CN114817723A - 菜谱推荐方法、菜谱推荐装置和烹饪设备 - Google Patents
菜谱推荐方法、菜谱推荐装置和烹饪设备 Download PDFInfo
- Publication number
- CN114817723A CN114817723A CN202210449650.9A CN202210449650A CN114817723A CN 114817723 A CN114817723 A CN 114817723A CN 202210449650 A CN202210449650 A CN 202210449650A CN 114817723 A CN114817723 A CN 114817723A
- Authority
- CN
- China
- Prior art keywords
- analyzed
- menu
- recipe
- user
- recommending
- 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
- 238000010411 cooking Methods 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000000463 material Substances 0.000 claims description 79
- 235000013305 food Nutrition 0.000 claims description 78
- 235000019640 taste Nutrition 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 15
- 235000013311 vegetables Nutrition 0.000 description 10
- 244000046052 Phaseolus vulgaris Species 0.000 description 4
- 235000010627 Phaseolus vulgaris Nutrition 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 3
- 235000009508 confectionery Nutrition 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 244000061456 Solanum tuberosum Species 0.000 description 2
- 235000002595 Solanum tuberosum Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 235000012015 potatoes Nutrition 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 1
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 1
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 241000586290 Suaeda salsa Species 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000021186 dishes Nutrition 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 235000019688 fish Nutrition 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 235000013594 poultry meat Nutrition 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 235000015112 vegetable and seed oil Nutrition 0.000 description 1
- 239000008158 vegetable oil Substances 0.000 description 1
- 235000014101 wine Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种菜谱推荐方法、菜谱推荐装置和烹饪设备。所述菜谱推荐方法，获取待分析菜谱的属性，确定每一个待分析菜谱的各个属性在历史烹饪数据中的使用比例，根据各个属性的使用比例推荐符合用户偏好的目标菜谱，该菜谱推荐方法根据待分析菜谱的各个属性在历史烹饪数据中的使用比例推荐符合用户偏好的目标菜谱，在有效保证能够实现推荐菜谱以及推荐准确度的同时，菜谱推荐算法较为简单，可降低对硬件资源的需求以及后台维护成本。
Description
技术领域
本申请涉及烹饪技术领域，特别是涉及一种菜谱推荐方法、菜谱推荐装置和烹饪设备。
背景技术
现有的菜谱智能推荐方法，通常是获取用户的注册和行为的信息，然后通过人工或机器学习的辅助，利用算法确定用户的画像标签，再把匹配画像标签的菜谱推送给用户，但是上述推荐方法算法复杂。
发明内容
本发明所要解决的第一个技术问题是要提供一种菜谱推荐方法，其能够降低菜谱推荐算法的复杂度。
本发明所要解决的第二个技术问题是要提供一种菜谱推荐装置，其能够降低菜谱推荐算法的复杂度。
本发明所要解决的第三个技术问题是要提供一种烹饪设备，其能够降低菜谱推荐算法的复杂度。
本发明所要解决的第四个技术问题是要提供一种可读存储介质，其能够降低菜谱推荐算法的复杂度。
上述第一个技术问题通过以下技术方案进行解决：
一种菜谱推荐方法，包括：
获取待分析菜谱的属性；
确定每一个所述待分析菜谱的各个属性在历史烹饪数据中的使用比例；
根据所述各个属性的使用比例推荐符合用户偏好的目标菜谱。
上述菜谱推荐方法，获取待分析菜谱的属性，确定每一个待分析菜谱的各个属性在历史烹饪数据中的使用比例，根据各个属性的使用比例推荐符合用户偏好的目标菜谱，该菜谱推荐方法根据待分析菜谱的各个属性在历史烹饪数据中的使用比例推荐符合用户偏好的目标菜谱，在有效保证能够实现推荐菜谱以及推荐准确度的同时，菜谱推荐算法较为简单，可降低对硬件资源的需求以及后台维护成本。
在其中一个实施例中，每一个所述待分析菜谱的属性均包括菜系以及食材类型；所述确定每一个所述待分析菜谱的各个属性在历史烹饪数据中的使用比例，包括：
对于每一个所述待分析菜谱：
基于所述历史烹饪数据中与所述待分析菜谱的菜系相同的菜谱的烹饪次数和所述历史烹饪数据的总烹饪次数，确定所述待分析菜谱的菜系的使用比例；
基于所述待分析菜谱的每一个所述食材类型在所述历史烹饪数据中的使用次数与所述历史烹饪数据中全部食材类型的使用次数，确定所述待分析菜谱的每一个所述食材类型的使用比例。
在其中一个实施例中，所述根据所述各个属性的使用比例推荐符合用户偏好的目标菜谱，包括：
根据每一个所述待分析菜谱的菜系的使用比例和所述待分析菜谱包括的各食材类型的使用比例，确定所述待分析菜谱的用户接受度；
根据各所述待分析菜谱的用户接受度推荐所述目标菜谱。
由于待分析菜谱的食材类型以及菜系均会影响用户对待分析菜谱的接受度，因此通过对待分析菜谱的菜系的使用比例以及待分析菜谱包括的各食材类型的使用比例进行融合考虑获得待分析菜谱的用户接受度，根据用户接受度推荐目标菜谱可以保证菜谱推荐的准确度同时降低菜谱推荐算法的复杂度。
在其中一个实施例中，每一个所述待分析菜谱的属性还包括口味；所述确定每一个所述待分析菜谱的各个属性在历史烹饪数据中的使用比例，还包括：
基于所述历史烹饪数据中与所述待分析菜谱的口味相同的菜谱的烹饪次数和所述历史烹饪数据的总烹饪次数，确定所述待分析菜谱的口味的使用比例。
在其中一个实施例中，所述根据所述各个属性的使用比例推荐符合用户偏好的目标菜谱，还包括：
根据每一个所述待分析菜谱的菜系的使用比例，所述待分析菜谱包括的各食材类型的使用比例以及所述待分析菜谱的口味的使用比例，确定所述待分析菜谱的用户接受度。
本实施例增加了口味的使用比例作为推荐菜谱的因素，可以提高菜谱推荐的准确度。
在其中一个实施例中，所述根据各所述待分析菜谱的用户接受度推荐所述目标菜谱，包括：
基于所述历史烹饪数据中所述待分析菜谱的烹饪次数和所述历史烹饪数据的总烹饪次数，确定所述待分析菜谱的使用比例；
根据所述待分析菜谱的用户接受度以及所述待分析菜谱的使用比例推荐所述目标菜谱。
由于待分析菜谱的使用比例可以反映在当前时刻之前用户使用待分析菜谱的比例，也即待分析菜谱的使用比例可以反映用户对待分析菜谱的偏好程度，因此根据待分析菜谱的用户接受度以及待分析菜谱的使用比例推荐目标菜谱可以提高菜谱推荐准确度。
在其中一个实施例中，所述根据所述待分析菜谱的用户接受度以及所述待分析菜谱的使用比例推荐所述目标菜谱，包括：
基于所述用户接受度与第一差值的乘积推荐所述目标菜谱；其中，所述第一差值与所述待分析菜谱的使用比例之和为1。
在其中一个实施例中，所述根据所述待分析菜谱的用户接受度以及所述待分析菜谱的使用比例推荐所述目标菜谱，包括：
获取所述待分析菜谱的反馈系数；其中，所述反馈系数是在所述待分析菜谱先前被推荐至用户后，响应于用户对所述待分析菜谱的选择操作所生成的系数；
根据所述待分析菜谱的用户接受度、所述待分析菜谱的使用比例以及所述待分析菜谱的反馈系数推荐所述目标菜谱。
上述第二个技术问题通过以下技术方案进行解决：
一种菜谱推荐装置，包括：
获取模块，用于获取待分析菜谱的属性；
确定模块，用于确定每一个所述待分析菜谱的各个属性在历史烹饪数据中的使用比例；
推荐模块，用于根据所述各个属性的使用比例推荐符合用户偏好的目标菜谱。
上述第三个技术问题通过以下技术方案进行解决：
一种烹饪设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述任一菜谱推荐方法实施例的步骤。
上述第四个技术问题通过以下技术方案进行解决：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一菜谱推荐方法实施例的步骤。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统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为第一实施例中菜谱推荐方法的流程示意图；
图2为一个实施例中菜系表；
图3为一个实施例中食材类型表；
图4为一个实施例中菜谱信息表；
图5为第二实施例中菜谱推荐方法的流程示意图；
图6为第三实施例中菜谱推荐方法的流程示意图；
图7为第四实施例中菜谱推荐方法的流程示意图；
图8为第五实施例中菜谱推荐方法的流程示意图；
图9为第六实施例中菜谱推荐方法的流程示意图；
图10为第七实施例中菜谱推荐方法的流程示意图；
图11为一个实施例中菜谱推荐装置的结构框图。
具体实施方式
为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使本申请的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。
需要说明的是，当一个元件被认为是“连接”另一个元件时，它可以是直接连接到另一个元件，或者通过居中元件连接另一个元件。此外，以下实施例中的“连接”，如果被连接的对象之间具有电信号或数据的传递，则应理解为“电连接”、“通信连接”等。
在此使用时，单数形式的“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。
正如背景技术所述，如部分利用算法确定用户的画像标签，再把匹配画像标签的菜谱推荐给用户的方案，需要使用人工或机器学习的辅助，且要远程连接云平台，建设和维护成本高。记录用户的相关行为信息种类广泛，算法比较复杂，对硬件资源要求也比较高。
有鉴于此，本申请实施例提供了一种菜谱推荐方法，获取待分析菜谱的属性，确定每一个待分析菜谱的各个属性在历史烹饪数据中的使用比例，根据各个属性的使用比例推荐符合用户偏好的目标菜谱，该菜谱推荐方法根据待分析菜谱的各个属性在历史烹饪数据中的使用比例推荐符合用户偏好的目标菜谱，在有效保证能够实现推荐菜谱以及推荐准确度的同时，菜谱推荐算法较为简单，可降低对硬件资源的需求以及后台维护成本。
请参考图1，其示出了本申请第一实施例提供的一种菜谱推荐方法，如图1所示，该菜谱推荐方法可以包括步骤S102至步骤S106。
S102，获取待分析菜谱的属性。
应说明的是，待分析菜谱可以为一个或多个菜谱，不同的菜谱的属性可以用于表征菜谱不同维度的信息，一个属性可以包括多个元素，不同菜谱的同一属性所对应的元素可能不同。示例性的，属性可以包括但不限于为菜系、食材类型、口味、烹饪时间、功效和/或制作难度等。其中，菜谱的菜系(菜系维度的元素)可以为鲁菜、川菜、粤菜、苏菜、闽菜、浙菜、湘菜和徽菜。菜谱的食材类型(食材类型的元素)可以为谷类及薯类(米、面及杂粮等)、动物类(肉、禽、鱼、蛋、奶及奶制品等)、豆类及其制品(大豆及其他干豆类等)、蔬菜水果类(鲜豆、根茎、叶菜及茄果等)和纯能量类(植物油、淀粉、食用糖及酒类等)。本实施例中，可以根据需要确定所需获取的待分析菜谱的属性数量以及属性类型。在一个实施例中，预设有多个预设菜谱，待分析菜谱为至少一个预设菜谱。
S104，确定每一个待分析菜谱的各个属性在历史烹饪数据中的使用比例。
应说明的是，历史烹饪数据为用户先前(在当前时刻之前)使用过的菜谱的数据。历史烹饪数据可以仅包括使用过的菜谱，也可以包括使用过的菜谱以及使用过的菜谱的属性数据。使用比例用于表征历史烹饪数据中待分析菜谱的属性的累计次数与历史烹饪数据中待分析菜谱的属性相关类型的总累计次数的比例。以待分析菜谱的属性为菜系进行说明，待分析菜谱的属性为粤菜，则待分析菜谱的属性在历史烹饪数据中的使用比例为，历史烹饪数据中粤菜的累计次数与历史烹饪数据中菜系的总累计次数的比例。
S106，根据各个属性的使用比例推荐符合用户偏好的目标菜谱。
其中，待分析菜谱的各个属性的使用比例与用户对待分析菜谱的喜好程度呈关联关系。根据待分析菜谱的各个属性的使用比例，可以确定用户对待分析菜谱的偏好程度。目标菜谱可以为单个菜谱，也可以为多个菜谱。可选的，当目标菜谱为多个菜谱时，根据各待分析菜谱的各个属性的使用比例确定用户对待分析菜谱的偏好程度，按照用户对各待分析菜谱的偏好从大到小对各待分析菜谱进行排序，生成对应的目标菜谱推荐列表，推荐给用户。本申请实施例不对目标菜谱中菜谱的数量，以及菜谱的呈现形式做限定，可以根据实际需要进行设置。
在一个实施例中，预设有菜谱数据库，如图2-4所示，该菜谱数据库可以包括有菜系表、食材类型表以及与各菜谱对应的菜谱信息表。如图2所示，菜系分为鲁菜、川菜、粤菜、苏菜、闽菜、浙菜、湘菜和徽菜。如图3所示，食材类型分为谷类及薯类、动物类、豆类及其制品、蔬菜水果类和纯能量类。如图4所示，菜谱信息表包括菜谱名称，菜谱所属菜系，菜谱的食材及食材的类型以及烹饪时长。在一个实施例中，历史烹饪数据包括用户在当前时刻之前使用过的菜谱信息，在用户使用菜谱进行烹饪的情况下，将与该菜谱对应的菜谱信息表增加到历史烹饪数据中，更新历史烹饪数据，为确定每一个待分析菜谱的各个属性在历史烹饪数据中的使用比例做好基础。
根据上述实施例可知，根据待分析菜谱的属性在历史烹饪数据的使用比例向用户推荐目标菜谱不仅能够保证菜谱推荐的准确度还能降低菜谱推荐算法的复杂度，下述实施例将提供一种基于目标菜谱的菜系以及菜谱的食材类型的菜谱推荐方法。
请参考图5，其示出了本申请第二实施例提供的一种菜谱推荐方法，该菜谱推荐方法可以用于确定每一个待分析菜谱的菜系的使用比例和每一个待分析菜谱包括的每一个食材类型的使用比例。如图5所示，该菜谱推荐方法可以包括步骤S502至步骤S508。
S502，获取待分析菜谱的菜系以及食材类型。
相对于上述实施例，本实施例将属性选为菜系以及食材类型。在一个实施例中，获取待分析菜谱的菜系以及食材类型，包括：获取与待分析菜谱对应的菜谱信息表，根据该菜谱信息表确定待分析菜谱的菜系以及待分析菜谱包含的食材类型。在一个实施例中，获取待分析菜谱的菜系包括：获取菜系表，确定待分析菜谱与菜系表中的各菜系的匹配度，根据匹配度确定待分析菜谱的菜系。在一个实施例中，获取待分析菜谱的食材类型包括：获取食材类型表，确定待分析菜谱包括的每一个食材所属的食材类型。
S504，基于历史烹饪数据中与待分析菜谱的菜系相同的菜谱的烹饪次数和历史烹饪数据的总烹饪次数，确定待分析菜谱的菜系的使用比例。
在一个实施例，待分析菜谱的菜系的使用比例为，历史烹饪数据中与待分析菜谱的菜系相同的菜谱的烹饪次数与历史烹饪数据的总烹饪次数的比例。可以理解的，待分析菜谱的菜系的使用比例越大，代表待分析菜谱的菜系被用户偏好的程度越高。在一个实施例，基于历史烹饪数据中与待分析菜谱的菜系相同的烹饪次数和历史烹饪数据的总烹饪次数，确定待分析菜谱的菜系的使用比例，包括：确定与待分析菜谱的菜系相同的第一菜谱，确定历史烹饪数据中第一菜谱的烹饪次数，确定历史烹饪数据的总烹饪次数，计算历史烹饪数据中第一菜谱的烹饪次数与历史烹饪数据的总烹饪次数的第一比例，该第一比例为待分析菜谱的菜系的使用比例。
S506，基于待分析菜谱的每一个食材类型在历史烹饪数据中的使用次数与历史烹饪数据中全部食材类型的使用次数，确定待分析菜谱的每一个食材类型的使用比例。
在一个实施例中，食材类型的使用比例为，该食材类型在历史烹饪数据中的使用次数与历史烹饪数据中全部食材类型的使用次数。可以理解的，待分析菜谱的食材类型的使用比例越大，代表待分析菜谱的食材类型被用户偏好的程度越高。
S508，根据菜系使用比例以及每一个食材类型的使用比例推荐目标菜谱。
由于不同菜谱所属的菜系或菜谱包括的各食材类型至少有一个是不同的，菜系和食材类型在历史烹饪数据的使用比例可以反映用户对菜系和食材类型的偏好，根据待分析菜谱的菜系以及每一个食材类型的使用比例推荐目标菜谱，可以在保证菜谱推荐的准确度的情况下，降低菜谱推荐算法的复杂度。
请参考图6，其示出了本申请第三实施例提供的一种菜谱推荐方法，如图6所示，步骤根据各个属性的使用比例推荐用户偏好的目标菜谱包括步骤S602至步骤S604。
S602，根据每一个待分析菜谱的菜系的使用比例和待分析菜谱包括的各食材类型的使用比例，确定待分析菜谱的用户接受度。
其中，待分析菜谱的接受度可以用于表征用户对待分析菜谱的接受程度。当待分析菜谱的每一个食材类型的使用比例反映出用户对该食材类型的偏好程度越高，以及待分析菜谱所属的菜系的使用比例反映出用户对该菜系的偏好程度越高，则可以认为用户对待分析菜谱的接受度越高。
在一个实施例中，根据每一个待分析菜谱的菜系的使用比例和待分析菜谱包括的各食材类型的使用比例，确定待分析菜谱的用户接受度，包括：基于待分析菜谱包括的各食材类型的使用比例之和与待分析菜谱的菜系的使用比例的第一乘积，确定待分析菜谱的用户接受度。可以理解的，第一乘积指的是待分析菜谱包括的各食材类型的使用比例之和与待分析菜谱的菜系的使用比例的乘积。
S604，根据各待分析菜谱的用户接受度推荐目标菜谱。
由于待分析菜谱的食材类型以及菜系均会影响用户对待分析菜谱的接受度，因此通过对待分析菜谱的菜系的使用比例以及待分析菜谱包括的各食材类型的使用比例进行融合考虑获得待分析菜谱的用户接受度，根据用户接受度推荐目标菜谱可以保证菜谱推荐的准确度同时降低菜谱推荐算法的复杂度。
示例性的，假设一共预设有n道菜谱，则当前所有菜谱使用的总次数S为：
其中，si为第i道菜谱的使用次数。
假设所属菜系为菜系u且被使用到的菜谱的数量一共有k道，则该菜系的使用的总次数su为：
其中，sui为第i道所属菜系为菜系u的菜谱的使用次数。
假设一共有j种食材类型，则当前所有食材类型使用的总次数Sl为：
其中，sl为第l种食材类型的使用次数。
则，菜系u的菜系使用比例Pu为：
第l种食材类型的食材类型使用比例Pl为：
假设待分析菜谱i属于菜系u，且包含有h种食材类型，则待分析菜谱i的用户接受度Mi为：
根据接受度Mi可知，待分析菜谱i所属菜系和待分析菜谱i的食材类型两者使用比例越高，则待分析菜谱i越被用户所接受。通过确认预设的n道菜谱的接受度，选择接受度最高的菜谱作为目标菜谱推荐给用户，可以提高菜谱推荐的准确度。
上述实施例提供了一种基于菜谱的菜系以及菜谱的食材类型的菜谱推荐方法，根据发明人的研究发现菜谱的口味与菜谱推荐的准确度的关联度高，因此，下述实施例将提供一种基于菜谱的菜系、菜谱的食材类型以及菜谱的口味的菜谱推荐方法。
请参考图7，其示出了本申请第四实施例提供的一种菜谱推荐方法，如图7所示，该菜谱推荐方法可以包括步骤S702至步骤S710。
S702，获取待分析菜谱的菜系、食材类型以及口味。
S704，基于历史烹饪数据中与待分析菜谱的菜系相同的菜谱的烹饪次数和历史烹饪数据的总烹饪次数，确定待分析菜谱的菜系的使用比例。
S706，基于待分析菜谱的每一个食材类型在历史烹饪数据中的使用次数与历史烹饪数据中全部食材类型的使用次数，确定待分析菜谱的每一个食材类型的使用比例。
S708，基于历史烹饪数据中与待分析菜谱的口味相同的菜谱的烹饪次数和历史烹饪数据的总烹饪次数，确定待分析菜谱的口味的使用比例。
S710，根据菜系的使用比例、每一个食材类型的使用比例以及口味的使用比例推荐目标菜谱。
相对于上述实施例，本实施例除了将菜系以及食材类型选为属性外，还增加了另一属性——口味。示例性的，菜谱的口味可以包括淡味、微甜、中甜、特甜、微辣、中辣、特辣、微酸、中酸等。
在一个实施例中，待分析菜谱的口味的使用比例为，历史烹饪数据中与待分析菜谱的口味相同的菜谱的烹饪次数与历史烹饪数据的总烹饪次数的比例。可以理解的，待分析菜谱的口味的使用比例越大，代表待分析菜谱的口味被用户偏爱的程度越高。在一个实施例，基于历史烹饪数据中与待分析菜谱的口味相同的菜谱的烹饪次数和历史烹饪数据的总烹饪次数，确定待分析菜谱的口味的使用比例包括：确定与待分析菜谱的口味相同的第二菜谱，确定历史烹饪数据中第二菜谱的烹饪次数，确定历史烹饪数据的总烹饪次数，计算历史烹饪数据中第二菜谱的烹饪次数与历史烹饪数据的总烹饪次数的第二比例，该第二比例为待分析菜谱的口味的使用比例。
可以理解的，对于步骤S704中的获取待分析菜谱的菜系以及食材类型、步骤S704以及步骤S706的描述详见上文实施例在此不再赘述。本实施例增加了口味的使用比例作为推荐菜谱的因素，可以提高菜谱推荐的准确度。
请参考图8，其示出了本申请第五实施例提供的一种菜谱推荐方法，如图8所示，步骤各个属性的使用比例推荐用户偏好的目标菜谱可以包括步骤S802至步骤S804。
S802，根据每一个待分析菜谱的菜系的使用比例，待分析菜谱包括的各食材类型的使用比例以及待分析菜谱的口味的使用比例，确定待分析菜谱的用户接受度。
其中，待分析菜谱的接受度可以用于表征用户对待分析菜谱的接受程度。当待分析菜谱的每一个食材类型的使用比例反映出用户对该食材类型的偏好程度越高，待分析菜谱所属的菜系的使用比例反映出用户对该菜系的偏好程度越高，以及待分析菜谱的口味的使用比例反映出用户对该口味的偏好程度越高，则可以认为用户对待分析菜谱的接受度越高。
在一个实施例中，根据每一个待分析菜谱的菜系的使用比例，待分析菜谱包括的各食材类型的使用比例以及待分析菜谱的口味的使用比例，确定待分析菜谱的用户接受度，包括：基于第一乘积与待分析菜谱的口味的使用比例的第二乘积，确定待分析菜谱的用户接受度，其中，第一乘积为待分析菜谱包括的各食材类型的使用比例之和与待分析菜谱的菜系的使用比例的乘积。可以理解的，第二乘积指的是第一乘积与待分析菜谱的口味的使用比例的乘积。
S804，根据各待分析菜谱的用户接受度推荐目标菜谱。
由于待分析菜谱的食材类型、菜系、口味均会影响用户对待分析菜谱的接受度，因此通过对待分析菜谱的菜系的使用比例、待分析菜谱包括的各食材类型的使用比例以及待分析菜谱的口味的使用比例进行融合考虑，获得待分析菜谱的用户接受度，根据用户接受度推荐目标菜谱可以保证菜谱推荐的准确度同时降低菜谱推荐算法的复杂度。
请参考图9，其示出了本申请第六实施例提供的一种菜谱推荐方法，如图9所示，步骤根据各待分析菜谱的用户接受度推荐目标菜谱可以包括步骤S902至步骤S904。
S902，基于历史烹饪数据中待分析菜谱的烹饪次数和历史烹饪数据的总烹饪次数，确定待分析菜谱的使用比例。
在一个实施例中，待分析菜谱的使用比例为，历史烹饪数据中待分析菜谱的烹饪次数和历史烹饪数据的总烹饪次数的比例。可以理解的，待分析菜谱的的使用比例越大，代表待分析菜谱的被用户偏好的程度越高。
S904，根据待分析菜谱的用户接受度以及待分析菜谱的使用比例推荐目标菜谱。
由于待分析菜谱的使用比例可以反映在当前时刻之前用户使用待分析菜谱的比例，也即待分析菜谱的使用比例可以反映用户对待分析菜谱的偏好程度，因此根据待分析菜谱的用户接受度以及待分析菜谱的使用比例推荐目标菜谱可以提高菜谱推荐准确度。
在一个实施例中，根据待分析菜谱的用户接受度以及待分析菜谱的使用比例推荐目标菜谱，包括：基于待分析菜谱的用户接受度与第一差值的乘积推荐目标菜谱，其中，第一差值与待分析菜谱的使用比例之和为1。基于待分析菜谱的用户接受度与第一差值的乘积，确定待分析菜谱的推荐度，根据各待分析菜谱的推荐度推荐目标菜谱。应说明的是，为了便于描述将用户接受度与第一差值的乘积称为第三乘积。在一个实施例中，根据各待分析菜谱的推荐度推荐目标菜谱，包括：按照各待分析菜谱的推荐度从大到小对各待分析菜谱进行排序，按照顺序向用户推荐目标菜谱，直至用户接受目标菜谱。本实施例通过对用户接受度以及第一差值相乘确定推荐度，可以确定向用户推荐待分析菜谱的优先级，推荐度大的待分析菜谱被推荐的优先级高，提高用户体验感。其次，可以将用户烹饪较少或没有被烹饪过的，但是用户接受度较高的菜谱，获得更高推荐优先级。
可以理解的，在根据待分析菜谱的用户接受度以及待分析菜谱的使用比例推荐目标菜谱的情况下，用户可能接受或者拒绝使用推荐的目标菜谱，在向用户推荐目标菜谱的情况下，将用户接受或拒绝目标菜谱的可能性考虑在内，可以提高菜谱推荐的准确度，基于此，本申请提供了下述实施例。
请参考图10，其示出了本申请第七实施例提供的一种菜谱推荐方法，如图10所示，步骤根据待分析菜谱的用户接受度以及待分析菜谱的使用比例推荐目标菜谱，包括步骤S1002至步骤S1004。
S1002，获取待分析菜谱的反馈系数。
S1004，根据待分析菜谱的用户接受度、待分析菜谱的使用比例以及待分析菜谱的反馈系数推荐目标菜谱。
其中，待分析菜谱的反馈系数是在待分析菜谱先前被推荐至用户后，响应于用户对待分析菜谱的选择操作所生成的系数，选择操作包括接受操作以及拒绝操作。具体的，接受操作指的是接受该待分析菜谱作为进行烹饪的菜谱，拒绝操作指的是拒绝该待分析菜谱作为进行烹饪的菜谱。
在一个实施例中，各待分析菜谱的初始反馈系数为K0，在待分析菜谱被推荐，且用户执行拒绝操作时，待分析菜谱的反馈系数减小第四乘积，在待分析菜谱被推荐，且用户执行接受操作时，待分析菜谱的反馈系数增加第五乘积。其中，第四乘积为当前待分析菜谱的反馈系数和第一预设幅度的乘积，第五乘积为当前待分析菜谱的反馈系数和第二预设幅度的乘积。其中，第一预设幅度与第二预设幅度可以相同也可以不同。在一个实施例中，初始反馈系数为1。在一个实施例中，第一预设幅度以及第二预设幅度均为1％。本实施例通过响应于用户对待分析菜谱的接受操作或拒绝操作更新待分析菜谱的反馈系数，使得反馈系数可以准确反映，在待分析菜谱被推荐至用户的情况下，待分析菜谱被用户接受的可能性。根据待分析菜谱的用户接受度、待分析菜谱的使用比例以及待分析菜谱的反馈系数推荐目标菜谱，可以进一步提高菜谱推荐的准确度。
在一个实施例中，根据待分析菜谱的用户接受度、待分析菜谱的使用比例以及待分析菜谱的反馈系数推荐目标菜谱，包括：基于待分析菜谱的反馈系数与第三乘积的乘积，确定待分析菜谱的推荐度，根据各待分析菜谱的推荐度推荐目标菜谱。其中，第三乘积为待分析菜谱的用户接受度与第一差值的乘积，第一差值与待分析菜谱的使用比例之和为1。本实施例通过待分析菜谱的反馈系数来调整对应的待分析菜谱的推荐度的幅度，根据调整后的推荐度向用户推荐目标菜谱，可以提高菜谱推荐的准确度。
示例性的，待分析菜谱i的菜谱使用比例Pi为：
设各待分析菜谱的初始反馈系数K0为1，第一预设幅度以及第二预设幅度均为1％，根据每次推荐后的情况调整反馈系数，幅度为±1％(+为用户接受，-为用户拒绝)，则第一次被推荐后的反馈系数K1为：
K1＝K0*(1±1％)
以此类推，第i次被推荐后的反馈系数Ki为：
Ki＝Ki-1*(1±1％)
目标菜谱的推荐度计算公式为：
推荐度＝(1-菜谱使用比例)*反馈系数*接受度
根据通过该计算公式获得目标菜谱的推荐度，并根据推荐度向用户推荐目标菜谱，可使较少或没有被使用的菜谱，但用户接受度高的，获得更高推荐优先级，并且可通过反馈系数来调整幅度，目标菜谱i的推荐度Ri为：
Ri＝(1-Pi)*Ki*Mi
由大到小排列所有目标菜谱的推荐度Ri，取与最大推荐度对应的目标菜谱推荐给用户，根据用户是否接受推荐的目标菜谱，重新计算目标菜谱的推荐反馈系数Ki+1。
①当用户接受目标菜谱，则有：
Ki+1＝Ki*(1+1％)
②当用户拒绝目标菜谱，则有：
Ki+1＝Ki*(1-1％)
记录目标菜谱的最新推荐反馈系数，作为下一轮目标菜谱的反馈系数。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的菜谱推荐方法的菜谱推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个菜谱推荐装置实施例中的具体限定可以参见上文中对于菜谱推荐方法的限定，在此不再赘述。
请参考图11，其示出了本申请实施例提供的一种菜谱推荐装置1100，如图11所示，该菜谱推荐装置1100可以包括获取模块1102、确定模块1104以及推荐模块1106。其中，获取模块1102用于获取待分析菜谱的属性。确定模块1104用于确定每一个待分析菜谱的各个属性在历史烹饪数据中的使用比例。推荐模块1206用于根据各个属性的使用比例推荐符合用户偏好的目标菜谱。
在一个实施例中，确定模块还可以用于基于历史烹饪数据中与待分析菜谱的菜系相同的菜谱的烹饪次数和历史烹饪数据的总烹饪次数，确定待分析菜谱的菜系的使用比例，基于待分析菜谱的每一个食材类型在历史烹饪数据中的使用次数与历史烹饪数据中全部食材类型的使用次数，确定待分析菜谱的每一个食材类型的使用比例。
在一个实施例中，推荐模块还可以用于根据每一个待分析菜谱的菜系的使用比例和待分析菜谱包括的各食材类型的使用比例，确定待分析菜谱的用户接受度，根据各待分析菜谱的用户接受度推荐目标菜谱。
在一个实施例中，确定模块还可以用于基于历史烹饪数据中与待分析菜谱的口味相同的菜谱的烹饪次数和历史烹饪数据的总烹饪次数，确定待分析菜谱的口味的使用比例。
在一个实施例中，推荐模块还可以用于根据每一个待分析菜谱的菜系的使用比例，待分析菜谱包括的各食材类型的使用比例以及待分析菜谱的口味的使用比例，确定待分析菜谱的用户接受度，根据各待分析菜谱的用户接受度推荐目标菜谱。
在一个实施例中，推荐模块还可以用于基于历史烹饪数据中待分析菜谱的烹饪次数和历史烹饪数据的总烹饪次数，确定待分析菜谱的使用比例，根据待分析菜谱的用户接受度以及待分析菜谱的使用比例推荐目标菜谱。
在一个实施例中，推荐模块还可以用于基于待分析菜谱的用户接受度与第一差值的乘积推荐目标菜谱；其中，第一差值与待分析菜谱的使用比例之和为1。
在一个实施例中，推荐模块还可以用于获取待分析菜谱的反馈系数，根据待分析菜谱的用户接受度、待分析菜谱的使用比例以及待分析菜谱的反馈系数推荐目标菜谱。
上述菜谱推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，还提供了一种烹饪设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。在一个实施例中，烹饪设备可以为蒸烤箱。上述菜谱推荐方法算法简单，通过烹饪设备自身的存储器，预先存储已制作完成的菜谱数据库，并保存历史烹饪数据(包括用户操作菜谱的行为信息)。最后利用自身的处理器即可实现向用户推荐菜谱的功能，降低对硬件资源的需求以及后台维护成本。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
在本说明书的描述中，参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性描述不一定指的是相同的实施例或示例。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种菜谱推荐方法，其特征在于，包括：
获取待分析菜谱的属性；
确定每一个所述待分析菜谱的各个属性在历史烹饪数据中的使用比例；
根据所述各个属性的使用比例推荐符合用户偏好的目标菜谱。
2.根据权利要求1所述的菜谱推荐方法，其特征在于，每一个所述待分析菜谱的属性均包括菜系以及食材类型；所述确定每一个所述待分析菜谱的各个属性在历史烹饪数据中的使用比例，包括：
对于每一个所述待分析菜谱，基于所述历史烹饪数据中与所述待分析菜谱的菜系相同的菜谱的烹饪次数和所述历史烹饪数据的总烹饪次数，确定所述待分析菜谱的菜系的使用比例；
基于所述待分析菜谱的每一个所述食材类型在所述历史烹饪数据中的使用次数与所述历史烹饪数据中全部食材类型的使用次数，确定所述待分析菜谱的每一个所述食材类型的使用比例。
3.根据权利要求2所述的菜谱推荐方法，其特征在于，所述根据所述各个属性的使用比例推荐符合用户偏好的目标菜谱，包括：
根据每一个所述待分析菜谱的菜系的使用比例和所述待分析菜谱包括的各食材类型的使用比例，确定所述待分析菜谱的用户接受度；
根据各所述待分析菜谱的用户接受度推荐所述目标菜谱。
4.根据权利要求2所述的菜谱推荐方法，其特征在于，每一个所述待分析菜谱的属性还包括口味；所述确定每一个所述待分析菜谱的各个属性在历史烹饪数据中的使用比例，还包括：
基于所述历史烹饪数据中与所述待分析菜谱的口味相同的菜谱的烹饪次数和所述历史烹饪数据的总烹饪次数，确定所述待分析菜谱的口味的使用比例。
5.根据权利要求4所述的菜谱推荐方法，其特征在于，所述根据所述各个属性的使用比例推荐符合用户偏好的目标菜谱，还包括：
根据每一个所述待分析菜谱的菜系的使用比例，所述待分析菜谱包括的各食材类型的使用比例以及所述待分析菜谱的口味的使用比例，确定所述待分析菜谱的用户接受度。
6.根据权利要求3所述的菜谱推荐方法，其特征在于，所述根据各所述待分析菜谱的用户接受度推荐所述目标菜谱，包括：
基于所述历史烹饪数据中所述待分析菜谱的烹饪次数和所述历史烹饪数据的总烹饪次数，确定所述待分析菜谱的使用比例；
根据所述待分析菜谱的用户接受度以及所述待分析菜谱的使用比例推荐所述目标菜谱。
7.根据权利要求6所述的菜谱推荐方法，其特征在于，所述根据所述待分析菜谱的用户接受度以及所述待分析菜谱的使用比例推荐所述目标菜谱，包括：
基于所述待分析菜谱的用户接受度与第一差值的乘积推荐所述目标菜谱；其中，所述第一差值与所述待分析菜谱的使用比例之和为1。
8.根据权利要求6所述的菜谱推荐方法，其特征在于，所述根据所述待分析菜谱的用户接受度以及所述待分析菜谱的使用比例推荐所述目标菜谱，包括：
获取所述待分析菜谱的反馈系数；其中，所述反馈系数是在所述待分析菜谱先前被推荐至用户后，响应于用户对所述待分析菜谱的选择操作所生成的系数；
根据所述待分析菜谱的用户接受度、所述待分析菜谱的使用比例以及所述待分析菜谱的反馈系数推荐所述目标菜谱。
9.一种菜谱推荐装置，其特征在于，包括：
获取模块，用于获取待分析菜谱的属性；
确定模块，用于确定每一个所述待分析菜谱的各个属性在历史烹饪数据中的使用比例；
推荐模块，用于根据所述各个属性的使用比例推荐符合用户偏好的目标菜谱。
10.一种烹饪设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210449650.9A CN114817723A (zh) | 2022-04-24 | 2022-04-24 | 菜谱推荐方法、菜谱推荐装置和烹饪设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210449650.9A CN114817723A (zh) | 2022-04-24 | 2022-04-24 | 菜谱推荐方法、菜谱推荐装置和烹饪设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114817723A true CN114817723A (zh) | 2022-07-29 |
Family
ID=82507870
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210449650.9A Pending CN114817723A (zh) | 2022-04-24 | 2022-04-24 | 菜谱推荐方法、菜谱推荐装置和烹饪设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114817723A (zh) |
-
2022
- 2022-04-24 CN CN202210449650.9A patent/CN114817723A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10474705B2 (en) | Iterative image search algorithm informed by continuous human-machine input feedback | |
| US20170188741A1 (en) | Method and System for Acquiring Cooking Information | |
| US20150324938A1 (en) | Analytics-based design and planning of creative menus | |
| CN106955013A (zh) | 一种智能厨房烹饪系统及智能辅助烹饪的方法 | |
| CN108447543A (zh) | 基于烹饪设备的菜谱推送方法和装置 | |
| CN106560829A (zh) | 烹饪食谱提供方法以及烹饪食谱提供系统 | |
| JP6410069B1 (ja) | レシピ情報提供装置、レシピ情報提供方法およびレシピ情報提供プログラム | |
| CN112069403A (zh) | 菜谱推荐方法、装置、计算机设备和存储介质 | |
| JP2019061366A (ja) | 代替レシピ提示装置、代替レシピ提示方法、コンピュータプログラム及びデータ構造 | |
| CN109710855A (zh) | 一种确定菜谱的方法、装置、烹饪设备及存储介质 | |
| CN113140287A (zh) | 食谱的推荐方法、装置和电子设备 | |
| CN108074635A (zh) | 一种基于食材缺失度的菜谱推荐方法 | |
| CN107665198A (zh) | 图像识别方法、服务器、终端和冷藏设备 | |
| CN110852299A (zh) | 顾客饮食习惯确定方法及装置 | |
| JP2019133624A (ja) | レシピ情報提供装置、レシピ情報提供方法およびレシピ情報提供プログラム | |
| KR20200054361A (ko) | 개인별 맞춤형 밥짓기 시스템 및 방법 | |
| CN111814038A (zh) | 智能供餐方法、系统、终端和可读存储介质 | |
| CN115587245A (zh) | 菜谱清单的推荐方法、装置、存储介质及电子装置 | |
| CN110021402A (zh) | 一种基于图像识别的菜谱推荐方法及菜谱推荐系统 | |
| JP6843597B2 (ja) | 情報処理装置、食材選択方法及びプログラム | |
| CN114817723A (zh) | 菜谱推荐方法、菜谱推荐装置和烹饪设备 | |
| CN112287223A (zh) | 一种菜谱推荐方法、烹饪方法及控制装置 | |
| CN113139120A (zh) | 电子设备及食谱的推荐方法和装置 | |
| CN114218415A (zh) | 烹饪食谱的展示方法及装置 | |
| CN107577761A (zh) | 一种信息查看方法及相关设备 |
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 |