一种基于知识图谱的食品类产品创意概念生成验证方法技术

本申请提供一种基于知识图谱的食品类产品创意概念生成验证方法，包括：获取食品配方信息、包装设计信息和品牌营销信息，构造知识图谱；利用知识图谱和chatgpt构建食品产品创意生成模型；基于chatgpt语言模型技术生成食品产品创意；根据已有的食品类产品信息，采用知识图谱获取食品配方、包装设计和品牌营销等相关属性；根据食材的属性、功能和相互作用信息获取食品配方的数据，建立食材节点和配方节点，将食材和配方之间的关系建立为边，通过知识图谱进行推理验证；根据包装创意生成结果，对验证侵权结果的产品进行自动修正。对验证侵权结果的产品进行自动修正。对验证侵权结果的产品进行自动修正。

【技术实现步骤摘要】
一种基于知识图谱的食品类产品创意概念生成验证方法


[0001]本专利技术涉及信息
，尤其涉及一种基于知识图谱的食品类产品创意概念生成验证方法。

技术介绍

[0002]随着社会的发展和人们生活水平的提高，食品类产品的需求不断增加，食品行业也面临着越来越激烈的市场竞争。为了满足消费者不断变化的需求，设计师需要通过创新设计来提高产品的竞争力和吸引力。在食品产品设计领域，设计师需要面对各种挑战，包括如何创新产品、设计出具有吸引力的包装和建立品牌。同时，设计师还需要考虑食品的安全性和营养价值等方面。设计师在进行创意设计时，常常面临着缺乏足够的信息和知识，难以做出具有市场竞争力和原创性的设计作品。传统的设计方法可能难以满足这些要求，因此需要采用新的技术手段来辅助创意设计。因此，如何采用技术辅助创意设计，帮助设计师快速获取相关的信息和知识，提高设计效率和质量具有很重要的现实意义及理论研究价值。

技术实现思路

[0003]本专利技术提供了一种基于知识图谱的食品类产品创意概念生成验证方法，主要包括：
[0004]获取食品配方信息、包装设计信息和品牌营销信息，构造知识图谱；利用知识图谱和chatgpt构建食品产品创意生成模型，所述利用知识图谱和chatgpt构建食品产品创意生成模型，具体包括：将知识图谱转化为文本格式，使用chatgpt生成更多的语言数据来丰富知识图谱，将所获知识图谱输入chatgpt模型进行训练，融合知识图谱与生成模型；基于chatgpt语言模型技术生成食品产品创意；根据已有的食品类产品信息，采用知识图谱获取食品配方、包装设计和品牌营销等相关属性；根据食材的属性、功能和相互作用信息获取食品配方的数据，建立食材节点和配方节点，将食材和配方之间的关系建立为边，通过知识图谱进行推理验证；根据设计元素、材质和制作工艺信息获取食品包装材料的数据，建立材料节点和包装节点，将材料和包装之间的关系建立为边，采用知识图谱进行分析和推理验证；对生成的食品创意营销方案，与现有品牌营销进行比对分析，判断哪些产品的品牌形象、宣传内容与已有产品相似度高，确保不涉嫌虚假宣传或不正当竞争；根据包装创意生成结果，对验证侵权结果的产品进行自动修正；对生成的创意，抽取非侵权的内容，用于构建通用模型，进行复用与进一步二次创作，当侵权内容过多，不用于训练通用模型，当创造性高时则用于复用和二次创作。
[0005]进一步可选地，所述获取食品配方信息、包装设计信息和品牌营销信息，构造知识图谱包括：
[0006]使用python编程语言抓取食品配方信息、包装设计信息和品牌营销信息；所述食品配方信息包括食品名称、口味、食品工艺、食材名称及用量；所述包装设计信息包括食品的包装图片、包装形式、包装尺寸、包装材料；所述品牌营销信息包括品牌名称、品牌口号、
品牌故事、广告类型、销手渠道类型；将食品配方信息、包装设计信息和品牌营销信息分别作为三个实体，实体之间通过关系进行连接，以三元组的形式存储在知识图谱中。
[0007]进一步可选地，所述利用知识图谱和chatgpt构建食品产品创意生成模型包括：
[0008]将知识图谱中的食品配方信息、包装设计信息和品牌营销信息整理成文本描述，确保每个实体和实体之间的关系都有清晰的描述；使用chatgpt生成更多的语言数据来丰富知识图谱，通过提供初始的问题，让chatgpt生成与食品配方、包装设计和品牌营销相关的文本内容，将生成的文本与知识图谱数据合并，形成更大规模的知识图谱；将知识图谱转化为文本数据集，使用准备好的文本数据集对chatgpt进行训练，将知识图谱的文本描述作为输入，让chatgpt模型学习相关的语言模式和生成能力；对训练后的模型进行评估，检查生成的文本是否与知识图谱一致、合理和准确，根据评估结果对模型进行调优；包括：将知识图谱转化为文本格式，使用chatgpt生成更多的语言数据来丰富知识图谱；将所获知识图谱输入chatgpt模型进行训练，融合知识图谱与生成模型；
[0009]所述将知识图谱转化为文本格式，使用chatgpt生成更多的语言数据来丰富知识图谱，具体包括：
[0010]将每个实体与实体之间的关系转化为自然语言描述的结构化文本格式；设计不同的问题和任务并输入至chatgpt中，获取chatgpt生成的文本数据；对所述chatgpt生成的文本数据进行结构化处理，抽取信息并映射到知识图谱中的实体上；所述结构化处理包括解析文本数据、识别实体；所述解析文本数据包括分词处理与词性标注，所述识别实体通过命名实体识别技术从解析后的结果中提取文本中的实体，将抽取出来的实体与已有的实体进行关联，以实体为节点，实体之间的关系作为边来连接实体，构建更丰富的知识图谱。
[0011]所述将所获知识图谱输入chatgpt模型进行训练，融合知识图谱与生成模型，具体包括：
[0012]将知识图谱中的三元组转化为文本数据集，对准备好的文本数据集进行预处理，包括清洗文本、分词处理；将预处理后的数据集拆分为训练集、验证集和测试集；调用OPENAI的chatgpt接口，以chatgpt模型作为基础模型，使用训练集对模型进行训练，然后通过计算损失函数来更新模型的参数；在训练过程中，根据验证集的表现调整模型的超参数；进行多轮的迭代训练，以逐步提高模型的性能；使用测试集对训练好的模型进行评估，评估方式包括人工评估与自动评估；所述人工评估考虑句子的流畅性与上下文的相关性，所述自动评估衡量句子中词语的多样性。
[0013]进一步可选地，所述基于chatgpt语言模型技术生成食品产品创意包括：
[0014]采用深度学习算法中的Transformer模型进行训练和优化，处理自然语言生成任务；使用基于Transformer模型的生成算法生成食品创意，采用束搜索方法快速生成新的创意，并通过参数调整来控制生成创意的质量和数量；根据食品原材料和烹饪工艺、食材、菜系、口味，对生成的食品创意进行聚类，采用层次聚类或K均值算法将相似的创意进行分组，获得它们之间的层级关系，并为进一步的分析和使用提供数据支撑；继续更新和优化算法和模型，采集更多的数据进行训练，不断提高生成食品创意的质量和数量。
[0015]进一步可选地，所述根据已有的食品类产品信息，采用知识图谱获取食品配方、包装设计和品牌营销等相关属性包括：
[0016]根据食品类产品的相关信息，开始收集食品原材料、营养成分、配比，以建立知识
图谱；得到一个知识库，包含了食品原材料、营养成分、配比信息；采用语义网络对知识进行建模，通过语义化表示和存储食品类产品的相关信息，方便后续的查询和分析；得到一个语义网络，用于存储食品类产品相关信息的语义化表示；通过数据汇聚，将不同领域的知识进行汇聚，以形成全面且准确的知识库；得到一个全面且准确的知识库，包含了不同领域的知识；根据食品包装材料、设计风格、标识符号，收集食品包装相关信息，并通过语义网络的方式进行存储；得到一个存储食品包装相关信息的语义网络；通过自动推理的方式，发现食品配方、包装设计和品牌营本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于知识图谱的食品类产品创意概念生成验证方法，其特征在于，所述方法包括：获取食品配方信息、包装设计信息和品牌营销信息，构造知识图谱；利用知识图谱和chatgpt构建食品产品创意生成模型，所述利用知识图谱和chatgpt构建食品产品创意生成模型，具体包括：将知识图谱转化为文本格式，使用chatgpt生成更多的语言数据来丰富知识图谱，将所获知识图谱输入chatgpt模型进行训练，融合知识图谱与生成模型；基于chatgpt语言模型技术生成食品产品创意；根据已有的食品类产品信息，采用知识图谱获取食品配方、包装设计和品牌营销等相关属性；根据食材的属性、功能和相互作用信息获取食品配方的数据，建立食材节点和配方节点，将食材和配方之间的关系建立为边，通过知识图谱进行推理验证；根据设计元素、材质和制作工艺信息获取食品包装材料的数据，建立材料节点和包装节点，将材料和包装之间的关系建立为边，采用知识图谱进行分析和推理验证；对生成的食品创意营销方案，与现有品牌营销进行比对分析，判断哪些产品的品牌形象、宣传内容与已有产品相似度高，确保不涉嫌虚假宣传或不正当竞争；根据包装创意生成结果，对验证侵权结果的产品进行自动修正；对生成的创意，抽取非侵权的内容，用于构建通用模型，进行复用与进一步二次创作，当侵权内容过多，不用于训练通用模型，当创造性高时则用于复用和二次创作。2.根据权利要求1所述的方法，其中，所述获取食品配方信息、包装设计信息和品牌营销信息，构造知识图谱，包括:使用python编程语言抓取食品配方信息、包装设计信息和品牌营销信息；所述食品配方信息包括食品名称、口味、食品工艺、食材名称及用量；所述包装设计信息包括食品的包装图片、包装形式、包装尺寸、包装材料；所述品牌营销信息包括品牌名称、品牌口号、品牌故事、广告类型、销手渠道类型；将食品配方信息、包装设计信息和品牌营销信息分别作为三个实体，实体之间通过关系进行连接，以三元组的形式存储在知识图谱中。3.根据权利要求1所述的方法，其中，所述利用知识图谱和chatgpt构建食品产品创意生成模型，包括:将知识图谱中的食品配方信息、包装设计信息和品牌营销信息整理成文本描述，确保每个实体和实体之间的关系都有清晰的描述；使用chatgpt生成更多的语言数据来丰富知识图谱，通过提供初始的问题，让chatgpt生成与食品配方、包装设计和品牌营销相关的文本内容，将生成的文本与知识图谱数据合并，形成更大规模的知识图谱；将知识图谱转化为文本数据集，使用准备好的文本数据集对chatgpt进行训练，将知识图谱的文本描述作为输入，让chatgpt模型学习相关的语言模式和生成能力；对训练后的模型进行评估，检查生成的文本是否与知识图谱一致、合理和准确，根据评估结果对模型进行调优；包括：将知识图谱转化为文本格式，使用chatgpt生成更多的语言数据来丰富知识图谱；将所获知识图谱输入chatgpt模型进行训练，融合知识图谱与生成模型；所述将知识图谱转化为文本格式，使用chatgpt生成更多的语言数据来丰富知识图谱，具体包括:将每个实体与实体之间的关系转化为自然语言描述的结构化文本格式；设计不同的问题和任务并输入至chatgpt中，获取chatgpt生成的文本数据；对所述chatgpt生成的文本数据进行结构化处理，抽取信息并映射到知识图谱中的实体上；所述结构化处理包括解析文
本数据、识别实体；所述解析文本数据包括分词处理与词性标注，所述识别实体通过命名实体识别技术从解析后的结果中提取文本中的实体，将抽取出来的实体与已有的实体进行关联，以实体为节点，实体之间的关系作为边来连接实体，构建更丰富的知识图谱；所述将所获知识图谱输入chatgpt模型进行训练，融合知识图谱与生成模型，具体包括:将知识图谱中的三元组转化为文本数据集，对准备好的文本数据集进行预处理，包括清洗文本、分词处理；将预处理后的数据集拆分为训练集、验证集和测试集；调用OPENAI的chatgpt接口，以chatgpt模型作为基础模型，使用训练集对模型进行训练，然后通过计算损失函数来更新模型的参数；在训练过程中，根据验证集的表现调整模型的超参数；进行多轮的迭代训练，以逐步提高模型的性能；使用测试集对训练好的模型进行评估，评估方式包括人工评估与自动评估；所述人工评估考虑句子的流畅性与上下文的相关性，所述自动评估衡量句子中词语的多样性。4.根据权利要求1所述的方法，其中，所述基于chatgpt语言模型技术生成食品产品创意，包括:采用深度学习算法中的Transformer模型进行训练和优化，处理自然语言生成任务；使用基于Transformer模型的生成算法生成食品创意，采用束搜索方法快速生成新的创意，并通过参数调整来控制生成创意的质量和数量；根据食品原材料和烹饪工艺、食材、菜系、口味，对生成的食品创意进行聚类，采用层次聚类或K均值算法将相似的创意进行分组，获得它们之间的层级关系，并为进一步的分析和使用提供数据支撑；继续更新和优化算法和模型，采集更多的数据进行训练，不断提高生成食品创意的质量和数量。5.根据权利要求1所述的方法，其中，所述根据已有的食品类产品信息，采用知识图谱获取食品配方、包装设计和品牌营销等相关属性，包括:根据食品类产品的相关信息，开始收集食品原材料、营养成分、配比，以建立知识图谱；得到一个知识库，包含了食品原材料、营养成分、配比信息；采用语义网络对知识进行建模，通过语义化表示和存储食品类产品的相关信息，方便后续的查询和分析；得到一个语义网络，用于存储食品类产品相关信息的语义化表示；通过数据汇聚，将不同领域的知识进行汇聚，以形成全面且准确的知识库；得到一个全面且准确的知识库，包含了不同领域的知识；根据食品包装材料、设计风格、标识符号，收集食品包装相关信息，并通过语义网络的方式进行存储；得到一个存储食品包装相关信息的语义网络；通过自动推理的方式，发现食品配方、包装设计和品牌营销方面的关联性，以提升数据的应用性；得到食品配方、包装设计和品牌营销方面的关联性；通过实时更新和同步，随时反映数据的最新变化，以确保知识库的准确性和实时性；得到实时更新的知识库；通过自动...

【专利技术属性】
技术研发人员：方正，朱红波，牟昊，徐亚波，李旭日，
申请(专利权)人：广州数说故事信息科技有限公司，
类型：发明
国别省市：