CN116453653B - 基于自动采样技术的膳食数据集构建及查询方法、装置 - Google Patents
基于自动采样技术的膳食数据集构建及查询方法、装置 Download PDFInfo
- Publication number
- CN116453653B CN116453653B CN202310713892.9A CN202310713892A CN116453653B CN 116453653 B CN116453653 B CN 116453653B CN 202310713892 A CN202310713892 A CN 202310713892A CN 116453653 B CN116453653 B CN 116453653B
- Authority
- CN
- China
- Prior art keywords
- meal
- type
- elements
- target
- demand
- 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.)
- Active
Links
- 235000012054 meals Nutrition 0.000 title claims abstract description 447
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000005070 sampling Methods 0.000 title claims abstract description 31
- 238000010276 construction Methods 0.000 title claims abstract description 20
- 238000005516 engineering process Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 19
- 235000005911 diet Nutrition 0.000 claims description 102
- 230000037213 diet Effects 0.000 claims description 68
- 235000020930 dietary requirements Nutrition 0.000 claims description 43
- 238000004519 manufacturing process Methods 0.000 claims description 39
- 230000000378 dietary effect Effects 0.000 claims description 34
- 239000002994 raw material Substances 0.000 claims description 16
- 235000013305 food Nutrition 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 2
- 230000010365 information processing Effects 0.000 abstract description 2
- 238000003860 storage Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000002360 preparation method Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 210000001015 abdomen Anatomy 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 4
- 230000004580 weight loss Effects 0.000 description 4
- 235000011274 Benincasa cerifera Nutrition 0.000 description 3
- 244000036905 Benincasa cerifera Species 0.000 description 3
- 241000238557 Decapoda Species 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 239000013585 weight reducing agent Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 235000012055 fruits and vegetables Nutrition 0.000 description 1
- 235000004280 healthy diet Nutrition 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Nutrition Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了基于自动采样技术的膳食数据集构建及查询方法、装置,涉及医疗保健信息处理技术领域,包括分析获得用于表征膳食意图信息的第一类膳食需求要素,用于表征膳食人群信息的第二类膳食需求要素,以及用于表征膳食制作信息的第三类膳食需求要素;基于预先构建的膳食数据集,确定匹配所述第一类膳食需求要素和所述第二类膳食需求要素的目标膳食数据;所述膳食数据集基于对网页自动采样而构建;根据所述第三类膳食需求要素对所述目标膳食数据进行结构化处理,生成并展示膳食方案。能够多维度的分析用户的膳食查询意图,并据此生成满足膳食查询意图的结构化的膳食方案,提高了查询效率和查询质量,一站式满足用户需求。
Description
技术领域
本发明涉及医疗保健信息处理技术领域,尤其涉及基于自动采样技术的膳食数据集构建及查询方法、装置。
背景技术
随着生活水平不断提高,越来越多的人希望通过合理安排饮食、优化膳食结构来提高自身的健康素养。但是发明人在实现本发明的过程中发现,当用户想根据自身需求得到一套膳食方案时,一方面可能不知道如何准确表述自己的需求进行查询;另一方面,得到的查询结果往往都是单一的,用户需要逐一查看查询结果,自己总结整理,整个过程效率低下,且查询结果的质量也无法保证。
发明内容
为了解决上述技术问题或者至少部分的解决上述技术问题,本发明实施例提供了基于自动采样技术的膳食数据集构建及查询方法、装置,能够多维度的分析用户的膳食查询意图,并据此生成满足膳食查询意图的结构化的膳食方案,提高了查询效率和查询质量,提供完整的膳食方案一站式满足用户需求。
本发明实施例提供了基于自动采样技术的膳食数据集构建及查询方法,包括:
接收膳食查询信息,对所述膳食查询信息进行分析,得到用于表征膳食意图信息的第一类膳食需求要素,用于表征膳食人群信息的第二类膳食需求要素,以及用于表征膳食制作信息的第三类膳食需求要素;基于预先构建的膳食数据集,确定匹配所述第一类膳食需求要素和所述第二类膳食需求要素的目标膳食数据;所述膳食数据集基于对网页自动采样而构建;根据所述第三类膳食需求要素对所述目标膳食数据进行结构化处理,生成并展示膳食方案。
本发明实施例还提供了基于自动采样技术的膳食数据集构建及查询装置,包括:
分析模块,用于接收膳食查询信息,对所述膳食查询信息进行分析,得到用于表征膳食意图信息的第一类膳食需求要素,用于表征膳食人群信息的第二类膳食需求要素,以及用于表征膳食制作信息的第三类膳食需求要素;确定模块,用于基于预先构建的膳食数据集,确定匹配所述第一类膳食需求要素和所述第二类膳食需求要素的目标膳食数据;所述膳食数据集基于对网页自动采样而构建;生成模块,用于根据所述第三类膳食需求要素对所述目标膳食数据进行结构化处理,生成并展示膳食方案。
本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的基于自动采样技术的膳食数据集构建及查询方法。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的基于自动采样技术的膳食数据集构建及查询方法。
本发明实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序或指令,该计算机程序或指令被处理器执行时实现如上所述的基于自动采样技术的膳食数据集构建及查询方法。
本发明实施例提供的技术方案与现有技术相比至少具有如下优点:本发明实施例提供的基于自动采样技术的膳食数据集构建及查询方法、装置,能够多维度的分析用户的膳食查询意图,并据此生成满足膳食查询意图的结构化的膳食方案,提高了查询效率和查询质量,提供完整的膳食方案一站式满足用户需求。
附图说明
结合附图并参考以下具体实施方式,本发明各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本发明实施例中的基于自动采样技术的膳食数据集构建及查询方法的流程图;
图2为本发明又一实施例中的膳食数据集构建方法的流程图;
图3为本发明再一实施例中的基于自动采样技术的膳食数据集构建及查询方法的流程图;
图4本发明实施例中的基于自动采样技术的膳食数据集构建及查询装置的结构示意图;
图5本发明实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细的描述本发明的实施例。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整的理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分的基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
参考图1所示,本发明实施例提供了基于自动采样技术的膳食数据集构建及查询方法的流程图。
步骤S101,接收膳食查询信息,对所述膳食查询信息进行分析,得到用于表征膳食意图信息的第一类膳食需求要素,用于表征膳食人群信息的第二类膳食需求要素,以及用于表征膳食制作信息的第三类膳食需求要素。
具体的,膳食意图信息包括膳食的营养价值或膳食的用途,例如“减肥”、“养生”、“降压”、“增肌”等;膳食人群信息包括用户的特征信息,例如“幼儿”、“老年男性”、“女性上班族”、“青少年”等;膳食制作信息包括制作膳食的器具信息,该器具信息包括狭义的器具信息,例如“微波炉”、“蒸锅”等,还包括广义的器具信息(即对家里已有器具水平的泛泛描述),例如“仅有常见厨房家电”、“厨房电器齐全”等。
在本步骤中,可以将膳食查询信息输入至预先训练好的自然语言处理(NLP,Natural Language Processing)模型,让模型输出第一类膳食需求要素、第二类膳食需求要素和第三类膳食需求要素。在模型训练过程中,选定若干膳食查询信息作为样本,并标注膳食查询信息中的各类膳食需求要素。
步骤S102,基于预先构建的膳食数据集,确定匹配所述第一类膳食需求要素和所述第二类膳食需求要素的目标膳食数据;所述膳食数据集基于对网页自动采样而构建。
具体的,膳食数据集中包括多组膳食数据,每组膳食数据包括膳食名称、膳食的属性标签、膳食制作方法的关键语句,其中,属性标签用来描述各类膳食需求要素所表征信息的特征。即,每组膳食数据包括描述第一类膳食需求要素所表征的膳食意图信息的第一类属性标签、描述第二类膳食需求要素所表征的膳食人群信息的第二类属性标签、描述第三类膳食需求要素所表征的膳食制作信息的第三类属性标签,每类属性标签可以包括多个。
举个例子,一组膳食数据包括膳食名称“冬瓜虾仁”,第一类属性标签包括“减肥”、“美容”、“减脂”,第二类属性标签包括“女性”、“青年”、“中年”,第三类属性标签包括“冬瓜”、“大虾”、“电磁炉”、“燃气灶”、“常见厨房家电”,关键语句包括“冬瓜虾仁”的制作步骤。
在本步骤中,在预先构建的膳食数据集中查找第一类属性标签与第一类膳食需求要素匹配、第二类属性标签与第二类膳食需求要素配配的膳食数据作为目标膳食数据,目标膳食数据可以是多组。
需要说明的是,膳食数据集中的各组数据是基于对全网网页中的信息进行分析,找到膳食信息相关目标网页,对其中文本信息进行自动采样而构建,因此可以周期性进行膳食数据的更新。
作为本发明实施例的一些可选实施方式,如图2所示,膳食数据集的构建方法包括:
步骤S201,周期性对网页进行自动采样,确定与膳食相关的目标网页。
这里,可以先对全网存量网页进行采样,后续周期性对全网更新的增量网页进行自动采样。在确定目标网页之前,可以先获取膳食名称集合,筛选文本中出现膳食名称集合中任一膳食名称的候选网页;在这些候选网页中,根据该任一膳食名称出现的频率或次数,确定目标网页。一般来说,网页文本中某个词语的出现次数或频率超过某个阈值,说明该词语为核心词,即该网页与该词语强相关。
步骤S202,对所述目标网页进行语义理解,确定膳食名称、所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素、以及膳食制作方法的关键语句。
在本步骤中,可以根据NLP技术来对目标网页进行语义理解,确定膳食名称,并定位到目标网页文本中表述第一类膳食需求要素、第二类膳食需求要素、第三类膳食需求要素,以及膳食制作方法的关键语句;将针对膳食名称分别与第一类膳食需求要素、第二类膳食需求要素、第三类膳食需求要素的各关键语句拼接,得到若干拼接后的关键语句,将这些拼接后的关键语句分别输入至Transformer模型,Transformer模型基于编码、定位和自注意力机制把拼接后的关键语句中的每一个词定位到了一个高维空间,从而确定每个词与拼接后的关键语句中其他词的关联度。这样就能确定每个拼接后的关键语句中、与膳食名称具有较高关联程度的关键词,将这些关键词分别作为第一类膳食需求要素、第二类膳食需求要素、第三类膳食需求要素。
步骤S203,将所述膳食名称、所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素,以及所述关键语句进行关联,得到一组膳食数据,并生成膳食数据标识。
因为同一种膳食名称,第三类膳食需求要素不同、制作方法不同,可能会导致第一类膳食需求要素、第二类膳食需求要素也不同,因此膳食数据标识用于唯一标识一组膳食数据。膳食数据标识包括但不限于膳食名称+编号、编号。
有些情况下,同一种膳食名称,制作方法不同,但第一类膳食需求要素、第二类膳食需求要素和第三类膳食需求要素都相同,此时多种制作方法都关联到一组膳食数据。也就是说,一组膳食数据中可以包括多种膳食制作方法的关键语句。
步骤S204,基于多组所述膳食数据,分别对所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素进行聚类分析,生成各类膳食需求要素对应的多个属性标签;其中,各类所述膳食需求要素用于表征信息的特征基于所述属性标签描述。
这里,第一类膳食需求要素用于表征膳食意图信息,那么第一类膳食需求要素对应的属性标签就用于描述各种膳食意图信息的特征;第二类膳食需求要素用于表征膳食人群信息,那么第二类膳食需求要素对应的属性标签就用于描述各种膳食人群信息的特征;第三类膳食需求要素用于表征膳食制作信息,那么第三类膳食需求要素就用于描述制作膳食的器具信息的特征。
具体的,获取多组膳食数据中所有的第一类膳食需求要素,对第一类膳食需求要素两两进行相似度计算,把相似度超过预设阈值的第一类膳食要素进行聚成一组,得到第一类膳食需求要素组合。针对每个第一类膳食需求要素组合,可以直接将其中任一第一类膳食需求要素作为该组合的属性标签,也可以将所有第一类膳食需求要素输入至语言模型,生成该组合的属性标签。举个例子,第一类膳食需求要素组合包括“瘦肚子”、“瘦侧腰”、“瘦小腹”等第一类膳食需求要素,可以直接将“瘦肚子”作为该组合的属性标签,也可以用通过语言模型理解生成的“瘦腹部”作为该组合的属性标签。据此,得到第一类膳食需求要素对应的多个属性标签。第二类膳食需求要素、以及第三类膳食需求要素对应的多个属性标签也可以通过上述方法生成,本发明再次不再赘述。
可选的,每类膳食需求要素对应的属性标签包括多个层级,即将上述生成的多个属性标签进行聚类,生成上一层级的属性标签。例如,第一类膳食需求要素的属性标签包括“瘦腹部”、“瘦小腿”、“瘦肩背”,可以聚类生成对应的上一层级属性标签“瘦身”。生成多层级属性标签的意义在于,用户的膳食查询信息的描述可能是泛泛的,例如“上班族瘦身吃什么?”,也可能是具体的“上班族瘦腹部吃什么”,建立了多层级属性标签后,可以将膳食查询信息在膳食数据集中进行准确定位,调了查询准确度和查询效率。
步骤S205,针对每组所述膳食数据,基于该组膳食数据中的所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素,确定对应的多个属性标签,并将所述多个属性标签与该组膳食数据的膳食数据标识进行关联。
根据上述步骤确定了属性标签之后,根据每组膳食数据中的第一类膳食需求要素、第二类膳食需求要素、第三类膳食需求要素,就能够去顶改组膳食数据对应的各类属性标签,并建立改组膳食数据标识与这些属性标签的关联。即建立起了“膳食名称---第一类膳食需求要素对应的属性标签---第二类膳食需求要素对应的属性标签----第三类膳食数据对应的属性标签---膳食制作方法的关键语句”的关联关系。
步骤S206,基于多组关联属性标签的所述膳食数据,构建所述膳食数据集。
在本步骤中,将多组建立了上述关系的膳食数据进行存储,构建起膳食数据集。
可选的,本步骤可以通过如下方法实现:
在所述膳食数据集中筛选匹配所述第一类膳食需求要素和所述第二类膳食需求要素的N组候选膳食数据;其中,N为大于等于2的整数;确定每组所述候选膳食数据中的膳食名称,对所述膳食名称相同的所述候选膳食数据进行合并,得到M组目标膳食数据;其中,M为大于等于2的整数,且M小于N。
具体的,确定了N组候选膳食数据后,若存在膳食名称相同的膳膳食数据,则将其进行合并,对相同的第一类膳食需求要素的属性标签、第二类膳食需求要素的属性标签、第三类膳食需求要素属性标签进行去重,得到M组目标膳食数据。
步骤S103,根据所述第三类膳食需求要素对所述目标膳食数据进行结构化处理,生成并展示膳食方案。
在一些场景下,目标膳食数据中包括多种制作方法,本步骤中,根据第三类膳食需求要素中的器具信息对制作方法进行筛选,确定其中的目标制作方法。
为了提高用户查询膳食信息的效率,可以根据预先确定的模板对目标膳食数据进行结构化处理。具体的,模板包括以下信息模块:膳食名称、膳食原材料、膳食制作步骤,从目标膳食数据中确定膳食名称、膳食原材料对应的信息字段,对目标制作方法进行语义理解、生成若干步骤信息,将信息字段、步骤信息分别填入模板对应的信息模块,生成膳食方案,并在查询结果中展示。
可选的,如图3所示,本步骤可以通过如下方案实现:
步骤S1031,确定是否存在与所述第三类膳食需求要素匹配的目标膳食数据。
由于第三类膳食需求要素包括对制作膳食的器具的要求,因此,首选确定目标膳食数据中是否存在与第三类膳食需求要素匹配的属性标签。
若存在,执行步骤S1032;若不存在,依次执行步骤S1033和步骤S1034。
步骤S1032,对所述目标膳食数据中的关键语句按照原材料、制作器具、制作步骤进行结构化处理,将与所述第一类膳食需求要素、所述第二类膳食需求要素、第三类膳食需求要素对应的关键信息进行突出显示,生成并展示所述膳食方案。
具体的,在膳食制作方法的关键语句中,按照模板分别结构化提取原材料对应的信息字段、制作器具对应的信息字段,以及制作步骤对应的步骤信息;其中,制作器具对应的信息字段中包括与第三类膳食需求要素对应的关键信息,原材料对应的信息字段、制作步骤对应的步骤信息中包括与第一膳食需求要素对应的关键信息(比如哪些原材料、制作步骤与膳食意图信息匹配),原材料对应的信息字段中包括与第二膳食需求要素对应的关键信息(比如哪些原材料与膳食人群信息匹配),将这些关键信息进行突出显示,方便用户了解为什么该膳食方案可以满足其膳食查询信息。
步骤S1033,确定与所述第三类膳食需求要素近似的第二目标属性标签,基于所述第二目标属性标签和所述第三类膳食需求要素的对比,确定所述目标膳食数据中的关键语句中的目标器具。
本步骤中,由于不存在与第三类膳食需求要素匹配的属性标签,则查找与第三类膳食需求要素近似的第二目标属性标签。这里,如果第三类膳食需求要素是狭义的器具信息,则基于器具的类别确定近似的第二目标属性标签,比如同属于蒸煮类器具,同属于煎炸类器具;如果第三类膳食需求要素的广义的器具信息,则基于器具水平等级确定近似的第二目标属性标签,比如第三类膳食需求要素是“简易厨房家电”,则可以将比其高已等级的“仅有常见厨房家电”作为第二目标属性标签。
根据第二目标属性标签即可确定对应的目标膳食数据,在目标膳食数据中包括第二属性标签对应的具体器具,可以从这些器具中确定与第三类膳食需求要素不匹配的目标器具。
步骤S1034,对所述目标膳食数据中的关键语句,按照原材料、制作器具、制作步骤进行结构化处理,将与所述第一类膳食需求要素、所述第二类膳食需求要素对应的关键语句、所述目标器具进行突出显示,生成并展示所述膳食方案。
本步骤与步骤S1032的区别在于,膳食方案中将目标器具进行突出显示,提示用户该目标器具与膳食查询信息不匹配。进一步的,可以根据目标器具进行全网搜索,确定与目标器具达到相同效果的可替代器具,并将可替代器具通过浮层等形式展现在目标器具附近的预设位置,供用户参考。
本发明实施例提供的技术方案,能够多维度的分析用户的膳食查询意图,并据此生成满足膳食查询意图的结构化的膳食方案,提高了查询效率和查询质量,提供完整的膳食方案一站式满足用户需求。
作为本发明的一些可选实施方式,所述对所述膳食查询信息进行分析,得到用于表征膳食意图信息的第一类膳食需求要素,用于表征膳食人群信息的第二类膳食需求要素,以及用于表征膳食制作信息的第三类膳食需求要素,包括:
将所述膳食查询信息输入至语言模型,得到所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素,以及与目标类所述膳食需求要素匹配的补充知识信息;其中,所述目标类为所述语言模型根据所述膳食查询信息的核心需求确定。
具体的,用户输入的膳食查询信息包括了第一类膳食需求要素、第二类膳食需求要素和第三类膳食需求要素,可以通过语义理解确定用户最核心的膳食需求,并深入挖掘该膳食需求,获取相关的补充知识信息,与膳食方案一起呈现给用户。
具体的,语言模型可以是生成式预训练模型(GPT, Generative Pre-trainedTransformer)。在对语言模型进行训练的时候,我们可以通过给样本加入提示语范式(Prompt),将训练样本转成自然语言的形式,并将膳食的核心需求隐藏(Mask),以激发预训练模型的能力。举例来说,训练样本为“上班族想减肥,吃什么比较好?”,提示语范式为“吃东西为了【Mask】”;训练样本为“年轻人家里只有微波炉,可以做什么健康饮食?”,提示语范式是“【Mask】可以做的【Mask】食品”。通过这种方式进行训练,语言模型可以准确识别用户膳食的核心需求,并输出该核心需求属于哪类膳食需求要素,即目标类膳食需求要素。
进一步的,目标类膳食需求要素可以包括一类或多类。如上述“吃东西为了【Mask】”,核心需求是“减肥”,即目标类膳食需求要素为第一类膳食需求要素;如上述“【Mask】可以做的【Mask】食品”,核心需求是“微波炉”和“健康”,即目标类膳食需求要素为第一类膳食需求要素和第三类膳食需求要素。
确定了目标类膳食需求要素后,可以以目标类膳食需求要素对作为搜索词进行搜索,获取匹配的补充知识信息,例如,以“减肥”作为搜索词,获取健身教程、减肥方法等搜索结果作为补充知识信息;也可以将目标类膳食需求要素与膳食相关的扩展词进行拼接,以拼接后的词作为搜索词进行搜索,获取匹配的补充知识信息,例如,将“减肥”与第一类膳食需求要素相关的扩展词“水果”、“蔬菜”进行拼接,以“减肥吃什么水果”、“减肥吃什么蔬菜”作为搜索词,获取对应搜索结果作为补充知识信息。
进一步的,所述方法还包括:展示所述补充知识信息以及人工智能标识;响应于对所述人工智能标识的触发操作,展示聊天界面,并在所述聊天界面展示与所述补充知识信息相关的推荐信息,和/或与所述膳食方案相关的推荐信息。
具体的,将膳食方案和补充知识信息一并展示给用户的同时,还可以展示人工智能标识,该人工智能标识被触发后展现聊天界面,用户可以在该界面与机器人进行聊天,对膳食方案或补充知识信息中感兴趣的内容进行进一步询问。
进一步的,为了更好的引导用户进行询问,在聊天界面中可以展示与补充知识信息相关的推荐信息,该推荐信息可以是补充知识信息对应的搜索结果或者是补充知识信息对应的推荐词;还可以展示膳食方案相关的推荐信息,该推荐信息可以是与膳食原材料、制作器具、制作步骤相关的扩展信息。
作为本发明实施例的一些可选实施方式,公开了基于自动采样技术的膳食数据集构建及查询方法,在所述对所述膳食查询信息进行分析之后,所述方法还包括如下步骤:
步骤一:响应于所述膳食查询信息缺失任一类所述膳食需求要素,在所述膳食数据集中查找该类膳食需求要素对应的多个第一目标属性标签。
用户输入的膳食查询信息可能会缺少任一类膳食需求要素,此时,可以先确定缺失哪类膳食需求要素,再根据该类膳食需求要素对应的多个第一目标属性标签生成提示信息,用于让用户补全缺失类的膳食需求要素。
步骤二:根据所述第一目标属性标签生成并展示针对该类膳食需求要素的提示信息,所述提示信息包括问题和多个候选答案。
本步骤中,提示信息可以以选择题的形式展示。选择题的题干根据多个第一目标属性标签的共同特征生成,将第一目标属性标签作为候选答案。例如,第一目标属性标签“减肥”、“降压”、“清热”,它们的共同特征是“食疗”,则题干可以是“主要想查询哪个方向的食疗”,将“减肥”“降压”、“清热”作为候选答案。进一步的,如上文所述,属性标签可以包括多个层级,因此,可以进一步生成下一个层级的提示信息。例如“减肥”还包括下一个层级的第一目标属性标签“减肚子”、“减手臂”、“瘦小腿”等,可以进一步生成“减肥”对应的提示信息。这样,一旦用户选择了“减肥”这个选项,可以进一步触发“减肥”对应的提示信息,逐步引导用户选择自己的膳食查询需求。
可选的,可以在界面上呈现在查询框的下方呈现所述提示引导信息,以由用户根据自身情况进行点选。
步骤三:基于被触发的所述候选答案,确定该类膳食需求要素。
在提示信息呈现后,用户针对引导信息中的每个问题,选择其相应的候选答案后,所述问题及用户选择的候选答案组成该类膳食需求要素,从而明确了用户完整的膳食查询需求。
本发明实施例提供的技术方案,能够多维度的分析用户的膳食查询意图,并据此生成满足膳食查询意图的结构化的膳食方案,提高了查询效率和查询质量,提供完整的膳食方案一站式满足用户需求。
在一个实施例中,参考图4所示,提供了基于自动采样技术的膳食数据集构建及查询装置的结构示意图。该装置可用于执行图1-图3任一所示的基于自动采样技术的膳食数据集构建及查询方法,该装置包括:分析模块410、确定模块420和生成模块430;其中,
分析模块410,用于接收膳食查询信息,对所述膳食查询信息进行分析,得到用于表征膳食意图信息的第一类膳食需求要素,用于表征膳食人群信息的第二类膳食需求要素,以及用于表征膳食制作信息的第三类膳食需求要素;确定模块420,用于基于预先构建的膳食数据集,确定匹配所述第一类膳食需求要素和所述第二类膳食需求要素的目标膳食数据;所述膳食数据集基于对网页自动采样而构建;生成模块430,用于根据所述第三类膳食需求要素对所述目标膳食数据进行结构化处理,生成并展示膳食方案。
可选的,所述装置还包括构建模块,所述构建模块用于,周期性对网页进行自动采样,确定与膳食相关的目标网页;对所述目标网页进行语义理解,确定膳食名称、所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素、以及膳食制作方法的关键语句;将所述膳食名称、所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素,以及所述关键语句进行关联,得到一组膳食数据,并生成膳食数据标识;基于多组所述膳食数据,分别对所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素进行聚类分析,生成各类膳食需求要素对应的多个属性标签;其中,各类所述膳食需求要素用于表征信息的特征基于所述属性标签描述;针对每组所述膳食数据,基于该组膳食数据中的所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素,确定对应的多个属性标签,并将所述多个属性标签与该组膳食数据的膳食数据标识进行关联;基于多组关联属性标签的所述膳食数据,构建所述膳食数据集。
可选的,分析模块410进一步用于,响应于所述膳食查询信息缺失任一类所述膳食需求要素,在所述膳食数据集中查找该类膳食需求要素对应的多个第一目标属性标签;根据所述第一目标属性标签生成并展示针对该类膳食需求要素的提示信息,所述提示信息包括问题和多个候选答案;基于被触发的所述候选答案,确定该类膳食需求要素。
可选的,确定模块420进一步用于,在所述膳食数据集中筛选匹配所述第一类膳食需求要素和所述第二类膳食需求要素的N组候选膳食数据;其中,N为大于等于2的整数;确定每组所述候选膳食数据中的膳食名称,对所述膳食名称相同的所述候选膳食数据进行合并,得到M组目标膳食数据;其中,M为大于等于2的整数,且M小于N。
可选的,生成模块430进一步用于,确定是否存在与所述第三类膳食需求要素匹配的目标膳食数据;若存在,对所述目标膳食数据中的关键语句按照原材料、制作器具、制作步骤进行结构化处理,将与所述第一类膳食需求要素、所述第二类膳食需求要素、第三类膳食需求要素对应的关键信息进行突出显示,生成并展示所述膳食方案;若不存在,确定与所述第三类膳食需求要素近似的第二目标属性标签,基于所述第二目标属性标签和所述第三类膳食需求要素的对比,确定所述目标膳食数据中的关键语句中的目标器具;对所述目标膳食数据中的关键语句按照原材料、制作器具、制作步骤进行结构化处理,将与所述第一类膳食需求要素、所述第二类膳食需求要素对应的关键语句、所述目标器具进行突出显示,生成并展示所述膳食方案。
可选的,分析模块410进一步用于,将所述膳食查询信息输入至语言模型,得到所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素,以及与目标类所述膳食需求要素匹配的补充知识信息;其中,所述目标类为所述语言模型根据所述膳食查询信息的核心需求确定。
进一步的,生成模块430进一步用于,展示所述补充知识信息以及人工智能标识;响应于对所述人工智能标识的触发操作,展示聊天界面,并在所述聊天界面展示与所述补充知识信息相关的推荐信息,和/或与所述膳食方案相关的推荐信息。
需要说明的是,本发明实施例所提供的基于自动采样技术的膳食数据集构建及查询装置对应的可用于执行上述各方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图5为本发明实施例中的一种电子设备的结构示意图。下面具体参考图5,其示出了适于用来实现本发明实施例中的电子设备500的结构示意图。本发明实施例中的电子设备500可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)、可穿戴电子设备等等的移动终端以及诸如数字TV、台式计算机、智能家居设备等等的固定终端。图5示出的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理以实现如本发明所述的实施例的方法。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代的实施或具备更多或更少的装置。
特别的,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码,从而实现如上所述的 方法。在这样的实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM502被安装。在该计算机程序被处理装置501执行时,执行本发明实施例的方法中限定的上述功能。
需要说明的是,本发明上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,终端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:
接收膳食查询信息,对所述膳食查询信息进行分析,得到用于表征膳食意图信息的第一类膳食需求要素,用于表征膳食人群信息的第二类膳食需求要素,以及用于表征膳食制作信息的第三类膳食需求要素;基于预先构建的膳食数据集,确定匹配所述第一类膳食需求要素和所述第二类膳食需求要素的目标膳食数据;所述膳食数据集基于对网页自动采样而构建;根据所述第三类膳食需求要素对所述目标膳食数据进行结构化处理,生成并展示膳食方案。
附图中的流程图和框图,图示了按照本发明各种实施例的方法、装置和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连的表示的方框实际上可以基本并行的执行,它们有时也可以按相反的顺序执行,依照所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
在本发明的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合的使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本发明中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样的,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本发明的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合的实现在单个实施例中。相反的,在单个实施例的上下文中描述的各种特征也可以单独的或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本发明,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (3)
1.基于自动采样技术的膳食数据集构建及查询方法,其特征在于,包括:
周期性对网页进行自动采样,确定与膳食相关的目标网页;对所述目标网页进行语义理解,确定膳食名称、第一类膳食需求要素、第二类膳食需求要素、第三类膳食需求要素、以及膳食制作方法的关键语句;将所述膳食名称、所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素,以及所述关键语句进行关联,得到一组膳食数据,并生成膳食数据标识;基于多组所述膳食数据,分别对所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素进行聚类分析,生成各类膳食需求要素对应的多个属性标签;其中,所述各类膳食需求要素用于表征信息的特征基于所述属性标签描述;针对每组所述膳食数据,基于该组膳食数据中的所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素,确定对应的多个属性标签,并将所述多个属性标签与该组膳食数据的膳食数据标识进行关联;基于多组关联属性标签的所述膳食数据,构建所述膳食数据集;
接收膳食查询信息,将所述膳食查询信息输入至语言模型,得到用于表征膳食意图信息的所述第一类膳食需求要素、用于表征膳食人群信息的所述第二类膳食需求要素、用于表征膳食制作信息的所述第三类膳食需求要素,以及与目标类膳食需求要素匹配的补充知识信息;其中,所述目标类膳食需求要素为所述语言模型根据所述膳食查询信息的核心需求确定;响应于所述膳食查询信息缺失任一类膳食需求要素,在所述膳食数据集中查找缺失的任一类膳食需求要素对应的多个第一目标属性标签;根据所述第一目标属性标签生成并展示针对缺失的任一类膳食需求要素的提示信息,所述提示信息包括问题和多个候选答案;基于被触发的所述候选答案,确定缺失的任一类膳食需求要素;
在所述膳食数据集中筛选匹配所述第一类膳食需求要素和所述第二类膳食需求要素的N组候选膳食数据;其中,N为大于等于2的整数;确定每组所述候选膳食数据中的膳食名称,对所述膳食名称相同的所述候选膳食数据进行合并,得到M组目标膳食数据;其中,M为大于等于2的整数,且M小于N;
确定是否存在与所述第三类膳食需求要素匹配的目标膳食数据;若存在,对所述目标膳食数据中的关键语句按照原材料、制作器具、制作步骤进行结构化处理,将与所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素对应的关键信息进行突出显示,生成并展示膳食方案;若不存在,确定与所述第三类膳食需求要素近似的第二目标属性标签,基于所述第二目标属性标签和所述第三类膳食需求要素的对比,确定所述目标膳食数据中的关键语句中的目标器具;对所述目标膳食数据中的关键语句按照原材料、制作器具、制作步骤进行结构化处理,将与所述第一类膳食需求要素、所述第二类膳食需求要素对应的关键语句、所述目标器具进行突出显示,生成并展示所述膳食方案。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
展示所述补充知识信息以及人工智能标识;
响应于对所述人工智能标识的触发操作,展示聊天界面,并在所述聊天界面展示与所述补充知识信息相关的推荐信息,和/或与所述膳食方案相关的推荐信息。
3.基于自动采样技术的膳食数据集构建及查询装置,其特征在于,包括:
数据集构建模块,用于周期性对网页进行自动采样,确定与膳食相关的目标网页;对所述目标网页进行语义理解,确定膳食名称、第一类膳食需求要素、第二类膳食需求要素、第三类膳食需求要素、以及膳食制作方法的关键语句;将所述膳食名称、所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素,以及所述关键语句进行关联,得到一组膳食数据,并生成膳食数据标识;基于多组所述膳食数据,分别对所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素进行聚类分析,生成各类膳食需求要素对应的多个属性标签;其中,所述各类膳食需求要素用于表征信息的特征基于所述属性标签描述;针对每组所述膳食数据,基于该组膳食数据中的所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素,确定对应的多个属性标签,并将所述多个属性标签与该组膳食数据的膳食数据标识进行关联;基于多组关联属性标签的所述膳食数据,构建所述膳食数据集;
分析模块,用于接收膳食查询信息,将所述膳食查询信息输入至语言模型,得到用于表征膳食意图信息的所述第一类膳食需求要素、用于表征膳食人群信息的所述第二类膳食需求要素、用于表征膳食制作信息的所述第三类膳食需求要素,以及与目标类膳食需求要素匹配的补充知识信息;其中,所述目标类膳食需求要素为所述语言模型根据所述膳食查询信息的核心需求确定;响应于所述膳食查询信息缺失任一类膳食需求要素,在所述膳食数据集中查找缺失的任一类膳食需求要素对应的多个第一目标属性标签;根据所述第一目标属性标签生成并展示针对缺失的任一类膳食需求要素的提示信息,所述提示信息包括问题和多个候选答案;基于被触发的所述候选答案,确定缺失的任一类膳食需求要素;
确定模块,用于在所述膳食数据集中筛选匹配所述第一类膳食需求要素和所述第二类膳食需求要素的N组候选膳食数据;其中,N为大于等于2的整数;确定每组所述候选膳食数据中的膳食名称,对所述膳食名称相同的所述候选膳食数据进行合并,得到M组目标膳食数据;其中,M为大于等于2的整数,且M小于N;
生成模块,用于确定是否存在与所述第三类膳食需求要素匹配的目标膳食数据;若存在,对所述目标膳食数据中的关键语句按照原材料、制作器具、制作步骤进行结构化处理,将与所述第一类膳食需求要素、所述第二类膳食需求要素、所述第三类膳食需求要素对应的关键信息进行突出显示,生成并展示膳食方案;若不存在,确定与所述第三类膳食需求要素近似的第二目标属性标签,基于所述第二目标属性标签和所述第三类膳食需求要素的对比,确定所述目标膳食数据中的关键语句中的目标器具;对所述目标膳食数据中的关键语句按照原材料、制作器具、制作步骤进行结构化处理,将与所述第一类膳食需求要素、所述第二类膳食需求要素对应的关键语句、所述目标器具进行突出显示,生成并展示所述膳食方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310713892.9A CN116453653B (zh) | 2023-06-16 | 2023-06-16 | 基于自动采样技术的膳食数据集构建及查询方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310713892.9A CN116453653B (zh) | 2023-06-16 | 2023-06-16 | 基于自动采样技术的膳食数据集构建及查询方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116453653A CN116453653A (zh) | 2023-07-18 |
CN116453653B true CN116453653B (zh) | 2023-09-01 |
Family
ID=87122334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310713892.9A Active CN116453653B (zh) | 2023-06-16 | 2023-06-16 | 基于自动采样技术的膳食数据集构建及查询方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116453653B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111145867A (zh) * | 2019-11-25 | 2020-05-12 | 泰康保险集团股份有限公司 | 一种膳食方案的生成方法及装置 |
CN111783574A (zh) * | 2020-06-17 | 2020-10-16 | 李利明 | 膳食图像识别方法、装置以及存储介质 |
CN113051391A (zh) * | 2021-03-29 | 2021-06-29 | 深圳软通动力信息技术有限公司 | 一种基于食物营养与健康知识库的个性化膳食推荐方法 |
CN115602289A (zh) * | 2022-10-13 | 2023-01-13 | 中南大学(Cn) | 一种基于人群属性-膳食知识图谱的动态化膳食推荐方法 |
CN115769303A (zh) * | 2020-07-01 | 2023-03-07 | 雅培糖尿病护理公司 | 用于膳食信息收集、膳食评估和分析物数据相关性的系统、设备和方法 |
CN115798685A (zh) * | 2022-12-18 | 2023-03-14 | 重庆邮电大学 | 一种基于食物图像分割的抑郁症膳食管理方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020154616A (ja) * | 2019-03-19 | 2020-09-24 | オムロンヘルスケア株式会社 | 食事情報管理装置、食事情報管理方法、及びプログラム |
US20220199222A1 (en) * | 2020-12-17 | 2022-06-23 | Milkman, Inc. | Method and apparatus to provide nutrition quality evaluation comprehension and selection |
-
2023
- 2023-06-16 CN CN202310713892.9A patent/CN116453653B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111145867A (zh) * | 2019-11-25 | 2020-05-12 | 泰康保险集团股份有限公司 | 一种膳食方案的生成方法及装置 |
CN111783574A (zh) * | 2020-06-17 | 2020-10-16 | 李利明 | 膳食图像识别方法、装置以及存储介质 |
CN115769303A (zh) * | 2020-07-01 | 2023-03-07 | 雅培糖尿病护理公司 | 用于膳食信息收集、膳食评估和分析物数据相关性的系统、设备和方法 |
CN113051391A (zh) * | 2021-03-29 | 2021-06-29 | 深圳软通动力信息技术有限公司 | 一种基于食物营养与健康知识库的个性化膳食推荐方法 |
CN115602289A (zh) * | 2022-10-13 | 2023-01-13 | 中南大学(Cn) | 一种基于人群属性-膳食知识图谱的动态化膳食推荐方法 |
CN115798685A (zh) * | 2022-12-18 | 2023-03-14 | 重庆邮电大学 | 一种基于食物图像分割的抑郁症膳食管理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116453653A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106960030B (zh) | 基于人工智能的推送信息方法及装置 | |
CN105468596B (zh) | 图片检索方法和装置 | |
Abainia et al. | A novel robust Arabic light stemmer | |
CN108509411A (zh) | 语义分析方法和装置 | |
WO2017024553A1 (zh) | 一种信息情感分析方法和系统 | |
WO2015124096A1 (en) | Method and apparatus for determining morpheme importance analysis model | |
CN106055539B (zh) | 姓名消歧的方法和装置 | |
CN112100396B (zh) | 一种数据处理方法和装置 | |
CN110245228A (zh) | 确定文本类别的方法和装置 | |
CN112052297B (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN115131698B (zh) | 视频属性确定方法、装置、设备及存储介质 | |
CN105589976B (zh) | 基于语义相关度的目标实体确定方法及装置 | |
CN109190123A (zh) | 用于输出信息的方法和装置 | |
CN113392179A (zh) | 文本标注方法及装置、电子设备、存储介质 | |
CN110245357B (zh) | 主实体识别方法和装置 | |
CN111339424A (zh) | 基于关键词进行搜索的方法、装置、设备及存储介质 | |
CN117271818B (zh) | 视觉问答方法、系统、电子设备及存储介质 | |
CN116453653B (zh) | 基于自动采样技术的膳食数据集构建及查询方法、装置 | |
CN113010633B (zh) | 一种信息交互方法及设备 | |
CN112667781A (zh) | 一种恶性肿瘤文献获取方法及装置 | |
KR102095592B1 (ko) | 서바이벌 게임을 이용한 끼니별 음식메뉴 선택 서비스 제공 방법 | |
CN114970553B (zh) | 基于大规模无标注语料的情报分析方法、装置及电子设备 | |
Masood et al. | MFS-LDA: a multi-feature space tag recommendation model for cold start problem | |
Foote et al. | A computational analysis of social media scholarship | |
CN115620886A (zh) | 一种数据审核方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |