信息处理方法以及信息处理系统技术方案

提供能够高效率地进行利用饮食品数据的机器学习模型的训练的信息处理方法以及信息处理系统。信息处理方法，包括以下处理，即，获得饮食品数据(S11)，经由提示装置进行提示(S14)，生成针对饮食品数据的选项(S12)，经由提示装置进行提示(S14)，按照选择出的选项生成选择理由(S13)，经由提示装置进行提示(S14)，按照选择理由的输入结果，对利用饮食品数据的机器学习模型的训练进行控制(S42)。数据的机器学习模型的训练进行控制(S42)。数据的机器学习模型的训练进行控制(S42)。

【技术实现步骤摘要】
信息处理方法以及信息处理系统


[0001]本公开涉及，对利用饮食品数据的机器学习模型的训练进行控制的信息处理方法以及信息处理系统。

技术介绍

[0002]公开如下食谱提供系统，即，判断用于确定用户的烹饪的嗜好的属性，收集由该属性确定的用户的烹饪的嗜好的信息，根据判断的用户的属性以及收集的用户的料理的嗜好的信息，提供符合用户的嗜好的食谱(例如，专利文献1)。
[0003](现有技术文献)
[0004](专利文献)
[0005]专利文献1；日本特开2017-215687号公报
[0006]在专利文献1中，公开根据针对建议的食谱的用户的感想学习嗜好，但是，会有用户的感想由于此时的气候、身体状态、心情以及预定等而变化，成为暧昧的情况。因此，会有导致不应该学习的数据也用于机器学习，成为低效率的学习的的情况。

技术实现思路

[0007]于是，本公开提供，能够高效率地进行利用饮食品数据的机器学习模型的训练的信息处理方法等。
[0008]本公开涉及的信息处理方法，包括以下的处理，获得饮食品数据，经由提示装置进行提示，生成针对所述饮食品数据的选项，经由提示装置进行提示，按照选择出的所述选项来生成选择理由，经由所述提示装置进行提示，按照所述选择理由的输入结果，对利用所述饮食品数据的机器学习模型的训练进行控制。
[0009]而且，它们的总括或具体形态，也可以由系统、方法、集成电路、计算机程序或计算机可读取的CD-ROM等的记录介质实现，也可以由系统、方法、集成电路、计算机程序以及记录介质的任意组合实现。
[0010]根据本公开的一个形态涉及的信息处理方法等，能够高效率地进行利用饮食品数据的机器学习模型的训练。
附图说明
[0011]图1是示出实施方式涉及的服务器以及提示装置的一个例子的框图。
[0012]图2A是示出实施方式涉及的服务器的饮食品数据等的发送时的工作的一个例子的流程图。
[0013]图2B是示出实施方式涉及的服务器的饮食品数据等的发送时的工作的另一个例子的流程图。
[0014]图3是示出实施方式涉及的提示装置的工作的一个例子的流程图。
[0015]图4是示出实施方式涉及的提示装置提示的图像的一个例子的图。
[0016]图5是示出实施方式涉及的服务器的输入结果的接收时的工作的一个例子的流程图。
[0017]图6A是示出实施方式的变形例涉及的服务器的饮食品数据等的发送时的工作的一个例子的流程图。
[0018]图6B是示出实施方式的变形例涉及的服务器的饮食品数据等的发送时的工作的另一个例子的流程图。
[0019]图7是示出实施方式的变形例涉及的提示装置的工作的一个例子的流程图。
[0020]图8是示出实施方式的变形例涉及的提示装置提示的图像的一个例子的图。
[0021]图9是示出实施方式的变形例涉及的提示装置提示的图像的另一个例子的图。
[0022]图10是示出实施方式的变形例涉及的服务器的输入结果的接收时的工作的一个例子的流程图。
[0023]符号说明
[0024]100 服务器
[0025]110 内容建议部
[0026]120 训练部
[0027]130 存储部
[0028]140 通信部
[0029]200 提示装置
[0030]210 提示控制部
[0031]220 提示部
[0032]230 输入部
[0033]240 通信部
具体实施方式
[0034]本公开的一个形态涉及的信息处理方法，包括以下的处理，获得饮食品数据，经由提示装置进行提示，生成针对所述饮食品数据的选项，经由提示装置进行提示，按照选择出的所述选项来生成选择理由，经由所述提示装置进行提示，按照所述选择理由的输入结果，对利用所述饮食品数据的机器学习模型的训练进行控制。
[0035]例如，会有用户的对饮食品数据的感想由于此时的气候、身体状态、心情以及预定等而变化，成为暧昧的情况，因此，会有这样的暧昧的感想，对利用饮食品数据的机器学习模型成为学习效率低的数据的情况。于是，按照针对饮食品数据的选项生成选择理由(具体而言，多个选择理由的候选)，将生成的选择理由提示在提示装置，使用户从提示的选择理由中输入选择理由。选择理由的输入结果，不是用户每次想起的感想，具体而言是根据生成并提示的选择理由用户采用的数据，因此，按照这样的具体的选择理由的输入结果对机器学习模型的训练进行控制，从而能够高效率地进行利用饮食品数据的机器学习模型的训练。
[0036]并且，也可以是，在所述训练的控制中，按照所述选择理由的输入结果来决定所述训练的参数，利用所述参数对所述训练进行控制。
[0037]据此，按照选择理由的输入结果决定机器学习模型的训练的最佳参数，从而能够
利用该参数高效率地进行机器学习模型的训练。
[0038]并且，也可以是，所述参数是，所述饮食品数据的加权参数。
[0039]据此，按照选择理由的输入结果决定饮食品数据的加权参数，从而能够利用加权参数高效率地进行机器学习模型的训练。
[0040]并且，也可以是，所述参数是，强化学习的报酬。
[0041]据此，按照选择理由的输入结果决定强化学习的报酬，从而能够利用强化学习的报酬高效率地进行机器学习模型的训练。
[0042]并且，也可以是，在所述参数的决定中，还根据所述选项的输入结果来决定所述训练的参数。
[0043]据此，还利用与选择理由的输入有关的选项的输入对训练进行控制，从而能够提高训练的效果。
[0044]并且，也可以是，所述选择理由的输入结果或所述选项的输入结果包括，针对所述选择理由或所述选项的输入的方向、强度或速度。
[0045]如此，按照针对选择理由或选项的输入的方向、强度或速度，能够高效率地进行机器学习模型的训练。
[0046]并且，也可以是，在所述参数的决定中，在所述选择理由的输入慢的情况下，决定所述训练的效果降低的所述参数。
[0047]在选择理由的输入慢的情况下，可以认为用户犹豫后输入了选择理由，因此，此时输入的选择理由成为，对用户不适合的选择理由的可能性。因此，在选择理由的输入慢的情况下，决定训练的效果降低的训练的参数，从而能够高效率地进行机器学习模型的训练。
[0048]并且，也可以是，在所述参数的决定中，在所述选择理由的输入快的情况下，决定所述训练的效果提高的所述参数。
[0049]在选择理由的输入快的情况下，可以认为用户毫不犹豫地输入了选择理由，因此，此时输入的选择理由成为对用户适合的选择理由的可能性。因此，在选择理由的输入快的情况下，决定训练的效果降提高的训练的参数，从而能够高效率地进行机器学习模型的训练。
[0050]并且，也可以是，按照所述选项的输入的速度或强度，对所述选择理由的提示进行控制。
[0051]据此，例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理方法，获得饮食品数据，经由提示装置进行提示，生成针对所述饮食品数据的选项，经由所述提示装置进行提示，按照选择出的所述选项来生成选择理由，经由所述提示装置进行提示，按照所述选择理由的输入结果，对利用所述饮食品数据的机器学习模型的训练进行控制。2.如权利要求1所述的信息处理方法，在所述训练的控制中，按照所述选择理由的输入结果来决定所述训练的参数，利用所述参数对所述训练进行控制。3.如权利要求2所述的信息处理方法，所述参数是，所述饮食品数据的加权参数。4.如权利要求2所述的信息处理方法，所述参数是，强化学习的报酬。5.如权利要求2所述的信息处理方法，在所述参数的决定中，还根据所述选项的输入结果来决定所述训练的参数。6.如权利要求2所述的信息处理方法，所述选择理由的输入结果或所述选项的输入结果包括，针对所述选择理由或所述选项的输入的方向、强度或速度。7.如权利要求6所述的信息处理方法，在所述参数的决定中，在所述选择理由的输入慢的情况下，决定所述训练的效果降低的所述参数。8.如权利要求6所述的信息处理方法，在所述参数的决定中，在所述选择理由的输入快的情况下，决定所述训练的效果提高的所述参数。9.如权利要求6所述的信息处理方法，按照所述选项的输入的速度或强度，对所述选择理由的提示进行控制。10.如权利要求1所述的信息处理方法，在所述训练的控制中，按照所述选择理由的输入结果来决定所述训练的有无。11.如权利要求1所述的信息处理方法，所述机器学习模型，输出针对所述饮食品数据的选项的选择的预测值，所述预测值是将所述饮食品数据输入到所述机器学习模型而得到的，从所述机器学习模型获得所述预测值，不提示针对所述预测值为阈值以上的所述饮食品数据的所述选择理由。12.如权利要...

【专利技术属性】
技术研发人员：阿曾光洋，
申请(专利权)人：松下电器美国知识产权公司，
类型：发明
国别省市：