CN117954052A - 个性化营养建议生成方法、装置、存储介质及电子设备 - Google Patents
个性化营养建议生成方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN117954052A CN117954052A CN202410123623.1A CN202410123623A CN117954052A CN 117954052 A CN117954052 A CN 117954052A CN 202410123623 A CN202410123623 A CN 202410123623A CN 117954052 A CN117954052 A CN 117954052A
- Authority
- CN
- China
- Prior art keywords
- nutrition
- diet
- dietary
- type
- user
- 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
- 235000016709 nutrition Nutrition 0.000 title claims abstract description 346
- 230000035764 nutrition Effects 0.000 title claims abstract description 268
- 238000000034 method Methods 0.000 title claims abstract description 44
- 235000005911 diet Nutrition 0.000 claims abstract description 473
- 230000037213 diet Effects 0.000 claims abstract description 334
- 230000000378 dietary effect Effects 0.000 claims abstract description 139
- 238000012790 confirmation Methods 0.000 claims abstract description 15
- 235000013305 food Nutrition 0.000 claims description 107
- 239000004615 ingredient Substances 0.000 claims description 34
- 235000020979 dietary recommendations Nutrition 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 17
- 235000018823 dietary intake Nutrition 0.000 claims description 14
- 230000037406 food intake Effects 0.000 claims description 13
- 235000012041 food component Nutrition 0.000 claims description 12
- 235000015097 nutrients Nutrition 0.000 claims description 12
- 230000004048 modification Effects 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 235000020785 dietary preference Nutrition 0.000 claims description 5
- 230000036541 health Effects 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 176
- 235000012631 food intake Nutrition 0.000 description 9
- 238000005457 optimization Methods 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 235000003715 nutritional status Nutrition 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000035790 physiological processes and functions Effects 0.000 description 4
- 235000005289 dietary characteristics Nutrition 0.000 description 3
- 235000005686 eating Nutrition 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000035935 pregnancy Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 150000001720 carbohydrates Chemical class 0.000 description 2
- 235000014633 carbohydrates Nutrition 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 235000006694 eating habits Nutrition 0.000 description 2
- 235000018102 proteins Nutrition 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 240000005561 Musa balbisiana Species 0.000 description 1
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000005118 dietary health Nutrition 0.000 description 1
- 235000019621 digestibility Nutrition 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003925 fat Substances 0.000 description 1
- 235000019197 fats Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 235000004280 healthy diet Nutrition 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 239000011782 vitamin Substances 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
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及一种个性化营养建议生成方法、装置、存储介质及电子设备，涉及健康管理技术领域，其中方法包括：获取用户的生理数据和历史饮食信息；根据生理数据，确定用户的饮食营养需求，并根据历史饮食信息，从预设的饮食类型表中确定用户对应的第一饮食类型；基于饮食营养需求和第一饮食类型，通过预设的营养建议模型，生成对应的第一营养建议并发送至用户的终端；若超出预设时长未接收到终端发送的营养建议确认信息，则获取用户的终端发送的第二饮食类型的选择指令，并将第一营养建议替换为第二饮食类型对应的第二营养建议。本申请具有改善个性化营养建议的针对性的效果。
Description
技术领域
本申请涉及健康管理技术领域，具体涉及一种个性化营养建议生成方法、装置、存储介质及电子设备。
背景技术
随着经济的高速发展，人们的生活水平在不断提升，进而人们对自身健康管理的意识也在逐渐加强，最明显的体现就是人们对饮食的要求正在不断提高，开始为个人制定科学的个性化营养建议，并且按照个性化的营养建议进行每天的合理饮食。其中，个性化营养建议指的是根据个人的特征信息提出具有针对性的膳食营养建议和措施，旨在帮助个人建立适合自身特点的膳食营养和行为习惯，更好地维护自身健康以及降低罹患营养相关慢性病风险。
目前，个性化营养建议通常采用的方式为：依赖营养师或者医疗专业人员，根据个人的健康状况和饮食习惯等手动制定，但是每个人员身体的生理变化是实时不断发生的，身体的生理变化会影响人员的营养需求，据此，通过此方式得到的个性化营养建议的针对性较差。
发明内容
为了改善个性化营养建议的针对性，本申请提供一种个性化营养建议生成方法、装置、存储介质及电子设备。
在本申请的第一方面提供了一种个性化营养建议生成方法，具体包括：
获取用户的生理数据和历史饮食信息；
根据所述生理数据，确定所述用户的饮食营养需求，并根据所述历史饮食信息，从预设的饮食类型表中确定所述用户对应的第一饮食类型，所述饮食营养需求为所述用户对各营养成分的摄入需求，所述第一饮食类型用于表征所述用户的饮食时间情况和饮食喜好；
基于所述饮食营养需求和所述第一饮食类型，通过预设的营养建议模型，生成对应的第一营养建议并发送至所述用户的终端；
若超出预设时长未接收到所述终端发送的营养建议确认信息，则获取所述用户的终端发送的第二饮食类型的选择指令，并将所述第一营养建议替换为所述第二饮食类型对应的第二营养建议。
通过采用上述技术方案，根据生理数据，准确地确定用户当前实时的饮食营养需求，再结合用户的历史饮食信息，确定用户对应的第一饮食类型，从而确定用户的饮食需求，接着将第一饮食类型和饮食营养需求输入到营养建议模型中，得到用户对应的第一营养建议。进一步地，在第一营养建议发送到终端后，如果超过预设时长没接收到用户的营养建议确认信息，说明此第一营养建议可能不贴合用户的需求，那么将用户选择的第二饮食类型对应的第二营养建议作为更贴合用户需求的饮食类型，并替换第一营养建议。基于生理数据而得到的营养建议，更加贴合用户实时的营养需求，使得个性化营养建议更具针对性。
可选的，所述第二营养建议包括饮食时间段以及对应的初始摄入食物，所述将所述第一营养建议替换为所述第二饮食类型对应的第二营养建议之后，还包括：
获取所述用户的终端发送的目标摄入食物，并统计各所述目标摄入食物对应的目标饮食时间段的个数，所述目标摄入食物为所述用户对相应的初始摄入食物反馈修改建议；
若所述个数超过个数阈值，则确定每个所述目标饮食时间段对应的各所述营养成分的要求摄入比例；
基于各所述要求摄入比例，确定所述目标摄入食物替换对应的初始摄入食物是否合理；
若是，则获取所述用户的终端发送的目标饮食类型的填写指令，并将所述目标摄入食物替换所述第二营养建议中对应的初始摄入食物，得到目标营养建议；
将所述饮食营养需求、所述目标营养建议与所述目标饮食类型输入至所述营养建议模型进行训练，以对所述营养建议模型进行优化。
通过采用上述技术方案，如果个数超过个数阈值，说明第二营养建议中存在较多饮食时间段内的初始摄入食物有反馈修改情况，进而说明当前的第二饮食类型与此用户不匹配，那么在确定用户反馈的目标摄入食物替换对应的初始摄入食物合理的情况下，将用户发送的目标饮食类型作为与其自身饮食需求贴合的饮食类型，并将饮食营养需求、目标饮食类型和目标营养建议作为输入数据对营养建议模型进行训练，从而提高营养建议模型后续预测营养建议的准确性。
可选的，所述基于各所述要求摄入比例，确定所述目标摄入食物替换对应的初始摄入食物是否合理，具体包括：
按照所述要求摄入比例，对每个所述目标饮食时间段对应的各所述营养成分进行成分权重分配，所述要求摄入比例越大，对应的成分权重越大；
将每个目标摄入食物中各营养成分的含量与对应的成分权重进行加权求和，得到第一加权和，并将对应的初始摄入食物中各营养成分的含量与对应的成分权重进行加权求和，得到第二加权和；
若所述第一加权和与所述第二加权和的差值绝对值小于差值阈值，则确定所述目标摄入食物替换对应的初始摄入食物合理；
若所述第一加权和与所述第二加权和的差值绝对值不小于差值阈值，则确定所述目标摄入食物替换对应的初始摄入食物不合理。
通过采用上述技术方案，如果第一加权和与第二加权和的差值绝对值小于差值阈值，说明两者相差较小，那么此目标摄入食物替换对应的初始摄入食物，不会影响相应的饮食时间段的营养成分摄入的合理性。那么确定此目标摄入食物替换对应的初始摄入食物合理；反之，如果差值绝对值不小于差值阈值，确定此目标摄入食物替换对应的初始摄入食物不合理。
可选的，所述第二营养建议包括饮食时间段以及对应的初始摄入食物，所述第二营养建议包括饮食时间段以及对应的初始摄入食物，所述将所述第一营养建议替换为所述第二饮食类型对应的第二营养建议之后，还包括：
获取所述用户的终端发送的反馈饮食时间段；
若所述反馈饮食时间段与所述饮食时间段的数目比值超过比值阈值，则获取所述用户的人群类型；
统计所述人群类型对应的可饮食时间段与各所述反馈饮食时间段的重合个数，若重合个数超过重合个数阈值，则获取所述用户的终端发送的最终饮食类型的填写指令，并将所述反馈饮食时间段替换所述第二营养建议中对应的饮食时间段，得到最终营养建议；
将所述饮食营养需求、所述最终饮食类型和所述最终营养建议输入至所述营养建议模型进行训练，以对所述营养建议模型进行优化。
通过采用上述技术方案，如果数目比值超过比值阈值，说明第二营养建议中用户存在意见反馈的饮食时间段较多，进而说明第二饮食类型并非此用户匹配的最佳饮食类型，进一步地，在重合个数超过个数阈值，说明用户的反馈饮食时间段较为合理，那么将用户发送的最终饮食类型视为最贴合用户的饮食类型，最终将饮食营养需求、最终饮食类型和最终营养建议作为输入数据对营养建议模型进行训练，从而提高营养建议模型预测的准确性。
可选的，所述方法还包括：
统计已发送所述选择指令的同一第一饮食类型的用户数量，若所述用户数量超过数量阈值，则将对应的第一饮食类型确定为待校验饮食类型，并从所述饮食类型表中确定所述待校验饮食类型的关联饮食类型；
将饮食营养需求、关联饮食类型和所述待校验饮食类型对应的第一营养建议建立对应关系，并输入至所述营养建议模型进行训练，以对所述营养建议模型进行优化。
通过采用上述技术方案，如果用户数量超过数量阈值，说明对应的第一饮食类型与相应的第一营养建议的对应关系不准确，那么将此第一饮食类型确定为待校验饮食类型，从饮食类型表中确定此待校验饮食类型的关联饮食类型，即，关联性较强的饮食类型。进一步地，那么将关联饮食类型、待校验饮食类型对应的第一营养建议以及饮食营养需求这三者建立对应关系，并输入到营养建议模型进行训练，从而提高营养建议模型进预测的准确性。
可选的，所述从所述饮食类型表中确定所述待校验饮食类型的关联饮食类型，具体包括：
统计已确定为待校验饮食类型的历史用户的人群类型；
选取相同数量最大的人群类型作为所述待校验饮食类型的主分布人群类型，并筛选所述主分布人群类型对应的其它历史用户；
将各所述其它历史用户对应的饮食类型中出现次数最大的饮食类型确定为关联饮食类型。
通过采用上述技术方案，选取相同数量最大的人群类型作为所述待校验饮食类型的主分布人群类型，即，确定与待校验饮食类型关联性较强的人群类型。然后其它历史用户对应的饮食类型中确定与主分布人群类型关联性较强的饮食类型，最终将此饮食类型确定为此待校验饮食类型的关联饮食类型，从而较为合理准确地确定与待校验饮食类型较为接近的饮食类型。
可选的，基于所述第二营养建议中各初始摄入食物，确定对应的饮食营养成分的饮食摄入比例；
根据各饮食摄入比例，确定对应的饮食营养成分的权重系数，所述饮食摄入比例越大，权重系数越大；
基于各所述权重系数，对所述第二营养建议中各饮食时间段中初始摄入食物的饮食营养成分含量进行加权求和，得到对应的饮食时间段的含量加权和；
根据各所述含量加权和，确定每个所述饮食时间段的饮食提醒提前时长和提醒时长，所述含量加权和越大，对应的饮食提醒提前时长和提醒时长越长。
通过采用上述技术方案，权重系数越大，对应的饮食营养成分对于用户健康饮食越重要，基于各个饮食营养成分的权重系数，计算每个饮食时间段内饮食营养成分的含量加权和，最后根据含量加权和，可以确定饮食时间段的重要程度，含量加权和越大，对应的饮食时间段越重要，那么饮食提醒提前时长越长，即，越早提前提醒用户进行进食，同时提醒时长越长，从而使得用户能够准时按照第二营养建议进行进食。
在本申请的第二方面提供了一种个性化营养建议生成装置，具体包括：
信息获取模块，用于获取用户的生理数据和历史饮食信息；
输入确定模块，用于根据所述生理数据，确定所述用户的饮食营养需求，并根据所述历史饮食信息，从预设的饮食类型表中确定所述用户对应的第一饮食类型，所述饮食营养需求为所述用户对各营养成分的摄入需求，所述第一饮食类型用于表征所述用户的饮食时间情况和饮食喜好；
建议生成模块，用于基于所述饮食营养需求和所述第一饮食类型，通过预设的营养建议模型，生成对应的第一营养建议并发送至所述用户的终端；
建议调整模块，用于若超出预设时长未接收到所述终端发送的营养建议确认信息，则获取所述用户的终端发送的第二饮食类型的选择指令，并将所述第一营养建议替换为所述第二饮食类型对应的第二营养建议。
通过采用上述技术方案，信息获取模块获取到用户的生理数据和历史饮食信息，输入确定模块根据生理数据，确定用户的饮食营养需求，并基于历史饮食信息，确定用户对应的第一饮食类型，接着建议生成模块通过预设的营养建议模型，生成对应的第一营养建议并发送给用户的终端，最后建议调整模块在超出预设时长没有接收到营养建议确认信息时，将第二饮食类型对应的第二营养建议替换第一营养建议。
在本申请的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器加载并执行时，执行如第一方面中任意一项所述的方法步骤。
在本申请的第四方面提供了一种电子设备，具体包括：
处理器、存储器及存储在存储器中并能够在处理器上运行的计算机程序，所述处理器用于加载并执行所述存储器中存储的计算机程序，以使所述电子设备执行如第一方面中任意一项所述的方法。
综上所述，本申请包括以下至少一种有益技术效果：根据生理数据，准确地确定用户当前实时的饮食营养需求，再结合用户的历史饮食信息，确定用户对应的第一饮食类型，从而确定用户的饮食需求，接着将第一饮食类型和饮食营养需求输入到营养建议模型中，得到用户对应的第一营养建议。进一步地，在第一营养建议发送到终端后，如果超过预设时长没接收到用户的营养建议确认信息，说明此第一营养建议可能不贴合用户的需求，那么将用户选择的第二饮食类型对应的第二营养建议作为更贴合用户需求的饮食类型，并替换第一营养建议。基于生理数据而得到的营养建议，更加贴合用户实时的营养需求，使得个性化营养建议更具针对性。
附图说明
图1是本申请实施例提供的一种个性化营养建议生成方法的流程示意图；
图2是本申请实施例提供的另一种个性化营养建议生成方法的流程示意图；
图3是本申请实施例提供的一种个性化营养建议生成装置的结构示意图；
图4是本申请实施例提供的另一种个性化营养建议生成装置的结构示意图。
附图标记说明：11、信息获取模块；12、输入确定模块；13、建议生成模块；14、建议调整模块；15、第一优化模块；16、第二优化模块；17、第三优化模块；18、饮食提醒模块。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。
在本申请实施例的描述中，“示性的”、“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，术语“和/或”，仅仅是一种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，单独存在B，同时存在A和B这三种情况。另外，除非另有说明，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
参见图1，本申请实施例公开了一种个性化营养建议生成方法的流程示意图，可依赖于计算机程序实现，也可运行于基于冯诺依曼体系的个性化营养建议生成装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行，具体包括：
S101：获取用户的生理数据和历史饮食信息。
具体的，生理数据指的是能够反映个体或生物体的生理状况的各种数据。包括心率、血压、血糖、体温、呼吸频率、血氧饱和度、年龄、性别和生理阶段、疾病状况等，它是评估身体状况、疾病状况等的重要依据。历史饮食信息为用户当前时间之前预设时间内的饮食信息，即，预设时间内进食的时间分布和所进食的食物等，预设时间可以为1个月内，在其它实施例中，也可以为1个星期内。另外，本申请公开的一种个性化营养建议生成方法的执行主体为服务器。
在用户通过终端中安装的客户端发送营养建议生成请求后，服务器进入为营养建议生成模式，并获取用户的生理数据和历史饮食信息，终端可以为诸如手机、平板电脑、电子书阅读器、多媒体播放设备、可穿戴设备、个人计算机(PersonalComputer，PC)等电子设备。服务器还可以为此客户端的后台服务器，具体可为独立的物理服务器，也可以是多个物理服务器构成的服务器集群。
一种可行的获取生理数据和历史饮食信息的方式为：通过用户佩戴的智能穿戴设备获取用户的生理数据，智能穿戴设备搭载有各种传感器，能够检测人体的生理数据，智能穿戴设备可以为智能手环或者智能眼镜。另外，也可通过智能穿戴设备获取历史饮食信息，基于用户手动输入每天的饮食信息到智能穿戴设备中，然后服务器调取智能穿戴设备中的历史饮食信息。
S102：根据生理数据，确定用户的饮食营养需求，并根据历史饮食信息，从预设的饮食类型表中确定用户对应的第一饮食类型。
具体的，获取到生理数据和历史饮食信息后，由于生理数据的变化会影响用户的饮食营养需求，例如，不同年龄、不同生理阶段的用户的饮食营养需求也会不同，因此将生理数据输入到预设的营养需求预测模型中，实时准确地确定用户的饮食营养需求，营养需求预测模型为训练完成的BP神经网络模型或者卷积神经网络模型，训练过程为现有技术，在此不再赘述。另外，饮食营养需求指的是用户对各营养成分的摄入需求，营养成分包括蛋白质、碳水化合物、脂肪、维生素等。在其它实施例中，还可以生理数据，通过预设的机器学习算法确定用户的营养状态等级，营养越不足，营养状态等级越高，根据营养状态等级，确定饮食营养需求对应的持续时长，营养状态等级越高，持续时长越长，持续时长结束后，再重新检测生理数据，重新确定饮食营养需求。在另一实施例中，还可以根据生理数据，确定生理状态，根据生理状态匹配对应的持续时长，持续时长结束后，再重新检测生理数据，重新确定饮食营养需求。例如生理状态为孕期状态，孕期是一个长期的过程，孕妇的饮食习惯可能会持续到孕期结束，因此需要此饮食营养需求对应的持续时长较长。再例如，生理状态为刚运动完状态，需要短时间内补充蛋白质和碳水化合物，那么此饮食营养需求对应的持续时长较短。从而方便后续为用户制定合理期长的个性化营养建议。
进一步地，通过预设的饮食特征提取模型从历史饮食信息中提取饮食特征信息，在本申请实施例中，饮食特征信息包括饮食时间段特征信息、进食食物特征信息（食材高端性、食材消化性、食材烹饪方式、食材荤素性等）。按照饮食特征信息的出现频次从大到小的顺序，对各个饮食特征信息中选取预设个数的饮食特征信息作为目标饮食特征信息，最后从预设的饮食类型表中匹配目标饮食特征信息对应的第一饮食类型，饮食类型表包括不同目标饮食特征信息以及对应的饮食类型。例如，确定用户对应的第一饮食类型可以为清淡素食、低端好消化类型。从而方便后续根据第一饮食类型为用户推荐贴合喜好的饮食营养建议。
S103：基于饮食营养需求和第一饮食类型，通过预设的营养建议模型，生成对应的第一营养建议并发送至用户的终端。
具体的，饮食营养需求和第一饮食类型确定后，将饮食营养需求和第一饮食类型输入到预设的营养建议模型中，得到用户对应的第一营养建议，其中，营养建议模型为训练完成的机器学习模型，机器学习模型为循环神经网络模型。最后将第一营养建议发送到用户的终端，从而使得用户可以获取到基于生理数据而得到的针对性较高的饮食营养建议。其中，第一营养建议包括饮食时间区间与对应的摄入食物，摄入食物包括食物的摄入量、食材组成以及烹饪方式等等。
S104：若超出预设时长未接收到终端发送的营养建议确认信息，则获取用户的终端发送的第二饮食类型的选择指令，并将第一营养建议替换为第二饮食类型对应的第二营养建议。
具体的，将第一营养建议发送至用户的终端后，同时在终端上显示营养建议的“确认”按钮，并且第一营养建议发送到终端后，开始进行计时。在用户预览第一营养建议后，认为第一营养建议贴合个人饮食喜好，会通过终端点击“确认”按钮，最终服务器会接收到终端发送的营养建议确认信息。如果未超过预设时长，服务器便接收到终端发送的营养建议确认信息，说明第一营养建议符合用户饮食需求；如果超过预设时长，服务器没有接收到终端发送的营养建议确认信息，说明第一营养建议大概率不符合用户饮食需求。进一步地，将饮食类型表中的所有饮食类型在终端进行显示以供用户进行选择，用户通过终端从中选择与自身较为贴合的饮食类型后，服务器获取到终端发送的第二饮食类型的选择指令，最后再将饮食营养需求和第二饮食类型输入到营养建议模型中，得到第二营养建议，并将第一营养建议替换为第二营养建议推荐给用户。
在其它实施例中，还包括：统计已发送选择指令的同一第一饮食类型的用户数量，若用户数量超过数量阈值，则将对应的第一饮食类型确定为待校验饮食类型，并从饮食类型表中确定待校验饮食类型的关联饮食类型；
将饮食营养需求、关联饮食类型和所述待校验饮食类型对应的第一营养建议建立对应关系，并输入至营养建议模型进行训练，以对营养建议模型进行优化。
具体的，筛选已发送第二饮食类型的选择指令的用户，并统计其中属于同一第一饮食类型的用户数量，如果用户数量超过数量阈值，说明此第一饮食类型与对应的第一营养建议的对应关系不准确，那么将此第一饮食类型确定为待校验饮食类型，从饮食类型表中确定此待校验饮食类型的关联饮食类型。进一步地，那么将关联饮食类型、待校验饮食类型对应的第一营养建议以及饮食营养需求这三者建立对应关系，并输入到营养建议模型进行训练，从而提高营养建议模型进预测的准确性。
需要说明的是，确定待校验饮食类型的关联饮食类型的可行方式为：统计已确定为待校验饮食类型的历史用户的人群类型；
选取相同数量最大的人群类型作为待校验饮食类型的主分布人群类型，并筛选主分布人群类型对应的其它历史用户；
将各其它历史用户对应的饮食类型中出现次数最大的饮食类型确定为关联饮食类型。
具体的，获取已确定为待校验饮食类型的历史用户的人群类型，获取方式为可参见步骤S206，在此不再赘述。然后统计各历史用户中每个人群类型的相同数量，相同数量越多，说明对应的人群类型与待校验饮食类型关联性越强，进一步地，将相同数量最大的人群类型作为待校验饮食类型的主分布人群类型。接着筛选出此主分布人群类型对应的其它历史用户，即，为其它饮食类型的其它历史用户。统计其它历史用户对应的饮食类型中每种饮食类型的出现次数，出现次数越大，对应的饮食类型与此主分布人群类型关联性越强，将出现次数最大的饮食类型确定为待校验饮食类型对应的关联饮食类型。
在另一实施例中，将第一营养建议替换为第二营养建议后，还包括：基于第二营养建议中各初始摄入食物，确定对应的饮食营养成分的饮食摄入比例；
根据各饮食摄入比例，确定对应的饮食营养成分的权重系数，饮食摄入比例越大，权重系数越大；
基于各权重系数，对第二营养建议中各饮食时间段中初始摄入食物的饮食营养成分含量进行加权求和，得到对应的饮食时间段的含量加权和；
根据各含量加权和，确定每个饮食时间段的饮食提醒提前时长和提醒时长，含量加权和越大，对应的饮食提醒提前时长和提醒时长越长。
具体的，根据第二营养建议中的各个初始摄入食物的饮食营养成分的含量，可以确定第二营养建议对应的各个饮食营养成分的饮食摄入比例，饮食摄入比例越高，对应的饮食营养成分对于用户的饮食健康越重要。进一步地，从系数匹配表中匹配每个饮食摄入比例对应的饮食营养成分的权重系数，饮食摄入比例越高，权重系数越大。然后计算第二营养建议中每个饮食时间段内的初始摄入食物的饮食营养成分含量与对应的权重系数的加权求和，得到每个饮食时间段的含量加权和。最后根据含量加权和，从时长匹配表中匹配每个饮食时间段对应的饮食提醒提前时长和提醒时长，含量加权和越大，说明对应的饮食时间段的进食在整个第二营养建议中越重要，那么对应的饮食提醒提前时长和提醒时长越长，从而使得用户能够准时进食，尤其避免用户遗忘在重要的饮食时间段的进食。
参见图2，本申请实施例公开了另一种个性化营养建议生成方法的流程示意图，可依赖于计算机程序实现，也可运行于基于冯诺依曼体系的个性化营养建议生成装置上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行，具体包括：
S201：获取用户的生理数据和历史饮食信息。
S202：根据生理数据，确定用户的饮食营养需求，并根据历史饮食信息，从预设的饮食类型表中确定用户对应的第一饮食类型。
S203：基于饮食营养需求和第一饮食类型，通过预设的营养建议模型，生成对应的第一营养建议并发送至用户的终端。
S204：若超出预设时长未接收到终端发送的营养建议确认信息，则获取用户的终端发送的第二饮食类型的选择指令，并将第一营养建议替换为第二饮食类型对应的第二营养建议。
具体的，可参见步骤S101-S104，在此不再赘述。
S205：获取用户的终端发送的反馈饮食时间段。
具体的，将第一营养建议替换为第二营养建议后，第二营养建议包括饮食时间段以及对应的初始摄入食物，并且在每个饮食时间段和每个初始摄入食物之后均显示有反馈文本框，以供用户进行反馈意见的输入。如果从用户的终端获取到反馈饮食时间段，反馈饮食时间段为用户对第二营养建议中相应的饮食时间段的反馈修改建议，说明第二营养建议中存在不符合用户饮食需求的时间段。例如，第二营养建议中存在饮食时间段a：11:00-12:00，对应的初始摄入食物为番茄炒加蛋+香蕉，对于饮食时间段a的反馈时间段为12:00-13:00。
S206：若反馈饮食时间段与饮食时间段的数目比值超过比值阈值，则获取用户的人群类型。
具体的，统计反馈饮食时间段的数目，并将反馈饮食时间段的数目除以第二营养建议中饮食时间段的数目，得到数目比值，如果数据比值超过比值阈值，第二营养建议中用户存在意见反馈的饮食时间段较多，说明第二饮食类型并非此用户对应的最佳饮食类型，此用户对应的饮食类型可能为饮食类型表中所有饮食类型之外的全新饮食类型。那么获取此用户的人群类型，一种的可行的获取方式为：可以将用户在客户端上的注册信息输入到人群类型识别模型中，确定用户的人群类型。人群类型识别模型可以为卷积神经网络模型。例如，确定的人群类型可以为学生或者自由职业者等。
S207：统计人群类型对应的可饮食时间段与各反馈饮食时间段的重合个数，若重合个数超过重合个数阈值，则获取用户的终端发送的最终饮食类型的填写指令，并将反馈饮食时间段替换第二营养建议中对应的饮食时间段，得到最终营养建议。
具体的，从时间段匹配表中匹配人群类型对应的可饮食时间段，即可以饮食的空闲时间段。接着统计每个反馈饮食时间段与可饮食时间段的重合个数，如果反馈饮食时间段与可饮食时间段重合，说明用户能够在此反馈饮食时间段内饮食。进一步地，如果重合个数超过重合个数阈值，进一步验证用户的反馈饮食时间段较为合理。那么在终端显示饮食类型采集弹窗，服务器获取到终端发送的最终饮食类型的填写指令，最终饮食类型是区别于饮食类型表中所有饮食类型。最后将反馈饮食时间段替换掉第二营养建议中对应的饮食时间段，得到最终营养建议。
S208：将饮食营养需求、最终饮食类型和最终营养建议输入至营养建议模型进行训练，以对营养建议模型进行优化。
具体的，得到最终营养建议后，将此用户的饮食营养需求、最终饮食类型和最终营养建议建立对应关系，并输入到营养建议模型进行训练，从而对营养建议模型进行优化，提高营养建议模型预测个性化营养建议的准确性。
在其它实施例中，步骤S204之后还包括：
获取用户的终端发送的目标摄入食物，并统计各目标摄入食物对应的目标饮食时间段的个数；
若个数超过个数阈值，则确定每个目标饮食时间段对应的各营养成分的要求摄入比例；
基于各要求摄入比例，确定各目标摄入食物替换对应的初始摄入食物是否合理；
若是，则获取用户的终端发送的目标饮食类型的填写指令，并将目标摄入食物替换第二营养建议中对应的初始摄入食物，得到目标营养建议；
将饮食营养需求、目标营养建议与目标饮食类型输入至营养建议模型进行训练，以对营养建议模型进行优化。
具体的，如果服务器接收到终端发送的目标摄入食物，目标摄入食物为用户对第二营养建议中相应的初始摄入食物反馈修改建议，那么将目标摄入食物对应的饮食时间段确定为目标饮食时间段，即，存在初始摄入食物反馈修改的饮食时间段，统计目标饮食时间段的个数，如果个数超过个数阈值，说明第二营养建议中存在较多饮食时间段内的初始摄入食物有反馈修改情况，进而说明当前的第二饮食类型与此用户不匹配。那么根据单个目标饮食时间段对应的初始摄入食物的营养成分，可以确定此目标饮食时间段对应的各个营养成分的要求摄入比例，即，此目标饮食时间段内较为合理的营养成分摄入比例。
进一步地，基于各要求摄入比例，确定目标摄入食物替换对应的初始摄入食物是否合理，可以理解为验证用户反馈的目标摄入食物，是否能满足对应饮食时间段相应的营养成分摄入要求，避免目标摄入食物替换对应的初始摄入食物后，导致相应饮食时间时段内营养成分的摄入不合理，一种可行的确定方式为：
按照要求摄入比例，对每个目标饮食时间段对应的各营养成分进行成分权重分配，要求摄入比例越大，对应的成分权重越大；
将每个目标摄入食物中各营养成分的含量与对应的成分权重进行加权求和，得到第一加权和，并将对应的初始摄入食物中各营养成分的含量与对应的成分权重进行加权求和，得到第二加权和；
若第一加权和与第二加权和的差值绝对值小于差值阈值，则确定目标摄入食物替换对应的初始摄入食物合理；
若第一加权和与第二加权和的差值绝对值不小于差值阈值，则确定目标摄入食物替换对应的初始摄入食物不合理。
具体的，按照要求摄入比例，对单个目标饮食时间段内各个营养成分进行成分权重分配，要求摄入比例越大，对应的营养成分对于此目标饮食时间段内越重要，那么相应的成分权重越大。进一步地，将目标摄入食物中每个营养成分的含量与对应的成分权重进行加权求和，得到第二加权和，同理可得到目标摄入食物对应的初始摄入食物的第二加权和。接着，如果第一加权和与第二加权和的差值绝对值小于差值阈值，说明两者相差较小，那么此目标摄入食物替换对应的初始摄入食物，不会影响相应的饮食时间段的营养成分摄入的合理性。那么确定此目标摄入食物替换对应的初始摄入食物合理；反之，如果差值绝对值不小于差值阈值，确定此目标摄入食物替换对应的初始摄入食物不合理。
进一步地，如果合理，再次验证用户反馈的目标摄入食物在确保营养成分摄入的合理性，那么获取终端发送的目标饮食类型的填写指令，得到用户填写的贴合自身饮食喜好的饮食类型，并将目标摄入食物替换第二营养建议中对应的初始摄入食物，得到目标营养建议。最后将饮食营养需求、目标饮食类型和目标营养建议建立对应关系，并输入到营养建议模型中进行训练，从而进一步提高营养建议模型后续预测营养建议的准确性。
本申请实施例个性化营养建议生成方法的实施原理为：根据生理数据，准确地确定用户当前实时的饮食营养需求，再结合用户的历史饮食信息，确定用户对应的第一饮食类型，从而确定用户的饮食需求，接着将第一饮食类型和饮食营养需求输入到营养建议模型中，得到用户对应的第一营养建议。进一步地，在第一营养建议发送到终端后，如果超过预设时长没接收到用户的营养建议确认信息，说明此第一营养建议可能不贴合用户的需求，那么将用户选择的第二饮食类型对应的第二营养建议作为更贴合用户需求的饮食类型，并替换第一营养建议。基于生理数据而得到的营养建议，更加贴合用户实时的营养需求，使得个性化营养建议更具针对性。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
请参见图3，为本申请实施例提供的个性化营养建议生成装置的结构示意图。该应用于个性化营养建议生成装置可以通过软件、硬件或者两者的结合实现成为装置的全部或一部分。该装置包括信息获取模块11、输入确定模块12、建议生成模块13和建议调整模块14。
信息获取模块11，用于获取用户的生理数据和历史饮食信息；
输入确定模块12，用于根据生理数据，确定用户的饮食营养需求，并根据历史饮食信息，从预设的饮食类型表中确定用户对应的第一饮食类型，饮食营养需求为用户对各营养成分的摄入需求，第一饮食类型用于表征用户的饮食时间情况和饮食喜好；
建议生成模块13，用于基于饮食营养需求和第一饮食类型，通过预设的营养建议模型，生成对应的第一营养建议并发送至用户的终端；
建议调整模块14，用于若超出预设时长未接收到终端发送的营养建议确认信息，则获取用户的终端发送的第二饮食类型的选择指令，并将第一营养建议替换为第二饮食类型对应的第二营养建议。
可选的，如图4所示，装置还包括第一优化模块15，具体用于：
获取用户的终端发送的目标摄入食物，并统计各目标摄入食物对应的目标饮食时间段的个数，目标摄入食物为用户对相应的初始摄入食物反馈修改建议；
若个数超过个数阈值，则确定每个目标饮食时间段对应的各营养成分的要求摄入比例；
基于各要求摄入比例，确定目标摄入食物替换对应的初始摄入食物是否合理；
若是，则获取用户的终端发送的目标饮食类型的填写指令，并将目标摄入食物替换第二营养建议中对应的初始摄入食物，得到目标营养建议；
将饮食营养需求、目标营养建议与目标饮食类型输入至营养建议模型进行训练，以对营养建议模型进行优化。
可选的，第一优化模块15，具体还用于：
按照要求摄入比例，对每个目标饮食时间段对应的各营养成分进行成分权重分配，要求摄入比例越大，对应的成分权重越大；
将每个目标摄入食物中各营养成分的含量与对应的成分权重进行加权求和，得到第一加权和，并将对应的初始摄入食物中各营养成分的含量与对应的成分权重进行加权求和，得到第二加权和；
若第一加权和与第二加权和的差值绝对值小于差值阈值，则确定目标摄入食物替换对应的初始摄入食物合理；
若所述第一加权和与所述第二加权和的差值绝对值不小于差值阈值，则确定目标摄入食物替换对应的初始摄入食物不合理。
可选的，装置还包括第二优化模块16，具体用于：
获取用户的终端发送的反馈饮食时间段；
若反馈饮食时间段与饮食时间段的数目比值超过比值阈值，则获取用户的人群类型；
统计人群类型对应的可饮食时间段与各反馈饮食时间段的重合个数，若重合个数超过重合个数阈值，则获取用户的终端发送的最终饮食类型的填写指令，并将反馈饮食时间段替换第二营养建议中对应的饮食时间段，得到最终营养建议；
将饮食营养需求、最终饮食类型和最终营养建议输入至营养建议模型进行训练，以对营养建议模型进行优化。
可选的，装置还包括第三优化模块17，具体用于：
统计已发送选择指令的同一第一饮食类型的用户数量，若用户数量超过数量阈值，则将对应的第一饮食类型确定为待校验饮食类型，并从饮食类型表中确定待校验饮食类型的关联饮食类型；
将饮食营养需求、关联饮食类型和待校验饮食类型对应的第一营养建议建立对应关系，并输入至所述营养建议模型进行训练，以对营养建议模型进行优化。
可选的，第三优化模块17，具体还用于：
统计已确定为待校验饮食类型的历史用户的人群类型；
选取相同数量最大的人群类型作为待校验饮食类型的主分布人群类型，并筛选主分布人群类型对应的其它历史用户；
将各其它历史用户对应的饮食类型中出现次数最大的饮食类型确定为关联饮食类型。
可选的，装置还包括饮食提醒模块18，具体用于：
基于第二营养建议中各初始摄入食物，确定对应的饮食营养成分的饮食摄入比例；
根据各饮食摄入比例，确定对应的饮食营养成分的权重系数，饮食摄入比例越大，权重系数越大；
基于各权重系数，对第二营养建议中各饮食时间段中初始摄入食物的饮食营养成分含量进行加权求和，得到对应的饮食时间段的含量加权和；
根据各含量加权和，确定每个饮食时间段的饮食提醒提前时长和提醒时长，含量加权和越大，对应的饮食提醒提前时长和提醒时长越长。
需要说明的是，上述实施例提供的一种个性化营养建议生成装置在执行个性化营养建议生成方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的一种个性化营养建议生成装置与一种个性化营养建议生成方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
本申请实施例还公开一种计算机可读存储介质，并且，计算机可读存储介质存储有计算机程序，其中，计算机程序被处理器执行时，采用了上述实施例的一种个性化营养建议生成方法。
其中，计算机程序可以存储于计算机可读介质中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间件形式等，计算机可读介质包括能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM）、随机存取存储器（RAM）、电载波信号、电信信号以及软件分发介质等，需要说明的是，计算机可读介质包括但不限于上述元器件。
其中，通过本计算机可读存储介质，将上述实施例的一种个性化营养建议生成方法存储于计算机可读存储介质中，并且，被加载并执行于处理器上，以方便上述方法的存储及应用。
本申请实施例还公开一种电子设备，计算机可读存储介质中存储有计算机程序，计算机程序被处理器加载并执行时，采用了上述一种个性化营养建议生成方法。
其中，电子设备可以采用台式电脑、笔记本电脑或者云端服务器等电子设备，并且，电子设备包括但不限于处理器以及存储器，例如，电子设备还可以包括输入输出设备、网络接入设备以及总线等。
其中，处理器可以采用中央处理单元（CPU），当然，根据实际的使用情况，也可以采用其他通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现成可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，通用处理器可以采用微处理器或者任何常规的处理器等，本申请对此不做限制。
其中，存储器可以为电子设备的内部存储单元，例如，电子设备的硬盘或者内存，也可以为电子设备的外部存储设备，例如，电子设备上配备的插接式硬盘、智能存储卡（SMC）、安全数字卡（SD）或者闪存卡（FC）等，并且，存储器还可以为电子设备的内部存储单元与外部存储设备的组合，存储器用于存储计算机程序以及电子设备所需的其他程序和数据，存储器还可以用于暂时地存储已经输出或者将要输出的数据，本申请对此不做限制。
其中，通过本电子设备，将上述实施例的一种个性化营养建议生成方法存储于电子设备的存储器中，并且，被加载并执行于电子设备的处理器上，方便使用。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (10)
1.一种个性化营养建议生成方法，其特征在于，所述方法包括：
获取用户的生理数据和历史饮食信息；
根据所述生理数据，确定所述用户的饮食营养需求，并根据所述历史饮食信息，从预设的饮食类型表中确定所述用户对应的第一饮食类型，所述饮食营养需求为所述用户对各营养成分的摄入需求，所述第一饮食类型用于表征所述用户的饮食时间情况和饮食喜好；
基于所述饮食营养需求和所述第一饮食类型，通过预设的营养建议模型，生成对应的第一营养建议并发送至所述用户的终端；
若超出预设时长未接收到所述终端发送的营养建议确认信息，则获取所述用户的终端发送的第二饮食类型的选择指令，并将所述第一营养建议替换为所述第二饮食类型对应的第二营养建议。
2.根据权利要求1所述的个性化营养建议生成方法，其特征在于，所述第二营养建议包括饮食时间段以及对应的初始摄入食物，所述将所述第一营养建议替换为所述第二饮食类型对应的第二营养建议之后，还包括：
获取所述用户的终端发送的目标摄入食物，并统计各所述目标摄入食物对应的目标饮食时间段的个数，所述目标摄入食物为所述用户对相应的初始摄入食物反馈修改建议；
若所述个数超过个数阈值，则确定每个所述目标饮食时间段对应的各所述营养成分的要求摄入比例；
基于各所述要求摄入比例，确定所述目标摄入食物替换对应的初始摄入食物是否合理；
若是，则获取所述用户的终端发送的目标饮食类型的填写指令，并将所述目标摄入食物替换所述第二营养建议中对应的初始摄入食物，得到目标营养建议；
将所述饮食营养需求、所述目标营养建议与所述目标饮食类型输入至所述营养建议模型进行训练，以对所述营养建议模型进行优化。
3.根据权利要求2所述的个性化营养建议生成方法，其特征在于，所述基于各所述要求摄入比例，确定所述目标摄入食物替换对应的初始摄入食物是否合理，具体包括：
按照所述要求摄入比例，对每个所述目标饮食时间段对应的各所述营养成分进行成分权重分配，所述要求摄入比例越大，对应的成分权重越大；
将每个目标摄入食物中各营养成分的含量与对应的成分权重进行加权求和，得到第一加权和，并将对应的初始摄入食物中各营养成分的含量与对应的成分权重进行加权求和，得到第二加权和；
若所述第一加权和与所述第二加权和的差值绝对值小于差值阈值，则确定所述目标摄入食物替换对应的初始摄入食物合理；
若所述第一加权和与所述第二加权和的差值绝对值不小于差值阈值，则确定所述目标摄入食物替换对应的初始摄入食物不合理。
4.根据权利要求1所述的个性化营养建议生成方法，其特征在于，所述第二营养建议包括饮食时间段以及对应的初始摄入食物，所述第二营养建议包括饮食时间段以及对应的初始摄入食物，所述将所述第一营养建议替换为所述第二饮食类型对应的第二营养建议之后，还包括：
获取所述用户的终端发送的反馈饮食时间段；
若所述反馈饮食时间段与所述饮食时间段的数目比值超过比值阈值，则获取所述用户的人群类型；
统计所述人群类型对应的可饮食时间段与各所述反馈饮食时间段的重合个数，若重合个数超过重合个数阈值，则获取所述用户的终端发送的最终饮食类型的填写指令，并将所述反馈饮食时间段替换所述第二营养建议中对应的饮食时间段，得到最终营养建议；
将所述饮食营养需求、所述最终饮食类型和所述最终营养建议输入至所述营养建议模型进行训练，以对所述营养建议模型进行优化。
5.根据权利要求1所述的个性化营养建议生成方法，其特征在于，所述方法还包括：
统计已发送所述选择指令的同一第一饮食类型的用户数量，若所述用户数量超过数量阈值，则将对应的第一饮食类型确定为待校验饮食类型，并从所述饮食类型表中确定所述待校验饮食类型的关联饮食类型；
将饮食营养需求、关联饮食类型和所述待校验饮食类型对应的第一营养建议建立对应关系，并输入至所述营养建议模型进行训练，以对所述营养建议模型进行优化。
6.根据权利要求5所述的个性化营养建议生成方法，其特征在于，所述从所述饮食类型表中确定所述待校验饮食类型的关联饮食类型，具体包括：
统计已确定为待校验饮食类型的历史用户的人群类型；
选取相同数量最大的人群类型作为所述待校验饮食类型的主分布人群类型，并筛选所述主分布人群类型对应的其它历史用户；
将各所述其它历史用户对应的饮食类型中出现次数最大的饮食类型确定为关联饮食类型。
7.根据权利要求1所述的个性化营养建议生成方法，其特征在于，所述方法还包括：
基于所述第二营养建议中各初始摄入食物，确定对应的饮食营养成分的饮食摄入比例；
根据各饮食摄入比例，确定对应的饮食营养成分的权重系数，所述饮食摄入比例越大，权重系数越大；
基于各所述权重系数，对所述第二营养建议中各饮食时间段中初始摄入食物的饮食营养成分含量进行加权求和，得到对应的饮食时间段的含量加权和；
根据各所述含量加权和，确定每个所述饮食时间段的饮食提醒提前时长和提醒时长，所述含量加权和越大，对应的饮食提醒提前时长和提醒时长越长。
8.一种个性化营养建议生成装置，其特征在于，包括：
信息获取模块(11)，用于获取用户的生理数据和历史饮食信息；
输入确定模块(12)，用于根据所述生理数据，确定所述用户的饮食营养需求，并根据所述历史饮食信息，从预设的饮食类型表中确定所述用户对应的第一饮食类型，所述饮食营养需求为所述用户对各营养成分的摄入需求，所述第一饮食类型用于表征所述用户的饮食时间情况和饮食喜好；
建议生成模块(13)，用于基于所述饮食营养需求和所述第一饮食类型，通过预设的营养建议模型，生成对应的第一营养建议并发送至所述用户的终端；
建议调整模块(14)，用于若超出预设时长未接收到所述终端发送的营养建议确认信息，则获取所述用户的终端发送的第二饮食类型的选择指令，并将所述第一营养建议替换为所述第二饮食类型对应的第二营养建议。
9.一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其特征在于，所述计算机程序被处理器加载并执行时，采用了权利要求1-7中任一项所述的方法。
10.一种电子设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，其特征在于，所述处理器加载并执行计算机程序时，采用了权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410123623.1A CN117954052A (zh) | 2024-01-29 | 2024-01-29 | 个性化营养建议生成方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410123623.1A CN117954052A (zh) | 2024-01-29 | 2024-01-29 | 个性化营养建议生成方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117954052A true CN117954052A (zh) | 2024-04-30 |
Family
ID=90801042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410123623.1A Pending CN117954052A (zh) | 2024-01-29 | 2024-01-29 | 个性化营养建议生成方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117954052A (zh) |
-
2024
- 2024-01-29 CN CN202410123623.1A patent/CN117954052A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110504019A (zh) | 用户个性化饮食推荐方法、装置、电子设备及存储介质 | |
| US20150279235A1 (en) | Nutrition management system and nutrition management program | |
| US20140052722A1 (en) | Optimization-based regimen method and system for personalized diabetes and diet management | |
| CN110349647A (zh) | 饮食管理方法、系统、电子设备及存储介质 | |
| US20220230730A1 (en) | Recipe recommendation method and device, computing device and storage medium | |
| JP7090232B1 (ja) | 健康管理システム | |
| CN108597572A (zh) | 一种智能健康规划系统 | |
| KR20220158477A (ko) | 식이관리 서비스를 제공하는 서버, 클라이언트 및 이를 구현하는 방법 | |
| JP2023020789A (ja) | プログラム、方法、およびシステム | |
| CN107705837B (zh) | 选餐的推荐方法、设备及系统 | |
| CN117976145A (zh) | 一种个人长期膳食推荐监督方法、系统、终端及存储介质 | |
| CN113921109A (zh) | 营养与慢性病管理的方法、装置、存储介质以及终端设备 | |
| CN116453652A (zh) | 糖尿病患者饮食量控制方法、装置、计算机设备及其存储介质 | |
| CN115985470A (zh) | 营养智能管理方法和智能管理系统 | |
| CN110211647A (zh) | 健康监控方法、装置、电视及服务器 | |
| US20240170130A1 (en) | Information processing method and information processing device | |
| US11955225B2 (en) | Apparatus and method for providing dietary recommendation | |
| CN112201325A (zh) | 一种服务线上化饮食推荐方法、装置、系统及存储介质 | |
| CN108615553B (zh) | 膳食制定方法、装置及存储介质 | |
| CN117954052A (zh) | 个性化营养建议生成方法、装置、存储介质及电子设备 | |
| CN117941007A (zh) | 用于前驱糖尿病的数字和个性化风险监测和营养计划系统 | |
| JP7473247B2 (ja) | 食事提案支援装置、食事提案支援方法、食事提案支援端末、食事提案支援システム、プログラム、および記録媒体 | |
| CN114388102A (zh) | 饮食推荐方法及装置和电子设备 | |
| CN115335914A (zh) | 指示依赖性营养物质计算和保存平台 | |
| CN113113112A (zh) | 一种肾内科患者的饮食监控系统及方法 |
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 |