System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人工智能领域,具体涉及一种菜谱标签生成方法、装置、终端及介质。
技术介绍
1、随着社会经济的发展、生活水平的提高,人们对于饮食的不仅仅是单一的美味追求,还有对烹饪过程及食材进行营养搭配的要求,此时,标签的设置可以帮助用户依据自己的要求快速筛选菜谱。
2、目前,各类菜谱的标签多依赖人工对菜谱进行分析以标注相应的标签,也即依据工人的经验和对菜谱的认知进行分析以进行标签的标注,但是人工标注的方式效率较低。
技术实现思路
1、为了提高菜谱标签标注的效率,本申请实施例提供了一种菜谱标签生成方法、装置、终端及介质。
2、为达到上述目的,本申请采用如下技术方案:
3、第一方面,本申请实施例提供了一种菜谱标签生成方法,包括:
4、获取菜谱中的文本信息;
5、基于所述文本信息,确定所述菜谱的食材以及每种食材对应的质量;
6、基于所述菜谱的食材以及每种食材对应的质量,确定每种食材对应的营养成分信息;
7、根据所述文本信息、所述食材及所述每种食材对应的营养成分信息,确定所述菜谱的标签。
8、通过获取菜谱中的文本信息,确定菜谱的食材及每种食材对应的质量,进一步的,获得每种食材对应的营养成分信息,并根据文本信息、食材及每种食材对应的营养成分信息,确定菜谱的标签,也就是说,通过多个维度来确定菜谱的标签,不仅增加了标签的多元化,还提高了菜谱标签生成的效率。
9、基于第一方面,在一些实施例中,将所
10、将所述文本信息输入至卷积神经网络模型,得到一类标签,将所述文本信息、所述食材及所述每种食材对应的营养成分信息输入至循环神经网络模型,得到二类标签,基于一类标签与二类标签,确定所述菜谱的标签,所述一类标签为所述菜谱的特征标签,所述二类标签为所述菜谱的营养成分标签。
11、基于第一方面,在一些实施例中,基于每种食材对应的营养成分信息,确定所述每种食材所含的每种营养成分的标准化值,所述标准化值=(营养成分含量-营养成分含量均值)/营养成分含量标准差,所述营养成分含量均值为各个食材中所含的营养成分的含量的均值,所述营养成分含量标准差为各个食材中所含的营养成分的含量的标准差;
12、根据所述每种食材所含的每种营养成分的标准化值,确定所述每种食材对应的目标营养成分,所述目标营养成分为标准化值大于预设标准化值的的营养成分;
13、将所述菜谱的食材及每种食材对应的目标营养成分输入至循环神经网络模型,得到二类标签。
14、基于第一方面,在一些实施例中,将所述文本信息输入所述卷积网络模型中,得到第一特征向量;
15、将所述食材及所述每种食材对应的营养成分信息输入至所述循环网络模型,得到第二特征向量;
16、将所述第一特征向量与所述第二特征向量进行合并,得到合并后的特征向量;
17、将合并后的特征向量输入所述全连接层,得到所述菜谱的标签。
18、基于第一方面,在一些实施例中,基于所述菜谱的食材,从数据库查找每种食材对应的单位营养成分信息,所述数据库包括各个食材及各个食材各自对应的单位营养成分信息,所述单位营养成分信息包括食材中所含的营养成分及每种营养成分在每单位质量的食材中的含量;
19、基于所述每种食材对应的单位营养成分信息及所述每种食材对应的质量,确定所述每种食材对应的营养成分信息。
20、基于第一方面,在一些实施例中,接收用户输入的菜谱需求信息;
21、基于所述菜谱需求信息以及各个菜谱各自对应的标签,从所述各个菜谱中确定出目标菜谱,并将所述目标菜谱反馈给所述用户,所述目标菜谱的标签与所述菜谱需求信息贴合。
22、基于第一方面,在一些实施例中,当接收到所述用户输入的周期菜谱推荐指令时,根据所述周期菜谱推荐指令,确定所述周期菜谱推荐指令对应的早餐需求数量、午餐需求数量以及晚餐需求数量;
23、根据所述用户对应的菜谱需求信息、所述早餐需求数量、所述午餐需求数量以及所述晚餐需求数量,从所述目标菜谱中,确定出早餐推荐菜谱、午餐推荐菜谱以及晚餐推荐菜谱,其中,所述早餐推荐菜谱的数量与所述早餐需求数量相同,所述午餐推荐菜谱的数量与所述午餐需求数量相同,所述晚餐推荐菜谱的数量与所述晚餐需求数量相同;
24、根据所述早餐推荐菜谱、所述午餐推荐菜谱以及所述晚餐推荐菜谱,确定与所述周期菜谱推荐需求对应的菜谱安排信息,并将所述菜谱安排信息反馈给所述用户。
25、第二方面,本申请实施例提供了一种菜谱标签生成装置,包括:
26、获取模块,用于获取菜谱中的文本信息;
27、食材确定模块,用于基于所述文本信息,确定所述菜谱的食材以及每种食材对应的质量;营养成分确定模块,用于基于所述菜谱的食材以及每种食材对应的质量,确定每种食材对应的的营养成分信息;
28、标签确定模块,用于根据所述文本信息、所述食材及所述每种食材对应的营养成分信息,确定所述菜谱的标签。
29、第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述菜谱标签生成方法的步骤。
30、第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面中任一项所述菜谱标签生成方法的步骤。
31、第五方面,本申请实施例提供一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得电子设备执行上述第一方面中任一项所述菜谱标签生成的方法。
32、本申请实施例与现有技术相比存在的有益效果是:本申请实施例,通过获取菜谱中的文本信息,确定菜谱的食材及每种食材对应的质量,进一步的,获得每种食材对应的营养成分信息,并根据文本信息、食材及每种食材对应的营养成分信息,确定菜谱的标签,也就是说,通过多个维度来确定菜谱的标签,不仅增加了标签的多元化,还提高了菜谱标签生成的效率。
本文档来自技高网...【技术保护点】
1.一种菜谱标签生成方法,其特征在于,所述方法包括:
2.根据权利要求1所述的菜谱标签生成方法,其特征在于,所述根据所述文本信息、所述食材及所述每种食材对应的营养成分信息,确定所述菜谱的标签,包括以下任意一项:
3.根据权利要求2所述的菜谱标签生成方法,其特征在于,所述营养成分信息用于表征食材中所含的至少一种营养成分以及每种营养成分对应的营养成分含量;
4.根据权利要求2所述的菜谱标签生成方法,其特征在于,所述深度学习网络模型包括卷积网络模型、循环网络模型和全连接层,所述将所述文本信息、所述食材及所述每种食材对应的营养成分信息输入至深度学习网络模型,得到所述菜谱的标签,包括:
5.根据权利要求1-4任一项所述的菜谱标签生成方法,其特征在于,所述基于所述菜谱的食材以及每种食材对应的质量,确定每种食材对应的营养成分信息,包括:
6.根据权利要求1所述的菜谱标签生成方法,其特征在于,在所述确定所述菜谱的标签之后,还包括:
7.根据权利要求6所述的菜谱标签生成方法,其特征在于,所述将所述目标菜谱反馈给所述用户,包括:
8.一种菜谱标签生成装置,其特征在于,所述装置包括:
9.一种终端设备,包括存储器和处理器,所述存储器用于存储可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述菜谱标签生成方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述菜谱标签生成方法的步骤。
...【技术特征摘要】
1.一种菜谱标签生成方法,其特征在于,所述方法包括:
2.根据权利要求1所述的菜谱标签生成方法,其特征在于,所述根据所述文本信息、所述食材及所述每种食材对应的营养成分信息,确定所述菜谱的标签,包括以下任意一项:
3.根据权利要求2所述的菜谱标签生成方法,其特征在于,所述营养成分信息用于表征食材中所含的至少一种营养成分以及每种营养成分对应的营养成分含量;
4.根据权利要求2所述的菜谱标签生成方法,其特征在于,所述深度学习网络模型包括卷积网络模型、循环网络模型和全连接层,所述将所述文本信息、所述食材及所述每种食材对应的营养成分信息输入至深度学习网络模型,得到所述菜谱的标签,包括:
5.根据权利要求1-4任一项所述的菜谱标签生成方法,其特征在于,所述基于所述菜谱的食材以及每种...
【专利技术属性】
技术研发人员:王宇翔,康寿伟,
申请(专利权)人:北京豆果信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。