CN112002388A - 饮食推荐方法及装置 - Google Patents
饮食推荐方法及装置 Download PDFInfo
- Publication number
- CN112002388A CN112002388A CN202010660811.XA CN202010660811A CN112002388A CN 112002388 A CN112002388 A CN 112002388A CN 202010660811 A CN202010660811 A CN 202010660811A CN 112002388 A CN112002388 A CN 112002388A
- Authority
- CN
- China
- Prior art keywords
- food material
- diet
- food
- user
- list
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Nutrition Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请公开了一种饮食推荐方法。该方法包括:通过接收用户在终端输入的开营评估信息;根据所述开营评估信息生成第一入营饮食报告;依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量;达到了根据用户的自身情况进行精确的饮食推荐的目的,从而可有效控制摄入的热量、营养素;进而提升身材恢复或减脂效果;本申请解决了由于无法根据用户的实际情况作出精确的饮食推荐造成的产后身材恢复或减脂效果差的技术问题。
Description
技术领域
本申请涉及减脂领域,具体而言,涉及一种饮食推荐方法及装置。
背景技术
产后身材恢复和减脂均需要有效控制饮食和运动,才能达到良好的产后身材恢复、减脂效果。
发明人发现,为了规范饮食和运动,人员会求助于专业训练师;或者借助能够实现减脂用食谱推荐的APP、应用处理软件;但是,这些APP或应用处理软件并未充分考虑用户自身情况对饮食的影响,无法根据用户的实际情况作出精确的饮食推荐,往往需要用户人为根据自身情况确定食物种类、食物摄入量和饮水量,必然导致摄入的热量、营养素不可控,产后身材恢复或减脂效果差。
针对相关技术中无法根据用户的实际情况作出精确的饮食推荐造成的产后身材恢复或减脂效果差的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种饮食推荐方法及装置,以解决无法根据用户的实际情况作出精确的饮食推荐造成的产后身材恢复或减脂效果差的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种饮食推荐方法。
根据本申请的饮食推荐方法包括:接收用户在终端输入的开营评估信息;根据所述开营评估信息生成第一入营饮食报告;依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量。
进一步的,接收用户在终端输入的开营评估信息包括:接收用户在终端的录入请求;在终端录入用户基本信息;接收用户在终端的测试请求;在终端输出预设的测试用问题对;接收用户回答完所述测试用问题对后得到的运动测试信息。
进一步的,根据所述开营评估信息生成第一入营饮食报告包括:将所述开营评估信息中的用户基本信息和母乳比例信息输入热量等级模型,得到热量等级;;调取与所述热量等级相对应的总热量信息和饮食计划信息;根据所述开营评估信息中的母乳比例信息确定饮水等级;调取与所述饮水等级相对应的饮水量信息;根据热量等级、总热量信息、饮食计划信息和饮水量信息生成第一入营饮食报告。
进一步的,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量包括:在所述第一入营饮食报告中提取出用户每日应当摄入的总热量值;按照第一餐规则和总热量值确定每餐应当摄入的第一热量值;按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单;按照第二餐规则和第一热量值确定目标食材名单中每个食材应当摄入的第二热量值;对照热量 -摄量表搜索与所述第二热量值相对应的食材摄入量。
进一步的,按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单包括:将推荐指数判断为高的食材筛选至待推荐食材名单;按照食材随机筛选规则,在待推荐食材名单中随机抽取多个食材作为每餐应当摄入的食材种类,并归入目标食材名单。
进一步的,按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单包括:将推荐指数判断为高的食材筛选至待推荐食材名单;按照行为-权重、偏好-权重及相似度-权重规则计算待推荐食材名单中每个食材的推荐权重;选择推荐权重排序靠前的多个食材作为每餐应当摄入的食材种类,并归入目标食材名单。
进一步的,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量之后还包括:接收用户在终端发出的饮食计划请求;将带有食材摄入量的目标食材名单同步至终端;接收用户在目标食材名单发出的第一食材的替换请求;依照食材相似度规则在食材库中筛选出与第一食材相似度高的第二食材,并归入食材替换名单;在食材替换名单中通过第二食材替换第一食材,并输出根据第一食材的第二热量值计算得到第二食材的第二摄入量。
进一步的,接收用户在终端输入的开营评估信息之后还包括:采用目标优化算法优化所述个人基础信息中的当前体重和当前腰围,预测得到目标体重和目标腰围。
进一步的,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量之后还包括:接收用户在终端的打卡请求,进入第一操作界面;根据用户在所述第一操作界面中的选择导入对应的目标食材名单。
为了实现上述目的,根据本申请的另一方面,提供了一种饮食推荐装置。
根据本申请的饮食推荐装置包括:信息接收模块,用于接收用户在终端输入的开营评估信息;报告生成模块,用于根据所述开营评估信息生成第一入营饮食报告;确定模块,用于依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量。
在本申请实施例中,采用根据用户实际情况推荐饮食的方式,通过接收用户在终端输入的开营评估信息;根据所述开营评估信息生成第一入营饮食报告;依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量;达到了根据用户的自身情况进行精确的饮食推荐的目的,从而实现了提升身材恢复或减脂效果的技术效果,进而解决了由于无法根据用户的实际情况作出精确的饮食推荐造成的产后身材恢复或减脂效果差的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的饮食推荐方法的流程示意图;
图2是根据本申请实施例的饮食推荐装置的结构示意图;
图3是根据本申请实施例的第一入营饮食报告界面图;
图4是根据本申请实施例的个人界面图;
图5是根据本申请实施例的饮食偏好界面图;
图6是根据本申请实施例的首页界面图;
图7是根据本申请实施例的饮食方案界面图;
图8是根据本申请实施例的替换界面图;
图9是根据本申请实施例的目标优化算法的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”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。这些术语主要是为了更好地描述本发明及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本发明中的具体含义。
此外,术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如,可以是固定连接,可拆卸连接,或整体式构造;可以是机械连接,或电连接;可以是直接相连,或者是通过中间媒介间接相连,又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本发明实施例,提供了一种饮食推荐方法,如图1所示,该方法包括如下的步骤S101至步骤S103:
步骤S101、接收用户在终端输入的开营评估信息;
根据本发明实施例,优选的,接收用户在终端输入的开营评估信息包括:
接收用户在终端的录入请求;
在终端录入用户基本信息;
接收用户在终端的测试请求;
在终端输出预设的测试用问题对;
接收用户回答完所述测试用问题对后得到的运动测试信息。
终端可以是手机、电脑或平板,优选为手机;在手机上安装有饮食推荐APP或依附于APP的饮食推荐小程序;优选为小程序。
当用户第一次进入小程序时,可以根据界面提示,进行开营评估信息的录入。
具体而言,用户在该界面中点击信息录入,就可以录入体重、腰围、臀围,并且点击上传正面照和侧面照;以上的用户基本信息录入完成后,用户可以发出测试请求,服务器收到该请求后,将预设的问题对输出至终端的小程序界面中,用户依次回答所有问题后,服务器会根据答案和问题对得到恢复情况、运动损伤等运动测试信息。
本实施例中,恢复情况包括但不限于,涉及腹直肌分离、骨盆骨或分娩伤口、漏尿情况;并且提供了以上信息如何判断的提示接口,通过该提示接口用户可以知道如何进行判断并选择。
本实施例中,运动损伤包括但不限于,可进行的运动、母乳情况。
这些录入的信息和回答问题对得到信息能够充分反应用户的自身情况,进而为精确的饮食推荐提供数据保障。
步骤S102、根据所述开营评估信息生成第一入营饮食报告;
根据本发明实施例,优选的,根据所述开营评估信息生成第一入营饮食报告包括:
将所述开营评估信息中的用户基本信息和母乳比例信息输入热量等级模型,得到热量等级;;
调取与所述热量等级相对应的总热量信息和饮食计划信息;
根据所述开营评估信息中的母乳比例信息确定饮水等级;
调取与所述饮水等级相对应的饮水量信息;
根据热量等级、总热量信息、饮食计划信息和饮水量信息生成第一入营饮食报告。
开营评估信息输入之后,服务器从中调取用户基本信息和母乳比例信息,并输入至热量等级模型中,通过该模型计算得到用户的热量等级。
具体计算过程参照如下规则:
BMR=9.99*Height+6.25*Weight-4.92*Age-161;
母乳热量Extra_heat(kcal)
Brest_milk_level=1时,Extra_heat=0;
Brest_milk_level=2时,Extra_heat=100;
Brest_milk_level=3时,Extra_heat=250;
Brest_milk_level=4时,Extra_heat=350;
Brest_milk_level=5时,Extra_heat=500;
膳食热量Diet_calorie(kcal)
Diet_calorie=BMR*1.197+Extra_heat
热量等级Heat_level
Diet_calorie∈[0,1400)&Brest_milk_level=1时, Heat_level=1;
Diet_calorie∈[0,1400)&Brest_milk_level<>1时, Heat_level=2;
Diet_calorie∈[1400,1600),Heat_level=2;
Diet_calorie∈[1600,1800),Heat_level=3;
Diet_calorie∈[1800,2000),Heat_level=4;
Diet_calorie∈[2000,2200),Heat_level=5;
Diet_calorie∈[2200,2400),Heat_level=6;
Diet_calorie∈[2400,+∞),Heat_level=7。
在服务器上预设了等级-信息表格,不同的等级对应不同的饮食计划相关信息。当计算得到热量等级后,首先调取总热量信息(以上规则中已经计算得到),参照该表格可以搜寻到与该热量等级相对应的饮食计划信息。
服务器再从中调取母乳比例信息(直接反应等级),与饮水等级相对应,具体规则如下:
饮水等级Drink_level
Brest_milk_level=1时,Drink_level=1;
Brest_milk_level=2时,Drink_level=2;
Brest_milk_level=3时,Drink_level=2;
Brest_milk_level=4时,Drink_level=2;
Brest_milk_level=5时,Drink_level=2。
参照以上规则,可以确定饮水等级,并据其调取对应的饮水量信息。
将热量等级、总热量信息、饮食计划信息和饮水量信息汇总到报告模板中,生成如图3所示的第一入营饮食报告;采用服务器自动实现了减脂或产后恢复时,用户每日应当摄入的总热量、饮食计划(包含餐别组成和营养素热量占比)及饮水量;如此,人员可以参照该报告进行饮食规划,使每天应当摄入的热量、营养素可控,并且为精确的饮食推荐提供保障。
本实施例中,母乳比例信息可以根据运动测试信息中的母乳情况获取。
步骤S103、依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量。
根据本发明实施例,优选的,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量包括:
在所述第一入营饮食报告中提取出用户每日应当摄入的总热量值;
按照第一餐规则和总热量值确定每餐应当摄入的第一热量值;
按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单;
按照第二餐规则和第一热量值确定目标食材名单中每个食材应当摄入的第二热量值;
对照热量-摄量表搜索与所述第二热量值相对应的食材摄入量。
为了实现精确的饮食推荐,还应该通过服务器对每餐吃哪些食物,每餐这些食物的摄入量作出自动的确定。因此,预先设置了第一餐规则、食材筛选规则、第二餐规则和热量-摄量表,最终能够确定用户每餐应当吃的食材种类,以及每个食材的摄入量。
本实施例中,第一餐规则为:将每日分为早餐、中餐、晚餐和加餐,并且通过公式规定(总热量*预设百分比=每餐热量)每餐应当摄入的热量,即为第一热量值。
本实施例中,食材筛选规则可以是随机,也可以是筛选权重高的。
本实施例中,第二餐规则为:目标名单中的任意一个食材热量=第一热量值*预设百分比;所有食材热量的总和为第一热量值。
采用服务器自动实现了减脂或产后恢复时,用户每日应当摄入的总热量、饮食计划(包含餐别组成、种类和营养素热量占比)及饮水量的同时,还实现了食材种类挑选和每类食材应当摄入量的确定;如此,人员可以通过在终端的操作了解每餐应当摄入的食材种类和摄入量,细化到每餐,从而实现精确的饮食推荐,进而提升产后身材恢复或减脂效果。
本实施例中,还设置附加规则,用于辅助确定总热量、饮食计划(包含餐别组成和营养素热量占比)、饮水量、食材种类和摄入量。
根据本发明实施例,优选的,按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单包括:
将推荐指数判断为高的食材筛选至待推荐食材名单;
按照食材随机筛选规则,在待推荐食材名单中随机抽取多个食材作为每餐应当摄入的食材种类,并归入目标食材名单。
预先在服务器上设置了减脂或产后身材恢复的推荐指数,将推荐指数高的食材归入待推荐食材名单,其他食材不推荐。比如:脂肪较高的肥肉等均设置为推荐指数低。然后采用随机算法,在该名单中选择n个食材作为推荐给用户的食材种类,放到目标食材名单;n可以预先设定。实现了食材种类的随机选择,提升了饮食推荐的精确性。
根据本发明实施例,优选的,按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单包括:
将推荐指数判断为高的食材筛选至待推荐食材名单;
按照行为-权重、偏好-权重及相似度-权重规则计算待推荐食材名单中每个食材的推荐权重;
选择推荐权重排序靠前的多个食材作为每餐应当摄入的食材种类,并归入目标食材名单。
预先在服务器上设置了减脂或产后身材恢复的推荐指数,将推荐指数高的食材归入待推荐食材名单,其他食材不推荐。比如:脂肪较高的肥肉等均设置为推荐指数低。然后按照行为-权重、偏好-权重及相似度-权重规则,在该名单中选择n个食材作为推荐给用户的食材种类,放到目标食材名单;n可以预先设定。如此,权重越高,越容易被推荐;服务器会推荐的是打卡行为中打卡次数高、食材相似度高、用户偏好度高的食材,实现了食材种类的精确选择,提升了饮食推荐的精确性。
本实施例中,权重由相似度、偏好、打卡行为等维度综合计算而来,且这个权重是动态变化的;
每次生成饮食推荐时,均在既有的推荐食材范围基础上,向推荐算法模块请求当前最新的权重值,从而以该权重值的集合为指导,来计算抽取概率。
某食材抽取概率p=该食材权重值/(∑本次抽取范围内所有食材权重值);
本版本中,仅在“自己做”场景下的饮食推荐,适用饮食推荐算法;
算法原则:
食材范围与相似度:
食材范围:由于只有health_light的值为1的食材才有可能作为推荐食材出现在学员的饮食方案中,因此,整个推荐算法涉及到的食材范围,均收缩到health_light值为1的食材范围。截止本文档撰写时,这样的食材有1065个,后续有可能会有所增减,但判断条件不变;
相似度:从全平台打卡数据可通过算法计算出食材之间的相似度,推荐算法应以相似度高低来动态调整权重,基本原则为:某食材的推荐权重,将会影响到与其相似的食材的推荐权重,使其权重趋同。并且相似度越高,则这种影响越大。
偏好:
基本原则:在打卡行为一致时,对于用户不喜欢的食材(偏好表中有这条食材的数据),则其权重应显著小于一般的食材;
说明:偏好仅仅是在用户打卡行为数据的基础上的一种系数级调整(例如反感为*0.1),最终推荐权重还要结合打卡行为来综合考虑。
打卡行为:
基本原则:在不考虑相似度与偏好时,用户打卡次数高的食材,其权重总是要高于打卡次数低的食材的权重。(例如打卡次数+1则权重值+1)
本实施例中,如图4和5所示,用户偏好的食材或食物,可以通过打开我的页面,点击饮食偏好进行配置,实现了批量标记不喜欢的食材,从而在推荐时,可以将标记的食材设置为低权重,大大减小了被推荐的概率。
从以上的描述中,可以看出,本发明实现了如下技术效果:
在本申请实施例中,采用根据用户实际情况推荐饮食的方式,通过接收用户在终端输入的开营评估信息;根据所述开营评估信息生成第一入营饮食报告;依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量;达到了根据用户的自身情况进行精确的饮食推荐的目的,从而实现了提升身材恢复或减脂效果的技术效果,进而解决了由于无法根据用户的实际情况作出精确的饮食推荐造成的产后身材恢复或减脂效果差的技术问题。
根据本发明实施例,优选的,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量之后还包括:
接收用户在终端发出的饮食计划请求;
将带有食材摄入量的目标食材名单同步至终端;
接收用户在目标食材名单发出的第一食材的替换请求;
依照食材相似度规则在食材库中筛选出与第一食材相似度高的第二食材,并归入食材替换名单;
在食材替换名单中通过第二食材替换第一食材,并输出根据第一食材的第二热量值计算得到第二食材的第二摄入量。
如图6所示,用户通过终端小程序界面点击“饮食方案”发出饮食计划请求,服务器收到该请求后,将得到的目标食材名单以及该名单中的食材所对应的食材摄入量相互结合后,同步到终端小程序中显示,显示界面如图7所示;再点击该界面中食材后的“替换”发出食材的替换请求,服务器按照该第一食材计算与其他食材的相似度,将相似度高的全部输出到小程序的选择界面中显示(如图8所示),再在该界面中列出的所有食材中选择或搜索出一个第二食材,替换先前的第一食材,并返回如图7所示的界面输出替换结果;同时,服务器按照第一食材下的热量值,通过查热量-摄量表可以反推出第二食材应当摄入的第二摄入量。实现了目标食材名单中食材的替换,而且能够替换相似度高的食材,满足用户替换自己不喜欢吃的食材的需求。
根据本发明实施例,优选的,接收用户在终端输入的开营评估信息之后还包括:
采用目标优化算法优化所述个人基础信息中的当前体重和当前腰围,预测得到目标体重和目标腰围。
如图9所示,目标优化算法具体流程为:
步骤A1、判断算法接口是否正常;
步骤A2、如果正常,则请求目标值:体重数据和腰围数据;执行步骤A4;
步骤A3、如果不正常,直接使用写死的往期百分比:目标体重=开营体重*94%;目标腰围=开营腰围*92.8%;程序结束;
步骤A4、判断体重是否在(40-110)之间;如果是,执行步骤 A5;如果不是,执行步骤A6;同时判断腰围是否在(60-120)之间,如果是,执行步骤A7;如果不是,执行步骤A8;
步骤A5、如果判断身高是否在(140-190)之间,采用机器算法推算目标体重;
步骤A6、小于40则暂定目标减重值为开营体重的1%;大于110 则暂定目标减重值为开营体重的7%;
步骤A7、采用机器算法推算目标腰围;
步骤A8、小于60,则暂定目标减腰围值为开营腰围的1%;大于则暂定目标减腰围值为开营腰围的7%。
通过以上的算法,可以阈值推定或机器推定最终的目标腰围和体重,用户在开营前就可以查看自己的目标腰围和体重。算法本身提供了多种计算方式,采用判断选择不同计算方式的形式,即使在出现一些特殊情况时,也能估算目标腰围和体重;诸如出现体重过轻、过重或腰围过小、过大的情况时,通过机器学习算法是没有办法进行准确的预测的,因此,会采用通过判断进行阈值判断,再估算一个目标腰围和体重,能够适应所有用户群体。
根据本发明实施例,优选的,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量之后还包括:
接收用户在终端的打卡请求,进入第一操作界面;
根据用户在所述第一操作界面中的选择导入对应的目标食材名单。
如图6所示,用户可以点击“+”按钮发出打卡请求,进入第一操作界面后可以选择“早餐、午餐、晚餐、加餐、饮水”,选择之后再选择载入“目标食材名单”就可以将对应的食材名单加载至该界面中,再点击“打卡”就可以完成打卡。实现了打卡操作,有效监督用户产后身材恢复、减脂。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
根据本发明实施例,还提供了一种用于实施上述饮食推荐方法的装置,如图2所示,该装置包括:
信息接收模块10,用于接收用户在终端输入的开营评估信息;
根据本发明实施例,优选的,接收用户在终端输入的开营评估信息包括:
接收用户在终端的录入请求;
在终端录入用户基本信息;
接收用户在终端的测试请求;
在终端输出预设的测试用问题对;
接收用户回答完所述测试用问题对后得到的运动测试信息。
终端可以是手机、电脑或平板,优选为手机;在手机上安装有饮食推荐APP或依附于APP的饮食推荐小程序;优选为小程序。
当用户第一次进入小程序时,可以根据界面提示,进行开营评估信息的录入。
具体而言,用户在该界面中点击信息录入,就可以录入体重、腰围、臀围,并且点击上传正面照和侧面照;以上的用户基本信息录入完成后,用户可以发出测试请求,服务器收到该请求后,将预设的问题对输出至终端的小程序界面中,用户依次回答所有问题后,服务器会根据答案和问题对得到恢复情况、运动损伤等运动测试信息。
本实施例中,恢复情况包括但不限于,涉及腹直肌分离、骨盆骨或分娩伤口、漏尿情况;并且提供了以上信息如何判断的提示接口,通过该提示接口用户可以知道如何进行判断并选择。
本实施例中,运动损伤包括但不限于,可进行的运动、母乳情况。
这些录入的信息和回答问题对得到信息能够充分反应用户的自身情况,进而为精确的饮食推荐提供数据保障。
报告生成模块20,用于根据所述开营评估信息生成第一入营饮食报告;
根据本发明实施例,优选的,根据所述开营评估信息生成第一入营饮食报告包括:
将所述开营评估信息中的用户基本信息和母乳比例信息输入热量等级模型,得到热量等级;
调取与所述热量等级相对应的总热量信息和饮食计划信息;
根据所述开营评估信息中的母乳比例信息确定饮水等级;
调取与所述饮水等级相对应的饮水量信息;
根据热量等级、总热量信息、饮食计划信息和饮水量信息生成第一入营饮食报告。
开营评估信息输入之后,服务器从中调取用户基本信息和母乳比例信息,并输入至热量等级模型中,通过该模型计算得到用户的热量等级。
具体计算过程参照如下规则:
BMR=9.99*Height+6.25*Weight-4.92*Age-161;
母乳热量Extra_heat(kcal)
Brest_milk_level=1时,Extra_heat=0;
Brest_milk_level=2时,Extra_heat=100;
Brest_milk_level=3时,Extra_heat=250;
Brest_milk_level=4时,Extra_heat=350;
Brest_milk_level=5时,Extra_heat=500;
膳食热量Diet_calorie(kcal)
Diet_calorie=BMR*1.197+Extra_heat
热量等级Heat_level
Diet_calorie∈[0,1400)&Brest_milk_level=1时, Heat_level=1;
Diet_calorie∈[0,1400)&Brest_milk_level<>1时, Heat_level=2;
Diet_calorie∈[1400,1600),Heat_level=2;
Diet_calorie∈[1600,1800),Heat_level=3;
Diet_calorie∈[1800,2000),Heat_level=4;
Diet_calorie∈[2000,2200),Heat_level=5;
Diet_calorie∈[2200,2400),Heat_level=6;
Diet_calorie∈[2400,+∞),Heat_level=7。
在服务器上预设了等级-信息表格,不同的等级对应不同的饮食计划相关信息。当计算得到热量等级后,首先调取总热量信息(以上规则中已经计算得到),参照该表格可以搜寻到与该热量等级相对应的饮食计划信息。
服务器再从中调取母乳比例信息(直接反应等级),与饮水等级相对应,具体规则如下:
饮水等级Drink_level
Brest_milk_level=1时,Drink_level=1;
Brest_milk_level=2时,Drink_level=2;
Brest_milk_level=3时,Drink_level=2;
Brest_milk_level=4时,Drink_level=2;
Brest_milk_level=5时,Drink_level=2。
参照以上规则,可以确定饮水等级,并据其调取对应的饮水量信息。
将热量等级、总热量信息、饮食计划信息和饮水量信息汇总到报告模板中,生成如图3所示的第一入营饮食报告;采用服务器自动实现了减脂或产后恢复时,用户每日应当摄入的总热量、饮食计划(包含餐别组成和营养素热量占比)及饮水量;如此,人员可以参照该报告进行饮食规划,使每天应当摄入的热量、营养素可控,并且为精确的饮食推荐提供保障。
本实施例中,母乳比例信息可以根据运动测试信息中的母乳情况获取。
确定模块30,用于依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量。
根据本发明实施例,优选的,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量包括:
在所述第一入营饮食报告中提取出用户每日应当摄入的总热量值;
按照第一餐规则和总热量值确定每餐应当摄入的第一热量值;
按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单;
按照第二餐规则和第一热量值确定目标食材名单中每个食材应当摄入的第二热量值;
对照热量-摄量表搜索与所述第二热量值相对应的食材摄入量。
为了实现精确的饮食推荐,还应该通过服务器对每餐吃哪些食物,每餐这些食物的摄入量作出自动的确定。因此,预先设置了第一餐规则、食材筛选规则、第二餐规则和热量-摄量表,最终能够确定用户每餐应当吃的食材种类,以及每个食材的摄入量。
本实施例中,第一餐规则为:将每日分为早餐、中餐、晚餐和加餐,并且通过公式规定(总热量*预设百分比=每餐热量)每餐应当摄入的热量,即为第一热量值。
本实施例中,食材筛选规则可以是随机,也可以是筛选权重高的。
本实施例中,第二餐规则为:目标名单中的任意一个食材热量=第一热量值*预设百分比;所有食材热量的总和为第一热量值。
采用服务器自动实现了减脂或产后恢复时,用户每日应当摄入的总热量、饮食计划(包含餐别组成、种类和营养素热量占比)及饮水量的同时,还实现了食材种类挑选和每类食材应当摄入量的确定;如此,人员可以通过在终端的操作了解每餐应当摄入的食材种类和摄入量,细化到每餐,从而实现精确的饮食推荐,进而提升产后身材恢复或减脂效果。
本实施例中,还设置附加规则,用于辅助确定总热量、饮食计划(包含餐别组成和营养素热量占比)、饮水量、食材种类和摄入量。
根据本发明实施例,优选的,按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单包括:
将推荐指数判断为高的食材筛选至待推荐食材名单;
按照食材随机筛选规则,在待推荐食材名单中随机抽取多个食材作为每餐应当摄入的食材种类,并归入目标食材名单。
预先在服务器上设置了减脂或产后身材恢复的推荐指数,将推荐指数高的食材归入待推荐食材名单,其他食材不推荐。比如:脂肪较高的肥肉等均设置为推荐指数低。然后采用随机算法,在该名单中选择n个食材作为推荐给用户的食材种类,放到目标食材名单;n可以预先设定。实现了食材种类的随机选择,提升了饮食推荐的精确性。
根据本发明实施例,优选的,按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单包括:
将推荐指数判断为高的食材筛选至待推荐食材名单;
按照行为-权重、偏好-权重及相似度-权重规则计算待推荐食材名单中每个食材的推荐权重;
选择推荐权重排序靠前的多个食材作为每餐应当摄入的食材种类,并归入目标食材名单。
预先在服务器上设置了减脂或产后身材恢复的推荐指数,将推荐指数高的食材归入待推荐食材名单,其他食材不推荐。比如:脂肪较高的肥肉等均设置为推荐指数低。然后按照行为-权重、偏好-权重及相似度-权重规则,在该名单中选择n个食材作为推荐给用户的食材种类,放到目标食材名单;n可以预先设定。如此,权重越高,越容易被推荐;服务器会推荐的是打卡行为中打卡次数高、食材相似度高、用户偏好度高的食材,实现了食材种类的精确选择,提升了饮食推荐的精确性。
本实施例中,权重由相似度、偏好、打卡行为等维度综合计算而来,且这个权重是动态变化的;
每次生成饮食推荐时,均在既有的推荐食材范围基础上,向推荐算法模块请求当前最新的权重值,从而以该权重值的集合为指导,来计算抽取概率。
某食材抽取概率p=该食材权重值/(∑本次抽取范围内所有食材权重值);
本版本中,仅在“自己做”场景下的饮食推荐,适用饮食推荐算法;
算法原则:
食材范围与相似度:
食材范围:由于只有health_light的值为1的食材才有可能作为推荐食材出现在学员的饮食方案中,因此,整个推荐算法涉及到的食材范围,均收缩到health_light值为1的食材范围。截止本文档撰写时,这样的食材有1065个,后续有可能会有所增减,但判断条件不变;
相似度:从全平台打卡数据可通过算法计算出食材之间的相似度,推荐算法应以相似度高低来动态调整权重,基本原则为:某食材的推荐权重,将会影响到与其相似的食材的推荐权重,使其权重趋同。并且相似度越高,则这种影响越大。
偏好:
基本原则:在打卡行为一致时,对于用户不喜欢的食材(偏好表中有这条食材的数据),则其权重应显著小于一般的食材;
说明:偏好仅仅是在用户打卡行为数据的基础上的一种系数级调整(例如反感为*0.1),最终推荐权重还要结合打卡行为来综合考虑。
打卡行为:
基本原则:在不考虑相似度与偏好时,用户打卡次数高的食材,其权重总是要高于打卡次数低的食材的权重。(例如打卡次数+1则权重值+1)
本实施例中,如图4和5所示,用户偏好的食材或食物,可以通过打开我的页面,点击饮食偏好进行配置,实现了批量标记不喜欢的食材,从而在推荐时,可以将标记的食材设置为低权重,大大减小了被推荐的概率。
从以上的描述中,可以看出,本发明实现了如下技术效果:
在本申请实施例中,采用根据用户实际情况推荐饮食的方式,通过接收用户在终端输入的开营评估信息;根据所述开营评估信息生成第一入营饮食报告;依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量;达到了根据用户的自身情况进行精确的饮食推荐的目的,从而实现了提升身材恢复或减脂效果的技术效果,进而解决了由于无法根据用户的实际情况作出精确的饮食推荐造成的产后身材恢复或减脂效果差的技术问题。
根据本发明实施例,优选的,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量之后还包括:
接收用户在终端发出的饮食计划请求;
将带有食材摄入量的目标食材名单同步至终端;
接收用户在目标食材名单发出的第一食材的替换请求;
依照食材相似度规则在食材库中筛选出与第一食材相似度高的第二食材,并归入食材替换名单;
在食材替换名单中通过第二食材替换第一食材,并输出根据第一食材的第二热量值计算得到第二食材的第二摄入量。
如图6所示,用户通过终端小程序界面点击“饮食方案”发出饮食计划请求,服务器收到该请求后,将得到的目标食材名单以及该名单中的食材所对应的食材摄入量相互结合后,同步到终端小程序中显示,显示界面如图7所示;再点击该界面中食材后的“替换”发出食材的替换请求,服务器按照该第一食材计算与其他食材的相似度,将相似度高的全部输出到小程序的选择界面中显示(如图8所示),再在该界面中列出的所有食材中选择或搜索出一个第二食材,替换先前的第一食材,并返回如图7所示的界面输出替换结果;同时,服务器按照第一食材下的热量值,通过查热量-摄量表可以反推出第二食材应当摄入的第二摄入量。实现了目标食材名单中食材的替换,而且能够替换相似度高的食材,满足用户替换自己不喜欢吃的食材的需求。
根据本发明实施例,优选的,接收用户在终端输入的开营评估信息之后还包括:
采用目标优化算法优化所述个人基础信息中的当前体重和当前腰围,预测得到目标体重和目标腰围。
如图9所示,目标优化算法具体流程为:
步骤A1、判断算法接口是否正常;
步骤A2、如果正常,则请求目标值:体重数据和腰围数据;执行步骤A4;
步骤A3、如果不正常,直接使用写死的往期百分比:目标体重=开营体重*94%;目标腰围=开营腰围*92.8%;程序结束;
步骤A4、判断体重是否在(40-110)之间;如果是,执行步骤 A5;如果不是,执行步骤A6;同时判断腰围是否在(60-120)之间,如果是,执行步骤A7;如果不是,执行步骤A8;
步骤A5、如果判断身高是否在(140-190)之间,采用机器算法推算目标体重;
步骤A6、小于40则暂定目标减重值为开营体重的1%;大于110 则暂定目标减重值为开营体重的7%;
步骤A7、采用机器算法推算目标腰围;
步骤A8、小于60,则暂定目标减腰围值为开营腰围的1%;大于则暂定目标减腰围值为开营腰围的7%。
通过以上的算法,可以阈值推定或机器推定最终的目标腰围和体重,用户在开营前就可以查看自己的目标腰围和体重。算法本身提供了多种计算方式,采用判断选择不同计算方式的形式,即使在出现一些特殊情况时,也能估算目标腰围和体重;诸如出现体重过轻、过重或腰围过小、过大的情况时,通过机器学习算法是没有办法进行准确的预测的,因此,会采用通过判断进行阈值判断,再估算一个目标腰围和体重,能够适应所有用户群体。
根据本发明实施例,优选的,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量之后还包括:
接收用户在终端的打卡请求,进入第一操作界面;
根据用户在所述第一操作界面中的选择导入对应的目标食材名单。
如图6所示,用户可以点击“+”按钮发出打卡请求,进入第一操作界面后可以选择“早餐、午餐、晚餐、加餐、饮水”,选择之后再选择载入“目标食材名单”就可以将对应的食材名单加载至该界面中,再点击“打卡”就可以完成打卡。实现了打卡操作,有效监督用户产后身材恢复、减脂。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种饮食推荐方法,其特征在于,包括:
接收用户在终端输入的开营评估信息;
根据所述开营评估信息生成第一入营饮食报告;
依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量。
2.根据权利要求1所述的饮食推荐方法,其特征在于,接收用户在终端输入的开营评估信息包括:
接收用户在终端的录入请求;
在终端录入用户基本信息;
接收用户在终端的测试请求;
在终端输出预设的测试用问题对;
接收用户回答完所述测试用问题对后得到的运动测试信息。
3.根据权利要求1所述的饮食推荐方法,其特征在于,根据所述开营评估信息生成第一入营饮食报告包括:
将所述开营评估信息中的用户基本信息和母乳比例信息输入热量等级模型,得到热量等级;;
调取与所述热量等级相对应的总热量信息和饮食计划信息;
根据所述开营评估信息中的母乳比例信息确定饮水等级;
调取与所述饮水等级相对应的饮水量信息;
根据热量等级、总热量信息、饮食计划信息和饮水量信息生成第一入营饮食报告。
4.根据权利要求1所述的饮食推荐方法,其特征在于,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量包括:
在所述第一入营饮食报告中提取出用户每日应当摄入的总热量值;
按照第一餐规则和总热量值确定每餐应当摄入的第一热量值;
按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单;
按照第二餐规则和第一热量值确定目标食材名单中每个食材应当摄入的第二热量值;
对照热量-摄量表搜索与所述第二热量值相对应的食材摄入量。
5.根据权利要求4所述的饮食推荐方法,其特征在于,按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单包括:
将推荐指数判断为高的食材筛选至待推荐食材名单;
按照食材随机筛选规则,在待推荐食材名单中随机抽取多个食材作为每餐应当摄入的食材种类,并归入目标食材名单。
6.根据权利要求4所述的饮食推荐方法,其特征在于,按照食材筛选规则确定每餐应当摄入的食材种类,并归入到目标食材名单包括:
将推荐指数判断为高的食材筛选至待推荐食材名单;
按照行为-权重、偏好-权重及相似度-权重规则计算待推荐食材名单中每个食材的推荐权重;
选择推荐权重排序靠前的多个食材作为每餐应当摄入的食材种类,并归入目标食材名单。
7.根据权利要求1所述的饮食推荐方法,其特征在于,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量之后还包括:
接收用户在终端发出的饮食计划请求;
将带有食材摄入量的目标食材名单同步至终端;
接收用户在目标食材名单发出的第一食材的替换请求;
依照食材相似度规则在食材库中筛选出与第一食材相似度高的第二食材,并归入食材替换名单;
在食材替换名单中通过第二食材替换第一食材,并输出根据第一食材的第二热量值计算得到第二食材的第二摄入量。
8.根据权利要求1所述的饮食推荐方法,其特征在于,接收用户在终端输入的开营评估信息之后还包括:
采用目标优化算法优化所述个人基础信息中的当前体重和当前腰围,预测得到目标体重和目标腰围。
9.根据权利要求1所述的饮食推荐方法,其特征在于,依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量之后还包括:
接收用户在终端的打卡请求,进入第一操作界面;
根据用户在所述第一操作界面中的选择导入对应的目标食材名单。
10.一种饮食推荐装置,其特征在于,包括:
信息接收模块,用于接收用户在终端输入的开营评估信息;
报告生成模块,用于根据所述开营评估信息生成第一入营饮食报告;
确定模块,用于依照预设的饮食推荐规则结合生成的第一入营饮食报告,确定目标食材名单及食材摄入量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010660811.XA CN112002388A (zh) | 2020-07-09 | 2020-07-09 | 饮食推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010660811.XA CN112002388A (zh) | 2020-07-09 | 2020-07-09 | 饮食推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112002388A true CN112002388A (zh) | 2020-11-27 |
Family
ID=73467506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010660811.XA Pending CN112002388A (zh) | 2020-07-09 | 2020-07-09 | 饮食推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112002388A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113990444A (zh) * | 2021-10-11 | 2022-01-28 | 医膳通(广东)信息技术有限公司 | 基于数据分析和深度学习的智能营养膳食管理方法和*** |
CN114203277A (zh) * | 2021-11-15 | 2022-03-18 | 珠海格力电器股份有限公司 | 控糖推荐方法、装置、介质、及智能设备 |
CN115054121A (zh) * | 2022-02-28 | 2022-09-16 | 浙江绍兴苏泊尔生活电器有限公司 | 烹饪器具的控制方法、控制***及装置 |
CN116884571A (zh) * | 2023-09-07 | 2023-10-13 | 北京四海汇智科技有限公司 | 一种基于图像处理的膳食重量智能评估*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120083669A1 (en) * | 2010-10-04 | 2012-04-05 | Abujbara Nabil M | Personal Nutrition and Wellness Advisor |
CN108417251A (zh) * | 2018-02-24 | 2018-08-17 | 优成商业管理(沈阳)有限公司 | 营养餐生成方法、装置、设备及介质 |
CN110504019A (zh) * | 2019-08-30 | 2019-11-26 | 北京妙医佳健康科技集团有限公司 | 用户个性化饮食推荐方法、装置、电子设备及存储介质 |
US20190371452A1 (en) * | 2016-12-02 | 2019-12-05 | Nestec S.A. | System and methods for calculating, displaying, modifying, and using improved personalized nutritional health score to assess and plan optimal diets |
CN110782971A (zh) * | 2019-10-09 | 2020-02-11 | 南京麦澜德医疗科技有限公司 | 一种膳食推荐方法及*** |
CN111383738A (zh) * | 2020-03-06 | 2020-07-07 | 京东方科技集团股份有限公司 | 用于哺乳期的食谱推荐方法、装置、***、设备及介质 |
-
2020
- 2020-07-09 CN CN202010660811.XA patent/CN112002388A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120083669A1 (en) * | 2010-10-04 | 2012-04-05 | Abujbara Nabil M | Personal Nutrition and Wellness Advisor |
US20190371452A1 (en) * | 2016-12-02 | 2019-12-05 | Nestec S.A. | System and methods for calculating, displaying, modifying, and using improved personalized nutritional health score to assess and plan optimal diets |
CN108417251A (zh) * | 2018-02-24 | 2018-08-17 | 优成商业管理(沈阳)有限公司 | 营养餐生成方法、装置、设备及介质 |
CN110504019A (zh) * | 2019-08-30 | 2019-11-26 | 北京妙医佳健康科技集团有限公司 | 用户个性化饮食推荐方法、装置、电子设备及存储介质 |
CN110782971A (zh) * | 2019-10-09 | 2020-02-11 | 南京麦澜德医疗科技有限公司 | 一种膳食推荐方法及*** |
CN111383738A (zh) * | 2020-03-06 | 2020-07-07 | 京东方科技集团股份有限公司 | 用于哺乳期的食谱推荐方法、装置、***、设备及介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113990444A (zh) * | 2021-10-11 | 2022-01-28 | 医膳通(广东)信息技术有限公司 | 基于数据分析和深度学习的智能营养膳食管理方法和*** |
CN114203277A (zh) * | 2021-11-15 | 2022-03-18 | 珠海格力电器股份有限公司 | 控糖推荐方法、装置、介质、及智能设备 |
CN115054121A (zh) * | 2022-02-28 | 2022-09-16 | 浙江绍兴苏泊尔生活电器有限公司 | 烹饪器具的控制方法、控制***及装置 |
CN116884571A (zh) * | 2023-09-07 | 2023-10-13 | 北京四海汇智科技有限公司 | 一种基于图像处理的膳食重量智能评估*** |
CN116884571B (zh) * | 2023-09-07 | 2023-12-12 | 北京四海汇智科技有限公司 | 一种基于图像处理的膳食重量智能评估*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112002388A (zh) | 饮食推荐方法及装置 | |
AU2013101802A4 (en) | Systems and methods for user-specific modulation of nutrient intake | |
CN109964280B (zh) | 用于计算、显示、修改和使用改善的个性化营养健康评分来评估和计划最佳饮食的***和方法 | |
US11874879B2 (en) | Deep multi-modal pairwise ranking model for crowdsourced food data | |
US20180211723A1 (en) | Personalized nutritional and metabolic modification system | |
JP2015510646A5 (zh) | ||
Leipold et al. | Nutrilize a Personalized Nutrition Recommender System: an Enable Study. | |
US10878458B2 (en) | Associating taste with consumable records | |
US20220022778A1 (en) | System and methods for providing personalized workout and diet plans | |
KR20180116779A (ko) | 인공 지능 기반 영상 및 음성 인식 영양 평가 방법 | |
CN115910284A (zh) | 就餐推荐方法、装置、电子设备及存储介质 | |
JP6021223B2 (ja) | マッチングサーバ | |
KR20200126577A (ko) | 음식량 측정을 이용한 배식소의 운영정보와 배식대상의 관리정보 제공 방법, 서버 및 프로그램 | |
EP4143842A1 (en) | Systems and methods for providing individualized recommendations for a healthy microbiome | |
EP3964793A1 (en) | Food measurement method, device, and program | |
KR20210052123A (ko) | 사용자 맞춤형 식품 정보 서비스를 제공하는 방법 및 그를 이용한 서버 | |
WO2018175962A1 (en) | Personalized nutritional and metabolic modification system | |
KR102656629B1 (ko) | 개인의 식이 패턴 설정 시스템과 그 방법 | |
Zhang et al. | GreenRec: A Large-Scale Dataset for Green Food Recommendation | |
US20180032697A1 (en) | Health tracking system with smart serving sizes | |
US20240006051A1 (en) | Systems and methods to predict an individuals microbiome status and provide personalized recommendations to maintain or improve the microbiome status | |
EP4394790A1 (en) | Method and apparatus for mobile healthcare service using diet management | |
WO2023073052A1 (en) | Systems and methods for providing individualized nutritional recommendations for intermittent fasting | |
KR20210049704A (ko) | 음식 측정 방법, 장치, 및 프로그램 | |
Hsiao et al. | Preference-driven personalized recommendation by k-comparative annotation and reasoning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |