一种基于大数据的饮食信息推送方法、系统及云平台技术方案

本发明专利技术提供一种基于大数据的饮食信息推送方法、系统及云平台，通过饮食行为特征学习模型获取预设时间段的饮食行为大数据中的第一关键饮食倾向属性序列，由此获取预设时间段的饮食行为大数据中的第一饮食偏好对象数据和第一饮食偏好特征分布，将第一饮食偏好对象数据分簇为多个饮食偏好对象团，基于第一饮食偏好特征分布识别第一饮食偏好对象数据中每个饮食偏好对象团对应的饮食偏好指数，获取第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，进而获取饮食行为画像结果，并基于饮食行为画像结果对饮食信息业务终端进行热门饮食信息推送，提高了热门饮食信息推送的准确性。

【技术实现步骤摘要】
一种基于大数据的饮食信息推送方法、系统及云平台
本公开涉及大数据
，示例性地，涉及一种基于大数据的饮食信息推送方法、系统及云平台。
技术介绍
随着生活水平的提高，个性化的饮食越来越受到消费者的关注，用户通常会对日常饮食存在困惑：每天该吃什么、该吃多少，才能满足自身营养需求，又不因摄取过多导致肥胖。目前所有的书籍类饮食建议都是基于普通大众的平均值，但每个个体在生活习惯、饮食爱好都不同，因而差异很大。特别是对于孕妇、乳母、慢性病等特殊人群的膳食关注尤为青睐，可以根据用户的身体状况、平时的饮食喜好，推荐适合用户的健康饮食菜单。当前，手机应用市场上已出现多种多样的营养应用程序APP，为用户提供了方便的营养学习软件。然而目前市场上可见的推荐系统多为固定模板，但这些系统只会生硬的将用户分为某一个类别，进而向用户推荐某一类的建议。并未考虑相关用户的个性化的饮食偏好和饮食倾向，由此造成推荐的信息并不是真的适合于该用户。
技术实现思路
为了至少克服现有技术中的上述不足，本公开的目的在于提供一种基于大数据的饮食信息推送方法、系统及云平台。第一方面，本公开提供一种基于大数据的饮食信息推送方法，应用于饮食推送云平台，所述饮食推送云平台与多个饮食信息业务终端通信连接，所述方法包括：将预设时间段的饮食行为大数据输入饮食行为特征学习模型；通过所述饮食行为特征学习模型获取所述预设时间段的饮食行为大数据中的第一关键饮食倾向属性序列；通过所述饮食行为特征学习模型基于所述第一关键饮食倾向属性序列获取所述预设时间段的饮食行为大数据中的第一饮食偏好对象数据和第一饮食偏好特征分布，其中，所述第一饮食偏好对象数据为所述第一关键饮食倾向属性序列在所述预设时间段的饮食行为大数据中对应的饮食偏好对象数据；通过所述饮食行为特征学习模型将所述第一饮食偏好对象数据分簇为多个饮食偏好对象团，通过所述饮食行为特征学习模型基于所述第一饮食偏好特征分布识别所述第一饮食偏好对象数据中每个所述饮食偏好对象团对应的饮食偏好指数，通过所述饮食行为特征学习模型获取所述第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，其中，所述饮食偏好对象团对应的饮食偏好指数为所述饮食偏好对象团中存在关键饮食倾向属性的置信度；基于所述第一饮食偏好对象数据中每个所述饮食偏好对象团的饮食偏好指数、所述第一关键饮食倾向属性序列的信息和所述第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，获取饮食行为画像结果，并基于所述饮食行为画像结果对所述饮食信息业务终端进行热门饮食信息推送。第二方面，本公开实施例还提供一种基于大数据的饮食信息推送系统，所述基于大数据的饮食信息推送系统包括饮食推送云平台以及与所述饮食推送云平台通信连接的多个饮食信息业务终端；所述饮食推送云平台，用于：将预设时间段的饮食行为大数据输入饮食行为特征学习模型；通过所述饮食行为特征学习模型获取所述预设时间段的饮食行为大数据中的第一关键饮食倾向属性序列；通过所述饮食行为特征学习模型基于所述第一关键饮食倾向属性序列获取所述预设时间段的饮食行为大数据中的第一饮食偏好对象数据和第一饮食偏好特征分布，其中，所述第一饮食偏好对象数据为所述第一关键饮食倾向属性序列在所述预设时间段的饮食行为大数据中对应的饮食偏好对象数据；通过所述饮食行为特征学习模型将所述第一饮食偏好对象数据分簇为多个饮食偏好对象团，通过所述饮食行为特征学习模型基于所述第一饮食偏好特征分布识别所述第一饮食偏好对象数据中每个所述饮食偏好对象团对应的饮食偏好指数，通过所述饮食行为特征学习模型获取所述第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，其中，所述饮食偏好对象团对应的饮食偏好指数为所述饮食偏好对象团中存在关键饮食倾向属性的置信度；基于所述第一饮食偏好对象数据中每个所述饮食偏好对象团的饮食偏好指数、所述第一关键饮食倾向属性序列的信息和所述第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，获取饮食行为画像结果，并基于所述饮食行为画像结果对所述饮食信息业务终端进行热门饮食信息推送。根据上述任意一个方面，本公开提供的实施方式中，通过饮食行为特征学习模型获取预设时间段的饮食行为大数据中的第一关键饮食倾向属性序列，基于第一关键饮食倾向属性序列获取预设时间段的饮食行为大数据中的第一饮食偏好对象数据和第一饮食偏好特征分布，将第一饮食偏好对象数据分簇为多个饮食偏好对象团，基于第一饮食偏好特征分布识别第一饮食偏好对象数据中每个饮食偏好对象团对应的饮食偏好指数，获取第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，基于第一饮食偏好对象数据中每个饮食偏好对象团的饮食偏好指数、第一关键饮食倾向属性序列的信息和第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，获取饮食行为画像结果，并基于饮食行为画像结果对饮食信息业务终端进行热门饮食信息推送，从而考虑到了相关用户的个性化的饮食偏好和饮食倾向，提高了热门饮食信息推送的准确性。附图说明为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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它相关的附图。图1为本公开实施例提供的基于大数据的饮食信息推送系统的应用场景示意图；图2为本公开实施例提供的基于大数据的饮食信息推送方法的流程示意图；图3为本公开实施例提供的用于实现上述的基于大数据的饮食信息推送方法的饮食推送云平台的结构示意框图。具体实施方式下面结合说明书附图对本公开进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。图1是本公开一种实施例提供的基于大数据的饮食信息推送系统10的应用场景示意图。基于大数据的饮食信息推送系统10可以包括饮食推送云平台100以及与饮食推送云平台100通信连接的饮食信息业务终端200。图1所示的基于大数据的饮食信息推送系统10仅为一种可行的示例，在其它可行的实施例中，该基于大数据的饮食信息推送系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。一种可能的设计思路中，基于大数据的饮食信息推送系统10中的饮食推送云平台100和饮食信息业务终端200可以通过配合执行以下方法实施例所描述的基于大数据的饮食信息推送方法，具体饮食推送云平台100和饮食信息业务终端200的执行步骤部分可以参照以下方法实施例的详细描述。为了解决前述
技术介绍
中的技术问题，本实施例提供的基于大数据的饮食信息推送方法可以由图1中所示的饮食推送云平台100执行，下面对该基于大数据的饮食信息推送方法进行详细介绍。步骤S110：将预设时间段的饮食行为大数据输入饮食行为特征学习模型。例如，预设时间段的饮食行为大数据可以是饮食本文档来自技高网...

【技术保护点】
1.一种基于大数据的饮食信息推送方法，其特征在于，应用于饮食推送云平台，所述饮食推送云平台与多个饮食信息业务终端通信连接，所述方法包括：/n将所述饮食信息业务终端在预设时间段的饮食行为大数据输入饮食行为特征学习模型；/n通过所述饮食行为特征学习模型获取所述预设时间段的饮食行为大数据中的第一关键饮食倾向属性序列；/n通过所述饮食行为特征学习模型基于所述第一关键饮食倾向属性序列获取所述预设时间段的饮食行为大数据中的第一饮食偏好对象数据和第一饮食偏好特征分布，其中，所述第一饮食偏好对象数据为所述第一关键饮食倾向属性序列在所述预设时间段的饮食行为大数据中对应的饮食偏好对象数据；/n通过所述饮食行为特征学习模型将所述第一饮食偏好对象数据分簇为多个饮食偏好对象团，通过所述饮食行为特征学习模型基于所述第一饮食偏好特征分布识别所述第一饮食偏好对象数据中每个所述饮食偏好对象团对应的饮食偏好指数，通过所述饮食行为特征学习模型获取所述第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，其中，所述饮食偏好对象团对应的饮食偏好指数为所述饮食偏好对象团中存在关键饮食倾向属性的置信度；/n基于所述第一饮食偏好对象数据中每个所述饮食偏好对象团的饮食偏好指数、所述第一关键饮食倾向属性序列的信息和所述第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，获取饮食行为画像结果，并基于所述饮食行为画像结果对所述饮食信息业务终端进行热门饮食信息推送。/n...

【技术特征摘要】
1.一种基于大数据的饮食信息推送方法，其特征在于，应用于饮食推送云平台，所述饮食推送云平台与多个饮食信息业务终端通信连接，所述方法包括：
将所述饮食信息业务终端在预设时间段的饮食行为大数据输入饮食行为特征学习模型；
通过所述饮食行为特征学习模型获取所述预设时间段的饮食行为大数据中的第一关键饮食倾向属性序列；
通过所述饮食行为特征学习模型基于所述第一关键饮食倾向属性序列获取所述预设时间段的饮食行为大数据中的第一饮食偏好对象数据和第一饮食偏好特征分布，其中，所述第一饮食偏好对象数据为所述第一关键饮食倾向属性序列在所述预设时间段的饮食行为大数据中对应的饮食偏好对象数据；
通过所述饮食行为特征学习模型将所述第一饮食偏好对象数据分簇为多个饮食偏好对象团，通过所述饮食行为特征学习模型基于所述第一饮食偏好特征分布识别所述第一饮食偏好对象数据中每个所述饮食偏好对象团对应的饮食偏好指数，通过所述饮食行为特征学习模型获取所述第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，其中，所述饮食偏好对象团对应的饮食偏好指数为所述饮食偏好对象团中存在关键饮食倾向属性的置信度；
基于所述第一饮食偏好对象数据中每个所述饮食偏好对象团的饮食偏好指数、所述第一关键饮食倾向属性序列的信息和所述第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，获取饮食行为画像结果，并基于所述饮食行为画像结果对所述饮食信息业务终端进行热门饮食信息推送。


2.根据权利要求1所述的基于大数据的饮食信息推送方法，其特征在于，所述第一关键饮食倾向属性序列的信息包括第一关键饮食倾向属性序列的分布标签，所述基于所述第一饮食偏好对象数据中每个所述饮食偏好对象团的饮食偏好指数、所述第一关键饮食倾向属性序列的信息和所述第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，获取饮食行为画像结果，包括：
基于所述第一饮食偏好对象数据中每个所述饮食偏好对象团对应的饮食偏好指数确定所述第一饮食偏好对象数据中存在所述关键饮食倾向属性的饮食偏好对象数据，基于所述第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，确定所述第一饮食偏好对象数据中对应所述饮食偏好对象单元的分布标签，其中，所述存在关键饮食倾向属性的饮食偏好对象数据对应的所述饮食偏好对象团对应的饮食偏好指数大于目标指数；
基于所述第一饮食偏好对象数据中每个所述饮食偏好对象单元的分布标签，确定所述存在关键饮食倾向属性的饮食偏好对象数据中属于所述第一关键饮食倾向属性序列的分布标签的饮食偏好对象单元，作为所述饮食行为画像结果。


3.根据权利要求1所述的基于大数据的饮食信息推送方法，其特征在于，所述通过所述饮食行为特征学习模型获取所述预设时间段的饮食行为大数据中的第一关键饮食倾向属性序列，包括：
通过所述饮食行为特征学习模型获取所述预设时间段的饮食行为大数据中的第一频繁饮食行为标签特征分布；
通过所述饮食行为特征学习模型基于所述第一频繁饮食行为标签特征分布获取所述预设时间段的饮食行为大数据中的第一关键饮食倾向属性序列。


4.根据权利要求3所述的基于大数据的饮食信息推送方法，其特征在于，所述第一关键饮食倾向属性序列的信息包括所述第一关键饮食倾向属性序列的倾向构成要素，所述通过所述饮食行为特征学习模型获取所述第一饮食偏好对象数据中每个饮食偏好对象单元的健康饮食偏好指数，包括：
通过所述饮食行为特征学习模型对所述第一频繁饮食行为标签特征分布进行健康关注特征提取，得到所述预设时间段的饮食行为大数据中所述各饮食偏好对象单元对应的第一健康关注特征分布；
基于所述第一关键饮食倾向属性序列的倾向构成要素确定所述第一饮食偏好对象数据中每个饮食偏好对象单元在所述第一健康关注特征分布中对应的饮食偏好指数，作为对应所述第一饮食偏好对象数据中所述饮食偏好对象单元的健康饮食偏好指数。


5.根据权利要求3所述的基于大数据的饮食信息推送方法，其特征在于，所述通过所述饮食行为特征学习模型基于所述第一频繁饮食行为标签特征分布获取所述预设时间段的饮食行为大数据中的第一关键饮食倾向属性序列，包括：
通过所述饮食行为特征学习模型基于所述第一频繁饮食行为标签特征分布，获取所述预设时间段的饮食行为大数据中的第一候选饮食倾向属性系列；
通过所述饮食行为特征学习模型基于所述第一候选饮食倾向属性系列和所述第一频繁饮食行为标签特征分布，获取所述预设时间段的饮食行为大数据中的第二饮食偏好特征分布；
通过所述饮食行为特征学习模型基于所述第二饮食偏好特征分布，获取所述第一关键饮食倾向属性序列。


6.根据权利要求5所述的基于大数据的饮食信息推送方法，其特征在于，所述通过所述饮食行为特征学习模型基于所述第二饮食偏好特征分布，获取所述第一关键饮食倾向属性序列，包括：
通过所述饮食行为特征学习模型获取所述第二饮食偏好特征分布对应的偏好热度特征分布和偏好分享特征分布，其中，所述偏好热度特征分布用于表示所述第一候选饮食倾向属性系列属于各热门偏好对象的置信度，所述偏好分享特征分布用于表示所述第一关键饮食倾向属性序列相对于所述第一候选饮食倾向属性系列的外部分享特征；
基于所述第二饮食偏好特征分布对应的偏好热度特征分布和所述第二饮食偏好特征分布对应的偏好分享特征分布获取所述第一关键饮食倾向属性序列的信息；
相应的，所述第一关键饮食倾向属性序列的信息还包括所述第一关键饮食倾向属性序列的倾向构成要素和所述第一关键饮食倾向属性序列的分布标签，所述基于所述第二饮食偏好特征分布对...

【专利技术属性】
技术研发人员：刘耀武，谢珍，乔治，胡蓉，雷翯，
申请(专利权)人：湖南轻悦健康管理有限公司，
类型：发明
国别省市：湖南;43