一种融合用户画像的智能饮食推荐方法及系统

技术领域

本发明属于健康管理技术领域，具体涉及一种融合用户画像的智能饮食推荐方法及系统。

背景技术

随着我国社会经济的快速发展，人们的生活水平和医疗卫生条件都得到了较大提升。现代医学研究表明，日常合理膳食及食物均衡营养可以促进身体健康、预防疾病。

饮食中营养失衡不仅会产生自身必要营养元素缺乏导致的患病风险，如糖尿病、肥胖、高血压、癌症等慢性病。此外，慢性病已经成为我国居民的主要死亡原因，饮食健康问题的重要性已引起人们的广泛关注。每天吃什么、吃多少、怎么吃、是否营养失衡、是否有潜在慢性病风险等健康饮食问题，成为了人们亟需解答的问题。

发明内容

有鉴于此，本发明提出了一种融合用户画像的智能饮食推荐方法及系统，用于解决用户饮食管理不够精细、不能进行潜在风险预估的问题。

本发明第一方面，公开一种融合用户画像的智能饮食推荐方法，所述方法包括：

获取日常菜品数据并进行预处理，构建菜品库；

对菜品库中的菜品数据标准化处理，通过食材营养成分含量标准表计算菜品所含营养成分；

用于基于用户自身属性信息、用户历史饮食行为构建用户画像；

基于用户画像和菜品所含营养成分进行菜品推荐。

优选的，所述菜品数据主要包含菜品名称、菜品类别、功效、口味、菜品图片、主料信息、辅料信息、调料信息、烹饪时间、烹饪方式。

优选的，所述预处理包括：

对菜品数据的数据类型进行格式转换，所述数据类型包括数值型、文本型、图片型；对于文本型数据，将各字段中涉及量词的文本转换成数值型数据。

优选的，所述户自身属性信息包括所述年龄、性别、身高、体重、过敏史、人群类别、体质类别、既往病史8个维度；所述人群类别包括老年人，中年人、青年人，中学生，小学生，婴儿，幼儿，备孕期，孕早期，孕中期，孕晚期，月子期，更年期；体质类别包括阳盛质，痰湿质，湿热质，阴虚质，阳虚质，气虚质，特禀质，血瘀质，气郁质。

优选的，所述基于用户自身属性信息、用户历史饮食行为、菜品所含营养成分构建用户画像，基于用户画像进行菜品推荐具体包括：

基于用户自身属性信息过滤不适宜甚至禁忌菜品，生成第一菜品列表；

基于用户历史饮食行为，计算历史偏好菜品，筛选相似菜品生成第二菜品列表；

筛选出第一菜品列表和第二菜品列表中同时出现的菜品，构成最优菜品推荐列表，将最优菜品推荐列表推荐给用户。

优选的，所述基于用户自身属性信息过滤不适宜甚至禁忌菜品，进行第一菜品列表推荐具体包括：

a、根据用户年龄、性别、身高、体重从菜品库中产生标准菜品推荐列表list-1；

b、分别根据用户的人群类别特征、体质类别特征、既往病史特征对所述标准菜品推荐列表list-1进行适宜饮食菜品的初步过滤，结合菜品所含营养成分，得到合理营养摄入区间的菜品列表list-2；

c、根据用户历史饮食行为统计该一段时期内所食菜品未达标和超标的营养元素，以此为过滤条件筛选菜品列表list-2，并结合用户身体质量指数BIM对超出脂肪含量标准的菜品进行过滤，得到新的菜品列表list-3；

d、根据菜品中主料、辅料、调料成分对菜品列表list-3中含用户过敏史涉及食材的菜品进行筛选，最终产生菜品推荐列表list-4，将推荐列表list-4作为第一菜品列表。

优选的，所述基于用户历史饮食行为，计算用户历史偏好菜品，筛选相似菜品进行第二菜品列表推荐具体包括：

采用one-hot编码进行菜品对象表示；

通过K-means聚类算法对历史饮食行为中的菜品对象进行簇划分，得到每一聚类类簇中菜品数和对应的菜品类别；

筛选出包含菜品数最多的聚类类簇，将筛选出的聚类类簇中的菜品作为用户历史偏好菜品；

计算筛选出的聚类类簇中的菜品与菜品库中菜品的相似度，筛选出相似度高于预设阈值的相菜品作为第二菜品推荐列表。

优选的，所述方法还包括：实时监测用户饮食历史数据信息，结合用户自身属性信息将摄入的菜品营养与常见疾病进行关联预测，输出近期一段时间饮食行为可能出现的潜在风险，生成用户健康与疾病风险报告。

本发明第二方面，公开一种融合用户画像的智能饮食推荐系统，所述系统包括：

菜品库构建模块：用于获取日常菜品数据并进行预处理，构建菜品库；

数据预处理模块：用于对菜品库中的菜品数据标准化处理，通过食材营养成分含量标准表计算菜品所含营养成分；

菜品推荐模块：用于基于用户自身属性信息、用户历史饮食行为构建用户画像，基于用户画像和菜品所含营养成分进行菜品推荐；所述菜品推荐单元具体包括：

第一菜品列表单元：用于基于用户自身属性信息过滤不适宜甚至禁忌菜品，生成第一菜品列表；

第二菜品列表单元：用于基于用户历史饮食行为，计算历史偏好菜品，筛选相似菜品生成第二菜品列表；

最优菜品列表单元：用于筛选出第一菜品列表和第二菜品列表中同时出现的菜品，构成最优菜品推荐列表，将最优菜品推荐列表推荐给用户；

分析预警模块：用于实时监测用户饮食历史数据信息，将摄入的菜品营养与常见疾病进行关联预测，输出近期一段时间饮食行为可能出现的潜在风险，生成用户健康与疾病风险报告。

本发明相对于现有技术具有以下有益效果：

1)本发明基于用户自身属性信息、用户历史饮食行为构建用户画像，基于用户自身属性信息过滤不适宜甚至禁忌菜品，基于用户历史饮食行为，计算历史偏好菜品，取两者交集构成最优菜品推荐列表推荐给用户，从而避免出现随机推荐导致菜品波动较大问题，最终推荐适合该用户饮食偏好又符合童虎自身营养需求的菜品列表；

2)基于用户画像和菜品所含营养成分进行菜品推荐，可对用户近期饮食行为进行积极的健康指导，同时又可以实时监测用户饮食历史数据信息，结合用户自身属性信息将摄入的菜品营养与常见疾病进行关联预测，实时监测用户饮食健康状态和摄入饮食可能产生相关疾病的预警信息，最大限度为用户在智能健康饮食方面提供积极帮助。

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为本发明的融合用户画像的智能饮食推荐方法流程示意图；

图2为本发明的融合用户画像的智能饮食推荐系统结构示意图。

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，本发明提出一种融合用户画像的智能饮食推荐方法，包括：

S1、获取日常菜品数据并进行预处理，构建本地菜品库；

具体的，所述菜品数据主要包含菜品名称、菜品类别、功效、口味、菜品图片、主料信息、辅料信息、调料信息、烹饪时间、烹饪方式。其中菜品名称、主料、辅料、调料等字段对用户的饮食分析起到重要的作用，因此这些字段作为核心重要字段进行后续加工处理，而其他字段用作界面显示。

对菜品数据的数据类型进行格式转换，所述数据类型包括数值型、文本型、图片型；对于文本型数据，将各字段中涉及量词的文本转换成数值型数据。为了使得菜品数据易于规范化、标准化、特地将菜品名称、主料、辅料、调料等字段中"根"、"毫升"、"盒"、"斤"、"只"、"棵"、"块"、"粒"、"两"、"枚"、"片"、"瓶"、"勺"、"匙"、"条"、"头"、"碗"、"小把"、"小包"、"小杯"、"小撮"、"小蝶"、"小段"、"小块"、"小勺"、"小碗"等信息人为转换成适宜数值数据，为后续参与用户画像模型中的数值计算等做必要的数值转换处理。

S2、对菜品库中的菜品数据标准化处理，通过食材营养成分含量标准表计算菜品所含营养成分；

由于菜品中主料、辅料、调料等信息字段中含有丰富营养成分信息，分析估计菜品是否对用户有营养失衡风险有着重要意义，采用食材营养成分含量标准表(每百克或每百毫升含量或每百毫克)进行计算菜品各营养成分总量。其中营养成分涉及碳水化合物，脂肪，蛋白质，纤维素，维生素A，维生素C，维生素E，胡萝卜素，硫胺素，核黄素，烟酸，胆固醇，镁，钙，铁，锌，铜，锰，钾，磷，钠，硒等。其中涉及的非微量元素是以每百克含量进行计算，而微量元素均是以每百毫克含量进行计算。可知营养元素中微量元素和非微量元素含量间数值差距较大，并且微量元素间偶尔存在空值等问题，因此对菜品数据标准化处理显得十分重要。菜品营养成分含量缺失值统一填充为0，所有营养成分数据采用max-min标准化，消除不同量纲数据对数值计算的影响。

S3、基于用户自身属性信息、用户历史饮食行为构建用户画像；基于用户画像和菜品所含营养成分进行菜品推荐。

所述户自身属性信息包括所述年龄、性别、身高、体重、过敏史、人群类别、体质类别、既往病史8个维度；所述人群类别包括老年人，中年人、青年人，中学生，小学生，婴儿，幼儿，备孕期，孕早期，孕中期，孕晚期，月子期，更年期；体质类别包括阳盛质，痰湿质，湿热质，阴虚质，阳虚质，气虚质，特禀质，血瘀质，气郁质等；既往病史中涉及用户过去患病信息，涉及常见的肠炎，胆石症，跌打骨折损伤，动脉硬化，耳鸣，防癌抗癌，肺气肿，肝炎，肝硬化，高血压，高血脂，更年期，骨质疏松，关节炎，冠心病，甲状腺，结核病，口腔溃疡，麻疹，尿路结石，贫血，前列腺，肾炎，术后，糖尿病，痛风，痛经，胃炎，消化性溃疡，小儿遗尿，咽炎，营养不良，月经不调，支气管炎，脂肪肝，痔疮，中风，子宫脱垂等疾病。

用户历史饮食行为是用户最近一段时间内的饮食记录，基于用户自身属性信息、历史饮食行为即可构建用户画像。

基于用户画像和菜品所含营养成分进行菜品推荐，具体包括如下分步骤：

S31、基于用户自身属性信息过滤不适宜甚至禁忌菜品，生成第一菜品列表，具体包括如下步骤：

a、根据用户年龄、性别、身高、体重从菜品库中产生标准菜品推荐列表list-1；

b、分别根据用户的人群类别特征、体质类别特征、既往病史特征对所述标准菜品推荐列表list-1进行适宜饮食菜品的初步过滤，结合菜品所含营养成分，得到合理营养摄入区间的菜品列表list-2；

c、根据用户历史饮食行为统计该一段时期内所食菜品未达标和超标的营养元素，以此为过滤条件筛选菜品列表list-2，并结合用户身体质量指数BIM对超出脂肪含量标准的菜品进行过滤，得到新的菜品列表list-3；

d、根据菜品中主料、辅料、调料成分对菜品列表list-3中含用户过敏史涉及食材的菜品进行筛选，最终产生菜品推荐列表list-4，将推荐列表list-4作为第一菜品列表。

S32、基于用户历史饮食行为，计算用户偏好菜品，筛选相似菜品生成第二菜品列表，具体包括如下步骤：

a′、采用one-hot编码进行菜品对象表示；

b′、通过K-means聚类算法对历史饮食行为中的菜品对象进行簇划分，得到每一聚类类簇中菜品数和对应的菜品类别；具体的，给定聚类K和用户历史饮食数据集T＝{t

c′、筛选出包含菜品数最多的聚类类簇，从筛选出的聚类类簇中寻找用户历史偏好菜品；

d′、计算用户历史偏好菜品与菜品库中菜品的相似度，筛选出相似度高于预设阈值的相菜品作为第二菜品推荐列表。

由于所取历史时间较短，所以K可选定为5，并找到5聚类中心点，通过聚类算法得到用户5个菜品簇。从含菜品最多的类簇中计算寻找用户最偏好菜品，距离聚类中心点最近的采用为用户最偏好菜品。最后根据该最偏好菜品与数据预处理单元处理的菜品数据集计算余弦相似度并降序排序，最终取前N个菜品构成列表进行推荐，其中N取值为15。本发明以用户历史饮食行为信息的用户画像为依据，挖掘用户近期饮食偏好，从而避免出现随机推荐导致菜品波动较大问题，最终推荐适合该用户饮食偏好的菜品列表。

S33、筛选出第一菜品列表和第二菜品列表中同时出现的菜品，构成最优菜品推荐列表，将最优菜品推荐列表推荐给用户。

S4、实时监测用户饮食历史数据信息，结合用户自身属性信息将摄入的菜品营养与常见疾病进行关联预测，输出近期一段时间饮食行为可能出现的潜在风险，生成用户健康与疾病风险报告。

具体的，根据用户自身属性信息，确定用户对应的饮食菜品范围；根据用户近期历史饮食行为数据，确定用户对应的偏好饮食菜品范围；基于常见营养不良等慢性病常识，预警分析单元使用统计分析模块将近期营养元素分别以全局或局部的表现形式按总和、均值、方差等统计概念进行表示；使用疾病关联模块将营养元素与常见疾病进行关联预测，输出近期一段时间饮食行为可能出现的潜在风险，最终将上述两模块产生信息打印为用户健康与疾病风险报告。

本发明提出的融合用户画像的智能饮食推荐方法可对用户近期饮食行为进行积极的健康指导，同时又可以实时监测用户饮食健康状态和输出饮食可能产生相关疾病的预警信息，最大限度为用户在智能健康饮食方面提供积极帮助。

请参阅图2，与上述方法实施例相对应，本发明还提出一种融合用户画像的智能饮食推荐系统，所述系统包括：

菜品库构建模块10：用于获取日常菜品数据并进行预处理，构建菜品库；

数据预处理模块20：用于对菜品库中的菜品数据标准化处理，通过食材营养成分含量标准表计算菜品所含营养成分；

菜品推荐模块30：用于基于用户自身属性信息、用户历史饮食行为中菜品所含营养成分构建用户画像，基于用户画像进行菜品推荐；所述菜品推荐单元具体包括：

第一菜品列表单元：用于基于用户自身属性信息过滤不适宜甚至禁忌菜品，生成第一菜品列表；

第二菜品列表单元：用于基于用户历史饮食行为，计算历史偏好菜品，筛选相似菜品生成第二菜品列表；

最优菜品列表单元：用于筛选出第一菜品列表和第二菜品列表中同时出现的菜品，构成最优菜品推荐列表，将最优菜品推荐列表推荐给用户；

分析预警模块40：用于实时监测用户饮食历史数据信息，将摄入的菜品营养与常见疾病进行关联预测，输出近期一段时间饮食行为可能出现的潜在风险，生成用户健康与疾病风险报告。

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。