CN106440239A - 基于空调器的饮食偏好推荐方法和*** - Google Patents

Abstract

本发明公开了一种基于空调器的饮食偏好推荐方法和***，其中，所述方法包括以下步骤：获取食物的多种冷热属性；根据用户使用空调器的设定温度获取用户的怕冷指数；根据用户的怕冷指数和食物的多种冷热属性向用户推荐相应的冷热属性。根据本发明的方法，能够智能地向用户推荐相应冷热属性的食物，提高了用户生活的方便性和趣味性。

Description

基于空调器的饮食偏好推荐方法和***

技术领域

本发明涉及空调器技术领域，特别涉及一种基于空调器的饮食偏好推荐方法和一种基于空调器的饮食偏好推荐***。

背景技术

每个人都有自己的饮食偏好，例如，喜欢吃偏辣、偏麻、偏冷或偏热的食物。在就餐时，用户通常难以确定自己的饮食偏好。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种基于空调器的饮食偏好推荐方法，能够智能地向用户推荐相应冷热属性的食物，提高了用户生活的方便性和趣味性。

本发明的第二个目的在于提出一种基于空调器的饮食偏好推荐***。

为达到上述目的，本发明第一方面实施例提出了一种基于空调器的饮食偏好推荐方法，该方法包括以下步骤：获取食物的多种冷热属性；根据用户使用空调器的设定温度获取所述用户的怕冷指数；根据所述用户的怕冷指数和所述食物的多种冷热属性向所述用户推荐相应的冷热属性。

根据本发明实施例的基于空调器的饮食偏好推荐方法，通过获取食物的多种冷热属性，并根据用户使用空调器的设定温度获取用户的怕冷指数，以及根据用户的怕冷指数和食物的多种冷热属性向用户推荐冷热属性，由此，有效利用了用户对空调器的操作数据，能够智能地向用户推荐相应冷热属性的食物，提高了用户生活的方便性和趣味性。

另外，根据本发明上述实施例提出的基于空调器的饮食偏好推荐方法还可以具有如下附加的技术特征：

具体地，根据用户使用空调器的设定温度获取所述用户的怕冷指数，包括：获取在同一时间范围内，所述用户所处地区的多个空调器的设定温度；根据所述用户使用空调器的设定温度和获取的多个空调器的设定温度计算所述用户的怕冷指数。

进一步地，还获取所述用户所处地区的温度情况，并根据所述用户所处地区的温度情况确定温度影响指数，以及根据所述温度影响指数对所述用户的怕冷指数进行修正。

进一步地，根据以下公式计算所述用户的怕冷指数：

其中，Ci为所述用户的怕冷指数，Tn为所述多个空调器的设定温度中的最小值，Tm为所述多个空调器的设定温度中的最大值，pi表示所述多个空调器中设定温度为i的空调器的个数，s为所述温度影响指数。

根据本发明的一个实施例，所述食物的冷热属性包括食物辣度、食物麻度或食物温度。

为达到上述目的，本发明第二方面实施例提出了一种基于空调器的饮食偏好推荐***，该***包括：第一获取模块，所述第一获取模块用于获取食物的多种冷热属性；第二获取模块，所述第二获取模块用于根据用户使用空调器的设定温度获取所述用户的怕冷指数；推荐模块，所述推荐模块用于根据所述用户的怕冷指数和所述食物的多种冷热属性向所述用户推荐相应的冷热属性。

根据本发明实施例的基于空调器的饮食偏好推荐***，通过第一获取模块获取食物的多种冷热属性，并通过第二获取模块根据用户使用空调器的设定温度获取用户的怕冷指数，以及通过推荐模块根据用户的怕冷指数和食物的多种冷热属性向用户推荐冷热属性，由此，有效利用了用户对空调器的操作数据，能够智能地向用户推荐相应冷热属性的食物，提高了用户生活的方便性和趣味性。

另外，根据本发明上述实施例提出的基于空调器的饮食偏好推荐***还可以具有如下附加的技术特征：

具体地，所述第二获取模块用于获取在同一时间范围内，所述用户所处地区的多个空调器的设定温度，并根据所述用户使用空调器的设定温度和获取的多个空调器的设定温度计算所述用户的怕冷指数。

进一步地，所述第二获取模块还获取所述用户所处地区的温度情况，并根据所述用户所处地区的温度情况确定温度影响指数，以及根据所述温度影响指数对所述用户的怕冷指数进行修正。

进一步地，所述第二获取模块根据以下公式计算所述用户的怕冷指数：

其中，Ci为所述用户的怕冷指数，Tn为所述多个空调器的设定温度中的最小值，Tm为所述多个空调器的设定温度中的最大值，pi表示所述多个空调器中设定温度为i的空调器的个数，s为所述温度影响指数。

根据本发明的一个实施例，所述食物的冷热属性包括食物辣度、食物麻度或食物温度。

附图说明

图1为根据本发明实施例的基于空调器的饮食偏好推荐方法的流程图；

图2为根据本发明实施例的基于空调器的饮食偏好推荐***的方框示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面结合附图来描述本发明实施例的基于空调器的饮食偏好推荐方法和***。

图1为根据本发明实施例的基于空调器的饮食偏好推荐方法的流程图。

如图1所示，本发明实施例的基于空调器的饮食偏好推荐方法，包括以下步骤：

S1，获取食物的多种冷热属性。

在本发明的一个实施例中，可将多种冷热属性按照由冷到热的顺序进行排列。例如，N种冷热属性按照由冷到热的顺序排列为[PL1，PL2，PL3，…，PLN]。

其中，食物的冷热属性可包括食物辣度、食物麻度或食物温度。

对于食物辣度，其多种辣度按照由冷到热的顺序排列为[清汤，小辣，中辣，麻辣，大辣]；对于食物温度，其多种温度按照由冷到热的顺序排列为[冰，冷，常温，温，热，烫，沸腾]。

一个食物可有一个以上的冷热属性，例如酸辣汤至少有温度、辣度两种冷热属性。对于一个食物，其冷热属性可新增，属性下的数量也可增减。

在本发明的一个实施例中，可对食物的冷热属性进行人工排序。由于食物的冷热属性及其数量有限，因此管理人员可透过后台，在有限时间下，完成食物的冷热属性排序，并储存于数据库中重复使用排序结果。例如，可将四川冒菜的冷热属性按照由冷到热的顺序排列为[清汤，小辣，麻辣，大辣]。

更进一步，在本发明的一个实施例中，可对食物的冷热属性进行自动化排序，例如天气热时，清凉食品卖得好，天气冷时，保暖食品买得好，可根据销量与天气进行冷热属性排序。举例来说，可根据团购记录，温度10度时，热咖啡销量好，温度20度时，珍珠奶茶消量好，温度30度时，芒果冰沙销量好，因此可产生[热饮料、冷饮料、冰品]的排序。

S2，根据用户使用空调器的设定温度获取用户的怕冷指数。

在本发明的一个实施例中，可获取在同一时间范围内，用户所处地区的多个空调器的设定温度，并根据用户使用空调器的设定温度和获取的多个空调器的设定温度计算用户的怕冷指数。

其中，用户所处地区可以为用户所在的省、市和乡镇等国家制订的地理划分，也可以为设定一个地点下，以预设的半径距离作圆所产生的区域划分。当然，也可以获取在某一时间点用户所处地区的多个空调器的设定温度。

举例而言，在同一时间范围内，用户所处地区设定温度为Tn度的空调器个数为pTn，设定温度为T(n+1)度的空调器个数为pT(n+1)，…，设定温度为Tm度的空调器个数为pTm，其中，Tn，T(n+1)，…，Tm按照温度由低到高的顺序排列。在本发明的一个实施例中，Tn可为空调气可设定的最低温度，Tm可为空调可设定的最高温度。

在获得了上述设定温度与设定对应温度的空调器个数的数据后，用户使用空调器的设定温度在上述数据中在大小排列上所处的位置便可大致表示出该用户相对于大众的怕冷程度。因此，在本发明的一个实施例中，可得出用户使用空调器的设定温度t在群体温度设定分布下的百分位数，该百分位数越接近1，代表在群体间，相同环境下，该用户设定的温度较高，偏向喜好温暖或高温环境，即较怕冷；百分数越接近0，代表在群体间，相同环境下，该用户设定的温度较低，偏向喜好凉爽或低温环境，即较怕热。

另外，在本发明的一个实施例中，由于用户的饮食偏好还可受用户所处地区的温度的影响，因此，还可获取用户所处地区的温度情况，并根据用户所处地区的温度情况确定温度影响指数，以及根据温度影响指数对用户的怕冷指数进行修正。

在本发明的一个实施例中，可根据以下公式计算用户的怕冷指数：

其中，Ci为用户的怕冷指数，Tn为多个空调器的设定温度中的最小值，Tm为多个空调器的设定温度中的最大值，pi表示多个空调器中设定温度为i的空调器的个数，s为温度影响指数。

如上面所描述的，温度影响指数s为***参数，可根据需求手动调整，或使用自动化方式分析用户所处地区温度的高低，产生适合的s的值。举例来说，若用户所处地区的温度较低，该用户偏向于较热的饮食，温度影响指数s可对应较大。

S3，根据用户的怕冷指数和食物的多种冷热属性向用户推荐相应的冷热属性。

在获取到用户的怕冷指数Ci和N种冷热属性按照由冷到热的顺序排列[PL1，PL2，PL3，…，PLN]后，可根据以下公式计算推荐的冷热属性：

PL[j]＝PL[round(Ci*N)]，

其中，PL[j]表示N种冷热属性[PL1，PL2，PL3，…，PLN]中，所要推荐的第j个冷热属性，round表示四舍五入取整数。

举例来说，若4种冷热属性按照由冷到热的顺序排列为[清爽1，小麻2，中麻3，***4]，用户的怕冷指数Ci为0.7，则PL[j]＝PL[round(0.7*4)]＝PL[3]，那么向该用户推荐的冷热属性为中麻。

在本发明的一个实施例中，除推荐冷热属性外，还可根据推荐的冷热属性搜索相关饮食，并将相关饮食推荐给用户。进一步地，还可获取用户所在的位置或区域，并搜索在该位置或区域下的饮食信息，以及将饮食信息提供给用户。更进一步地，还可通过互联网将位置与饮食属性关键字传送至商品网站或团购网站，获取饮食商家信息，并推送给用户。

在本发明的一个实施例中，上述步骤可由服务器与空调器控制器互联的***完成，即可由服务器获取食物的多种冷热属性，服务器通过空调器控制器的控制数据获取用户使用空调器的设定温度，并进一步获取用户的怕冷指数，然后服务器根据用户的怕冷指数和食物的多种冷热属性获取要推荐的冷热属性，并将获取的要推荐的冷热属性发送至空调器控制器。

根据本发明实施例的基于空调器的饮食偏好推荐方法，通过获取食物的多种冷热属性，并根据用户使用空调器的设定温度获取用户的怕冷指数，以及根据用户的怕冷指数和食物的多种冷热属性向用户推荐冷热属性，由此，有效利用了用户对空调器的操作数据，能够智能地向用户推荐相应冷热属性的食物，提高了用户生活的方便性和趣味性。

在本发明的一个具体实施例中，为了简化说明，以五种冷热属性多冰、少冰、去冰、温和热为例，首先将上述冷热属性按照由冷到热的顺序排列为：[多冰，少冰，去冰，温，热]。

假设位于广州市的用户A，在夏季8月份的某一时刻所设定的温度空调器温度是22度。物联网服务器可取得广州市所有的空调用户在最近一个小时的温度设定分布。为简化说明，假设近一个小时内，有8人设定了空调器温度，所设定的温度分别是：[20，22，22，24，26，28，30，30]。对于温度影响指数s，冬季一般较怕冷，设定为+0.1，夏季一般较怕热，设定为-0.1。由于此情境为夏季，因此s＝-0.1。

由于用户A设定的温度为22度，因此用户A的怕冷指数Ci＝(1+2)/8+(-0.1)＝0.275。由于怕冷指数为0至1，越偏向1越怕冷，越偏向0越怕热。因此可由Ci＝0.275判断出此人为较怕热的体质。

冷热属性的排序为[多冰，少冰，去冰，温，热]，因此推荐的冷热属性PL[j]＝PL[round(0.275x5)]＝PL[Round(1.375)]＝PL[1]。PL[1]代表冷热属性排序的第1位置，即多冰。由此，可向该用户A推荐冷热属性多冰。

在本发明的一个实施例中，可根据冷热属性多冰，与用户所在位置广州，至团购网站获得在广州附近提供多冰饮料的商家信息。

此外，还可结合不同的冷热属性进行饮食偏好的推荐。举例而言，可结合食物温度：[多冰，少冰，去冰，温，热，滚烫]与辣度：[清汤，小辣，中辣，麻辣，大辣]，推荐符合多个属性集的食物。例如可推荐滚烫的麻辣口味的冒菜。

为实现上述实施例的基于空调器的饮食偏好推荐方法，本发明还提出一种基于空调器的饮食偏好推荐***。

如图2所示，本发明实施例的基于空调器的饮食偏好推荐***，包括：第一获取模块10、第二获取模块20和推荐模块30。

其中，第一获取模块10用于获取食物的多种冷热属性；第二获取模块20用于根据用户使用空调器的设定温度获取用户的怕冷指数；推荐模块30用于根据用户的怕冷指数和食物的多种冷热属性向用户推荐相应的冷热属性。

在本发明的一个实施例中，第一获取模块10可将多种冷热属性按照由冷到热的顺序进行排列。例如，N种冷热属性按照由冷到热的顺序排列为[PL1，PL2，PL3，…，PLN]。

其中，食物的冷热属性可包括食物辣度、食物麻度或食物温度。

对于食物辣度，其多种辣度按照由冷到热的顺序排列为[清汤，小辣，中辣，麻辣，大辣]；对于食物温度，其多种温度按照由冷到热的顺序排列为[冰，冷，常温，温，热，烫，沸腾]。

一个食物可有一个以上的冷热属性，例如酸辣汤至少有温度、辣度两种冷热属性。对于一个食物，其冷热属性可新增，属性下的数量也可增减。

在本发明的一个实施例中，可对食物的冷热属性进行人工排序。由于食物的冷热属性及其数量有限，因此管理人员可透过后台，在有限时间下，完成食物的冷热属性排序，并储存于数据库中重复使用排序结果。例如，可将四川冒菜的冷热属性按照由冷到热的顺序排列为[清汤，小辣，麻辣，大辣]。

更进一步，在本发明的一个实施例中，第一获取模块10可对食物的冷热属性进行自动化排序，例如天气热时，清凉食品卖得好，天气冷时，保暖食品买得好，可根据销量与天气进行冷热属性排序。举例来说，可根据团购记录，温度10度时，热咖啡销量好，温度20度时，珍珠奶茶消量好，温度30度时，芒果冰沙销量好，因此可产生[热饮料、冷饮料、冰品]的排序。

在本发明的一个实施例中，第二获取模块20可获取在同一时间范围内，用户所处地区的多个空调器的设定温度，并根据用户使用空调器的设定温度和获取的多个空调器的设定温度计算用户的怕冷指数。

其中，用户所处地区可以为用户所在的省、市和乡镇等国家制订的地理划分，也可以为设定一个地点下，以预设的半径距离作圆所产生的区域划分。当然，第二获取模块20也可以获取在某一时间点用户所处地区的多个空调器的设定温度。

举例而言，在同一时间范围内，用户所处地区设定温度为Tn度的空调器个数为pTn，设定温度为T(n+1)度的空调器个数为pT(n+1)，…，设定温度为Tm度的空调器个数为pTm，其中，Tn，T(n+1)，…，Tm按照温度由低到高的顺序排列。在本发明的一个实施例中，Tn可为空调气可设定的最低温度，Tm可为空调可设定的最高温度。

在获得了上述设定温度与设定对应温度的空调器个数的数据后，用户使用空调器的设定温度在上述数据中在大小排列上所处的位置便可大致表示出该用户相对于大众的怕冷程度。因此，在本发明的一个实施例中，可得出用户使用空调器的设定温度t在群体温度设定分布下的百分位数，该百分位数越接近1，代表在群体间，相同环境下，该用户设定的温度较高，偏向喜好温暖或高温环境，即较怕冷；百分数越接近0，代表在群体间，相同环境下，该用户设定的温度较低，偏向喜好凉爽或低温环境，即较怕热。

另外，在本发明的一个实施例中，由于用户的饮食偏好还可受用户所处地区的温度的影响，因此，第二获取模块20还可获取用户所处地区的温度情况，并根据用户所处地区的温度情况确定温度影响指数，以及根据温度影响指数对用户的怕冷指数进行修正。

在本发明的一个实施例中，第二获取模块20可根据以下公式计算用户的怕冷指数：

其中，Ci为用户的怕冷指数，Tn为多个空调器的设定温度中的最小值，Tm为多个空调器的设定温度中的最大值，pi表示多个空调器中设定温度为i的空调器的个数，s为温度影响指数。

如上面所描述的，温度影响指数s为***参数，可根据需求手动调整，或使用自动化方式分析用户所处地区温度的高低，产生适合的s的值。举例来说，若用户所处地区的温度较低，该用户偏向于较热的饮食，温度影响指数s可对应较大。

在获取到用户的怕冷指数Ci和N种冷热属性按照由冷到热的顺序排列[PL1，PL2，PL3，…，PLN]后，推荐模块30可根据以下公式计算推荐的冷热属性：

PL[j]＝PL[round(Ci*N)]，

其中，PL[j]表示N种冷热属性[PL1，PL2，PL3，…，PLN]中，所要推荐的第j个冷热属性，round表示四舍五入取整数。

举例来说，若4种冷热属性按照由冷到热的顺序排列为[清爽1，小麻2，中麻3，***4]，用户的怕冷指数Ci为0.7，则PL[j]＝PL[round(0.7*4)]＝PL[3]，那么推荐模块30向该用户推荐的冷热属性为中麻。

在本发明的一个实施例中，除推荐冷热属性外，还可根据推荐的冷热属性搜索相关饮食，并将相关饮食推荐给用户。进一步地，还可获取用户所在的位置或区域，并搜索在该位置或区域下的饮食信息，以及将饮食信息提供给用户。更进一步地，还可通过互联网将位置与饮食属性关键字传送至商品网站或团购网站，获取饮食商家信息，并推送给用户。

在本发明的一个实施例中，上述的第一获取模块10、第二获取模块20和推荐模块30位于由服务器中，并通过服务器与空调器控制器互联的***完成该***的功能，即可由服务器获取食物的多种冷热属性，服务器通过空调器控制器的控制数据获取用户使用空调器的设定温度，并进一步获取用户的怕冷指数，然后服务器根据用户的怕冷指数和食物的多种冷热属性获取要推荐的冷热属性，并将获取的要推荐的冷热属性发送至空调器控制器。

根据本发明实施例的基于空调器的饮食偏好推荐***，通过第一获取模块获取食物的多种冷热属性，并通过第二获取模块根据用户使用空调器的设定温度获取用户的怕冷指数，以及通过推荐模块根据用户的怕冷指数和食物的多种冷热属性向用户推荐冷热属性，由此，有效利用了用户对空调器的操作数据，能够智能地向用户推荐相应冷热属性的食物，提高了用户生活的方便性和趣味性。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于空调器的饮食偏好推荐方法，其特征在于，包括以下步骤：

获取食物的多种冷热属性；

根据用户使用空调器的设定温度获取所述用户的怕冷指数；

根据所述用户的怕冷指数和所述食物的多种冷热属性向所述用户推荐相应的冷热属性。

2.根据权利要求1所述的基于空调器的饮食偏好推荐方法，其特征在于，根据用户使用空调器的设定温度获取所述用户的怕冷指数，包括：

获取在同一时间范围内，所述用户所处地区的多个空调器的设定温度；

根据所述用户使用空调器的设定温度和获取的多个空调器的设定温度计算所述用户的怕冷指数。

3.根据权利要求2所述的基于空调器的饮食偏好推荐方法，其特征在于，还获取所述用户所处地区的温度情况，并根据所述用户所处地区的温度情况确定温度影响指数，以及根据所述温度影响指数对所述用户的怕冷指数进行修正。

4.根据权利要求3所述的基于空调器的饮食偏好推荐方法，其特征在于，根据以下公式计算所述用户的怕冷指数：

$Ci=\frac{\underset{i=Tn}{\overset{t}{\Σ}}pi}{\underset{i=Tn}{\overset{Tm}{\Σ}}pi}+s,$

其中，Ci为所述用户的怕冷指数，Tn为所述多个空调器的设定温度中的最小值，Tm为所述多个空调器的设定温度中的最大值，pi表示所述多个空调器中设定温度为i的空调器的个数，s为所述温度影响指数。

5.根据权利要求1所述的基于空调器的饮食偏好推荐方法，其特征在于，所述食物的冷热属性包括食物辣度、食物麻度或食物温度。

6.一种基于空调器的饮食偏好推荐***，其特征在于，包括：

第一获取模块，所述第一获取模块用于获取食物的多种冷热属性；

第二获取模块，所述第二获取模块用于根据用户使用空调器的设定温度获取所述用户的怕冷指数；

推荐模块，所述推荐模块用于根据所述用户的怕冷指数和所述食物的多种冷热属性向所述用户推荐相应的冷热属性。

7.根据权利要求6所述的基于空调器的饮食偏好推荐***，其特征在于，所述第二获取模块用于获取在同一时间范围内，所述用户所处地区的多个空调器的设定温度，并根据所述用户使用空调器的设定温度和获取的多个空调器的设定温度计算所述用户的怕冷指数。

8.根据权利要求7所述的基于空调器的饮食偏好推荐***，其特征在于，所述第二获取模块还获取所述用户所处地区的温度情况，并根据所述用户所处地区的温度情况确定温度影响指数，以及根据所述温度影响指数对所述用户的怕冷指数进行修正。

9.根据权利要求8所述的基于空调器的饮食偏好推荐***，其特征在于，所述第二获取模块根据以下公式计算所述用户的怕冷指数：

$Ci=\frac{\underset{i=Tn}{\overset{t}{\Σ}}pi}{\underset{i=Tn}{\overset{Tm}{\Σ}}pi}+s,$

其中，Ci为所述用户的怕冷指数，Tn为所述多个空调器的设定温度中的最小值，Tm为所述多个空调器的设定温度中的最大值，pi表示所述多个空调器中设定温度为i的空调器的个数，s为所述温度影响指数。

10.根据权利要求6所述的基于空调器的饮食偏好推荐***，其特征在于，所述食物的冷热属性包括食物辣度、食物麻度或食物温度。