CN104731846A

CN104731846A - 基于多目标的个性化餐饮推荐方法及***

Info

Publication number: CN104731846A
Application number: CN201410686870.9A
Authority: CN
Inventors: 曹菡; 李越; 孟佩
Original assignee: Shaanxi Normal University
Current assignee: Shaanxi Normal University
Priority date: 2014-11-17
Filing date: 2014-11-17
Publication date: 2015-06-24
Anticipated expiration: 2034-11-17
Also published as: CN104731846B

Abstract

本发明是一种基于多目标的个性化餐饮推荐方法及***。主要解决的技术问题有：采集用户的基本信息和行为信息(包括饮食记录和在网页上浏览行为)记录到数据库中；根据数据库中用户信息建立用户模型，推荐个性化营养食谱；多目标优化配餐模型生成营养均衡膳食食谱，通过协同过滤推荐模型和等价互换模型，计算基于营养元素的食谱之间的相似度，从食谱库中生成各类互换食谱表，丰富饮食结构；检测食谱的营养均衡性，通过比较已生成食谱中各营养素的实际含量和推荐摄入量，提出改进措施，使所设计的食谱更趋合理性。

Description

基于多目标的个性化餐饮推荐方法及***

所属技术领域

本发明主要采用基于营养元素的个性化推荐算法为各类人群精准推荐专属自己的营养美味食谱，属于数据挖掘方面的技术领域。

背景技术

较以前，人们现在的营养饮食意识有所增强，但面对诸多各式的食物，好多人都难于选择合适的食谱来满足自己身体的真正需要，所以就出现了许多在饮食方面可以给用户一些建议的网站，帮助用户能够拥有一个健康的体魄。

三餐美食网：主要有美食菜谱、餐饮美食、美食专题、食材百科等几个功能模块，美食菜谱详细介绍了各地大量美食如河北菜、青海菜等的具体做法；美食专题则涉及各种菜谱专题，如早餐、午餐、晚餐食谱专题等，展示了各类食谱的具体介绍，包含每一类食谱的大量食物展示以及它们的做法步骤。

中华美食网：是一个为用户提供美食菜谱、美食资讯、健康知识和厨房宝典的美食门户网站，其中食谱大全中涵盖了湘菜、川菜等八大菜系的各种美食做法；健康知识主要提供的是一些饮食小常识、饮食禁忌、瘦身美容等方面的信息；厨房宝典则包括厨房装修、厨房保养等几方面的介绍。

美食杰：是集菜谱、健康饮食知识、烹饪技巧、各地特色小吃、电子商务以及轻社交元素为一体的美食网络信息服务平台。它主要分为菜谱大全、饮食健康、美食菜单、家居馆、美食达人、讨论组等几个模块。

以上列举的饮食相关网站都给用户提供了大量的美食讯息和饮食健康方面的知识普及，增强了用户营养饮食的意识，但是对于不同年龄段、不同劳动强度、不同身体状况的用户，他们所采用的饮食方案肯定有所不同，而现有网站只是***的、大众化的给用户推荐一些营养食物，不能根据用户的喜好和健康需要做出针对性的推荐。此外，协同过滤是在信息过滤和信息***中正迅速成为一项很受欢迎的技术，是电子商务推荐***的一种主要算法，主要推荐网上商品(书籍、服装等)，亚马逊，Netflix等企业在协同技术的应用上做出了突出的成绩。在食谱方面的推荐却很少被使用到。

基于多目标的个性化营养餐饮推荐方法及***主要通过不同用户的营养素的需求量，采用协同过滤算法，为用户推荐真正属于自己的、营养均衡的健康美味食谱。

发明内容

本发明主要解决的技术问题是通过分析不同类型用户(如健康者，病患，肥胖者，中国孕期妇女和哺乳期妇女以及更年期妇女等)的营养素需求量精准推荐满足个人身体需要的最佳营养美味食谱，另外，开发手机app应用，便于用户随时随地关注记录与使用。

技术方案

1)采集用户的行为信息(包括在食谱网站上浏览的行为以及社会化网络中的行为)并记录到数据库中；

2)建立用户口味模型：根据数据库中用户的饮食记录获取用户的偏好信息；

3)一日三餐中每餐互换食谱表的生成：采用一定的个性化推荐算法，计算基于营养元素的食谱之间的相似度，从食谱库中生成各类互换食谱表，如早餐中的谷类互换食谱表，蔬菜类互换类食谱表，水果类互换食谱表等等；

4)推荐食谱的产生：依据某一特定营养元素的含量从每一类互换食谱表中对食谱进行排序，再结合用户的偏好信息生成推荐列表；

5)检测食谱的营养均衡性：通过比较已生成食谱中各营养素的实际摄入量和推荐摄入量，提出改进措施，使所设计的食谱更趋合理性。

6)手机app应用的开发：通过移动服务器来实现对相关数据的链接，响应智能客户端程序，主要依靠CDMA 1x、EV-DO等作为数据传输方式，通过安全链接将客户应用服务器上的数据请求推送到客户手机端，使得用户可以随时随地选择放心满意的健康食谱。

有益效果

能满足不同人群的营养素及热能供给需要，各营养素之间比例适宜，食物多样化，又能兼顾用户的饮食***衡的最佳效果。

附图说明

图1是基于多目标的个性化餐饮推荐方法及***的架构图展示

图2是数据库管理图

具体实施方式

结合附图，对基于多目标的个性化餐饮推荐方法及***进行详细说明。

图1是本发明的框架图，主要由用户信息、用户模型、食谱推荐模型三部分组成。

一、用户信息

该模型包括用户基本信息、用户饮食记录以及用户相关食谱网页浏览行为。用户基本信息含有用户的姓名、性别、体重、劳动强度等信息，以此能够确定用户的营养元素的理论摄入量。用户饮食记录模块主要记录用户一日三餐的饮食情况，如记录甲用户早餐吃了豆浆，烧饼，中午吃了饺子等。用户相关食谱网页浏览行为主要指用户对某食谱网页的点击率以及与食谱相关的关键字查询。

二、用户模型

该模型包括摄入量模型和用户口味偏好模型两个模块。摄入量模型则是根据用户信息来获得用户余餐营养素推荐量，主要是通过确定用户每日用餐标准能量供给量、计算用户每餐三大主要产热元素(包括蛋白质、脂肪、碳水化合物)所需含量、根据用户的饮食记录计算用户已摄入的营养元素含量、通过所需标准含量与已摄入含量做差最终求得用户余餐营养素含量这四步完成。用户口味偏好模型主要采用分类技术(如朴素贝叶斯分类算法)根据个人喜好、文化偏好、健康约束和宗教信仰进行构建，所分析的数据源于用户的饮食记录以及网页浏览行为，通过这些数据可以获得用户的口味偏好。例如某用户经常吃辣椒多的食物，而且频繁浏览川菜的相关食谱网页，则可得知该用户的口味是偏辣的。

其中在摄入量模型中用户每餐标准三大营养素摄入量具体的计算步骤如下：

1.能量

(1)婴儿

婴儿的总能量消耗量(TEE)包括基础代谢率(BMR)、食物特殊动力作业、组织生长合成过程和活动的能量消耗。

1)母乳喂养方式＝0；人工喂养方式＝1

TEE(kcal/d)＝73.8+38.6×年龄+40.4×喂养方式-35.4×体重

TEE(kcal/(kg·d))＝60.1+2.6×年龄+6.5×喂养方式

根据以上方程计算出TEE(kcal/kg·d))

2)婴儿能量需要量＝TEE+体重增长的能量储存量，

婴儿能力储存量如表1

表1婴儿能量储存量

3)加5％校正由膳食能量转变为机体可代谢的能量(牛奶效率约为92％，母乳96％)作RNI(推荐摄入量)。

据此，我国婴儿能量RNI定为：

年龄0岁～：397.7kJ/(kg·d)[95kcal/(kg·d)|

0.5岁～：397.7kJ/(kg·d)[95kcal/(kg·d)]

注：1kcal＝4.186kJ

(2)儿童和青少年

1)采用世界卫生组织WHO(World Health Organization)报告(1985年)中采纳的Schofield推算的基础代谢率(BMR)计算公式计算BMR(基础代谢)，作为我国儿童和青少年的BMR参考值，如表2。

表2按体重计算BMR的公式

注：体重m，kg。

2)根据国际膳食能量顾问组估计的实测的TEE计算体力活动水平(physical activity level，PAL)如表3。

表3实测的TEE估算儿童青少年的PAL

采用要因加算法(factorial approach)估算儿童和青少年能量的推荐摄入量，即BMR乘以体力活动水平(PAL)来计算人体的能消耗量或需要量。

PLA＝TEE/BMR

3)1-6岁、7-10岁、11-17岁分别加TEE的3％、1％、2％作为生长发育的能量需要量。

(3)成人

1)根据Schofield公式计算BMR(基础代谢)，见表2。根据中国及亚洲其他一些国家实测的结果和情况，将公式算出的结果减5％作为中国18～49岁成年人群及50-59岁老年前期人群BMR的调整。

2)我国居民的活动强度由五级调整为三级，见表4。采用要因加算法估算成年人能量的推荐摄入量。

表4建议我国成人活动水平分级

3)特别的，孕期额外加837.2kJ/d[200kcal/d]，乳母的RNI在原有摄入量的基础上增加2.1×10²kJ/d[500kcal/d]。

(4)老年人

1)以Schofield公式计算BMR(见表2)，减5％作为我国老年人的BMR参考值。

2)PAL：见表5。

表5老年人PAL的估算

3)老年人能量RNI＝BMR×PAL。

2.宏量营养素：

人体所需能量主要来源于食物中三大宏量产能物质：糖类、脂肪、蛋白质。碳水化合物是主要能量来源，其次是脂肪，蛋白质的主要作用不是供热。一般建议成人的碳水化合物占热能的55％～65％，脂肪占20％～30％，蛋白质占11％～15％。三餐热量按2∶4∶4或3∶4∶3分配。

(1)蛋白质

年龄/岁	推荐摄入量
		婴儿(0～)	1.5～3g/(kg·d)
儿童及青少年(1～)	1.68g/(kg·d)
		成人(18～)	1.16g/(kg·d)
第一孕期	加5g/d
		第二孕期	加15g/d
第三孕期	加20g/d
		老人(60～)	1.27g/(kg·d)或蛋白质热量值占总热量的15％

表6中国居民膳食蛋白质的推荐摄入量(RNIs)

(2)脂类

年龄/岁	脂肪(脂肪能量占总能量的百分比)/％	胆固醇/mg
			0～	45-50
0.5～	35-40
			2～	30-35
7～	25-30
			18～	20-30	＜300

表7中国居民膳食脂肪适宜摄入量(AIs)

注：每克脂肪在体内氧化可产生能量37.66kJ，相当于9kcal的能量。

(3)碳水化合物(糖类)；

根据目前我国膳食碳水化合物的实际摄入量，和FAO/WHO的建议推荐量，除婴幼儿外(＜2岁)，碳水化合物的适宜摄入量(AI)应提供总能量的55％-65％。

注：1g的碳水化合物可产生16.7KJ(4kcal)热能。

三、食谱推荐模型

该模型分为多目标优化配餐模型、协同过滤推荐模型和等价互换模型三个模型。

按人们身体所需，根据食品中各种营养物质的含量，设计一餐、一天或更长时间的膳食，使人体摄入的营养素比例合理，以达到均衡膳食的目的。营养饮食决策属于一个典型的多目标优化问题。优化问题条件如下：输入条件，客户信息，包括年龄、性别、身高和体重等；约束条件，各个营养素的摄入标准等；早餐/中餐/晚餐的分配等。求解过程就是在这些参数约束中寻找满足条件的最优组合。

多目标优化配餐主要是以摄入量模型中所获得的最终营养素推荐量为基准为用户推荐食谱，即推荐的食物所含的总能量、蛋白质、脂肪、碳水化合物要与相应的营养素标准摄入量保持一致。优化配餐主要分为两步：第一步是合理分配三餐中营养素含量的比例，通常是按照2∶4∶4或3∶4∶3的比例进行分配。第二步是寻找满足条件的最优组合，实现营养均衡。

多目标函数：

min Z₁＝|∑_c∈Vx_ic-2400| (公式1)

minZ₂＝|∑_c∈Vx_Jc-69.6| (公式2)

minZ₃＝|∑_c∈Vx_lc-22.5| (公式3)

minZ₄＝|∑_c∈Vx_kc-65.5| (公式4)

其中，公式1为能量摄入的最小误差，公式2为蛋白质摄入的最小误差，公式3为脂肪摄入的最小误差，公式4为碳水化合物摄入的最小误差。

协同过滤推荐模型主要是通过协同过滤算法进行食谱推荐。需要做的准备工作是将食物营养成分表转化为食物营养评分表，具体的转化公式为：

其中500g作为对食物进行营养评分的统一重量，把从事极轻体力劳动的成年男子称作“参考人”。下表表示的食物-营养素评分矩阵，行代表食物，列代表各营养素，表中的数值代表食物中各营养素的评分：

食物编号	食物名	蛋白质	脂肪	碳水化合物
					35	馒头(蒸，标粉)	5571	83	1677
31	煎饼	5429	58	2594
					29	花卷	4571	83	1583
44	米饭(蒸，籼米)	1786	17	889
					59	烧饼(糖)	5714	175	2177
69	小米粥	1000	58	292
					72	油饼	5643	1908	1403
74	油条	4929	1467	1740
					155	油炸豆花	23857	1233	1156

表8食物营养素评分表

该***主要使用基于项目的协同过滤算法进行食谱推荐，第一步是建立评分模型：协同过滤算法的输入数据通常表示为一个m*n的用户-评价矩阵R，m是用户数，n是项目数，R_i，j表示第i个用户对第j个项目的评分值，这里的m是食物的数量，n是食物中所含营养元素的数目，R_i，j表示第i种食物中第j种营养元素的评分。

第二步是寻找最近邻居：即主要完成对目标食物最近邻居的查找，通过计算目标事物与其他食物之间的相似度，算出与目标失误最相似的“最近邻居”集：首先计算食物之间的相似度，该推荐算法目前主要有三种度量用户间相似性的方法，分别是：余弦相似性、相关相似性以及修正的余弦相似性。本算法采用的是相关相似性，即采用皮尔森相关系数进行度量，其计算公式为：

<math><math display = 'block'> <mrow> <mi>sim</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <msub> <mi>&Sigma;</mi> <mrow> <mi>c</mi> <mo>&Element;</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> </mrow> </msub> <mrow> <mo>(</mo> <msub> <mi>R</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>c</mi> </mrow> </msub> <mo>&minus;</mo> <msub> <mover> <mi>R</mi> <mo>&macr;</mo> </mover> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msub> <mi>R</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>c</mi> </mrow> </msub> <mo>&minus;</mo> <msub> <mover> <mi>R</mi> <mo>&macr;</mo> </mover> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <msqrt> <mrow> <msub> <mi>&Sigma;</mi> <mrow> <mi>c</mi> <mo>&Element;</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>R</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>c</mi> </mrow> </msub> <mo>&minus;</mo> <msub> <mover> <mi>R</mi> <mo>&macr;</mo> </mover> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <msqrt> <mrow> <msub> <mi>&Sigma;</mi> <mrow> <mi>c</mi> <mo>&Element;</mo> <msub> <mi>I</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> </mrow> </msub> <msup> <mrow> <mo>(</mo> <msub> <mi>R</mi> <mrow> <mi>j</mi> <mo>,</mo> <mi>c</mi> </mrow> </msub> <mo>&minus;</mo> <msub> <mover> <mi>R</mi> <mo>&macr;</mo> </mover> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mfrac> <mo>,</mo> </mrow> </math>

其中I_i，j表示食物中共有的营养元素的集合。其次选择相似度大于设定阈值的食物。

第三步是推荐食谱的产生：对上个步骤中产生的相似食物集按照某一特定营养元素进行排序，并结合用户的口味偏好产生推荐列表。

附加：检测食谱的可用性：

a)计算营养素实际摄入量：通过查找食物成分表，列表计算各营养素的实际摄入量；

b)提取相应的摄入参考值：根据用户的个人信息提取用户应摄入的各营养素的参考摄取量；

c)各营养素评价：计算各种营养素实际摄入量和参考摄入量的差值百分比，若所得数值不在相应元素的波动范围内，则表示该种营养素的摄入不合理，需进行调整。如蛋白质的标准摄入量的波动范围是-5％和5％之间，若用户的实际蛋白质摄入量差值率不在这个范围内就表示摄入不合理。

食谱推荐模型的最后一个模型，即等价互换模型，该模型主要实现在食物营养价值不变的条件下满足用户饮食的多样性，主要使用k-means聚类算法产生食物互换列表，先是随机选择k个数据作为初始中心，计算每个数据到所选出来的各个中心的距离，将数据对象指派到最近的簇中，然后计算每个簇的均值，循环往复执行，直到满足聚类准则函数收敛为止。最终使得每一个聚类当中的食物相似度较高，不同聚类中的食物相似度较低。帮助实现食品交换，可以使人的饮食作到多样化，在遵守平衡饮食的原则下，将一日三餐安排的丰富多彩，有滋有味，品尝天下美味佳肴。

Claims

1.一种基于多目标的个性化餐饮推荐方法及***，其中包括：根据用户自身营养元素需求量向用户进行定量的营养食谱推荐；应用分类算法构建用户模型实现个性化推荐；应用多目标优化算法提供科学合理的营养配餐推荐方案；应用协同过滤算法和聚类算法进行推荐实现饮食结构多样性。

2.根据权利要求1所描述的基于多目标的个性化餐饮推荐方法及***，其特征是：根据用户的年龄、性别、劳动力度、人群分类(健康者，病患者，中国孕期妇女和哺乳期妇女以及更年期妇女等不同类型的群体)等用户基本信息获取其人体一天当中每餐必需营养素的理论摄入量，结合用户饮食记录计算已摄入营养素含量，进一步获得用户余餐营养素含量，构建用户摄入量模型，向用户推荐定量的营养食谱。

3.根据权利要求1所描述的基于多目标的个性化餐饮推荐方法及***，其特征是：通过情景历史的上下文感知计算和用户浏览行为以及上述用户基本信息对用户进行分类构建用户口味偏好模型，结合上述用户摄入量模型构建用户模型。

4.根据权利要求1所描述的基于多目标的个性化餐饮推荐方法及***，其特征是：多目标优化算法在满足上述用户摄入量模型中各营养元素摄入量标准的约束条件下寻找最优配餐组合。

5.根据权利要求1所描述的基于多目标的个性化餐饮推荐方法及***，其特征是：将食物营养成分表转化为食物营养评分表，进行相似度计算构建相似度集合，基于项目的协同过滤算法进行食谱推荐。

6.根据权利要求1所描述的基于多目标的个性化餐饮推荐方法及***，其特征是：实现在食物营养价值不变的条件下满足用户饮食的多样性，主要使用k-means聚类算法产生食物互换列表。