[发明专利]一种基于多源异构数据融合的智能化营养膳食推荐方法

权利要求书

1.一种基于多源异构数据融合的智能化营养膳食推荐方法，其特征在于，所述方法包括：

步骤1，获取各个食物的属性信息，构建膳食食谱集合数据库；

步骤2，基于深度神经注意力网络学习用户对各个饮食偏好特征的权重，确定用户的饮食偏好；根据用户的身体状况确定用户的个性化饮食约束；

步骤3，基于用户的饮食偏好及个性化饮食约束从所述数据库中选择膳食进行推荐；

所述步骤2中基于深度神经注意力网络学习用户对各个饮食偏好特征的权重，确定用户的饮食偏好的公式为：

其中，P_u表示用户u的偏好；f为激活函数；w是由神经注意力网络学习到的权重；p为偏好特征；b则是偏置向量；

所述步骤2还包括：采用深度学习的技术融合用户身体状况的各方面特征信息，得到带有用户个性化饮食约束的表征；

得到带有用户个性化饮食约束的表征的过程还包括：

引入知识库对用户个性化饮食约束存在的关联的信息进行扩展，利用深度神经网络将通过扩展后的个性化饮食约束和所述膳食食谱集合数据库中的食谱集合中的食物信息进行编码，将扩展后的个性化饮食约束和所述食物信息映射到同一个向量空间并依据相似度计算公式计算两者的语义相似度，所述相似度计算公式为：

其中，E为个性化饮食约束信息；F则为原始的候选食谱集合中的食物息；

所述步骤3包括：将用户的所述个性化饮食约束通过基于语义推理的关联分析，从所述膳食食谱集合数据库中选择获取基于多元饮食约束的个性化食谱；

基于用户的饮食偏好的公式计算所述个性化食谱中每个食物的得分，基于每个食物的得分得到食谱的得分，取得分Top-N个食谱生成营养膳食推荐结果；

所述步骤1中构建所述膳食食谱集合数据库的过程包括：

步骤101，根据时令地域和营养搭配对食物进行组合构建各个膳食食谱；

步骤102，将获取的包含时令地域和营养搭配信息的各个膳食食谱采用表示学习和深度学习的技术进行特征提取和融合，得到各个所述膳食食谱的深度表征；

步骤103，通过深度神经网络对所述膳食食谱的深度表征进行分类得到膳食食谱类别，通过所述膳食食谱类别构建所述膳食食谱集合数据库；

所述步骤101中的所述时令地域表示根据季节和地域确定可选择的食物；所述营养搭配表示根据食物的营养成分和热量确定热量配比恰当、早中晚热量分配合理以及营养元素摄入均衡的膳食食谱；

所述步骤2中根据用户的身体状况确定用户的个性化饮食约束时，所述身体状况包括由用户画像数据所得的生理状况和健康状况；

用户对所述个性化食谱的打分为对所述个性化食谱中每个食物打分的求和：

其中，v是食谱r中的单个食物的打分，l是食谱中的食物数量。