一种基于个人特征的营养饮食推荐方法技术

本发明专利技术公开了一种基于个人特征的营养饮食推荐方法，步骤(1)、获取用户的个人特征的信息和饮食记录；步骤(2)、根据步骤(1)中的数据计算用户的营养程度和健康状况，步骤(3)、根据步骤(1)和步骤(2)获得的信息，构建用户的饮食模型；步骤(4)、结合食物营养数据库，根据用户的饮食模型处理的结果向用户推荐适合自己体质的营养饮食信息。本发明专利技术结合了用户的个人特征，基于数据的检测和智能分析，针对性的向用户推荐适合自身的饮食内容，为用户进行健康饮食提供帮助和指导；所推荐的饮食建议的搭配也具备科学合理的优势，可广泛应用于日常生活中。

【技术实现步骤摘要】
一种基于个人特征的营养饮食推荐方法
本专利技术涉及医疗饮食、机器学习、深度学习等多种领域，特别是一种基于机器学习和深度学习的用户饮食模型的推荐方法。
技术介绍
随着生活条件的改善和生活水平的提高，人们所追求的已经不仅仅是吃“饱”，更是吃“好”，营养意识有了很大的增强。但是面对诸多的各式的食物，如何挑选适合自身的食物来满足自己身体的真正需要，也成为了一个难题。目前，国内有许多有关饮食推荐的网站正在慢慢兴起，它们向用户展示了大量的饮食信息和营养健康方面的知识，为用户如何选择营养饮食提供了一定的帮助和建议，然而这些推荐和网站也存在一定的局限性，仅仅是笼统的、大众化的向用户推荐一些营养食物和饮食食谱，无法根据用户的体质做出有针对性的推荐。大多数人很难从中获取真正适合自身的有用的信息，比如某种食物是否适合自己的身体，应该增加或是减少某种食物的摄入量。不同年龄段、不同体重或者不同民族的用户对饮食的需求是不一样的。若其所建议的食谱很可能并不适合该用户，这样不仅会浪费用户的时间，甚至可能对用户的健康造成危害。机器学习是在近20多年逐渐兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习具有强大、高效的处理数据的能力，通过与大量数据的结合，可以彰显数据背后的真实含义，让人们从数据集中受到启发。深度学习是机器学习中基于对数据进行表征学习的方法，源于人工神经网络的研究。人脑具有一个深度的结构，而深度学习就是致力于研究和模拟人脑的分析学习的过程，并模仿人脑的机制来解释数据。机器学习和深度学习在人工智能的各个领域以及其他领域的数据处理和分析问题上，都得到了广泛的应用。随着机器学习和深度学习的快速发展和成熟，为本专利技术这一类的应用提供了合适的技术工具。
技术实现思路
基于以上所述的当前饮食推荐所存在的问题，本专利技术提出了基于个人特征的营养饮食推荐方法，充分考虑了每个人身体状况的不同，从而可以帮助用户进行健康饮食。本专利技术的一种基于个人特征的营养饮食推荐方案，该方法包括以下步骤：步骤1、获取数据，包括用户的个人特征的信息和最近一周的饮食记录数据；步骤2、根据步骤1中所获取的数据，检测用户的营养程度和健康状况；步骤3、构建用户的饮食模型；即将收集到的大量人员的个人特征信息和饮食记录的信息作为输入，将所对应的推荐的饮食摄入信息作为输出，定义好模型的激活函数和层数，经过不断地学习和训练，得到饮食模型的权重；输入数据的另外一部分作为测试集，用来验证饮食模型的准确度；之后，经过细节地调整和优化，从而训练出饮食推荐模型；将用户的个人特征信息和饮食记录信息输入饮食模型进行处理；步骤4、结合食物营养数据库，根据用户的饮食模型处理的结果向用户推荐营养饮食信息。与现有技术相比，本方法结合了用户的个人特征，基于数据的检测和智能分析，针对性的向用户推荐适合自身的饮食内容，为用户进行健康饮食提供帮助和指导；所推荐的饮食建议的搭配也具备科学合理的优势，可广泛应用于日常生活中；本专利技术充分考虑了每个人的身体状况不同对饮食的要求和需求也是不一样的，而这种不一样很大程度地体现在了个人体质、特征等方面，因此本方法可以针对性的向用户推荐适合自身体质的营养饮食信息，帮助用户改善身体状况。附图说明图1为本专利技术的一种基于个人特征的营养饮食推荐方案流程图。具体实施方式本专利技术中所采用的技术为机器学习和深度学习技术。具体实施方式描述如下：通过相关渠道，收集到大量的不同情况下人员的个人身体特征的信息和饮食信息，宜忌他们所对应的推荐的饮食摄入信息。将这些数据分为两部分，一部分作为训练集，将训练集中的个人身体特征的信息和饮食信息作为模型的输入，将所对应的推荐的饮食摄入信息作为输出，定义好模型的激活函数和层数后，经过不断地学习和训练，得到饮食模型的权重；数据的另外一部分作为测试集，用来验证饮食模型的准确度；之后，经过细节地调整和优化，从而建立我们所要求的饮食模型。现在，随着国家和社会在营养方面投入了越来越多的关注和精力，以及机器学习和深度学习的快速发展，为我们的研究提供了极大的便利和合适的方法；此外，我们建立了自己的食物营养数据库，包含6000多种食物的营养信息，这为我们的研究提供了数据基础；我们还与多家医院的营养科医生建立了合作和联系，从而提高我们研究的准确性和科学性。以上几点，都使得基于个人身体特征的营养饮食推荐方案成为可能。下面将结合附图对本专利技术的实施方式作进一步的详细描述。本专利技术的一种基于个人特征的营养饮食推荐方案，该方法具体包括以下步骤：步骤1、获取用户的个人特征的信息和饮食记录等数据，主要内容包括用户的性别、身高、体重、饮食偏好、民族、食物禁忌、体力活动强度和近一周的饮食信息；步骤2、计算用户的营养程度和健康状况，比如是否营养不良或是营养过剩，是否超重或是过瘦等；步骤3、根据步骤1和步骤2所获得的信息，基于机器学习和深度学习构建用户的饮食模型；即将收集到的大量人员的个人特征信息和饮食记录的信息作为输入，将他们所对应的推荐的饮食摄入信息作为输出，训练出饮食推荐模型；此后，将用户的个人特征信息和饮食记录信息输入饮食模型进行处理；步骤4、根据第3步所构建的饮食模型，结合我们自己建立的食物营养数据库，将不适合用户的饮食内容除去，添加用户所需要摄入的营养内容；步骤5、结合食物营养数据库，根据用户的饮食模型处理的结果向用户推荐营养饮食信息。营养饮食信息将以文字、图表和食谱的形式展现，在此统称为营养饮食信息。本专利技术并不局限于前述的流程，任何将本专利技术所披露的特征或新的步骤的组合进行扩展的，皆落入本专利技术的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于个人特征的营养饮食推荐方法，其特征在于，该方法包括以下步骤：步骤(1)、获取数据，包括用户的个人特征的信息和最近一周的饮食记录数据；步骤(2)、根据步骤(1)中所获取的数据，检测到用户的营养程度和健康状况；步骤(3)、构建用户的饮食模型；即将收集到的大量人员的个人特征信息和饮食记录的信息作为输入，将所对应的推荐的饮食摄入信息作为输出，定义好模型的激活函数和层数，经过不断地学习和训练，得到饮食模型的权重；输入数据的另外一部分作为测试集，用来验证饮食模型的准确度；之后，经过细节地调整和优化，从而训练出饮食推荐模型；将用户的个人特征信息和饮食记录信息输入饮食模型进行处理；步骤(4)、结合食物营养数据库，根据用户的饮食模型处理的结果向用户推荐营养饮食信息。

【技术特征摘要】
1.一种基于个人特征的营养饮食推荐方法，其特征在于，该方法包括以下步骤：步骤(1)、获取数据，包括用户的个人特征的信息和最近一周的饮食记录数据；步骤(2)、根据步骤(1)中所获取的数据，检测到用户的营养程度和健康状况；步骤(3)、构建用户的饮食模型；即将收集到的大量人员的个人特征信息和饮食记录的信息作为输入，将所对应的推荐的饮食摄入...

【专利技术属性】
技术研发人员：刘昱，李源，汪奇，范超，邸文华，
申请(专利权)人：昆明亿尚科技有限公司，
类型：发明
国别省市：云南,53