一种基于多源异构数据融合的智能化营养膳食推荐方法技术

本发明专利技术涉及一种基于多源异构数据融合的智能化营养膳食推荐方法，包括：获取各个食物的属性信息，构建膳食食谱集合数据库；基于深度神经注意力网络学习用户对各个饮食偏好特征的权重，确定用户的饮食偏好；根据用户的身体状况确定用户的个性化饮食约束；基于用户的饮食偏好及个性化饮食约束从膳食食谱集合数据库中选择膳食进行推荐；实现了基于多源异构数据融合、关联分析、深度表征学习的营养膳食推荐，一方面考虑了不同食物间的时令地域和营养搭配，另一方面也考虑了用户兴趣和用户个性化饮食约束，从而更好地实现用户兴趣和营养搭配的平衡，有效缓解当前膳食推荐方法中食物关联性不强、可扩展性较差、推荐性能不理想等问题。

【技术实现步骤摘要】
一种基于多源异构数据融合的智能化营养膳食推荐方法
本专利技术涉及高精度地图领域，尤其涉及一种基于多源异构数据融合的智能化营养膳食推荐方法。
技术介绍
随着互联网和移动技术的快速发展，人们可以随时随地获取各式各样的信息。在社交媒体、电子商务以及各类生活服务类APP的普及下，人们的生活方式也随之变化。物质生活水平的不断提升使得各式各样的食物开始不断出现在大众的视野中，越来越多的人喜欢通过互联网的方式寻求契合自身兴趣的膳食推荐。一个准确有效的智能膳食推荐方法可以协助用户进行膳食决策，有助于推动用户饮食质量的提升。在膳食推荐过程中，不仅需要考虑用户自身的兴趣，也要结合不同用户的身体状况以科学营养膳食为目标，因此，基于用户兴趣和营养信息的膳食推荐问题一直是个性化饮食推荐的重点问题。膳食食谱的制定需要充分利用现有的多源异构数据信息，尽可能的满足食材的多样性、热量配比合理性、营养元素的均衡性及忌口食材的可控性。然而，传统的营养膳食推荐方法考虑的数据类型单一且候选食谱集合静态且固定，这就导致了无法根据不同用户实现个性化的候选食谱筛选，可扩展性较差；同时本文档来自技高网...

【技术保护点】
1.一种基于多源异构数据融合的智能化营养膳食推荐方法，其特征在于，所述方法包括：/n步骤1，获取各个食物的属性信息，构建膳食食谱集合数据库；/n步骤2，基于深度神经注意力网络学习用户对各个饮食偏好特征的权重，确定用户的饮食偏好；根据用户的身体状况确定用户的个性化饮食约束；/n步骤3，基于用户的饮食偏好及个性化饮食约束从所述数据库中选择膳食进行推荐。/n

【技术特征摘要】
1.一种基于多源异构数据融合的智能化营养膳食推荐方法，其特征在于，所述方法包括：
步骤1，获取各个食物的属性信息，构建膳食食谱集合数据库；
步骤2，基于深度神经注意力网络学习用户对各个饮食偏好特征的权重，确定用户的饮食偏好；根据用户的身体状况确定用户的个性化饮食约束；
步骤3，基于用户的饮食偏好及个性化饮食约束从所述数据库中选择膳食进行推荐。


2.根据权利要求1所述的方法，其特征在于，所述步骤1中构建所述膳食食谱集合数据库的过程包括：
步骤101，根据时令地域和营养搭配对食物进行组合构建各个膳食食谱；
步骤102，将获取的包含时令地域和营养搭配信息的各个膳食食谱采用表示学习和深度学习的技术进行特征提取和融合，得到各个所述膳食食谱的深度表征；
步骤103，通过深度神经网络对所述膳食食谱的深度表征进行分类得到膳食食谱类别，通过所述膳食食谱类别构建所述膳食食谱集合数据库。


3.根据权利要求2所述的方法，其特征在于，所述步骤101中的所述时令地域表示根据季节和地域确定可选择的食物；所述营养搭配表示根据食物的营养成分和热量确定热量配比恰当、早中晚热量分配合理以及营养元素摄入均衡的膳食食谱。


4.根据权利要求1所述的方法，其特征在于，所述步骤2中基于深度神经注意力网络学习用户对各个饮食偏好特征的权重的公式为：



其中，Pu表示用户u的偏好；f为激活函数；w是由神经注意力网络学习到的权重；p为偏好特征；b则是偏置向量。


5.根据权利要求1所述的方法，...

【专利技术属性】
技术研发人员：李琳，王培培，袁景凌，解庆，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42