JP6211683B2 - 購買履歴分類システム及び購買履歴分類方法 - Google Patents
購買履歴分類システム及び購買履歴分類方法 Download PDFInfo
- Publication number
- JP6211683B2 JP6211683B2 JP2016512554A JP2016512554A JP6211683B2 JP 6211683 B2 JP6211683 B2 JP 6211683B2 JP 2016512554 A JP2016512554 A JP 2016512554A JP 2016512554 A JP2016512554 A JP 2016512554A JP 6211683 B2 JP6211683 B2 JP 6211683B2
- Authority
- JP
- Japan
- Prior art keywords
- meal
- information
- purchase history
- history classification
- meal 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 70
- 235000012054 meals Nutrition 0.000 claims description 405
- 235000020803 food preference Nutrition 0.000 claims description 63
- 238000012937 correction Methods 0.000 claims description 19
- 235000005686 eating Nutrition 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 230000035622 drinking Effects 0.000 claims description 4
- 235000013305 food Nutrition 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 40
- 230000008569 process Effects 0.000 description 38
- 238000012545 processing Methods 0.000 description 17
- 238000010411 cooking Methods 0.000 description 15
- 239000004615 ingredient Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 235000016709 nutrition Nutrition 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 235000021152 breakfast Nutrition 0.000 description 3
- 230000035764 nutrition Effects 0.000 description 3
- 235000013361 beverage Nutrition 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 235000006694 eating habits Nutrition 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 208000001145 Metabolic Syndrome Diseases 0.000 description 1
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
Landscapes
- Health & Medical Sciences (AREA)
- Nutrition Science (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
本発明は、食事の購買情報を分析し実際に喫食した食事に関する情報を正確かつ簡便に記録するための方法を提供する購買履歴分類システムに関する。
近年、メタボリックシンドロームや脳血管疾患、心疾患、糖尿病等に代表される生活習慣病の予防を目的とした食習慣の改善が注目されている。食習慣の改善を実現するには、日々の食事の内容を記録して可視化することが重要である。しかしながら、日々の食事を記録すること自体非常に手間のかかる作業であり、さらに各々の食事に関して栄養価の観点で管理することはさらに相当の手間を要するため、個人が継続して取り組むことが難しい。
そのため、食事の管理を簡便にすることが重要である。例えば、購入した商品の情報を自動的に収集し、管理することができれば非常に効果的である。特許文献1では、個人が購入した情報を収集する方法として、精算時の購入履歴に含まれる個人の識別子情報を用いる方法が記載されている。
上記従来例では、ユーザが自分のための商品のみを購入した場合は問題ないが、他者の分も含めて商品を購入した場合の分類は考慮されていない。例えば商品を食事と仮定した場合、必ずしも精算者と喫食(飲食)者が同一とは言えない。従来技術における精算時の購入履歴に含まれる個人の識別子に従って商品を分類する方法では、実際とは異なる食事の内容が記録されてしまう場合があった。すなわち、複数の喫食者のうちの一人が、複数の喫食者の飲食代を精算した場合、上記従来例では、精算した個人の識別子に全ての複数の喫食者の飲食(商品)が紐付けられてしまう、という問題があった。
そこで本発明は、一つの個人識別子に関連付けられた購買履歴に関して、当該購買履歴に含まれる食事の情報が、関連付けられたユーザが消費したものであるか、他人の情報も含むものであるか判別し、他人の情報も含まれる場合には当該購買履歴に含まれる情報を分類することを目的とする。
本発明は、プロセッサとメモリを備えた計算機と、ネットワークを介して前記計算機に接続された端末と、を備えた購買履歴分類システムであって、前記計算機は、個人を特定する識別子と、前記個人が飲食した食事の識別子とを含む食事情報を前記端末から受信して蓄積する食事情報格納部と、前記端末から受信した前記食事の特徴量を格納する食事特徴量格納部と、前記個人の識別子毎に、前記食事情報格納部から前記食事情報を選択し、前記食事情報に対応する前記特徴量を前記食事特徴量格納部から取得して、前記個人の食事選択の傾向を分析する食事傾向分析部と、前記個人毎の前記食事選択の傾向の分析結果に基づいて、前記食事の選択確率を食嗜好モデルとして算出する食嗜好モデル構築部と、前記食事情報の入力を受け付ける入力部と、前記食事情報の前記飲食した人数が複数か否かを判定する判定部と、前記食事情報の前記飲食した人数が複数の場合には、前記個人の識別子に対応する食嗜好モデルに基づいて、当該個人が選択した食事を前記食事情報から推定し、推定食事情報として出力する食事情報推定部と、を有する。
本発明によれば、一つの個人の識別子に関連付けられた購買履歴に関して、当該購買履歴に含まれる食事の情報が、関連付けられた個人が一人で消費したものであるか、他人の情報も含むものであるか判定し、他人の情報も含まれる場合には当該購買履歴に含まれる情報を分類し、個人が消費した情報のみを抽出し記録することができる効果がある。
さらに、本発明の購買履歴分類システムは、食事におけるそれぞれのメニューに関して、複数人で共有した場合においても、当該食事を共有したユーザについて属性情報や過去の食事の特徴からメニューをどの程度喫食したか推定し、各者への配分割合を計算して、自動的に食事情報をユーザ間で配分することができる効果がある。
以下、本発明の一実施形態について添付図面を用いて説明する。
本発明の実施例1について図を用いて詳細に説明する。実施例1では、ユーザ(または対象者)が摂った食事の情報を店舗等から収集し、収集した食事情報の中から実際にユーザが喫食した食事の情報を、過去の履歴から算出した食嗜好モデルを適用して抽出し、データベースに記録する購買履歴分類システムについて説明する。
図1は、本発明の実施例1の購買履歴分類システム100の一例を示すブロック図である。購買履歴分類システム100は、購買履歴分類装置101とデータベース102を主体にして構成される。
購買履歴分類システム100は、ネットワーク103を介して店舗情報端末104と、ユーザ端末110と接続されている。購買履歴分類装置101は、演算処理を行う演算装置108と、プログラムやデータを格納するメモリ109と、プログラムやデータを保持する記憶媒体105と、キーボードやマウスあるいはタッチパネルなどを含む入力部106と、ディスプレイを含む出力部107を備えた計算機である。
記憶媒体105は、購買履歴分類システム100を実現する各種プログラム及びデータ等を格納する記憶装置であり、例えば、不揮発性記憶媒体(磁気ディスクドライブ、不揮発性メモリ等)である。メモリ109には、記憶媒体105に格納されているプログラムやデータがロードされる。
演算装置108は、メモリ109にロードされたプログラムを実行する装置(プロセッサ)であり、例えば、CPU、GPUなどである。以下に説明する処理及び演算は、演算装置108が実行する。
購買履歴分類システム100を構成する機能部としては、店舗情報端末104からネットワーク103を介して食事情報の入力を受け付けて、データベース102に食事情報を格納する際に食事情報識別子(食事ID301)を付与する食事情報識別子設定部112と、店舗情報端末104が提供する食事の食事特徴量の設定を受け付ける食事特徴量設定部111と、食事情報に対応する食事メニューの詳細な特徴量を管理する食事特徴量管理部123と、利用人数等の食事の状況を設定する利用状況設定部117と、ユーザの過去の食事特徴量から食事傾向を分析する食事傾向分析部113と、過去の食事傾向から食嗜好をモデル化する食嗜好モデル構築部114と、複数人分の情報を含む食事情報に対して食嗜好モデルを適用してユーザが実際に喫食した食事情報を推定する食事情報推定部115と、食事情報推定部115の推定結果から食事情報を再構成してデータベースに格納する食事情報更新部119と、食事情報の推定結果に対するユーザの修正要求を受け付ける食事情報修正入力部116と、食事情報の推定結果に対する確度307を算出する確度設定部118を有している。
食事特徴量設定部111〜食事情報更新部119の各機能部はプログラムとしてメモリ109にロードされる。
演算装置108は、各機能部のプログラムに従って処理することによって、所定の機能を提供する機能部として稼働する。例えば、演算装置108は、食事情報特徴量設定プログラムに従って処理することで食事情報識別子設定部112として機能する。他のプログラムについても同様である。さらに、演算装置108は、各プログラムが実行する複数の処理のそれぞれの機能を提供する機能部としても稼働する。計算機及び計算機システムは、これらの機能部を含む装置及びシステムである。
購買履歴分類装置101の各機能を実現するプログラム、テーブル等の情報は、ストレージシステムや不揮発性半導体メモリ、ハードディスクドライブ、SSD(Solid State Drive)等の記憶デバイス、または、ICカード、SDカード、DVD等の計算機読み取り可能な非一時的データ記憶媒体に格納することができる。
データベース102には、ユーザ毎の属性情報を管理するユーザ情報管理部121と、ユーザ別の食事情報を記憶する食事情報管理部122と、食事情報管理部122に格納された食事情報の特徴を表す情報を管理する食事特徴量管理部123と、ユーザ別の食嗜好モデルを管理する食嗜好モデル管理部124が含まれる。
なお、データベース102は、ネットワークを介して購買履歴分類装置101に接続された計算機で提供されてもよい。あるいは、購買履歴分類装置101に接続されたストレージ装置にデータベース102を格納してもよい。
店舗情報端末104及びユーザ端末110は、図示しない演算装置、メモリ、入力装置及び出力装置を含む計算機である。また、店舗情報端末104は、店舗で提供する食事の食事特徴量を管理する店舗食事特徴量管理部1040を有している。
図2は、ユーザ情報管理部121が管理するユーザ情報200の一例を示す図である。ユーザ情報200は、ユーザを特定するユーザID201と、生年月日202と、身長203と、体重204と、性別205と、職種206と、収入情報207と、認証ID情報208とをひとつのレコードに含む。このユーザ情報1210の性別205や職種206等の属性を利用することにより、ユーザ(個人)をグループ別にカテゴリ化して食嗜好モデルを構築することが可能になる、という効果がある。
図3は食事情報管理部122が管理する食事情報テーブル300の一例を示す図である。食事情報テーブル300は、ユーザID201と、食事情報を特定する食事ID301と、食事情報の生成時刻を表す食事時刻302と、利用した店舗を特定するための利用店舗303と、朝食や昼食、夕食などの食事の時期を示す食事目的304と、同時に精算された食事のメニューを特定するための識別子を格納する喫食メニュー305と、同時に精算した者の情報を示す同時喫食者情報306と、食事情報の確からしさを表す確度307と、処理済フラグ308とをひとつのレコードに含む。
確度307は、食事情報が正確である場合には“1”が設定され、食事情報の正確さが不明な場合には“0”が設定される。なお、確度307の初期値は“0”が設定される。
また、処理済フラグ308は、後述する推定処理で当該レコードを処理した場合には“True”が設定され、未処理の場合には“False”が設定される。
後述するように、食事情報テーブル300により、食嗜好モデルを用いてユーザの実際の食事情報を抽出できる、という効果がある。
図4は、食事特徴量管理部123が管理する食事特徴量テーブル400の一例を示す図である。
食事特徴量テーブル400は、食事を提供する店舗の識別子を格納する提供店舗401と、食事メニューの提供条件を特定する店舗業態402と、提供日403と、食事のメニューID404と、メニュー名405と、価格406と、栄養価407と、食材408と、食材分量409と、調理法410と、料理カテゴリ411と、メニューカテゴリ412とをひとつのレコードに含む。
なお、食材408と、食材分量409と、調理法410については、複数の食材の情報について格納することができる。
食事特徴量テーブル400の情報を用いて所定の処理をすることにより、ユーザの嗜好を特定することが可能になる効果がある。
次に、フローチャートを用いて、購買履歴分類装置101で行われる処理を詳細に説明する。
図5は、食事情報の分類を行う一連の流れを示すフローチャートである。この処理は、購買履歴分類装置101が、新たな食事情報を受信する度に実行される。
まず、ユーザが店舗にて食事の精算を行うと、店舗情報端末104から食事の情報が購買履歴分類装置101へ送信される(501)。購買履歴分類装置101は、食事情報を受信し、送信された食事情報に含まれるユーザの認証ID情報208を抽出し、ユーザ情報200を参照してユーザID201を特定する。
ユーザの認証ID情報208は、例えば電子マネーのIDやクレジットカード、生体認証情報、その他所定の識別情報を使用することができる。ユーザ認証処理は、食事情報の受信時にその都度実行される。
ユーザは、事前に上記認証情報を購買履歴分類装置101に登録し、ユーザアカウントを作成して、ユーザID201を取得しておく。
購買履歴分類装置101は、対象ユーザが特定された食事情報に食事情報識別子(食事ID301)を付与し、食事情報テーブル300に対象ユーザの食事として格納される。このとき、購買履歴分類装置101は、食事情報テーブル300の確度307と処理済みフラグには、初期値を設定する。例えば、確度307は“0”で処理済みフラグは“false”となる。なお、食事ID301は、食事情報識別子設定部112によってユニークな値が付与される。
次に、購買履歴分類装置101は、ステップ502にて食事情報管理部122の食事情報テーブル300から、処理済フラグ308を参照し、未処理(False)の食事情報を取得する。なお、当該データの抽出時には、購買履歴分類装置101が、ユーザID201を指定してもよい。本処理は、食事情報が受信された時点でその都度実行される。
次に、購買履歴分類装置101は、ステップ503において、取得した食事情報に対応する食事特徴量を食事特徴量管理部123の食事特徴量テーブル400から取得し、各食費メニュー別の食事特徴量を取得する。購買履歴分類装置101は、受け付けた食事情報から食事メニューを取得し、食事メニューのメニューID404に基づいて食事特徴量テーブル400から食事特徴量を取得する。
食事特徴量テーブル400の情報は、店舗情報端末104からの登録を受け付けて予め購買履歴分類装置101の食事特徴量テーブル400に登録されている。店舗情報端末104から食事特徴量テーブル400への登録は、例えば購買履歴分類装置101が提供する食事特徴量テーブル400の登録用画面等を介して店舗情報端末104から入力される場合と、店舗情報端末104が食事特徴量を保持したデータベース(店舗食事特徴量管理部1040)を有し、当該データベースから購買履歴分類装置101へ送信されて食事特徴量管理部123に記録される場合がある。なお、食事特徴量の受け付け及び登録は、上記食事特徴量設定部111が実行する。
次に、購買履歴分類装置101は、ステップ504にて、対象としている食事情報が、対象ユーザ単独のものでなく複数人で喫食した情報も含んでいるか否かを判定する。この処理は、図1に示した利用状況設定部117が行う。
購買履歴分類装置101は、処理対象の食事情報の同時喫食者情報306を参照し、店舗情報端末104が送信した同時喫食者情報306の値を取得する。購買履歴分類装置101は、同時喫食者情報306の値が2以上の場合に同時喫食者有りと判定し、ステップ505の処理へ進む。一方、同時喫食者がいない場合にはステップ507へ進む。この処理は、一人のユーザが精算した喫食に、複数の喫食者が含まれているか否かを判定する。
次に、購買履歴分類装置101は、ステップ505にて、同時喫食者情報有りの場合、対象ユーザの食嗜好モデルを食嗜好モデル管理部124から取得する。購買履歴分類装置101は、取得した食嗜好モデルのパラメータに各食事メニューの食事特徴量を入力して、食事情報テーブル300の各喫食メニュー305の選択確率を算出し、選択確率が別途定める閾値以上である食事メニューを抽出する。購買履歴分類装置101は、抽出したメニューに関して、過去の食事の履歴において組み合わされにくいパターンを排除したうえで推定喫食メニュー(推定食事情報)を生成する。この処理は、図1に示した食事情報推定部115で行われる。
次に、購買履歴分類装置101は、ステップ506にて、ステップ505で生成した推定喫食メニューの情報から、食事情報テーブル300に含まれる複数のメニューと喫食者の関係を後述するように分類する。換言すれば、購買履歴分類装置101は、ユーザの推定喫食メニューに基づいて、実際に飲食したメニューを喫食者に分類する。この処理は、現在着目しているユーザについてのみ行ってもよい。
次に、購買履歴分類装置101は、307ステップにて、食事情報テーブル300に確度307の値を設定する。購買履歴分類装置101は、例えば、ユーザが推定情報を未確認の場合は確度307を“0”として設定する。ユーザが推定情報を確認済みの場合は確度307を“1”として設定する。この処理は、図1に示した確度設定部118で行われる。
購買履歴分類装置101は、確度307の設定が終了した後、処理済フラグ308を“True”設定し、食事情報を食事情報管理部122に格納する。この処理は、図1に示した食事情報更新部119で行われる。
以上の処理により、購買履歴分類装置101は、店舗情報端末104から受信した食事情報に複数の喫食者が含まれる場合、食嗜好モデルから喫食者のメニューを推定する。換言すれば、購買履歴分類装置101は、一人のユーザの精算に複数の喫食者が含まれる場合、食嗜好モデルから喫食者のメニューを推定する。そして、購買履歴分類装置101は、推定結果に基づいてメニューを喫食者に分類する。
図6は、購買履歴分類装置101が食事の推定情報をユーザ端末110に提示し、ユーザ端末110から推定情報の内容の確認または修正を受け付ける確度設定処理の一例を示すフローチャートである。この処理は、ユーザ端末110等からの要求を受け付けたとき等に実行することが、図1の確度設定部118に対応する。また、当該処理を図5のステップ507で実行しても良い。
まず、購買履歴分類装置101は、ステップ602にて、要求を受け付けたユーザ端末110に、喫食メニューの推定結果を送信する。
ユーザは、ネットワーク103を介して接続されたユーザ端末110の出力装置(図示省略)で喫食メニューの推定結果を確認することができる。
ユーザ端末110を操作するユーザが推定結果に対して、修正せずに確定する場合と、修正してから確定する場合と、推定結果に対して修正も承認もしない場合が想定される。まず、購買履歴分類装置101は、推定結果を確定する要求をユーザ端末110から受け付けたか否かを判定する(603)。確定する要求を受け付けた場合にはステップ606へ進み、そうでない場合にはステップ604へ進む。
次に、購買履歴分類装置101は、ステップ604にて、ユーザ端末110から推定結果の修正要求を受け付けたか否かを判定する。購買履歴分類装置101が修正要求を受け付けた場合にはステップ605へ進み、そうでない場合にはステップ606へ進む。
次に、購買履歴分類装置101は、ステップ605にてユーザ端末110から推定結果の修正を受付ける。
次に、購買履歴分類装置101は、ステップ606にて、ユーザによる確定もしくは修正をユーザ端末110から受け付けた場合、食事情報テーブル300の確度307を高く設定する。購買履歴分類装置101は、確度307の値を増大させ、例えば、初期値が“0”の場合は、値を“1”に更新する。
次に、購買履歴分類装置101は、食事情報更新ステップ607にて、食事情報管理部122に格納された食事情報テーブル300のうち該当する食事情報の内容に、ユーザ端末110から受付けた修正内容または確定内容を反映し、食事情報と確度307の情報を更新する。
以上の処理によって、購買履歴分類装置101が推定した喫食メニューは、ユーザ端末110で確定または修正され、食事情報テーブル300が更新される。
図7は、購買履歴分類装置101が、食嗜好モデルを構築する処理の一例を示すフローチャートである。この処理は、購買履歴分類装置101の管理者などの指令や所定の周期(例えば、1週間毎)などで実行される(701)。なお、以下の処理は1人のユーザについて食嗜好モデルを生成する例を示す。また、本処理は図1に示した食嗜好モデル構築部114に対応する。
まず、購買履歴分類装置101は、ステップ702にて、食事情報テーブル300に蓄積された過去の食事情報の中から、食嗜好モデルの生成に利用する食事情報を選択する。この選択は、食事情報テーブル300のユーザID201、食事目的304、確度307、食事時刻302を用いて実施する。
例えば、昼食に関するモデルの構築を目的とする場合、購買履歴分類装置101は、ユーザID201を指定し、食事目的304が“昼食”で、かつ、確度307が一定の値以上(例えば“1”)の食事情報のみを選択する。なお、確度307の値が大きい食事情報を選択することにより精度の高い食嗜好モデルを生成することができる。
次に、ステップ703で購買履歴分類装置101は、上記ステップ702で選択した食事情報の食事特徴量を、食事特徴量管理部123の食事特徴量テーブル400から選択し、食嗜好モデルの生成に必要な食事特徴量を抽出する。
例えば、購買履歴分類装置101は、食事情報の食事時刻302や食事目的304毎に、喫食メニュー305に対応するメニュー名405、価格406、メニューカテゴリ412、メニュー数や栄養摂取量(栄養価407)を取得する。なお、単一のメニューだけでなく、複数のメニューを選択するパターン等も特徴量として取得することができる。
そして、購買履歴分類装置101は、上記取得した値(特徴量)に関して分散や偏差等の統計値を算出し、当該ユーザID201の食事(メニュー)の選択傾向を分析する。この処理は、図1に示した食事傾向分析部113で行われる。なお、分散や偏差等の統計値の算出は公知または周知の手法を用いればよいので、ここでは詳述しない。
また、購買履歴分類装置101が算出する統計値は、対象となるユーザID201が過去に選択した食事メニュー(305、404、405)の選択頻度や、各食事メニューに含まれる食材408等、個人の嗜好を表す指標を食事の選択傾向とすることができる。
次に、購買履歴分類装置101は、ステップ704にて、上記食事メニューの選択傾向に基づいて、食事特徴量テーブル400に含まれる食事メニュー(404、405)の選択確率を算出するモデルを作成する。この処理は、図1に示した食嗜好モデル構築部114で行われ、現在対象となっているユーザID201の食嗜好モデルが算出される。
メニューの選択確率を算出するモデルは、上記ステップ703にて抽出された特徴量を説明変数として、食事メニューの選択確率を予測する予測(食嗜好)モデルを生成することができる。そして、購買履歴分類装置101は、生成した食事メニューの選択確率を、食嗜好モデルとして食嗜好モデル管理部124に格納する。
ユーザの食嗜好は、年月や環境または季節により変化するため、適宜食嗜好モデルを更新する必要があるが、上記の処理を新しい食事情報が蓄積された際に繰り返して行うようにすれば、精度の高い食嗜好モデルを構築することができる。
また、食嗜好モデルを生成するのに使用する食事情報は、1年あるいは数ヶ月などの期間を設定するようにしてもよい。
また、上記処理では1人のユーザについて、1つの食事目的304に関する食嗜好モデルを生成する例を示したが、1人のユーザについて複数の食事目的304ごとに食嗜好モデルを生成してもよい。例えば、1人のユーザについて、食事目的304が“朝食”、“昼食”、“夕食”の3つの食嗜好モデルを生成しておくことで、食事目的304に応じた食事メニューの選択確率を得ることができる。
上記処理を、全てのユーザについて実施しておくことで、ユーザ毎の食嗜好モデルを生成し、食嗜好モデル管理部124で保持することができる。
図8は、購買履歴分類装置101が、ユーザ端末110に送信する食事情報の推定結果の画面イメージである。食事情報の推定結果を表示する画面801は、図6のステップ602でユーザ端末110に送信され、購買履歴分類装置101はユーザ端末110から、ユーザの確認と修正を受け付ける。
食事情報の推定結果を表示する画面801は、食事条件表示部802と、推定内訳表示部803と、推定結果表示部804と、確認ボタン805と、修正ボタン806とを含む。
食事条件表示部802は、店舗名と日時及び目的が表示される。これらの情報は、食事情報テーブル300の食事時刻302、利用店舗303及び食事目的304を含む。食事条件表示部802は、表示しているメニューを食べた日時と場所を示す。
推定内訳表示部803は、食嗜好モデルにより算出した各メニューの選択確率を示している。推定結果表示部804は、推定した食事情報(メニュー)の結果を示している。
ユーザはユーザ端末110の入力装置を操作して、確認ボタン805をクリックすることで推定結果を確定し、修正ボタン806をクリックすると推定結果を修正する機能を呼び出すことができる。
図9は、購買履歴分類システム100の機能要素の一例を示すブロック図である。購買履歴分類システム100で行われる処理の概要を図9に示す。
購買履歴分類装置101は、各ユーザが精算した食事情報の履歴を食事情報テーブル300に蓄積しておく。購買履歴分類装置101は、所定の周期などで図7に示した食嗜好モデル構築部114を実行して、対象となるユーザの食嗜好モデル1240を生成する。
食嗜好モデル1240の生成は、購買履歴分類装置101がユーザID201及び食事目的304ごとに、所定の期間内の食事情報を食事情報テーブル300から取得する(702)。
購買履歴分類装置101は、選択した食事情報について食事特徴量テーブル400から食事特徴量を取得して、食事メニューの選択傾向を分析する(703)。購買履歴分類装置101は、食事メニューの選択傾向に基づいて、予め登録された食事メニューが選択される確率を算出し、食嗜好モデル1240を生成しておく(704)。
購買履歴分類装置101は、新たな食事情報を受信すると(502)、食事情報に複数の喫食者が含まれる場合、該当ユーザの食嗜好モデル1240を読み込んで、食事メニューの選択確率を算出し、当該ユーザが選択した食事メニューを推定し、推定結果としてユーザ端末110へ出力する(602)。
ユーザ端末110では、ユーザが食事メニューの推定結果を確認または修正した場合は、当該食事情報の確度307に“1”を設定し、そうでない場合には“0”を設定して食事情報を更新する。
以上のように、購買履歴分類システム100では、予め生成した食嗜好モデル1240を用いて、複数の喫食者が含まれる食事情報から、該当ユーザが選択した食事メニューを推定することが可能となる。
また、食事情報の履歴のうち、ユーザが確認または修正した確度307の高い(閾値以上)食事情報を用いることにより、食事メニューの推定精度を向上させることができる。
上記実施例1では、食事の選択確率を、食事特徴量を説明変数とする確率モデルを用いているが、選択確率を算出する方法として、食事の選択確率を算出できるモデルであればよい。例えば、ロジスティック回帰モデルやベイジアンネットワーク等を用いてもよい。
また、図7に示したステップ702の食事情報選択処理にて、対象ユーザと食事目的304に応じた選択を行っているが、これに限らず、例えば対象ユーザと店舗で選定すると特定の店舗での食嗜好モデルを作成できる。その他、年代や性別205、職種206、収入情報207等任意のカテゴリを条件として選定すると個人単位でなくカテゴリ単位での食嗜好モデルを作成することができる効果がある。
また、上記実施例1では、食事情報管理部122の食事情報テーブル300から同時喫食者情報306の値を取得しているが、同時喫食者情報306の値が欠損している場合も考えられる。しかし同時喫食者情報が記録されていない場合であっても、図5のステップ504にて、食事情報管理部122及び食事特徴量管理部123に記録された過去の情報をもとに同時喫食者の有無を判定することができる。例えば、対象ユーザ一人あたりの平均的な価格、メニュー数等の判定基準情報を算出し、これをもとに対象とする食事情報が一人分以上の情報を含んでいるか否かを判定する。また、判定基準に栄養価407の情報を用いて、対象ユーザが摂取している栄養摂取量に一人当たりの閾値を設け、同時喫食者の有無を判定するようにしてもよい。
本発明の実施例2について図を用いて詳細に説明する。本実施例2では、一つのメニュー(例えば、皿盛りメニューなど)を複数の喫食者で共有(または分配)する場合に該当メニューの食事情報を分割して各ユーザに配分する購買履歴分類システムについて説明する。
図10は、本発明の実施例2である購買履歴分類システム100の一例を示すブロック図である。購買履歴分類システム100は、購買履歴分類装置101とデータベース102主体にして構成される。購買履歴分類装置101は、ネットワーク103を介して店舗情報端末104と、ユーザ端末110と接続されている。購買履歴分類装置101は、コンピュータ装置で、各種情報の入力を受付ける入力部106と、ディスプレイを含む出力部107、演算装置108、メモリ109、記憶媒体105を備えている。
また、購買履歴分類装置101は、前記実施例1の構成に加えて、食事情報の履歴から食事特徴量を抽出し、食事特徴量の中から食事の嗜好に関連の深い食材408や調理法410等の特徴量を用いてユーザの嗜好度を算出する食事嗜好度算出部901と、複数人で共有して注文した食事を、ユーザ毎の食事嗜好度に応じて各ユーザの摂取量を配分するための配分係数を算出する配分係数算出部902と、食事を共有したユーザの情報を、テンプレート等を用いて設定する同時喫食者設定部903も有している。
また、データベース102は、前記実施例1の構成に加えて、ユーザ別の嗜好度の情報を管理する食嗜好度情報管理部904と、同時喫食者の情報を設定する際に用いる設定情報を管理する同時喫食者情報管理部905と、を有している。
本実施例2では、嗜好度情報と同時喫食者情報の設定情報を用いることで、複数人で食事メニューを共有した場合においても、食事情報の配分を行うことができる、という優れた効果を奏するものである。
図11は、食嗜好度情報管理部904が管理する食嗜好度テーブル1000の一例を示す図である。
食嗜好度テーブル1000は、ユーザを特定するユーザID201と、食事目的304別に嗜好を管理するための食事目的1001と、同時喫食者別に嗜好を管理するための同時喫食者情報1002と、食事メニューに含まれる食材(材料)に対する嗜好度を食材毎に格納する食材嗜好度1003と、メニューの調理法に対する嗜好度を調理法毎に格納する調理法嗜好度1004と、をひとつのレコードに含む。
この情報により、ユーザの食事目的304毎に、ユーザの食嗜好を細かく管理することができるという効果がある。
図12は、同時喫食者情報管理部905が管理する同時喫食者設定情報テーブル1100の一例を示す図である。
同時喫食者設定情報テーブル1100は、ユーザを特定するユーザID201と、同時に喫食するグループの単位として職場同僚(設定1)、家族(設定2)、友人(設定3)等に所属するユーザIDを格納する同時喫食者設定情報1101と、をひとつのレコードに含む。
図示の例では、同時喫食者設定情報1101を3つのグループに分けて設定1〜設定3とした例を示すが、これに限定されるものではない。
同時喫食者設定情報テーブル1100により、該当ユーザと一緒に食事をとる人物の設定を簡便に行うことができる効果がある。
図13は、食事情報管理部122が管理する食事情報テーブル300の一例を示す図である。
実施例2の食事情報テーブル300は、前記実施例1の構成に加えて、ユーザが他人と共有して摂取したメニューの情報である共有メニュー情報311と、共有した相手を示す共有者情報312とを含む。
共有メニュー情報311と共有者情報312は、店舗情報端末104から購買履歴分類装置101システムに送信される際もしくは、ユーザ端末110から入力画面(図示省略)を介して設定される。共有メニュー情報311と共有者情報312を加えることにより、共有された食事情報と共有者を特定することが可能になる、という効果がある。
次に、フローチャートを用いて、購買履歴分類装置101で行われる処理を詳細に説明する。
図14は、購買履歴分類装置101が、食事の嗜好度情報を作成する処理の一例を示すフローチャートである。この処理は、購買履歴分類装置101の管理者などの指令や所定の周期(例えば、1週間毎)などで実行される(1301)。なお、以下の処理は1人のユーザについて食嗜好度テーブル1000を生成する例を示す。また、本処理は図10に示した食事嗜好度算出部901に対応する。
購買履歴分類装置101が、ステップ1302にて、食事情報テーブル300に蓄積された過去の食事情報の中から、食嗜好度情報の作成に利用する食事情報を、確度307によってフィルタリングし、例えば確度307の値が所定値以上の食事情報のみを選定する。
次に、購買履歴分類装置101は、ステップ1303にて、選定した食事情報の食事特徴量を食事特徴量管理部123の食事特徴量テーブル400から取得する。
次に、購買履歴分類装置101は、ステップ1304にて、食事特徴量をもとに対象メニューの嗜好度を算出する。各ユーザに対して共通の指標として嗜好度を定量化することにより、メニューを共有したユーザ間で嗜好度に応じた食事情報の配分が可能になる。
嗜好度の算出方法例として、食事回数に対するある食事特徴量の出現頻度を用いることができる。例えば、1ヶ月間の食事のうちその全てで肉類をとっている場合は、食材嗜好度1003の中に“肉”の列を設定し嗜好度の値を1として設定する。また、調理法嗜好度1004には“焼く”の列を設定し、嗜好度の値を設定する。嗜好度の算出処理は、ユーザの嗜好の変化を反映させるため、例えば一週間ごとに更新する。ただし更新の頻度は任意に変更することができる。
次に、購買履歴分類装置101は、嗜好度情報格納ステップ1305にて食嗜好度情報管理部904に対象ユーザの食嗜好度の情報(1003、1004)を格納する。
上記処理では1人のユーザについて、1つの食事目的1001に関して食嗜好度を算出する例を示したが、1人のユーザについて複数の食事目的1001ごとに食嗜好度を算出してもよい。例えば、1人のユーザについて、食事目的1001が“朝食”、“昼食”、“夕食”の3つの食嗜好度を算出しておくことで、食事目的1001に応じた食事メニューの配分係数を正確に得ることができる。
上記処理を、全てのユーザについて実施しておくことで、ユーザ毎の食嗜好度を算出し、食嗜好度情報管理部904で保持することができる。
図15は、食嗜好度テーブル1000に基づいて、食事情報のメニューを配分する処理の一例を示すフローチャートである。図15のステップ501〜508は前記実施例1の実施例と同様であり、購買履歴分類装置101は、食事情報テーブル300から処理済みフラグ308が“False”の未処理のデータを取得して、当該データに対応する食事特徴量を取得する。そして、購買履歴分類装置101は、同時に喫食した人がいる場合には、食嗜好モデルを用いて当該ユーザの食事メニューを推定する。
次に、購買履歴分類装置101は、ステップ1401にて、ある食事メニューが他の喫食者と共有されたものであるか否かを判定する。食事メニューが共有されたものであるか否かは、図13に示した共有者情報312に同時喫食者設定情報1101の内容が記録されている場合には、この内容をもとに判定できる。
次に、購買履歴分類装置101は、ステップ1402にて、共有者情報312をもとに食嗜好度情報管理部904から食嗜好度テーブル1000を取得し、食嗜好度をもとにユーザ間の配分比率を算出する。
購買履歴分類装置101は、処理対象となっている食事メニューについて食材408や調理法410等の食事特徴量に関する食嗜好度を、共有者情報312に設定されているユーザ分だけ取得し、食嗜好度の値を比較して配分係数を算出する。
配分係数算出には、基準となる所定の食事特徴量を選択することができる。例えば、食材に関する特徴量と、調理法に関する特徴量を用いることとし、処理対象となるメニューの食材408が食材A、調理法410が調理法Aであった場合、食材嗜好度1003から食材Aの嗜好度を取得し、調理法嗜好度1004から調理法Aの嗜好度を取得する。
購買履歴分類装置101は、選択した食事特徴量の嗜好度を軸とするベクトル空間に嗜好度の値を基にして作られる嗜好度のベクトルをマッピングし、ベクトルのノルムを算出する。配分係数は、各ユーザの持つベクトルのノルムの合計値に対する、あるユーザの嗜好度のベクトルのノルムを算出することで得られる。配分係数は、0以上1以下の値として算出される。同時喫食者の過去の食事情報が記録されていない場合は、同時喫食者のプロフィール情報の入力を受け付けて、例えば年代、性別205等が一致する既存ユーザの嗜好度を代用して計算してもよい。
購買履歴分類装置101は、ステップ1403にて、上記算出した配分係数とメニューの栄養価407の積により、各ユーザに対する配分割合を算出し、得られた値を配分する。購買履歴分類装置101は、次に、ステップ507にて前記実施例1と同様に確度307の設定を行って食事情報管理部122の食事情報テーブル300に食事情報を格納する。
図16は、購買履歴分類装置101が、ユーザ端末110に送信する食事情報の配分結果の画面イメージである。
購買履歴分類装置101が、ユーザ間で共有した食事情報の配分結果をユーザ端末110に提示し、ユーザの確認と修正を受け付ける画面イメージの一例を示している。
食事情報の配分結果を表示する画面1501は、食事条件表示部1502と、配分内訳表示部1503と、配分結果表示部1504と、確認ボタン1505と、修正ボタン1506と、同時喫食者設定部1507と、詳細設定ボタン1508と、配分再計算ボタン1509と、を含む。
食事条件表示部1502には、食事をとった場所と食事時刻と食事目的を示し、配分内訳表示部1503は、食嗜好度テーブル1000により算出した各食事メニューの配分係数を示している。配分結果表示部1504は、配分した食事情報の結果を示している。
ユーザ端末110では、確認ボタン1505をクリックすることで配分結果を確定し、修正ボタン1506を押下すると配分結果を修正する機能を呼び出すことができる。
同時喫食者設定部1507では、予め設定された同時喫食者のグループのテンプレートを設定または変更することができる。同時喫食者の詳細な編集を行う場合は、詳細設定ボタン1508をクリックすると設定機能を呼び出すことができる。配分再計算ボタン1509を押下すると、設定変更した同時喫食者情報を用いて配分を再計算することができる。
なお、画面1501は、図15のステップ1403でユーザ端末110に送信するようにしてもよい。
上記実施例2では、食嗜好度を食事特徴量別の頻度を用いた例を示しているが、食嗜好度を示す情報を得ることができれば他の統計的手法を用いて算出しても良い。
以上のように、実施例2では、蓄積された食事情報テーブル300から、ユーザ毎の食嗜好度を食材や調理方法などについてそれぞれ算出しておく。そして、複数の喫食者でひとつの食事メニューを共有する場合は、食材や調理方法の食嗜好度から配分係数を算出することで、複数のユーザのそれぞれが摂取した食事メニューを配分結果として算出することができる。これにより、1つの料理を複数の喫食者で分割した場合であっても、各ユーザが摂取した食事メニューの量を把握することが可能となる。
なお、本発明において説明した計算機等の構成、処理部及び処理手段等は、それらの一部又は全部を、専用のハードウェアによって実現してもよい。
また、本実施例で例示した種々のソフトウェアは、電磁的、電子的及び光学式等の種々の記録媒体(例えば、非一時的な記憶媒体)に格納可能であり、インターネット等の通信網を通じて、コンピュータにダウンロード可能である。
また、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明をわかりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。
Claims (12)
- プロセッサとメモリを備えた計算機と、ネットワークを介して前記計算機に接続された端末と、を備えた購買履歴分類システムであって、
前記計算機は、
個人を特定する識別子と、前記個人が飲食した食事の識別子とを含む食事情報を前記端末から受信して蓄積する食事情報格納部と、
前記端末から受信した前記食事の特徴量を格納する食事特徴量格納部と、
前記個人の識別子毎に、前記食事情報格納部から前記食事情報を選択し、前記食事情報に対応する前記特徴量を前記食事特徴量格納部から取得して、前記個人の食事選択の傾向を分析する食事傾向分析部と、
前記個人毎の前記食事選択の傾向の分析結果に基づいて、前記食事の選択確率を食嗜好モデルとして算出する食嗜好モデル構築部と、
前記食事情報の入力を受け付ける入力部と、
前記食事情報の前記飲食した人数が複数か否かを判定する判定部と、
前記食事情報の前記飲食した人数が複数の場合には、前記個人の識別子に対応する食嗜好モデルに基づいて、当該個人が選択した食事を前記食事情報から推定し、推定食事情報として出力する食事情報推定部と、
を有することを特徴とする購買履歴分類システム。 - 請求項1に記載の購買履歴分類システムであって、
前記食事情報は、
同時に飲食した人数を含み、
前記判定部は、
前記同時に飲食した人がいる場合には、前記食事情報に基づいて、前記飲食した人数が複数と判定することを特徴とする購買履歴分類システム。 - 請求項1に記載の購買履歴分類システムであって、
前記判定部は、
前記食事情報に対応する食事特徴量と予め設定した判定基準に基づいて、前記飲食した人数が複数であるか否かを判定することを特徴とする購買履歴分類システム。 - 請求項1に記載の購買履歴分類システムであって、
前記食事情報推定部で推定された推定食事情報について修正を受け付ける食事情報修正入力部と、
前記推定食事情報に対する確認を受け付けて、当該食事情報の確度を設定する確度設定部と、
をさらに有することを特徴とする購買履歴分類システム。 - 請求項1に記載の購買履歴分類システムであって、
前記食事情報は、
前記複数の人で共有した食事を特定する共有メニュー情報と、前記共有メニュー情報を共有した個人を特定する識別子とを含み、
前記食事情報に基づいて前記個人毎に算出された嗜好度を格納する食嗜好度情報格納部と、
前記嗜好度に基づいて、前記共有メニュー情報の食事情報を複数に配分するための配分係数を算出する配分係数算出部と、
をさらに有することを特徴とする購買履歴分類システム。 - 請求項5に記載の購買履歴分類システムであって、
前記食事情報格納部に蓄積された個人毎の食事情報と、当該食事情報に対応する前記食事特徴量を取得し、当該食事特徴量の出現頻度に基づいて前記嗜好度を予め算出して前記食嗜好度情報格納部に格納する食嗜好度算出部をさらに有することを特徴とする購買履歴分類システム。 - プロセッサとメモリを備えた計算機と、ネットワークを介して前記計算機に接続された端末と、を備えて購買履歴を分類する購買履歴分類方法であって、
前記計算機が、個人を特定する識別子と、前記個人が飲食した食事の識別子とを含む食事情報を前記端末から受信して食事情報格納部に蓄積する第1のステップと、
前記計算機が、前記端末から受信した前記食事の特徴量を食事特徴量格納部に格納する第2のステップと、
前記計算機が、前記個人の識別子毎に、前記食事情報格納部から前記食事情報を選択し、前記食事情報に対応する前記特徴量を前記食事特徴量格納部から取得して、前記個人の食事選択の傾向を分析する第3のステップと、
前記計算機が、前記個人毎の前記食事選択の傾向の分析結果に基づいて、前記食事の選択確率を食嗜好モデルとして算出する第4のステップと、
前記計算機が、前記食事情報の入力を受け付けて、前記食事情報の前記飲食した人数が複数か否かを判定する第5のステップと、
前記計算機が、前記食事情報の前記飲食した人数が複数の場合には、前記個人の識別子に対応する食嗜好モデルに基づいて、当該個人が選択した食事を前記食事情報から推定し、推定食事情報として出力する第6のステップと、
を含むことを特徴とする購買履歴分類方法。 - 請求項7に記載の購買履歴分類方法であって、
前記食事情報は、
同時に飲食した人数を含み、
前記第5のステップは、
前記同時に飲食した人がいる場合には、前記食事情報に基づいて、前記飲食した人数が複数と判定することを特徴とする購買履歴分類方法。 - 請求項7に記載の購買履歴分類方法であって、
前記第5のステップは、
前記食事情報に対応する食事特徴量と予め設定した判定基準に基づいて、前記飲食した人数が複数であるか否かを判定することを特徴とする購買履歴分類方法。 - 請求項7に記載の購買履歴分類方法であって、
前記計算機が、前記推定された推定食事情報について修正を受け付ける第7のステップと、
前記計算機が、前記推定食事情報に対する確認を受け付けて、当該食事情報の確度を設定する第8のステップと、
をさらに含むことを特徴とする購買履歴分類方法。 - 請求項7に記載の購買履歴分類方法であって、
前記食事情報は、
前記複数の人で共有した食事を特定する共有メニュー情報と、前記共有メニュー情報を共有した個人を特定する識別子とを含み、
前記計算機が、前記食事情報に基づいて前記個人毎に算出された嗜好度を食嗜好度情報格納部に格納する第9のステップと、
前記計算機が、前記嗜好度に基づいて、前記共有メニュー情報の食事情報を複数に配分するための配分係数を算出する第10のステップと、
をさらに含むことを特徴とする購買履歴分類方法。 - 請求項11に記載の購買履歴分類方法であって、
前記計算機が、前記食事情報格納部に蓄積された個人毎の食事情報と、当該食事情報に対応する前記食事特徴量を取得し、当該食事特徴量の出現頻度に基づいて前記嗜好度を予め算出して前記食嗜好度情報格納部に格納する第11のステップをさらに含むことを特徴とする購買履歴分類方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2014/060492 WO2015155885A1 (ja) | 2014-04-11 | 2014-04-11 | 購買履歴分類システム及び購買履歴分類方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2015155885A1 JPWO2015155885A1 (ja) | 2017-04-13 |
JP6211683B2 true JP6211683B2 (ja) | 2017-10-11 |
Family
ID=54287486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016512554A Expired - Fee Related JP6211683B2 (ja) | 2014-04-11 | 2014-04-11 | 購買履歴分類システム及び購買履歴分類方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6211683B2 (ja) |
WO (1) | WO2015155885A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017061054A1 (ja) | 2015-10-09 | 2017-04-13 | 楽天株式会社 | 情報処理システム、情報処理装置、情報処理方法、プログラム |
JP5956707B1 (ja) | 2015-10-09 | 2016-07-27 | 楽天株式会社 | 情報処理システム、情報処理装置、情報処理方法、プログラム |
JP6467601B1 (ja) * | 2017-09-07 | 2019-02-13 | メドケア株式会社 | 食事履歴システム |
US11481457B2 (en) * | 2017-11-28 | 2022-10-25 | Uber Technologies, Inc. | Menu personalization |
CN118278858A (zh) * | 2024-04-19 | 2024-07-02 | 广东绿菜园生态农业科技有限公司 | 一种食堂食材智能管理方法、装置、设备及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4989240B2 (ja) * | 2007-01-24 | 2012-08-01 | パナソニック株式会社 | 食事管理支援システム |
-
2014
- 2014-04-11 WO PCT/JP2014/060492 patent/WO2015155885A1/ja active Application Filing
- 2014-04-11 JP JP2016512554A patent/JP6211683B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
WO2015155885A1 (ja) | 2015-10-15 |
JPWO2015155885A1 (ja) | 2017-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190304000A1 (en) | Online food and beverage search method based on food to biomarker optimization algorithms in a node ranked database | |
US11133098B2 (en) | Food preparation system and method | |
JP6211683B2 (ja) | 購買履歴分類システム及び購買履歴分類方法 | |
Alene et al. | Identifying crop research priorities based on potential economic and poverty reduction impacts: The case of cassava in Africa, Asia, and Latin America | |
CN108897768B (zh) | 一种点餐方法及装置,电子设备 | |
KR101552339B1 (ko) | 피드백이 가능한 맞춤형 식단 및 식재료 구매 서비스 장치 및 방법 | |
CN113544731A (zh) | 食品提供系统、食品提供方法以及程序 | |
US11823042B2 (en) | System for measuring food weight | |
JP2009531768A (ja) | レシピを推奨するためのシステム及び方法 | |
JP7284408B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP6903523B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
WO2020038351A1 (zh) | 信息推送方法 | |
CN108648059A (zh) | 订单推荐方法及装置 | |
CN107092647B (zh) | 一种提供资源组合的方法及装置 | |
US20160027330A1 (en) | Food management services | |
JP2016091061A (ja) | サーバ装置、買物支援システムおよびプログラム | |
US20190325504A1 (en) | Brokerage system and method for ordering product | |
JP2015201090A (ja) | 商品推薦装置、商品推薦方法及びプログラム | |
CN110852299A (zh) | 顾客饮食习惯确定方法及装置 | |
KR102326540B1 (ko) | 음식 영상을 이용한 영양관리 및 질병관리 방법 | |
Malathi et al. | Rating-based restaurant and food recommendation system using nearest neighbor algorithm | |
JP6064046B2 (ja) | 食事事業者支援システム | |
Weraman et al. | The Relationship Between Patient Satisfaction from Food Quality and Health Clinic Cleanliness | |
US20200394727A1 (en) | Food ordering system based on predefined variables | |
WO2021167030A1 (ja) | 献立提案システム、献立提案方法、プログラム、情報処理方法、及び情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170913 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6211683 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |