模型包括的各个决策树中针对每个食材信息对应每项监测指标的所划分节点；
根据所述每个食材信息对应每项监测指标的所划分节点对应的节点值确定所述每个食材信息对所述每项监测指标的影响程度。
在一个可能的实施方式中，所述每个食材信息中的任一个食材信息表示为目标食材信息；所述获取模块401在用于获取所述每个食材信息对应的关联食材信息时，具体用于：
从预设食材词典中确定出所述目标食材信息对应的特征向量集合；所述特征向量集合包括所述目标食材信息对应的目标特征向量以及除所述目标食材信息对应的目标特征向量以外的其它特征向量，所述其它特征向量为除所述至少一个食材信息以外的其它食材信息对应的特征向量；
计算所述目标食材信息对应的目标特征向量与所述目标食材信息对应的其它特征向量之间的距离，根据所述距离确定所述目标食材信息与所述目标食材信息对应的其它食材信息之间的关联程度；
根据所述目标食材信息与所述目标食材信息对应的其它食材信息之间的关联程度，确定出所述目标食材信息对应的关联食材信息。
在一个可能的实施方式中，所述获取模块401在用于获取目标用户的用户特征数据之前，还用于：
获取所述目标用户的疾病类型；
根据疾病类型与监测指标之间的对应关系确定所述目标用户的疾病类型对应的至少一项监测指标；
将所述目标用户的疾病类型对应的至少一项监测指标确定为对所述目标用户的用户特征数据所包括的至少一项监测指标。
在一个可能的实施方式中，所述推送模块404还用于：
接收所述用户终端发送的针对第一食材信息的健康等级查询请求；
若所述第一食材信息属于所述至少一个食材信息，则将所述第一食材信息的健康等级返回至所述用户终端；或，
若所述第一食材信息属于所述至少一个食材信息中第二食材信息对应的关联食材信息，则将所述第二食材信息对应的关联食材信息的健康等级作为所述第一食材信息的健康等级，则将所述第一食材信息的健康等级返回至所述用户终端；所述第二食材信息为所述至少一个食材信息中的任一食材信息；或，
若所述第一食材信息不属于所述至少一个食材信息且不属于所述第二食材信息对应的关联食材信息，则确定所述第一食材信息分别与所述每个食材信息的关联程度，并根据所述第一食材信息分别与所述每个食材信息的关联程度确定与所述第一食材信息匹配的食材信息，并将所述匹配的食材信息的健康等级作为所述第一食材信息的健康等级，将所述第一食材信息的健康等级返回至所述用户终端。
本申请实施例中，获取模块获取目标用户的用户特征数据以及饮食行为数据；提取模块从饮食行为数据中提取出至少一个食材信息；确定模块利用影响程度预测模型根据至少一个食材信息和每项监测指标的监测数据确定至少一个食材信息中每个食材信息分别对每项监测指标的影响程度；确定模块根据每个食材信息对每项监测指标的影响程度确定每个食材信息的健康等级；获取模块获取每个食材信息对应的关联食材信息；确定模块将每个食材信息的健康等级确定为每个食材信息对应的关联食材信息的健康等级；推送模块将每个食材信息、每个食材信息的健康等级、每个食材信息对应的关联食材信息以及关联食材信息的健康等级推送至目标用户的用户终端。通过实施上述所提出的装置，可以结合目标用户的实际饮食情况对目标用户进行针对性的食材信息分析和管理，得到目标用户所食用的食材信息的健康等级，确定食材信息的关联食材信息，并进行食材信息的推送，可以提高针对食材信息推送的准确性，以及可以提高对食材信息管理的灵活性。
在本申请各个实施例中的各功能模块可以集成在一个模块中，也可以是各个模块单独物理存在，也可以是两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现，本申请不做限定。
请参见图5，图5为本申请实施例提供的一种电子设备的结构示意图。如图5所示，该电子设备500包括：至少一个处理器501、存储器502。可选的，该电子设备还可包括网络接口。其中，所述处理器501、存储器502以及网络接口之间可以交互数据，网络接口受所述处理器501的控制用于收发消息，存储器502用于存储计算机程序，所述计算机程序包括程序指令，处理器501用于执行存储器502存储的程序指令。其中，处理器501被配置用于调用所述程序指令执行上述方法。
所述存储器502可以包括易失性存储器(volatile memory)，例如随机存取存储器(random-access memory，RAM)；存储器502也可以包括非易失性存储器(non-volatilememory)，例如快闪存储器(flash memory)，固态硬盘(solid-state drive，SSD)等；所述存储器502还可以包括上述种类的存储器的组合。
所述处理器501可以是中央处理器(central processing unit，CPU)。在一个实施例中，所述处理器501还可以是图形处理器(Graphics Processing Unit，GPU)。所述处理器501也可以是由CPU和GPU的组合。
在一个可能的实施方式中，所述存储器502用于存储程序指令，所述处理器501可以调用所述程序指令，执行以下步骤：
获取目标用户的用户特征数据以及饮食行为数据；所述用户特征数据包括对所述目标用户的至少一项监测指标中每项监测指标的监测数据，所述监测指标用于衡量所述目标用户的生理健康；
从所述饮食行为数据中提取出至少一个食材信息；
利用影响程度预测模型根据所述至少一个食材信息和所述每项监测指标的监测数据确定所述至少一个食材信息中每个食材信息分别对所述每项监测指标的影响程度；
根据所述每个食材信息对所述每项监测指标的影响程度确定所述每个食材信息的健康等级；
获取所述每个食材信息对应的关联食材信息，并将所述每个食材信息的健康等级确定为所述每个食材信息对应的关联食材信息的健康等级；
将所述每个食材信息、所述每个食材信息的健康等级、所述每个食材信息对应的关联食材信息以及所述关联食材信息的健康等级推送至所述目标用户的用户终端。
在一个可能的实施方式中，所述处理器501在用于利用影响程度预测模型根据所述至少一个食材信息和所述每项监测指标的监测数据确定所述至少一个食材信息中每个食材信息分别对所述每项监测指标的影响程度时，具体用于：
获取所述至少一个食材信息中每个食材信息对应的食材特征参数集合；所述食材特征参数集合包括至少一个食材特征参数；
从所述每个食材信息对应的食材特征参数集合中确定出所述每个食材信息对应的关键食材特征参数集合；所述关键食材特征参数集合为空或包括目标关键特征参数，所述目标关键特征参数为影响所述至少一项监测指标中的目标监测指标的取值的特征参数；
将所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据输入所述影响程度预测模型，得到所述每个食材信息对所述每项监测指标的影响程度。
在一个可能的实施方式中，所述处理器501在用于从所述每个食材信息对应的食材特征参数集合中确定出所述每个食材信息对应的关键食材特征参数集合时，具体用于：
根据所述每项监测指标的监测数据确定所述每项监测指标的指标特征向量；
分别对所述每个食材信息对应的食材特征参数集合包括的至少一个食材特征参数中每个食材特征参数进行向量表示，得到所述每个食材信息对应的食材特征向量集合；所述食材特征向量集合包括所述每个食材特征参数对应的食材特征向量；
根据所述每个食材信息对应的食材特征向量集合以及所述每项监测指标的指标特征向量，确定所述每个食材信息对应的食材特征参数集合中的每个食材特征参数与监测指标之间的相关值；
根据所述每个食材信息对应的食材特征参数集合中的每个食材特征参数与监测指标之间的相关值，从所述每个食材信息对应的食材特征参数集合中确定出所述每个食材信息对应的与监测指标相关的食材特征参数；
将所述每个食材信息对应的与监测指标相关的食材特征参数作为所述每个食材信息对应的关键食材特征参数集合。
在一个可能的实施方式中，所述影响程度预测模型为梯度提升树模型；所述处理器501在用于将所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据输入所述影响程度预测模型，得到所述每个食材信息对所述每项监测指标的影响程度时，具体用于：
将所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据输入所述梯度提升树模型，由所述梯度提升树模型分别针对所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据进行特征划分，得到所述梯度提升树模型包括的各个决策树中针对每个食材信息对应每项监测指标的所划分节点；
根据所述每个食材信息对应每项监测指标的所划分节点对应的节点值确定所述每个食材信息对所述每项监测指标的影响程度。
在一个可能的实施方式中，所述每个食材信息中的任一个食材信息表示为目标食材信息；所述处理器501在用于获取所述每个食材信息对应的关联食材信息时，具体用于：
从预设食材词典中确定出所述目标食材信息对应的特征向量集合；所述特征向量集合包括所述目标食材信息对应的目标特征向量以及除所述目标食材信息对应的目标特征向量以外的其它特征向量，所述其它特征向量为除所述至少一个食材信息以外的其它食材信息对应的特征向量；
计算所述目标食材信息对应的目标特征向量与所述目标食材信息对应的其它特征向量之间的距离，根据所述距离确定所述目标食材信息与所述目标食材信息对应的其它食材信息之间的关联程度；
根据所述目标食材信息与所述目标食材信息对应的其它食材信息之间的关联程度，确定出所述目标食材信息对应的关联食材信息。
在一个可能的实施方式中，所述处理器501在用于获取目标用户的用户特征数据之前，还用于：
获取所述目标用户的疾病类型；
根据疾病类型与监测指标之间的对应关系确定所述目标用户的疾病类型对应的至少一项监测指标；
将所述目标用户的疾病类型对应的至少一项监测指标确定为对所述目标用户的用户特征数据所包括的至少一项监测指标。
在一个可能的实施方式中，所述处理器501还用于：
接收所述用户终端发送的针对第一食材信息的健康等级查询请求；
若所述第一食材信息属于所述至少一个食材信息，则将所述第一食材信息的健康等级返回至所述用户终端；或，
若所述第一食材信息属于所述至少一个食材信息中第二食材信息对应的关联食材信息，则将所述第二食材信息对应的关联食材信息的健康等级作为所述第一食材信息的健康等级，则将所述第一食材信息的健康等级返回至所述用户终端；所述第二食材信息为所述至少一个食材信息中的任一食材信息；或，
若所述第一食材信息不属于所述至少一个食材信息且不属于所述第二食材信息对应的关联食材信息，则确定所述第一食材信息分别与所述每个食材信息的关联程度，并根据所述第一食材信息分别与所述每个食材信息的关联程度确定与所述第一食材信息匹配的食材信息，并将所述匹配的食材信息的健康等级作为所述第一食材信息的健康等级，将所述第一食材信息的健康等级返回至所述用户终端。
具体实现中，本申请实施例中所描述的装置、处理器501、存储器502等可执行上述方法实施例所描述的实现方式，也可执行本申请实施例所描述的实现方式，在此不再赘述。
本申请实施例中还提供一种计算机(可读)存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时，使所述处理器可执行上述方法实施例中所执行的部分或全部步骤。可选的，该计算机存储介质可以是易失性的，也可以是非易失性的。所述的计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
其中，本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例提供了一种计算机程序产品，该计算机程序产品可包括计算机程序，计算机程序被处理器执行时可实现上述方法中的部分或全部步骤，此处不赘述。
在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机存储介质中，该计算机存储介质可以为计算机可读存储介质，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。
以上所揭露的仅为本申请的部分实施例而已，当然不能以此来限定本申请之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本申请权利要求所作的等同变化，仍属于本申请所涵盖的范围。
Claims (10)
1.一种饮食数据管理方法，其特征在于，所述方法包括：
获取目标用户的用户特征数据以及饮食行为数据；所述用户特征数据包括对所述目标用户的至少一项监测指标中每项监测指标的监测数据，所述监测指标用于衡量所述目标用户的生理健康；
从所述饮食行为数据中提取出至少一个食材信息；
利用影响程度预测模型根据所述至少一个食材信息和所述每项监测指标的监测数据确定所述至少一个食材信息中每个食材信息分别对所述每项监测指标的影响程度；
根据所述每个食材信息对所述每项监测指标的影响程度确定所述每个食材信息的健康等级；
获取所述每个食材信息对应的关联食材信息，并将所述每个食材信息的健康等级确定为所述每个食材信息对应的关联食材信息的健康等级；
将所述每个食材信息、所述每个食材信息的健康等级、所述每个食材信息对应的关联食材信息以及所述关联食材信息的健康等级推送至所述目标用户的用户终端。
2.根据权利要求1所述的方法，其特征在于，所述利用影响程度预测模型根据所述至少一个食材信息和所述每项监测指标的监测数据确定所述至少一个食材信息中每个食材信息分别对所述每项监测指标的影响程度，包括：
获取所述至少一个食材信息中每个食材信息对应的食材特征参数集合；所述食材特征参数集合包括至少一个食材特征参数；
从所述每个食材信息对应的食材特征参数集合中确定出所述每个食材信息对应的关键食材特征参数集合；所述关键食材特征参数集合为空或包括目标关键特征参数，所述目标关键特征参数为影响所述至少一项监测指标中的目标监测指标的取值的特征参数；
将所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据输入所述影响程度预测模型，得到所述每个食材信息对所述每项监测指标的影响程度。
3.根据权利要求2所述的方法，其特征在于，所述从所述每个食材信息对应的食材特征参数集合中确定出所述每个食材信息对应的关键食材特征参数集合，包括：
根据所述每项监测指标的监测数据确定所述每项监测指标的指标特征向量；
分别对所述每个食材信息对应的食材特征参数集合包括的至少一个食材特征参数中每个食材特征参数进行向量表示，得到所述每个食材信息对应的食材特征向量集合；所述食材特征向量集合包括所述每个食材特征参数对应的食材特征向量；
根据所述每个食材信息对应的食材特征向量集合以及所述每项监测指标的指标特征向量，确定所述每个食材信息对应的食材特征参数集合中的每个食材特征参数与监测指标之间的相关值；
根据所述每个食材信息对应的食材特征参数集合中的每个食材特征参数与监测指标之间的相关值，从所述每个食材信息对应的食材特征参数集合中确定出所述每个食材信息对应的与监测指标相关的食材特征参数；
将所述每个食材信息对应的与监测指标相关的食材特征参数作为所述每个食材信息对应的关键食材特征参数集合。
4.根据权利要求2所述的方法，其特征在于，所述影响程度预测模型为梯度提升树模型；所述将所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据输入所述影响程度预测模型，得到所述每个食材信息对所述每项监测指标的影响程度，包括：
将所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据输入所述梯度提升树模型，由所述梯度提升树模型分别针对所述每个食材信息对应的关键食材特征集合和所述每项监测指标的监测数据进行特征划分，得到所述梯度提升树模型包括的各个决策树中针对每个食材信息对应每项监测指标的所划分节点；
根据所述每个食材信息对应每项监测指标的所划分节点对应的节点值确定所述每个食材信息对所述每项监测指标的影响程度。
5.根据权利要求1所述的方法，其特征在于，所述每个食材信息中的任一个食材信息表示为目标食材信息；所述获取所述每个食材信息对应的关联食材信息，包括：
从预设食材词典中确定出所述目标食材信息对应的特征向量集合；所述特征向量集合包括所述目标食材信息对应的目标特征向量以及除所述目标食材信息对应的目标特征向量以外的其它特征向量，所述其它特征向量为除所述至少一个食材信息以外的其它食材信息对应的特征向量；
计算所述目标食材信息对应的目标特征向量与所述目标食材信息对应的其它特征向量之间的距离，根据所述距离确定所述目标食材信息与所述目标食材信息对应的其它食材信息之间的关联程度；
根据所述目标食材信息与所述目标食材信息对应的其它食材信息之间的关联程度，确定出所述目标食材信息对应的关联食材信息。
6.根据权利要求1所述的方法，其特征在于，所述获取目标用户的用户特征数据之前，所述方法还包括：
获取所述目标用户的疾病类型；
根据疾病类型与监测指标之间的对应关系确定所述目标用户的疾病类型对应的至少一项监测指标；
将所述目标用户的疾病类型对应的至少一项监测指标确定为对所述目标用户的用户特征数据所包括的至少一项监测指标。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收所述用户终端发送的针对第一食材信息的健康等级查询请求；
若所述第一食材信息属于所述至少一个食材信息，则将所述第一食材信息的健康等级返回至所述用户终端；或，
若所述第一食材信息属于所述至少一个食材信息中第二食材信息对应的关联食材信息，则将所述第二食材信息对应的关联食材信息的健康等级作为所述第一食材信息的健康等级，则将所述第一食材信息的健康等级返回至所述用户终端；所述第二食材信息为所述至少一个食材信息中的任一食材信息；或，
若所述第一食材信息不属于所述至少一个食材信息且不属于所述第二食材信息对应的关联食材信息，则确定所述第一食材信息分别与所述每个食材信息的关联程度，并根据所述第一食材信息分别与所述每个食材信息的关联程度确定与所述第一食材信息匹配的食材信息，并将所述匹配的食材信息的健康等级作为所述第一食材信息的健康等级，将所述第一食材信息的健康等级返回至所述用户终端。
8.一种饮食数据管理装置，其特征在于，所述装置包括：
获取模块，用于获取目标用户的用户特征数据以及饮食行为数据；所述用户特征数据包括对所述目标用户的至少一项监测指标中每项监测指标的监测数据，所述监测指标用于衡量所述目标用户的生理健康；
提取模块，用于从所述饮食行为数据中提取出至少一个食材信息；
确定模块，用于利用影响程度预测模型根据所述至少一个食材信息和所述每项监测指标的监测数据确定所述至少一个食材信息中每个食材信息分别对所述每项监测指标的影响程度；
所述确定模块，还用于根据所述每个食材信息对所述每项监测指标的影响程度确定所述每个食材信息的健康等级；
所述获取模块，还用于获取所述每个食材信息对应的关联食材信息；
所述确定模块，还用于将所述每个食材信息的健康等级确定为所述每个食材信息对应的关联食材信息的健康等级；
推送模块，用于将所述每个食材信息、所述每个食材信息的健康等级、所述每个食材信息对应的关联食材信息以及所述关联食材信息的健康等级推送至所述目标用户的用户终端。
9.一种电子设备，其特征在于，包括处理器和存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210062966.2A CN114400071B (zh) | 2022-01-19 | 2022-01-19 | 饮食数据管理方法、相关设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210062966.2A CN114400071B (zh) | 2022-01-19 | 2022-01-19 | 饮食数据管理方法、相关设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114400071A true CN114400071A (zh) | 2022-04-26 |
| CN114400071B CN114400071B (zh) | 2024-05-14 |
Family
ID=81231090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210062966.2A Active CN114400071B (zh) | 2022-01-19 | 2022-01-19 | 饮食数据管理方法、相关设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114400071B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117594195A (zh) * | 2024-01-18 | 2024-02-23 | 吉林大学 | 基于大数据的肾病患者饮食情况分析系统及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200141261A (ko) * | 2019-06-10 | 2020-12-18 | 박종선 | 개인의 건강관리 시스템 및 이를 이용한 건강관리 방법 |
| US20210065873A1 (en) * | 2019-08-28 | 2021-03-04 | Zoe Global Ltd. | Generating Personalized Food Guidance Using Predicted Food Responses |
| US20210104173A1 (en) * | 2019-10-03 | 2021-04-08 | Cercacor Laboratories, Inc. | Personalized health coaching system |
| WO2021135429A1 (zh) * | 2020-07-28 | 2021-07-08 | 平安科技（深圳）有限公司 | 基于知识图谱的健康信息推荐方法、装置、设备及介质 |
| CN113707305A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术（深圳）有限公司 | 基于深度学习的健康方案推荐方法、装置、设备及介质 |
-
2022
- 2022-01-19 CN CN202210062966.2A patent/CN114400071B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20200141261A (ko) * | 2019-06-10 | 2020-12-18 | 박종선 | 개인의 건강관리 시스템 및 이를 이용한 건강관리 방법 |
| US20210065873A1 (en) * | 2019-08-28 | 2021-03-04 | Zoe Global Ltd. | Generating Personalized Food Guidance Using Predicted Food Responses |
| US20210104173A1 (en) * | 2019-10-03 | 2021-04-08 | Cercacor Laboratories, Inc. | Personalized health coaching system |
| WO2021135429A1 (zh) * | 2020-07-28 | 2021-07-08 | 平安科技（深圳）有限公司 | 基于知识图谱的健康信息推荐方法、装置、设备及介质 |
| CN113707305A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术（深圳）有限公司 | 基于深度学习的健康方案推荐方法、装置、设备及介质 |
Non-Patent Citations (1)
| Title |
|---|
| 方凤贞;戴晓凤;李壮苗;罗宝英;: "基于分类关联规则探讨中风食疗药膳的应用规律", 广西中医药大学学报, no. 01, 30 January 2017 (2017-01-30), pages 114 - 118 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117594195A (zh) * | 2024-01-18 | 2024-02-23 | 吉林大学 | 基于大数据的肾病患者饮食情况分析系统及方法 |
| CN117594195B (zh) * | 2024-01-18 | 2024-04-09 | 吉林大学 | 基于大数据的肾病患者饮食情况分析系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114400071B (zh) | 2024-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113610239B (zh) | 针对机器学习的特征处理方法及特征处理系统 | |
| WO2019144892A1 (zh) | 数据处理方法、装置、存储介质和电子装置 | |
| US20200044854A1 (en) | Estimable proof-of-work for blockchain | |
| CN109033408B (zh) | 信息推送方法及装置、计算机可读存储介质、电子设备 | |
| CN111949890B (zh) | 基于医学领域的数据推荐方法、设备、服务器及存储介质 | |
| CN107895038B (zh) | 一种链路预测关系推荐方法及装置 | |
| CN110046251A (zh) | 社区内容风险评估方法及装置 | |
| CN110889759A (zh) | 信用数据的确定方法、装置及存储介质 | |
| CN110147498A (zh) | 一种知识推送方法、装置及存储设备、程序产品 | |
| CN112508048A (zh) | 图像描述的生成方法和装置 | |
| CN114400071B (zh) | 饮食数据管理方法、相关设备及介质 | |
| WO2023024408A1 (zh) | 用户特征向量确定方法、相关设备及介质 | |
| WO2021174881A1 (zh) | 多维度信息的组合预测方法、装置、计算机设备及介质 | |
| CN113032524A (zh) | 商标侵权识别方法、终端设备及存储介质 | |
| CN111368552A (zh) | 一种面向特定领域的网络用户群组划分方法及装置 | |
| CN113448876B (zh) | 一种业务测试方法、装置、计算机设备及存储介质 | |
| CN113782187B (zh) | 指标数据处理方法、相关设备及介质 | |
| CN116975262A (zh) | 媒体资源标签的确定方法和装置、存储介质及电子设备 | |
| CN114218378A (zh) | 一种基于知识图谱的内容推送方法、装置、设备及介质 | |
| CN117725484A (zh) | 基于人工智能的区块链数据管理方法、装置及电子设备 | |
| CN114022270B (zh) | 资产数据处理方法、相关设备及介质 | |
| CN112329838B (zh) | 一种目标集合类别标签的确定方法和装置 | |
| CN114610921B (zh) | 对象集群画像确定方法、装置、计算机设备和存储介质 | |
| CN113535885B (zh) | 基于用户昵称的年龄预测方法、装置及电子设备 | |
| CN114329068B (zh) | 一种数据处理方法及装置、电子设备、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |