[发明专利]基于个人健康感知的食品推荐方法及系统

权利要求书

1.一种基于个人健康感知的食品推荐方法，其特征在于，包括以下步骤：

确定可选的食材种类，基于食谱数据集进行食谱检索；

获取与用户健康有关的文本信息，根据所述文本信息进行健康状况预测，得到用户健康画像；

基于检索到的食谱和用户健康画像为用户推荐食谱；

根据所述文本信息进行健康状况预测，是基于词级别交互的递归卷积神经网络，学习用户动态中的每个词与预定好的健康标签之间的细粒度关联特征；

确定可选的食材种类包括：

获取当前可供选择的食材图像信息；

基于多标签图像分类识别模型识别图像中的食材种类；

所述基于词级别交互的递归卷积神经网络构建方法包括：

获取多个与健康相关的文本信息以及相应的健康标签作为训练数据；

将多个所述文本信息连接成为一个序列，并编码到一个嵌入矩阵；将相应的健康标签编码到一个嵌入矩阵；

利用矩阵乘法计算两个嵌入矩阵的交互矩阵；

将最大池化函数分别应用于交互矩阵的两个不同维度并得到两个向量，将这两个向量作为对应词编码向量和类别编码向量的加权系数；

通过双向循环神经网络对加权后的词编码向量进行编码，并将双向循环神经网络每一步的隐含状态与每一步加权词编码向量级联起来；

使用多个不同窗口大小的卷积核来获取文本特征的多个特征图，然后对每个特征图应用最大池化操作，该操作以最大的特征值作为该特征图的表示；

利用全连接层将文本特征从池化层投影到的高维空间中，维度大小与健康标签数目一致，每一维度代表该用户该健康标签的预测概率；

模型中采用二元交叉熵来计算损失函数，通过梯度下降算法最小化损失函数进行参数优化；

基于检索到的食谱和用户健康画像为用户推荐食谱包括：采用基于类别感知的层次记忆网络，所述层次记忆网络包括：

食谱嵌入模块，用于将食谱编码为向量并存储；

个人记忆模块，每个个人记忆模块与一个用户对应，包括高级别记忆向量和低级别记忆向量，其中，高级别记忆向量用于记录相应用户对食谱类别的健康感知偏好，每个低级别记忆向量与一个食谱类别对应，每个低级别记忆向量用于记录相应食谱类别下的食谱；

所述基于类别感知的层次记忆网络建模过程包括：

对于指定用户，针对每个菜谱的推荐得分进行计算；

采用交叉熵来计算损失函数，通过梯度下降算法最小化损失函数进行模型参数优化；其中，针对某用户计算某菜谱的推荐得分的方法如下：

确定该用户相应的个人记忆模块；

从食谱嵌入模块获取该食谱相应的食谱嵌入向量；

从类别嵌入模块获取该食谱相应的类别嵌入向量；

基于该食谱的类别从所述个人记忆模块中获取该用户对应于该类别的高级别记忆向量和低级别记忆向量；

分别计算所述低级别记忆向量与食谱嵌入向量的相似度，以及所述高级别记忆向量与类别嵌入向量的相似度；

将两个相似度经过线性加权得到该食谱针对该用户的推荐得分。

2.如权利要求1所述的一种基于个人健康感知的食品推荐方法，其特征在于，所述层次记忆网络还包括通用记忆模块，用于记录同一类用户对食谱类别的健康感知偏好和各食谱类别下相应的食谱；在模型训练过程中以一定频率对个人记忆模块进行更新。