[发明专利]一种基于深度神经网络蒙特卡洛搜索树的个性化配餐方法

说明书

本发明公开了一种基于深度神经网络蒙特卡洛搜索树的个性化配餐方法，首先对蒙特卡洛搜索树进行构建并初始化和对深度神经网络进行构建与训练，以上步骤完成后，预测数据会被同时输入到蒙特卡洛搜索树与深度神经网络模型中，经过两个模型计算并输出结果，最后合并两者作为最后的模型输出，完成个性化配餐。本发明针对个性化配餐，在海量菜谱库情况下，解决个性化、效率性、鲁棒性等问题。

技术领域

本发明涉及人工神经网络分类及智能算法相结合技术领域，具体涉及一种深度智能的营养配餐方法。

背景技术

从“五谷为养，五果为助，五畜为益，五菜为充”的《黄帝内经》、“药补不如食补”的中医经验积累、“民以食为天”的老百姓民间流传，到“营养金字塔”的中国营养学会食物指南，可见营养配餐无处不在。营养配餐是一种科学健康的饮食方式，它以科学的营养理论为指导，建议对主食类、蛋白类、蔬果类、油脂类等均衡摄入，通过配合丰富多样的食材，以达到平衡营养、保持健康的效果。

依托互联网信息化的技术，近年来涌现出大量营养配餐软件与配餐系统，其核心为配餐方法。目前的配餐方法大部分是基于智能算法来解决，步骤为分析配餐的具体需求，建立线性规划模型，定义好目标函数及约束条件，基于最优化的设计算法，例如模糊优化、蚁群算法、遗传算法、退火算法等，最后求解最优化问题。这种方法的过程对于工程实现与落地过于复杂，例如过程中会思考到“什么是最优菜谱标准？”。另外，对于高生活质量要求的今天，更多消费者开始提出更个性化配餐要求，例如饮食热量平衡、慢性疾病饮食、个人生活习惯等等。

发明内容

针对现有技术的不足，本发明旨在提供一种基于深度神经网络蒙特卡洛搜索树的个性化配餐方法，针对个性化配餐，在海量菜谱库情况下，解决个性化、效率性、鲁棒性等问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于深度神经网络蒙特卡洛搜索树的个性化配餐方法，包括如下步骤：

S1、基于菜谱库构建蒙特卡洛搜索菜谱树：

S1.1、由营养专业人员进行菜谱收集、分类整理和审核后形成菜谱库；

S1.2、根据步骤S1.1形成的菜谱库构建菜谱树；

所述菜谱树设置为五层；第一层为成份层，用于构造食材的成份数据；第二层为食材层，用于构造食材数据；第三层为菜谱层，用于构造菜谱数据；第四层为菜谱的分类层，表示各菜谱所属的分类；第五层看作为虚拟根节点；每层的节点i具有带条件概率分布评分k表示条件，x表示每个节点所表示的具体内容；

S1.3、通过模拟抽样的方法，冷启动菜谱树初始化参数；

所述带条件概率分布评分公式如下：

其中，其中，v为节点v′的父节点，N(·)表示节点被访问的次数，Q(·)表示节点的累计收益值，即成功配餐次数；NN(·)表示深度神经网络；c是一个常量参数，通常设为α为UCT与深度神经网络之间的权重关系；在本步骤中，设置α＝1；

初始化的步骤对所有条件k都需要遍历模拟一次，统计出各个k值下的评分的分布情况；

S2、构建深度神经网络模型：

S2.1、对数据样本进行预处理：

S2.2、确定深度神经网络模型结构，所述深度神经网络模型包括输入层、嵌入层、特征交叉层、关注网络层、隐含层、输出层；所述输入层用于将输入数据进行数据向量化；所述嵌入层用于将向量映射到实数域表示的空间；所述特征交叉层用于进行特征的交叉组合；所述关注网络层用于对各个特征和特征组合进行关注网络计算；所述隐含层用于对关注网络层的计算结果进行隐含计算；输出层用于输出最终结果；