一种基于知识图谱的个性化饮食推荐方法及系统

技术领域

本发明属于饮食智能推荐技术领域，具体涉及一种基于知识图谱的个性化饮食推荐方法及系统。

背景技术

随着信息时代的到来，信息技术取得了重要进展。如何在海量数据信息中寻找自己感兴趣的目标信息，已经成为了研究热点。目前主流方式主要为基于用户评分机制的协同过滤算法，该算法一定程度上解决了信息快速相似查找匹配等问题，但该算法仍有一些不足，如冷启动等问题。民以食为天，中国菜谱特点显著、数量十分庞大，如何帮助用户获取最为感兴趣的食用菜谱显然是一个复杂的问题。

发明内容

有鉴于此，本发明提出了一种基于知识图谱的个性化饮食推荐方法及系统，用于解决食谱推荐准确性不高的问题,帮助用户获取最为感兴趣的食谱。

本发明第一方面，公开一种基于知识图谱的个性化饮食推荐方法，所述方法包括：

S1、获取知识库菜谱数据，抽取菜谱属性信息，构建菜谱实体节点；

S2、获取已有用户历史行为数据，计算菜谱间相似度，并根据所述相似度生成菜谱知识图谱；

S3、依据菜谱知识图谱，生成与用户历史行为数据相似度高于预设阈值的第一推荐候选集；

S4、获取已有用户历史行为数据，计算用户对菜谱属性的倾向程度，并以此生成用户与菜谱属性的关系图谱；

S5、根据用户与菜谱属性的关系图谱，在所述第一推荐候选集的基础上，筛选出优化的第二推荐候选集；

S6、依据用户与菜谱属性的关系图谱，计算生成用户间的关系图谱；

S7、根据用户间的关系图谱以及目标相似用户的收藏行为，获取基于多用户的推荐候选列表。

优选的，所述菜谱属性信息涉及菜品类别、功效、时令、人群、菜系、工具、工艺、口味、形态、用餐场合、用餐时间、主料、辅料，组成菜谱属性集合；

所述构建菜谱节点具体包括：根据菜谱属性集合，按集合元素即属性名称逐一抽取信息并预处理使用TF-IDF统计算法评估计算菜谱各属性信息对菜谱的重要程度，该数值得分作为该属性对该菜谱的重要程度衡量。

优选的，所述获取已有用户历史行为数据，计算菜谱间相似度，并以该相似度生成菜谱知识图谱具体包括：

分别获取菜谱R

计算菜谱相似度p(R

其中α为时间兴趣参数，用以控制时间因素影响相似度值的程度；

以各菜谱间相似度为关系，建立菜谱知识图谱。

优选的，所述获取已有用户历史行为数据，计算用户对菜谱属性的倾向程度，并以此生成用户与菜谱属性的关系图谱具体包括：

根据用户对不同菜谱及其菜谱属性的操作行为，按照已设定的行为分值，以菜谱属性单独计分，最终获得用户对不同属性的行为得分；

对所有属性得分归一化处理，以归一化后处理得到的各属性分值作为用户对菜谱各属性的倾向程度；

以所述倾向程度生成用户与菜谱属性的关系图谱。

优选的，所述根据用户与菜谱属性的关系图谱，在所述第一推荐候选集的基础上，筛选优化的第二推荐候选集具体包括：

通过用户与菜谱属性的关系图谱，获取用户对菜谱各属性的倾向程度得分；

通过所述菜谱知识图谱，获取菜谱间相似度得分；

通过所述菜谱实体节点，获取菜谱各属性的重要程度；

根据用户对菜谱各属性的倾向程度得分、菜谱间相似度得分、菜谱各属性的重要程度的分值数据，给定菜谱R

其中q(R

对第一推荐候选集中的N个菜谱分别进行上述计算，并排序用户对各菜谱的喜爱程度，取前3N/4个作为第二推荐候选集。

优选的，所述依据用户与菜谱属性的关系图谱，计算生成用户间的关系图谱具体包括：

根据用户与菜谱属性关系图谱，为用户生成其对应的任意菜谱的一个专属向量，设用户user选择菜谱R

设菜谱总数为Z，则用户user的全局向量为：

根据用户间各自全局向量，计算用户间的余弦相似度；

以余弦相似度生成用户间的关系图谱。

优选的，所述根据用户间的关系图谱以及目标相似用户的收藏行为，获取基于多用户的推荐候选列表具体包括：

根据用户间关系图谱，按相似度排序获得当前用户user最相似的前M个用户；

依次获取该M个用户经步骤五操作后得到第二推荐候选集，分别记为S

基于M个用户的历史收藏菜谱行为，建立用户菜谱收藏集合S

处理菜谱收藏S

处理M个用户的第二推荐候选集S

将菜谱收藏列表L

本发明第二方面，公开一种基于知识图谱的个性化饮食推荐系统，所述系统包括：

实体节点构建模块：获取知识库菜谱数据，抽取菜谱属性信息，构建菜谱实体节点；

第一图谱构建模块：获取已有用户历史行为数据，计算菜谱间相似度，并根据所述相似度生成菜谱知识图谱；

第一推荐候选模块：依据菜谱知识图谱，生成与用户历史行为数据相似度高于预设阈值的第一推荐候选集；

第二图谱构建模块：关系获取已有用户历史行为数据，计算用户对菜谱属性的倾向程度，并以此生成用户与菜谱属性的关系图谱；

第二推荐候选模块：根据用户与菜谱属性的关系图谱，在所述推荐候选集的基础上，筛选出优化的第二推荐候选集；

第三图谱构建模块：依据用户与菜谱属性的关系图谱，计算生成用户间的关系图谱；

最终推荐候选模块：根据用户间的关系图谱以及目标相似用户的收藏行为，获取基于多用户的推荐候选列表。

本发明第三方面，公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；

其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现如本发明第一方面所述的方法。

本发明第四方面，公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现本发明第一方面所述的方法。

本发明相对于现有技术具有以下有益效果：

1)通本发明通过抽取菜谱属性，初步构建菜谱实体节点；基于用户历史行为数据，计算菜谱间相似度生成菜谱知识图谱；依据菜谱知识图谱，生成菜谱第一推荐候选集；基于用户对菜谱属性的倾向程度生成用户与菜谱属性的关系图谱；根据用户与菜谱属性关系图谱，筛选并优化得到第二推荐候选集；依据用户与菜谱属性的关系图谱，计算生成用户间的关系图谱；根据用户间的关系图谱以及目标相似用户的收藏行为，生成基于多用户的第三推荐候选列表。本发明充分挖掘了菜谱本身属性、用户对菜谱属性的倾向程度、相似用户的关联关系，从不同层面、多个维度进行知识图谱分析，最终生成最为感兴趣的食谱，实现精准推荐。

2)本发明结合菜谱、用户等基本数据信息，深层次挖掘分析其相互间的语义关系，构建菜谱知识图谱、用户与菜谱属性的关系图谱、用户间的关系图谱等不同类别的关系图谱，进行层层推荐列表筛选，最后结合相似度计算公式获取候选推荐结果，实现精准个性化推荐。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的基于知识图谱的个性化饮食推荐方法流程图。

具体实施方式

下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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他实施方式，都属于本发明保护的范围。

请参阅图1，本发明提出一种基于知识图谱的个性化饮食推荐方法，所述方法包括：

S1、获取知识库菜谱数据，抽取菜谱属性信息，构建菜谱实体节点；

具体的，所述菜谱属性信息涉及涉及菜品类别(热菜、凉菜、素菜等)、功效(风寒、止痛、气虚等)、时令(小满、小寒、处暑等)、人群(婴幼儿、孕妇、老年人等)、菜系(鲁菜、川菜、韩国料理等)、工具(炖锅、砂锅、煎锅等)、工艺(炒、炖、炸、拌等)、口味(香辣、香甜、酸辣、清淡、葱香、原味等)、形态(寿司、糖果、汤圆、果汁、挞类等)、用餐场合(生日、野餐、正餐、工作餐等)、用餐时间(早餐、中餐、晚餐、夜宵等)、主料(猪肉、黄鱼、韭菜等)、辅料(精盐、醋、味精、料酒等)；将菜品类别、功效、时令、人群、菜系、工具、工艺、口味、形态、用餐场合、用餐时间、主料、辅料等属性信息组成菜谱属性集合。

菜谱属性信息构建菜谱节点的具体方式包括：根据菜谱属性集合，按集合元素即属性名称逐一抽取信息并预处理，上述预处理包括缺失值补充等。使用TF-IDF统计算法评估计算菜谱各属性信息对菜谱的重要程度，该数值得分作为该属性对该菜谱的重要程度衡量。

S2、获取已有用户历史行为数据，计算菜谱间相似度，并根据所述相似度生成菜谱知识图谱；所述用户历史行为数据包括：点击、浏览时间、收藏等数据；

S21、分别获取菜谱R

S22、计算菜谱相似度p(R

其中α为时间兴趣参数，用以控制时间因素影响相似度值的程度；

S23、以各菜谱间相似度为关系，建立菜谱知识图谱。

S3、依据菜谱知识图谱，生成与用户历史行为数据相似度高于预设阈值的第一推荐候选集；

以用户user-x点击浏览“蛋炒饭”菜谱为例，根据构建好的菜谱知识图谱，获取与之相似的一组菜谱S(R)，并按照相似度分值排序并取前N个，其相似度依次记做p

S4、基于已有用户历史行为数据，计算用户对菜谱属性的倾向程度，并生成用户与菜谱属性的关系图谱；

S41、根据用户对不同菜谱及其菜谱属性的操作行为，按照已设定的行为分值，以菜谱属性单独计分，最终获得用户对不同属性的行为得分；

示例性的，行为分值设定准则为成功点击一次属性即该属性分值记5分；浏览时间在5秒内菜谱各属性分值均记1分，在5秒-40秒内记10分，40秒以上记11分；收藏菜谱即菜谱各属性分值均记15分。举例用户分别点击功效、人群、工艺、口味进行筛选并浏览“蛋炒饭”时，其浏览时间为30秒，并收藏该菜谱，则最后用户对“蛋炒饭”不同属性的行为得分为{"菜品类别":“25”,"功效":“30”,"时令":“25”,"人群":“30”,"菜系":“25”,"工具":“25”,"工艺":“30”,"口味":“30”,"形态":“25”,"用餐场合":“25”,"用餐时间":“25”,"主料":“25”,"辅料":“25”}。

S42、对所有属性得分归一化处理，以归一化后处理得到的各属性分值作为用户对菜谱各属性的倾向程度；

归一化处理可避免属性分值相差较大造成小数值属性信息偏差等问题，归一化处理，公式为X’

其中X

S43、以所述倾向程度生成用户与菜谱属性的关系图谱。

S5、根据用户与菜谱属性的关系图谱，在所述第一推荐候选集的基础上，筛选出优化的第二推荐候选集；

S51、通过用户与菜谱属性的关系图谱，获取用户对菜谱各属性的倾向程度得分；

S52、通过所述菜谱知识图谱，获取菜谱间相似度得分；

S53、通过所述菜谱实体节点，获取菜谱各属性的重要程度；

S54、根据用户对菜谱各属性的倾向程度得分、菜谱间相似度得分、菜谱各属性的重要程度的分值数据，给定菜谱R

其中q(R

S55、对第一推荐候选集中的N个菜谱分别进行上述计算，并排序用户对各菜谱的喜爱程度，取前3N/4个作为第二推荐候选集。

S6、依据用户与菜谱属性的关系图谱，计算生成用户间的关系图谱；

S61、根据用户与菜谱属性关系图谱，为用户生成其对应的任意菜谱的一个专属向量，设用户user选择菜谱R

S62、设菜谱总数为Z，则用户user的全局向量为：

S63、根据用户间各自全局向量，计算用户间的余弦相似度；

S64、以余弦相似度生成用户间的关系图谱。

S7、根据用户间的关系图谱以及目标相似用户的收藏行为，获取基于多用户的推荐候选列表。

S71、根据用户间关系图谱，按相似度排序获得当前用户user最相似的前M个用户；

S72、依次获取该M个用户经步骤五操作后得到第二推荐候选集，分别记为S

S73、基于M个用户的历史收藏菜谱行为，建立用户菜谱收藏集合S

S74、处理菜谱收藏S

S75、处理M个用户的第二推荐候选集S

S76、将菜谱收藏列表L

与上述方法实施例相对应，本发明还公开一种基于知识图谱的个性化饮食推荐系统，所述系统包括：

实体节点构建模块：获取知识库菜谱数据，抽取菜谱属性信息，构建菜谱实体节点；

第一图谱构建模块：获取已有用户历史行为数据，计算菜谱间相似度，并根据所述相似度生成菜谱知识图谱；

第一推荐候选模块：依据菜谱知识图谱，生成与用户历史行为数据相似度高于预设阈值的第一推荐候选集；

第二图谱构建模块：基于已有用户历史行为数据，计算用户对菜谱属性的倾向程度，并生成用户与菜谱属性的关系图谱；

第二推荐候选模块：根据用户与菜谱属性的关系图谱，在所述推荐候选集的基础上，筛选出优化的第二推荐候选集；

第三图谱构建模块：依据用户与菜谱属性的关系图谱，计算生成用户间的关系图谱；

最终推荐候选模块：根据用户间的关系图谱以及目标相似用户的收藏行为，获取基于多用户的推荐候选列表。

以上方法实施例和系统实施例是相对应的，系统实施例简述之处请参阅方法实施例即可。

本发明还公开一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以实现本发明前述的基于知识图谱的个性化饮食推荐方法的步骤。

本发明还公开一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机实现本发明前述的基于知识图谱的个性化饮食推荐方法的全部或部分步骤。例如包括数据采集单元、数据划分单元、模型构建单元、认知计算单元、判别诊断单元。所述存储介质包括：U盘、移动硬盘、只议存储器ROM、随机存取存储器RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以分布到多个网络单元上。可以根据实际的衙要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。