CN117334298A - 推荐方法、装置、设备及存储介质 - Google Patents
推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117334298A CN117334298A CN202311403127.3A CN202311403127A CN117334298A CN 117334298 A CN117334298 A CN 117334298A CN 202311403127 A CN202311403127 A CN 202311403127A CN 117334298 A CN117334298 A CN 117334298A
- Authority
- CN
- China
- Prior art keywords
- recommended
- recipe
- user
- recommendation
- basic information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 94
- 235000019640 taste Nutrition 0.000 claims abstract description 45
- 238000003062 neural network model Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 239000000463 material Substances 0.000 claims description 31
- 238000012986 modification Methods 0.000 claims description 14
- 230000004048 modification Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000037213 diet Effects 0.000 description 3
- 235000005911 diet Nutrition 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 235000019654 spicy taste Nutrition 0.000 description 1
- 238000010200 validation analysis Methods 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请提供的一种推荐方法、装置、设备及存储介质,通过获取用户的基本信息、口味偏好和身体指标;对所述基本信息、口味偏好和身体指标进行预处理;将预处理后的所述基本信息、口味偏好和身体指标输入至预先建立的神经网络模型中,确定推荐食谱;输出所述推荐食谱给所述用户,能够为用户提供健康的食谱。
Description
技术领域
本申请涉及推荐技术领域,特别地涉及一种推荐方法、装置、设备及存储介质。
背景技术
随着人们生活水平的提高,越来越多的人开始注重饮食健康和营养均衡。但是,由于人们时间紧张和知识有限,很难制定合理的饮食计划,传统的食谱推荐方法往往都是基于用户输入口味偏好和食材来进行推荐,但是基于口味偏好和食材的推荐,并不能提供有助于用户健康且更加科学的食谱。
发明内容
针对上述问题,本申请提供一种推荐方法、装置、设备及存储介质,能够为用户提供健康的食谱。
本申请实施例提供一种推荐方法,包括:
获取用户的基本信息、口味偏好和身体指标;
对所述基本信息、口味偏好和身体指标进行预处理;
将预处理后的所述基本信息、口味偏好和身体指标输入至预先建立的神经网络模型中,确定推荐食谱;
输出所述推荐食谱给所述用户。
在一些实施例中,所述方法还包括:
获取样本数据集,所述样本数据集中的样本数据包括:样本基本信息、样本口味偏好、样本身体指标及推荐食谱标签;
对所述样本数据集中的样本数据进行预处理;
基于预处理后的所述样本数据集中的样本数据对初始神经网络进行训练,得到所述神经网络模型。
在一些实施例中,所述初始神经网络模型包括:卷积神经网络模型。
在一些实施例中,所述方法还包括:
获取所述推荐食谱对应的食材和做法;
在输出所述推荐食谱给所述用户的情况下,输出所述推荐食谱对应的食材和做法。
在一些实施例中,所述方法还包括:
在获取到修改所述推荐食谱的触发操作的情况下,进入食谱修改界面;
在获取到用户针对所述推荐食谱的修改操作的情况下,对所述推荐食谱进行修改。
在一些实施例中,所述推荐食谱包括多个,所述方法还包括:
在获取到目标推荐食谱的预设触发操作的情况下,获取所述推荐食谱对应的食材和做法;
输出所述目标推荐食谱对应的食材和做法。
在一些实施例中,所述方法还包括:
在获取到分享所述推荐食谱的触发操作的情况下,将所述推荐食谱分享到网络。
本申请实施例提供的一种推荐装置,包括:
获取模块,用于获取用户的基本信息、口味偏好和身体指标;
预处理模块,用于对所述基本信息、口味偏好和身体指标进行预处理;
确定模块,用于将预处理后的所述基本信息、口味偏好和身体指标输入至预先建立的神经网络模型中,确定推荐食谱;
输出模块,用于输出所述推荐食谱给所述用户。
本申请实施例提供一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如上述任意一项所述推荐方法。
本申请实施例提供一种计算机可读存储介质,该计算机可读存储介质存储的计算机程序,能够被一个或多个处理器执行,能够用来实现上述所述推荐方法。
本申请提供的一种推荐方法、装置、设备及存储介质,通过获取用户的基本信息、口味偏好和身体指标;对所述基本信息、口味偏好和身体指标进行预处理;将预处理后的所述基本信息、口味偏好和身体指标输入至预先建立的神经网络模型中,确定推荐食谱;输出所述推荐食谱给所述用户,能够为用户提供健康的食谱。
附图说明
在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
图1为本申请实施例提供的一种推荐方法的实现流程示意图;
图2为本申请实施例提供的一种推荐方法的实现流程示意图;
图3为本申请实施例提供的电子设备的组成结构示意图。
在附图中,相同的部件使用相同的附图表记,附图并未按照实际的比例绘制。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
如果申请文件中出现“第一\第二\第三”的类似描述则增加以下的说明,在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
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。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
基于相关技术中存在的问题,本申请实施例提供一种推荐方法,所述方法的执行主体可以是电子设备,所述电子设备设备可以是移动终端、计算机、智能穿戴设备等。在一些实施例中,所述电子设备可以是移动终端、计算机、智能穿戴设备控制器。
本申请实施例提供的推荐方法所实现的功能可以通过电子设备的处理器调用程序代码来实现,其中,程序代码可以保存在计算机存储介质中。
本申请实施例提供一种推荐方法,图1为本申请实施例提供的一种推荐方法的实现流程示意图,如图1所示,包括:
步骤S101,获取用户的基本信息、口味偏好和身体指标。
本申请实施例中,基本信息可以包括:用户所在的地方、用户的年龄等。口味偏好可以是喜欢偏淡的口味、喜欢偏辣的口味等,所述身体指标可以包括:身高、血压等。
本申请实施例中,用户可以通过输入设备来输入用户的基本信息、口味偏好和身体指标等。所述输入设备可以是移动终端,例如,用户通过移动终端上的APP来输入用户的基本信息、口味偏好和身体指标,从而使得电子设备获取到用户的基本信息、口味偏好和身体指标。
在一些实施例中,电子设备可以和身体指标测量设备通信连接,每天定时从身体测量设备上获取用户的身体指标。身体指标测量设备可以包括:血压测量设备等。
步骤S102,对所述基本信息、口味偏好和身体指标进行预处理。
本申请实施例中,所述预处理可以包括:归一化处理等。
步骤S103,将预处理后的所述基本信息、口味偏好和身体指标输入至预先建立的神经网络模型中,确定推荐食谱。
本申请实施例中,神经网络模型可以包括:卷积神经网络模型。可以获取样本数据集,所述样本数据集中的样本数据包括:样本基本信息、样本口味偏好、样本身体指标及推荐食谱标签;对所述样本数据集中的样本数据进行预处理;基于预处理后的所述样本数据集中的样本数据对初始神经网络进行训练,得到所述神经网络模型。
本申请实施例中,所述样本数据集中的样本数据可以通过问卷调查和体检数据等方式来进行采集。本申请实施例中,在采集到数据后,可以对样本数据集中的样本数据进行预处理。基于预处理后的所述样本数据集中的样本数据对初始神经网络进行训练时,可以将样本数据集划分为训练集和验证数据集。训练集和验证数据集的数据比例可以进行配置,例如,配置为7:3。在训练过后通过验证数据集来进行验证。在验证通过后对神经网络模型进行部署,从而用户推荐食谱。
本申请实施例中,所述推荐食谱可以包括:菜品。
步骤S104,输出所述推荐食谱给所述用户。
本申请实施例中,电子设备可以和显示装置通信连接,通过显示装置来输出所述推荐食谱。通信连接的方式可以包括:有线连接和无线连接。
本申请实施例中,推荐食谱可以为多个,以供用户进行选择。
本申请实施例中,在显示推荐食谱时,可以显示食谱的图片和名称。在一些实施例中,在显示推荐食谱时,还可以显示食谱的食材和做法。
本申请提供的一种推荐方法,通过获取用户的基本信息、口味偏好和身体指标;对所述基本信息、口味偏好和身体指标进行预处理;将预处理后的所述基本信息、口味偏好和身体指标输入至预先建立的神经网络模型中,确定推荐食谱;输出所述推荐食谱给所述用户,能够为用户提供健康的食谱。
在一些实施例中,在确定了推荐食谱后,所述方法还包括:
步骤S105,获取所述推荐食谱对应的食材和做法。
本申请实施例中,可以基于推荐食谱的名称在数据库中搜索推荐食谱名称对应的食材和做法。所述做法可以以图片的形式来展示做法,也可以以文字的格式来展示做法,还可以是以食谱的形式来展示做法。
步骤S106,在输出所述推荐食谱给所述用户的情况下,输出所述推荐食谱对应的食材和做法。
本申请实施例中,可以在输出所述推荐食谱的同时输出所述推荐食谱对应的食材和做法。
本申请实施例提供的方法,通过获取所述推荐食谱对应的食材和做法;在输出所述推荐食谱给所述用户的情况下,输出所述推荐食谱对应的食材和做法,从而可以指导用户准备食材,并能指导用户烹饪食材。
在一些实施例中,在步骤S104之后,所述方法还包括:
步骤S107,在获取到修改所述推荐食谱的触发操作的情况下,进入食谱修改界面。
本申请实施例中,用户可以点击推荐食谱从而进入食谱修改界面。在食谱修改界面中可以修改食谱的部分参数,例如修改食谱的口味等。
步骤S108,在获取到用户针对所述推荐食谱的修改操作的情况下,对所述推荐食谱进行修改。
本申请实施例中,在食谱修改界面中可以设置选择选项,用户可以通过点击选择选项来选择推荐食谱的参数,从而实现对推荐食谱进行修改。通过设置选择选项来对推荐食谱进行修改,能够提高食材的修改该效率。
在一些实施例中,推荐食谱可以包括多个,在推荐食谱包括多个的情况下,为了方便显示可以仅仅显示推荐食谱的摘要。摘要可以包括图片和名称。
在一些实施例中,在步骤S104之后,所述方法还包括:
步骤S109,在获取到目标推荐食谱的预设触发操作的情况下,获取所述推荐食谱对应的食材和做法;
步骤S110,输出所述推荐食谱对应的食材和做法。
本申请实施例中,所述预设触发操作可以是点击操作。用户可以点击任意一个推荐食谱,点击的推荐食谱则为目标推荐食谱。
本申请实施例中,通过在获取到目标推荐食谱的预设触发操作的情况下,获取所述推荐食谱对应的食材和做法,输出所述推荐食谱对应的食材和做法,在多个推荐食谱的情况下,方便推荐食谱的显示。
在一些实施例中,所述方法还包括:
在获取到分享所述推荐食谱的触发操作的情况下,将所述推荐食谱分享到网络。
基于前述的各个实施例本申请实施例再提供一种推荐方法,通过数据采集和处理、神经网络算法的改进和模型训练、食谱推荐系统的设计和开发以及用户界面的设计和开发五个步骤推荐食谱,为用户提供个性化、健康的食谱推荐,将为用户提供更加科学、准确的饮食建议,有助于提高人们的生活质量和健康水平,图2为本申请实施例提供的一种推荐方法的实现流程示意图,如图2所示,所述方法包括:
收集和处理用户数据。
本申请实施例中,为了提高食谱推荐的准确性,收集用户的基本信息、口味偏好、身体指标等数据。可以通过问卷调查、体检数据等方式进行采集,然后进行数据预处理和特征提取,准备好数据集以备模型训练使用。
神经网络算法的改进和模型训练。
本申请实施例中,为了提高模型的精度和泛化能力,需要对传统的神经网络算法进行改进,例如引入卷积神经网络等技术,提高数据分析和特征提取能力。然后使用收集到的数据集进行模型训练,优化模型参数,提高食谱推荐的准确性和实时性。
推荐系统的设计和开发。
本申请实施例中,根据用户的需求和数据分析结果,设计并开发基于改进后的神经网络算法的食谱推荐系统。该系统可以根据用户的身体指标、口味偏好等因素,推荐符合个性化需求的食谱,并提供详细的食材、做法等信息。
用户界面的设计和开发。
本申请实施例中,为了方便用户使用食谱推荐系统,需要设计并开发用户界面,用户可以通过该界面进行食谱的浏览、选择和修改,也可以进行交流和分享。
本申请实施例提供的方法,采用了改进后的神经网络算法,考虑了用户的口味偏好、营养需求等因素,实现了智能化的食谱推荐。同时,本申请实施例还提供了基于APP等方式的用户界面,方便用户进行食谱的浏览和选择。
基于前述的实施例,本申请实施例提供一种推荐装置,该装置包括的各模块、以及各模块包括的各单元,可以通过计算机设备中的处理器来实现;当然也可通过具体的逻辑电路实现;在实施的过程中,处理器可以为中央处理器(CPU,Central Processing Unit)、微处理器(MPU,Microprocessor Unit)、数字信号处理器(DSP,Digital SignalProcessing)或现场可编程门阵列(FPGA,Field Programmable Gate Array)等。
本申请实施例提供一种推荐装置,包括:
获取模块,用于获取用户的基本信息、口味偏好和身体指标;
预处理模块,用于对所述基本信息、口味偏好和身体指标进行预处理;
确定模块,用于将预处理后的所述基本信息、口味偏好和身体指标输入至预先建立的神经网络模型中,确定推荐食谱;
输出模块,用于输出所述推荐食谱给所述用户。
在一些实施例中,所述推荐装置还用于:
获取样本数据集,所述样本数据集中的样本数据包括:样本基本信息、样本口味偏好、样本身体指标及推荐食谱标签;
对所述样本数据集中的样本数据进行预处理;
基于预处理后的所述样本数据集中的样本数据对初始神经网络进行训练,得到所述神经网络模型。
在一些实施例中,所述初始神经网络模型包括:卷积神经网络模型。
在一些实施例中,所述推荐装置还用于:
获取所述推荐食谱对应的食材和做法;
在输出所述推荐食谱给所述用户的情况下,输出所述推荐食谱对应的食材和做法。
在一些实施例中,所述推荐装置还用于:
在获取到修改所述推荐食谱的触发操作的情况下,进入食谱修改界面;
在获取到用户针对所述推荐食谱的修改操作的情况下,对所述推荐食谱进行修改。
在一些实施例中,所述推荐食谱包括多个,所述推荐装置还用于:
在获取到目标推荐食谱的预设触发操作的情况下,获取所述推荐食谱对应的食材和做法;
输出所述目标推荐食谱对应的食材和做法。
在一些实施例中,所述推荐装置还用于:
在获取到分享所述推荐食谱的触发操作的情况下,将所述推荐食谱分享到网络。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的推荐方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read OnlyMemory)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
相应地,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现上述实施例中提供的推荐方法中的步骤。
本申请实施例提供一种电子设备;图3为本申请实施例提供的电子设备的组成结构示意图,如图3所示,所述电子设备500包括:一个处理器501、至少一个通信总线502、用户接口503、至少一个外部通信接口504、存储器505。其中,通信总线502配置为实现这些组件之间的连接通信。其中,用户接口503可以包括控制屏,外部通信接口504可以包括标准的有线接口和无线接口。所述处理器501配置为执行存储器中存储的推荐方法的程序,以实现以上述实施例提供的推荐方法中的步骤。其中,所述推荐方法包括:
获取用户的基本信息、口味偏好和身体指标;
对所述基本信息、口味偏好和身体指标进行预处理;
将预处理后的所述基本信息、口味偏好和身体指标输入至预先建立的神经网络模型中,确定推荐食谱;
输出所述推荐食谱给所述用户。
在一些实施例中,所述方法还包括:
获取样本数据集,所述样本数据集中的样本数据包括:样本基本信息、样本口味偏好、样本身体指标及推荐食谱标签;
对所述样本数据集中的样本数据进行预处理;
基于预处理后的所述样本数据集中的样本数据对初始神经网络进行训练,得到所述神经网络模型。
在一些实施例中,所述初始神经网络模型包括:卷积神经网络模型。
在一些实施例中,所述方法还包括:
获取所述推荐食谱对应的食材和做法;
在输出所述推荐食谱给所述用户的情况下,输出所述推荐食谱对应的食材和做法。
在一些实施例中,所述方法还包括:
在获取到修改所述推荐食谱的触发操作的情况下,进入食谱修改界面;
在获取到用户针对所述推荐食谱的修改操作的情况下,对所述推荐食谱进行修改。
在一些实施例中,所述推荐食谱包括多个,所述方法还包括:
在获取到目标推荐食谱的预设触发操作的情况下,获取所述推荐食谱对应的食材和做法;
输出所述目标推荐食谱对应的食材和做法。
在一些实施例中,所述方法还包括:
在获取到分享所述推荐食谱的触发操作的情况下,将所述推荐食谱分享到网络。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所控制或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元控制的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台控制器执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种推荐方法,其特征在于,包括:
获取用户的基本信息、口味偏好和身体指标;
对所述基本信息、口味偏好和身体指标进行预处理;
将预处理后的所述基本信息、口味偏好和身体指标输入至预先建立的神经网络模型中,确定推荐食谱;
输出所述推荐食谱给所述用户。
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:
获取样本数据集,所述样本数据集中的样本数据包括:样本基本信息、样本口味偏好、样本身体指标及推荐食谱标签;
对所述样本数据集中的样本数据进行预处理;
基于预处理后的所述样本数据集中的样本数据对初始神经网络进行训练,得到所述神经网络模型。
3.根据权利要求2所述的方法,其特征在于,所述初始神经网络模型包括:卷积神经网络模型。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述推荐食谱对应的食材和做法;
在输出所述推荐食谱给所述用户的情况下,输出所述推荐食谱对应的食材和做法。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在获取到修改所述推荐食谱的触发操作的情况下,进入食谱修改界面;
在获取到用户针对所述推荐食谱的修改操作的情况下,对所述推荐食谱进行修改。
6.根据权利要求1所述的方法,其特征在于,所述推荐食谱包括多个,所述方法还包括:
在获取到目标推荐食谱的预设触发操作的情况下,获取所述推荐食谱对应的食材和做法;
输出所述目标推荐食谱对应的食材和做法。
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:
在获取到分享所述推荐食谱的触发操作的情况下,将所述推荐食谱分享到网络。
8.一种推荐装置,其特征在于,包括:
获取模块,用于获取用户的基本信息、口味偏好和身体指标;
预处理模块,用于对所述基本信息、口味偏好和身体指标进行预处理;
确定模块,用于将预处理后的所述基本信息、口味偏好和身体指标输入至预先建立的神经网络模型中,确定推荐食谱;
输出模块,用于输出所述推荐食谱给所述用户。
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有计算机程序,该计算机程序被所述处理器执行时,执行如权利要求1至7任意一项所述推荐方法。
10.一种存储介质,其特征在于,该存储介质存储的计算机程序,能够被一个或多个处理器执行,能够用来实现如权利要求1至7任意一项所述推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311403127.3A CN117334298A (zh) | 2023-10-26 | 2023-10-26 | 推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311403127.3A CN117334298A (zh) | 2023-10-26 | 2023-10-26 | 推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117334298A true CN117334298A (zh) | 2024-01-02 |
Family
ID=89277199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311403127.3A Pending CN117334298A (zh) | 2023-10-26 | 2023-10-26 | 推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117334298A (zh) |
-
2023
- 2023-10-26 CN CN202311403127.3A patent/CN117334298A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111696675B (zh) | 基于物联网数据的用户数据分类方法、装置及计算机设备 | |
CN103562921B (zh) | 位置启用的食物数据库 | |
US20060178904A1 (en) | Interactive system that is useful in cosmetics and a method of building a database | |
US20110196217A1 (en) | Blood glucose level information processing apparatus, blood glucose level information processing method and blood glucose level information processing program | |
CN108573740B (zh) | 信息提示系统和信息提示系统的控制方法 | |
JP5185049B2 (ja) | 血糖値情報処理装置、血糖値情報処理方法及び血糖値情報処理プログラム | |
DE102007032303A1 (de) | Vorrichtung und Verfahren zur Erfassung von Nährwerten | |
KR102004438B1 (ko) | 사용자 건강습관정보 수집을 통한 건강관리 서비스 제공 장치 및 제공 방법 | |
KR102169661B1 (ko) | 질병 유전자 역추적을 통한 음식 추천 및 음식 제작 연계 서비스 방법 및 시스템 | |
KR102278646B1 (ko) | 고객 맞춤형 식품 추천 시스템 | |
CN110797105A (zh) | 菜谱推荐方法、装置、存储介质及烹饪设备 | |
CN110223757A (zh) | 食谱方案的推荐方法、装置、介质、电子设备 | |
CN111125533A (zh) | 菜谱推荐方法和装置、计算机可读存储介质 | |
KR101948306B1 (ko) | 심리 상태에 따른 레시피 추천 방법 및 장치 | |
KR20230056533A (ko) | 샐러드 메뉴 추천 서비스 제공 방법 및 장치 | |
CN106355474A (zh) | 一种基于原料齐备度推荐食谱的方法 | |
US20170243513A1 (en) | Diet Quality Photo Navigation | |
CN117334298A (zh) | 推荐方法、装置、设备及存储介质 | |
KR102515740B1 (ko) | 사용자 맞춤형 치유 프로그램 추천 방법 및 이를 실행하는 장치 | |
CN112163006A (zh) | 一种信息处理方法、装置、电子设备及存储介质 | |
WO2020093998A1 (zh) | 健康管理方法、装置及存储介质 | |
US11969114B2 (en) | Smart juicer system for green vegetable juice and operating method thereof | |
KR20090000117A (ko) | 생활습관 데이터 분석을 통한 개인화 웰빙 인덱스 메트릭시스템 | |
KR20130040494A (ko) | Xml 기반 웰빙 지수 프레임워크 및 웰빙 지수 산출 방법 | |
JP2009003581A (ja) | 画像蓄積・検索システム及び画像蓄積・検索システム用プログラム |
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 |