PatViewer专利搜索

饮食信息的推荐方法

发明公布  在审
申请(专利)号:CN201811530292.4国省代码:江苏 32
申请(专利权)人:苏州大学
温馨提示:Ctrl+D 请注意收藏,详细著录项请首页检索查看。 Please note the collection. For details, please search the home page.

摘要:
本发明涉及一种饮食信息的推荐方法,包括:获取家庭饮食的期望价格信息;获取家庭成员个体的生理信息,并基于生理信息,获取每个成员个体所需的营养信息;获取每个成员个体的口味偏好信息及应季的食材信息,产生推荐饮食清单,推荐饮食清单对应的营养信息与每个成员个体所需的营养信息匹配,推荐饮食清单对应的价格信息与期望价格信息匹配;推荐饮食清单根据价格降序排列或升序排列以供每个成员个体选择。通过获取家庭饮食的期望价格信息、家庭成员个体所需的营养信息、口味偏好信息及应季的食材信息,并结合期望价格信息、营养信息、口味偏好信息及食材信息产生推荐符合要求的饮食清单供成员个体选择,达到多角度且灵活推荐的效果。

主权项:
1.一种饮食信息的推荐方法,其特征在于,包括:获取家庭饮食的期望价格信息;获取家庭成员个体的生理信息,并基于所述生理信息,获取每个所述成员个体所需的营养信息;获取每个所述成员个体的口味偏好信息及应季的食材信息,产生推荐饮食清单,所述推荐饮食清单对应的营养信息与每个所述成员个体所需的营养信息匹配,所述推荐饮食清单对应的价格信息与所述期望价格信息匹配;所述推荐饮食清单根据价格降序排列或升序排列以供每个所述成员个体选择。


说明书

饮食信息的推荐方法

技术领域

本发明涉及一种饮食信息的推荐方法。

背景技术

在我国经济迅猛发展的当代,人民的生活水平不断得到大幅度地改善,与此同时
对于自己的饮食需求也随之提高,越来越注重每天的膳食搭配以及食品安全。探索对现代
人类健康有正面影响的生活行为方式已经成为公共卫生领域的研究热点之一。近年来,快
节奏的生活方式导致了快餐、外卖行业如雨后春笋般迅速崛起,由饮食诱发的健康问题日
益显著。因此,只有注重饮食的合理性和健康性,才能避免这类问题,从而提高人的寿命和
生活质量。

以家庭为例,某天家人询问你“今天想吃什么菜”的时候,多数人的回答都是“随
便”,这是因为你无法给出一个确定答案,此现象也从侧面反映出了人们本身对于菜品选择
的单一甚至不健康。如果能够采集到每个家庭成员的饮食习惯,根据食物之间的相似性(基
于物品的协同过滤)、所含营养素推荐符合口味且营养的菜品,就可以直接或间接解决饮食
问题。

协同过滤算法(Collaborative Filtering,CF)作为一种推广能力较好的推荐算
法,已被广泛应用到饮食推荐系统中。但是存在的饮食推荐系统并不能做到家庭各个成员
的口味及其所需营养两者兼得,所以无法根据不同规则进行混合推荐。

发明内容

本发明的目的在于提供一种能够综合家庭各个成员的口味及其所需营养、并且符
合价格期待的饮食信息的推荐方法。

为达到上述目的,本发明提供如下技术方案:一种饮食信息的推荐方法,所述方法
包括:

获取家庭饮食的期望价格信息;

获取家庭成员个体的生理信息,并基于所述生理信息,获取每个所述成员个体所
需的营养信息;

获取每个所述成员个体的口味偏好信息及应季的食材信息,产生推荐饮食清单,
所述推荐饮食清单对应的营养信息与每个所述成员个体所需的营养信息匹配,所述推荐饮
食清单对应的价格信息与所述期望价格信息匹配;

所述推荐饮食清单根据价格降序排列或升序排列以供每个所述成员个体选择。

进一步地,所述方法的算法表达式定义为:

Sf(ME)=α*Sf(NE)+β*Sf(IE)+(1-α-β)×Sf(SE)

其中:

Sf(ME)∈Sf(PE)

α和β为0~1的权重系数,f(ME)是推荐饮食清单的计算方法,f(NE)为营养信息的
计算方法、f(IE)为口味偏好信息的计算方法、f(SE)为应季的食材信息的计算方法、f(PE)
为期望价格信息的计算方法。

进一步地,所述方法还包括:

获取每个所述成员个体对所选择的饮食清单的评分信息,并基于所述评分信息获
得成员个体之间评分信息的相似度。

进一步地,所述基于所述评分信息获得成员个体之间评分信息的相似度具体为:

获取所述评分信息后建立评分矩阵,并通过Pearson相关系数度量出所述成员个
体之间评分信息的相似度,通过协同过滤算法以产生邻居列表,根据所述邻居列表找出所
述评分信息的最近邻居并根据所述最近邻居进行评分预测,根据预测的评分产生推荐列
表。

进一步地,所述评分信息的相似度通过Pearson相关系数度量,所述Pearson相关
系数的数学公式表达为:


其中,Tuv代表成员个体u和成员个体v具有评分信息且为两者共同评分饮食的集
合;Ru,t和Rv,t表示成员个体u和成员个体v对于饮食t的评分信息;表示成员个体u和
成员个体v当前各自评分饮食的评分均值。

进一步地,所述方法还包括:

获取每个所述成员个体所需的营养信息后,构建营养信息优化的多目标函数;

根据每个所述成员个体的营养信息,确定所述营养信息优化的多目标函数的约束
条件,构建营养搭配数学模型,所述数学模型为:

minf(x)=(f1(x),f2(x),..fp,(x))T

x代表决策变量,f(x)为目标函数,minf(x)表示f(x)向量中各目标函数的极小化;

其中,所述数学模型的不等式约束条件为gi≤0,i=1,2,…,m,等式约束条件为Hj
(x)=0,j=1,2,…,k,决策变量为x=(x1,x2,…,xn)∈X;

根据所述数学模型得到由Pareto最优解组成的集合。

进一步地,所述Pareto最优解定义为:

假设若不存在x∈X,使得成立,则称为多目标函数的Pareto
最优解。

进一步地,所述生理信息包括所述目标用户的姓名信息、体重信息、性别信息及年
龄信息。

进一步地,所述应季的食材信息包括应季的食材种类信息及食材价格信息。

本发明的有益效果在于:通过获取家庭饮食的期望价格信息、家庭成员个体所需
的营养信息、口味偏好信息及应季的食材信息,并结合期望价格信息、营养信息、口味偏好
信息及食材信息产生推荐符合要求的饮食清单供成员个体选择,达到多角度且灵活推荐的
效果。

上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,
并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

图1为本发明的饮食信息的推荐方法的流程示意图。

图2为协同过滤算法流程示意图。

图3为本发明的饮食信息的推荐引擎的流程图。

具体实施方式

下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施
例用于说明本发明,但不用来限制本发明的范围。

请参见图1,本发明的一较佳实施例中的一种饮食信息的推荐方法,所述方法包
括:

获取家庭饮食的期望价格信息;

获取家庭成员个体的生理信息,并基于所述生理信息,获取每个所述成员个体所
需的营养信息;在本实施例中,所述生理信息包括所述目标用户的姓名信息、体重信息、性
别信息、年龄信息及地域信息等其他信息。诚然,所述成员个体的生理信息在输入后也可在
后期进行更改,后期更改后,根据更改后的生理信息重新获取成员个体所需的营养信息。

在获取每个所述成员个体所需的营养信息后,构建营养信息优化的多目标函数;

根据每个所述成员个体的营养信息,确定所述营养信息优化的多目标函数的约束
条件,构建营养搭配数学模型,以推荐最佳的营养饮食的搭配组合。具体的,所述数学模型
为:

minf(x)=(f1(x),f2(x),..fp,(x))T

x代表决策变量,f(x)为目标函数,minf(x)表示f(x)向量中各目标函数的极小化;

其中,所述数学模型的不等式约束条件为gi≤0,i=1,2,…,m,等式约束条件为Hj
(x)=0,j=1,2,…,k,决策变量为x=(x1,x2,…,xn)∈X;

根据所述数学模型得到由Pareto最优解组成的集合。

更为具体的,所述Pareto最优解定义为:

假设若不存在x∈X,使得成立,则称为多目标函数的Pareto
最优解。

获取每个所述成员个体的口味偏好信息,所述成员个体的口味偏好信息在后期也
可进行纠正,所述口味偏好信息以纠正后的为准。所述成员个体对所选择的推荐饮食清单
进行评分,获取每个所述成员个体对所选择的饮食清单的评分信息,并基于所述评分信息
获得成员个体之间评分信息的相似度。

请参见图2,在获取所述成员个体的评分信息后建立评分矩阵,并通过Pearson相
关系数度量出所述成员个体之间评分信息的相似度,通过协同过滤算法以产生邻居列表,
根据所述邻居列表找出所述评分信息的最近邻居并根据所述最近邻居进行评分预测,根据
预测的评分产生推荐列表。

所述评分信息的相似度通过Pearson相关系数度量,所述Pearson相关系数的数学
公式表达为:


其中,Tuv代表成员个体u和成员个体v具有评分信息且为两者共同评分饮食的集
合;Ru,t和Rv,t表示成员个体u和成员个体v对于饮食t的评分信息;表示成员个体u和
成员个体v当前各自评分饮食的评分均值。

获取应季的食材信息后,产生推荐饮食清单,所述推荐饮食清单对应的营养信息
与每个所述成员个体所需的营养信息匹配,所述推荐饮食清单对应的价格信息与所述期望
价格信息匹配。在本实施例中,所述应季的食材信息包括应季的食材种类信息及食材价格
信息。

所述产生推荐饮食清单的算法表达式为:

Sf(ME)=α*Sf(NE)+β*Sf(IE)+(1-α-β)×Sf(SE)

其中:

Sf(ME)∈Sf(PE)

α和β为0~1的权重系数,f(ME)是推荐饮食清单的计算方法,f(NE)为营养信息的
计算方法、f(IE)为口味偏好信息的计算方法、f(SE)为应季的食材信息的计算方法、f(PE)
为期望价格信息的计算方法。α和β的值可手动调节以达到最有效果,从而达到既满足每个
成员个体的口味、又能满足每个成员个体所需的营养的效果,同时还能达到符合家庭支出
价格的要求。更为具体的,在添加新的食材后,可利用与所述新食材对应的食材信息,并基
于与所述新食材对应的食材信息,将与所述新食材关联度最高并且已选择过的饮食推荐给
家庭。

所述饮食清单根据价格降序排列或升序排列以供每个所述成员个体选择。

值得注意的是,在本实施例中,对于初次设定家庭饮食的期望价格信息、成员个体
的生理信息及口味偏好信息时,可通过寻找上述信息之间的关联,从而推荐给家庭与当前
设定关联程度最好的饮食清单。

请参见图3,本发明还提供了一种饮食信息推荐引擎,包括:

饮食价格推荐子引擎,用于获取家庭饮食的期望价格信息以推荐符合所述期望价
格信息的饮食清单;

饮食营养推荐子引擎,用于获取家庭成员个体的生理信息,并基于所述生理信息,
获取每个所述成员个体所需的营养信息,根据所述营养信息推荐符合营养需求的饮食清
单;

饮食个性推荐子引擎,用于获取所述成员个体的口味偏好信息,根据所述口味偏
好信息推荐符合口味偏好的饮食清单;

饮食时令推荐子引擎,用于获取应季的食材信息,根据所述食材信息推荐符合季
节的食材所组成的饮食清单;

饮食信息推荐引擎,用于结合饮食价格推荐子引擎、饮食营养推荐子引擎、饮食个
性推荐子引擎及饮食时令推荐子引擎所推荐的饮食清单并产生最终饮食清单,所述最终饮
食清单根据价格降序排列或升序排列以供每个所述成员个体选择。

综上所述:通过获取家庭饮食的期望价格信息、家庭成员个体所需的营养信息、口
味偏好信息及应季的食材信息,并结合期望价格信息、营养信息、口味偏好信息及食材信息
产生推荐符合要求的饮食清单供成员个体选择,达到多角度且灵活推荐的效果。

以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实
施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存
在矛盾,都应当认为是本说明书记载的范...

=>>详细说明书全文请进入首页检索查看

图1
©2018 IPPH.cn   PatViewer·专利搜索
主办单位:知识产权出版社有限责任公司  咨询热线:01082000860-8588
浏览器:IE9及以上、火狐等  京ICP备09007110号 京公网安备 11010802026659号