一种个性化健康饮食推荐服务方法
【技术领域】
[0001] 本发明属于饮食、推荐服务和数据挖掘技术领域，具体设计一种个性化健康饮食 推荐服务方法。 技术背景
[0002] 随着人民生活水平的不断提高，吃饱已经不能满足人们对饮食的需求，人们开始 追求饮食的美味与健康。由于个人身体状况不同，对食物的营养需求和禁忌也有所不同，面 对众多的食物种类人们仍然难以选择出合理的饮食方案。个性化健康饮食服务是基于营养 学原理和国家的各种膳食供给标准，结合用户信息为用户提供针对性的健康饮食方案。
[0003] 健康饮食服务是一件非常复杂的工作，从二十世纪六十年代就有学者开始研究使 用计算机处理这类问题。由于中国的饮食结构比国外相对复杂，国内饮食推荐系统的发展 相对滞后。目前饮食推荐服务多采用基于几个关键营养指标的摄入量平衡的营养模型，实 现方式上多数采用三种方式:基于案例的和基于规则的、基于遗传算法的。
[0004] 在个性化健康饮食推荐方面，要考虑到用户当前的生理需要（即某一特定性别、年 龄及生理状况个体中对某营养素的需要量）。饮食对用户长期性、累积性的影响不容忽视， 所以还应将用户在过往饮食记录中对各营养素的累积摄入量加入到饮食服务中。上面提到 的方法只关注于满足多种营养素在一天或一餐的摄入量是否达到标准，而忽略了用户饮食 记录中对各营养素的累积过程。
[0005] 本发明提出的个性化健康饮食推荐算法其核心是基于饮食记录的多目标遗传算 法，根据用户饮食记录这一信息，评估用户在一段时间内的总体营养素摄入情况，调整目 标和权重。该方法关心用户在一段时期内的总体营养素摄入情况，而不是机械的要求每天 摄入的营养素。
【发明内容】
[0006] 针对以上不足之处，为了更好地满足人们饮食健康的需求，为用户提供个性化的 饮食推荐服务，促进营养改善、营养信息化建设，本发明提供一种个性化健康饮食推荐服务 方法。
[0007] 本发明所采用的技术方案是：
[0008] 该个性化健康饮食推荐服务方法包括以下步骤：
[0009] (1)收集历史用户的用户数据、食品数据和营养数据；
[0010] (2)在步骤(1)所收集的数据中进行筛选，构建饮食本体模型；
[0011] (3)根据饮食本体模型提取目标用户的用户数据和营养数据，并确定该目标用户 对应的各营养素的标准摄入量S,;
[0012] (4)根据步骤(3)所得目标用户对应的各营养素的标准摄入量51，结合该用户在本 体模型中的饮食记录，计算各目标营养素的摄入误差；
[0013]
[0014] 其中，fdX)为目标用户摄入第i种营养素的误差，X为各食物及其所对应的食用量 的集合，X=(xi，x2，···，x。，…，yi，y2，···，y。，···）；V表示食物集，y。表示目标用户对第c种食物 X。的食用量，xc；i表不食物X。的第i种营养素的含量；
[0015] (5)利用步骤(3)的标准摄入量Si和步骤⑷的各目标营养素的摄入误差心⑴，计 算出各目标营养素的摄入误差率&和最近t段时间内的累积误差率Ei:
[0016]
[0017] Ε?= Σ tei ；
[0018] (6)根据步骤(5) t段时间内的累积误差率Ei，确定各目标营养素函数的权重Wi，
[0019]
[0020] 其中，a为权重因子，q为目标营养素的个数；
[0021] (7)根据步骤(6)所得各目标营养素的权重值，确定适应值函数h:
[0022]
[0023] Y= (XI，X2,…，xm,…，yi，y2,…，ym,…），xmeV
[0024] 其中Y为目标用户所推荐的食物xm和其对应的食用量7?的集合，m为给目标用户所 推荐的食物编号；
[0025]应用适应值函数h通过遗传算法计算出目标用户所推荐的食物&和其对应的食用 量ymo
[0026]在上述步骤(7)之后还包括步骤(8)，提取饮食本体模型中历史用户在美食博客中 发布的所有菜肴信息，利用LDA模型建立用户-兴趣的概率生成矩阵，通过KL散度方法计算 历史用户与目标用户间的兴趣相似度，从而将与步骤(7)所推荐的食物&相关的菜肴推荐 给目标用户。
[0027] 上述步骤(8)具体由以下步骤实现：
[0028] (8.1)从饮食本体模型中提取用户在美食博客中发布的所有菜肴信息，利LDA模型 确定出用户-兴趣-词的关系，将一个用户的所有菜肴合并成一个文档进行兴趣模型生成， 得到用户-兴趣的概率生成矩阵：
[0029]
[0030]其中，u表示用户集，z表示兴趣集，η为用户集中历史用户的个数，k表示兴趣集中 兴趣的种类，Ay表示用户此在兴趣zk上的生成概率，表明用户un对兴趣zk的喜好程度；
[0031] (8.2)筛选出在美食博客中发布过与步骤(7)所推荐的食物Xm相关菜肴的历史用 户，根据步骤(8.1)所得的用户-兴趣概率生成矩阵计算该历史用户m与目标用户之间的 兴趣相似度，公式如下：
[0032]
[0033] D(m，Uj) = [Dkl(ih | | Uj)+DKL(Uj | | Ui) ]/2，
[0034]
[0035] 其中，Sim(Ul，Uj)为历史用户m和目标用户的兴趣相似度，该值越大，表示两个 用户兴趣越相似；
[0036] (8.3)根据步骤(7)中食物Xm，为目标用户叫推荐与之相似度最高的用户所发布的 关于食物Xm的菜肴。
[0037]上述用户数据包括人口统计学特征信息、运动信息、生理状态信息、饮食记录信 息、美食博客信息、位置物理环境信息、社会环境信息、宗教信仰信息、增肌减脂目标信息和 口味兴趣信息;食品数据包括网络中的菜肴信息和食物成分表中的食物信息。
[0038] 本发明的个性化健康饮食推荐服务方法是通过收集的用户数据、食品数据和营 养数据等进行筛选，构建饮食本体模型，从中提取用户数据和营养数据，计算各营养素的标 准摄入量，结合用户的饮食记录，计算各目标营养素的摄入误差，从而确定出各目标营养素 的摄入误差和最近t段时间内的累积误差率，确定出各目标营养素函数的权重，利用遗传算 法计算出目标用户所推荐的食物 Xm和其对应的食用量ym，本发明能够结合用户的健康状况、 饮食习惯以及个人爱好等，为用户提供一种个性化的健康饮食推荐服务方法，更好地满足 用户饮食健康和兴趣爱好的需求，促进营养改善、营养信息化建设。
[0039] 与现有技术相比，本发明优点在于：
[0040] 1)搜集与饮食相关的用户数据、食品数据和营养数据，构建饮食本体模型，为饮食 推荐服务提供基础，能够更好地表达用户信息及其与食物、健康饮食间存在的内在关系，提 高推荐结果的可靠性与通用性。
[0041] 2)将用户的饮食记录信息加入到推荐策略，改进传统的基于随机权重的遗传算 法，提出基于饮食记录的多目标遗传算法为用户推荐食物，结合用户自身的身体健康状况、 个人习惯与喜好等为用户量身定制合理、健康的饮食，促进营养改善、营养信息化建设，大 大提尚用户生活品质；
[0042] 3)挖掘用户在美食社区发布的美食博客数据，发现用户兴趣，推荐用户感兴趣的 菜肴，在健康合理的基础上满足用户喜好，满足人性化需求。
[0043]
【附图说明】 图1为实施例中饮食本体的分类架构图。 图2为图1中用户模型的分类架构图。 图3为图2中人口统计学特征类的分类架构图。 图4为图2中