菜谱推荐方法、装置、计算机设备和存储介质与流程

本发明涉及智能推荐技术领域，尤其涉及一种菜谱推荐方法、装置、计算机设备和存储介质。

背景技术：

随着人工智能技术的逐渐成熟，给社会注入了新的发展动力，各种产品应用越来越注重细节，针对用户的推荐也越来越精确。人们在饮食上的推荐需求越来越多，同时要求也越来越高。传统的菜谱推荐方法要么考虑的因素单一，导致推荐准确度低；要么适用性太窄，比如，只针对孕妇进行推荐。

故，亟需要一种适用性广且推荐准确度高的菜谱推荐方法。

技术实现要素：

基于此，有必要针对上述问题，提出一种适用性广且推荐准确率高的菜谱推荐方法、装置、计算机设备和存储介质。

一种菜谱推荐方法，所述方法包括：

获取输入的基础信息，根据所述基础信息获取与所述基础信息对应的目标功效；

获取菜谱功效维度表，所述菜谱功效维度表中记载了菜品与功效的对应关系；

根据所述目标功效和所述菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表；

获取输入的现有食材信息；

根据所述现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表；

根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐。

一种菜谱推荐装置，所述装置包括：

第一获取模块，用于获取输入的基础信息，根据所述基础信息获取与所述基础信息对应的目标功效；

第二获取模块，用于获取菜谱功效维度表，所述菜谱功效维度表中记载了菜品与功效的对应关系；

确定模块，用于根据所述目标功效和所述菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表；

第三获取模块，用于获取输入的现有食材信息；

调整模块，用于根据所述现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表；

推荐模块，用于根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：

获取输入的基础信息，根据所述基础信息获取与所述基础信息对应的目标功效；

获取菜谱功效维度表，所述菜谱功效维度表中记载了菜品与功效的对应关系；

根据所述目标功效和所述菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表；

获取输入的现有食材信息；

根据所述现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表；

根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：

获取输入的基础信息，根据所述基础信息获取与所述基础信息对应的目标功效；

获取菜谱功效维度表，所述菜谱功效维度表中记载了菜品与功效的对应关系；

根据所述目标功效和所述菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表；

获取输入的现有食材信息；

根据所述现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表；

根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐。

上述菜谱推荐方法，首先通过获取输入的基础信息，获取基础信息对应的目标功效，根据目标功效和功效维度表计算得到每道菜品的基础得分，得到菜谱基础得分表，然后在菜谱基础得分表的基础上根据输入的现有食材信息对菜谱中每道菜品的基础得分进行调整，得到调整后的菜谱得分表，然后根据调整后的菜谱得分表进行相应的菜谱推荐。该菜谱推荐方法不仅考虑了一般情况下的基础信息，还考虑了现有食材，即通过结合现有食材进行推荐能够使得推荐的结果更符合用户需求，提高了推荐的准确度，另外，该方法中的基础信息是用户自己输入的信息，可以针对不同的用户进行不同的推荐，具有适用性广的特点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

其中：

图1为一个实施例中菜谱推荐方法的应用环境图

图2为一个实施例中菜谱推荐方法的流程图；

图3为一个实施例中根据目标功效和菜谱功效维度表确定基础得分的方法流程图；

图4为一个实施例中根据现有食材对基础得分进行调整的方法流程图；

图5为一个实施例中根据菜谱得分表进行菜谱推荐的方法流程图；

图6为另一个实施例中菜谱推荐方法的方法流程图；

图7为一个实施例中菜谱推荐方法的流程示意图；

图8为一个实施例中菜谱推荐装置的结构框图；

图9为另一个实施例中菜谱推荐装置的结构框图；

图10为又一个实施例中菜谱推荐装置的结构框图；

图11为一个实施例中计算机设备的结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为一个实施例中菜谱推荐方法的应用环境图。参照图1，该菜谱推荐方法应用于菜谱推荐系统。该菜谱推荐系统包括终端110和服务器120。终端110和服务器120通过网络连接，终端110具体可以是台式终端或移动终端，移动终端具体可以是手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端110用于获取用户输入的基础信息和现有食材信息，将获取到的基础信息和现有食材信息发送到服务器120，服务器120获取到基础信息后，根据基础信息获取与基础信息对应的目标功效，获取菜谱功效维度表，该菜谱功效维度表中记载了菜品与功效的对应关系，根据目标功效和功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表；然后根据获取到的现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表，根据菜谱得分表中的每道菜品的得分得到推荐菜谱，然后将推荐菜谱发送给终端110进行展示。

在另一个实施例中，上述菜谱推荐方法可以直接应用于终端110，终端110用于获取输入的基础信息，根据基础信息获取与基础信息对应的目标功效，获取菜谱功效维度表，菜谱功效维度表中记载了菜品与功效的对应关系，根据目标功效和功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表，获取输入的现有食材信息，根据现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表，根据菜谱得分表中的每道菜品的得分进行菜谱推荐。

如图2所示，提出了一种菜谱推荐方法，该菜谱推荐方法可以应用于终端，也可以应用于服务器，本实施例中以应用于终端为例说明，该菜谱推荐方法具体包括以下步骤：

步骤202，获取输入的基础信息，根据基础信息获取与基础信息对应的目标功效。

其中，基础信息是指用户输入的用于推荐的一般性信息，比如，基础信息可以是天气、季节、地理信息、用户个人信息等中的至少一种。用户个人信息可以是用户的偏好信息，也可以用户的睡眠状态信息等。不同的基础信息对应的目标功效不同。比如，对于季节维度，如果当前是春季，对应的目标功效为祛湿，如果当前是夏季，对应的目标功效为降火，如果当前是秋季，对应的目标功效是降燥，如果当前是冬季，对应的目标功效是驱寒。

步骤204，获取菜谱功效维度表，菜谱功效维度表中记载了菜品与功效的对应关系。

其中，菜谱功效维度表中记载了菜品(菜品可以简单理解为菜名)与功效的对应关系。比如，西红柿鸡蛋汤-降火，油麦菜-利尿、降压。

步骤206，根据目标功效和菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表。

其中，在确定了与基础信息对应的目标功效后，可以根据菜谱功效维度表中的菜是否对应有相应的目标功效得到每道菜品的基础得分。

在一个实施例中，每道菜品的基础得分与该道菜品包含的目标功效个数成正相关。举个例子，假设一共有5个目标功效，含有1个目标功效对应的得分可以是20分，含有2个目标功效对应的得分是40分，含有3个目标功效对应的得分是60分，依次类推，从而可以得到菜谱中每道菜品对应的基础得分，从而得到菜谱基础得分表，菜谱基础得分表中记载了每道菜品的菜品与相应的基础得分之间的对应关系。

步骤208，获取输入的现有食材信息。

其中，现有食材信息是指用户输入的用户目前所具有的食材。如果不考虑现有食材信息，只要食材缺乏，用户就要去花费大量的时间去购买相关食材，如果没有购买到对应的食材，那么推荐的菜谱实际上没有意义。所以如果在推荐之前，就可以获取到用户已经具有的现有食材信息，根据现有食材信息进行推荐有利于提高推荐的精准度，从而提高用户的满意度。

步骤210，根据现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表。

其中，为了提高推荐的准确性，需要根据现有食材信息对每道菜品的基础得分进行调整。在一个实施例中，可以根据每道菜品缺乏的食材数量进行调整，缺乏的食材数量越多，相应的基础得分需要下调的越多。举个例子，分别获取每道菜品所需要的食材，根据现有食材，统计每道菜品缺乏的食材数量，如果缺乏一种食材，相应的分数下调5分，如果缺乏2种食材，相应的分数下调10分，依次类推。通过对每道菜品对应的基础得分进行调整，得到每道菜品调整后的得分。调整后的菜品得分表中记载了每道菜品与调整后的得分之间的对应关系。

步骤212，根据菜谱得分表中的每道菜品的得分进行菜谱推荐。

其中，菜谱得分表中记载了每道菜品的菜品与相应得分之间的对应关系。得分越高，说明该道菜品越符合用户需求。在一个实施例中，根据每道菜品的得分将菜谱中的菜品进行从高到低排列，然后进行排序结果进行相应菜谱的推荐。比如，如果设置一次性推荐6个菜品，那么将排序得到的前6个菜品作为推荐的菜谱推荐给用户。

上述菜谱推荐方法，首先通过获取输入的基础信息，获取基础信息对应的目标功效，根据目标功效和功效维度表计算得到每道菜品的基础得分，得到菜谱基础得分表，然后在菜谱基础得分表的基础上根据输入的现有食材信息对菜谱中每道菜品的基础得分进行调整，得到调整后的菜谱得分表，然后根据调整后的菜谱得分表进行相应的菜谱推荐。该菜谱推荐方法不仅考虑了一般情况下的基础信息，还考虑了现有食材，即通过结合现有食材进行推荐能够使得推荐的结果更符合用户需求，提高了推荐的准确度，另外，该方法中的基础信息是用户自己输入的信息，可以针对不同的用户进行不同的推荐，具有适用性广的特点。

如图3所示，在一个实施例中，基础信息包括：至少一个基础维度，每个基础维度对应有相应的目标功效；根据目标功效和菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表，包括：

步骤206a，获取基础信息中每个基础维度对应的权重。

其中，基础信息中包括一个或多个基础维度，每个基础维度对应有相应的权重。比如，假设基础信息中包括有季节、地区、紫外线三个基础维度，具体输入的基础信息为春天、南方地区、紫外线弱。由于不同的基础维度对用户的影响不同，所以可以针对不同的基础维度设置不同的权重，比如，季节的权重可以设置为5，地区的权重可以设置为2，紫外线的权重可以设置为3。

步骤206b，根据每个基础维度对应的目标功效确定基础维度对应的基础维度矩阵。

其中，不同的基础维度对应的目标功效是不同的。基础维度矩阵是指对输入的基础维度进行数字转换后得到的矩阵。

举个例子，季节维度，假设春天的功效为祛湿，夏天的功效为去火，秋天的功效为加湿，冬天的功效为保暖。地区维度，假设南方地区的功效为强身健体，北方地区的功效为驱寒。紫外线维度，紫外线强的功效为提高抵抗力，紫外线弱的功效为美白。

基础维度矩阵表示为[季节-春-祛湿，季节-夏-去火，季节-秋-加湿，南方地区-强身健体，北方地区-驱寒，紫外线强-提高抵抗力，紫外线弱-美白]；

如果输入的维度是：春天、南方地区、紫外线弱；那么相应的，季节-春-祛湿表示为1，季节-夏-去火表示为0，季节-秋-加湿表示为0，南方地区-强身健体表示为1，北方地区-驱寒表示为0，紫外线强-提高抵抗力表示为0，紫外线弱-美白表示为1，那么相应的基础维度矩阵表示为数字形式为[1,0,0,0,1,0,0,1]，即如果符合相应的条件，则相应的设置为1，否则为0。

步骤206c，根据菜谱功效维度表和目标功效确定菜谱中每道菜品对应的功效矩阵。

其中，功效矩阵是指根据每道菜品包含的目标功效表示为相应的数字矩阵形式。与基础维度矩阵对应，比如，假设西红柿鸡蛋汤(菜品)包含的目标功效为祛湿、美白，茄子炒肉(菜品)包含的目标功效为祛湿和强身健体。那么西红柿鸡蛋汤的功效矩阵表示为[1,0,0,0,0,0,0,1]，茄子炒肉的功效矩阵表示为[1,0,0,0,1,0,0,0]。

步骤206d，根据基础维度矩阵、每个基础维度对应的权重和功效矩阵计算得到每道菜品对应的基础得分。

其中，基础维度矩阵和功效矩阵为相同格式的矩阵。在一个实施例中，可以将基础维度矩阵*权重再和功效矩阵进行矩阵点乘，得到每道菜品的基础得分。举个例子，基础维度矩阵为[1,0,0,0,1,0,0,1]，西红柿鸡蛋汤对应的功效矩阵为[1,0,0,0,0,0,0,1]，季节对应的权重为5，地区的权重为2，紫外线的权重为3，那么基础维度矩阵*权重为[5,0,0,0,2,0,0,3]，然后再和功效矩阵[1,0,0,0,0,0,0,1]进行点乘，得到5*1+0*0+0*0+2*0+0*0+0*0+3*1＝8分。同样地，如果茄子炒肉的功效矩阵为[1,0,0,0,1,0,0,0]，那么相应地可以计算得到茄子炒肉对应的得分为5*1+0*0+0*0+2*1+0*0+0*0+3*0＝7分。

在另一个实施例中，为了后续排序的方便，可以将每道菜品得到的分数转换为百分制，即将得到的分数进行整体放大，比如，同时放大10倍，那么计算得到的西红柿鸡蛋汤得分为80分，茄子炒肉对应的得分为70分。

上述实施例中，在计算基础得分时，不仅考虑每个基础维度的权重，而且是根据基础维度矩阵、每个基础维度对应的权重和功效矩阵共同确定每道菜品的基础得分，通过上述计算方式有利于提高基础得分计算的准确性，从而有利于提高后续推荐的准确度。

在一个实施例中，在获取输入的现有食材信息之前还包括：获取输入的筛选信息；根据筛选信息对菜谱中的菜品进行筛选，得到目标菜谱；

根据现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表，包括：根据现有食材信息对目标菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表。

其中，筛选信息是指用户输入的具有个性化特征的信息。筛选信息可以是用户输入的排除性信息，比如，用户不喜欢吃鸡蛋，那么输入的筛选信息可以为不包含鸡蛋，那么将根据筛选信息筛除掉所有含鸡蛋的菜品。筛选信息当然也可以是用户指定包含的信息，比如，指定筛选出包含有某种食材的菜品，比如，用户喜欢吃牛肉，那么筛选出所有含有牛肉的菜品。通过根据是输入的筛选信息对菜谱中的菜品进行筛选，将筛选后剩下的菜品作为目标菜谱。目标菜谱是在原来菜谱的基础上筛选之后剩下的菜谱。

在一个实施例中，根据用户输入的筛选信息，确定相应的筛选条件，然后根据筛选条件进行相应的筛选。筛选条件可以根据筛选信息直接得到，也可以根据筛选信息通过查找数据库确定。比如，如果筛选信息为生日信息，那么就可以直接确定筛选条件为含有生日标签的菜品，如果筛选信息为疾病信息，那么就需要先从数据库中查找疾病信息对应的疾病禁忌食材，然后将疾病禁忌食材作为筛选的条件，即筛除含有疾病禁忌食材的菜品。

在一个实施例中，筛选信息包括：生日信息、宗教信息、疾病信息和膳食营养均衡信息中的至少一种；根据筛选信息对菜谱中的菜品进行筛选，得到目标菜谱，包括：当筛选信息为生日信息时，从菜谱中筛除不含有生日标签的菜品，得到目标菜谱；当筛选信息为宗教信息时，获取宗教信息对应的宗教禁忌食材，从菜谱中筛除含有宗教禁忌食材的菜品，得到目标菜谱；当筛选信息为疾病信息时，从知识图谱中查找与疾病信息对应的疾病禁忌食材，从菜谱中筛除含有疾病禁忌食材的菜品，得到目标菜谱；当筛选信息为膳食营养均衡信息时，从知识图谱中查找每道菜品对应的类别，根据每道菜品的基础得分从菜谱中分别获取与每一个类别对应的预设个数的菜品，得到目标菜谱。

其中，为了用户使用的方便，可以为用户提供几种可选的筛选信息包括：生日信息、宗教信息、疾病信息和膳食营养均衡信息。用户可以输入其中的一种或多种作为筛选条件。当筛选信息为生日信息时，则从菜谱中筛选出含有生日标签的菜品，得到目标菜谱。当筛选信息为宗教信息时，通过查找知识图谱获取相应的宗教禁忌食材，然后将含有宗教禁忌食材的菜品从菜谱中删除，得到目标菜谱。疾病信息可以是某个疾病的名称，也可以是对某种食材过敏的信息。从预先构建好的知识图谱中查找与疾病信息对应的疾病禁忌食材，然后筛除掉含有疾病禁忌食材的菜品，得到目标菜谱。另外，筛选信息也可以是膳食营养均衡信息，比如，为了达到营养均衡，推荐菜谱中需要包含谷薯类、蔬菜类以及肉类的菜品。预先在知识图谱中构建每道菜品所属的类别，比如，馒头属于谷薯类。为了达到营养均衡，推荐的菜谱中需要包含有所有类，而为了使得推荐的菜谱比较均衡，首先将菜谱中的菜品进行类别划分，然后针对每一类别根据每道菜品的基础得分进行排序，之后针对每一类别分别挑选出预设个数的菜品，比如，每一类别挑选出排名前10的菜品加入到目标菜谱，如果一共分为了5个类别，那么，将会筛选出50个菜品作为目标菜谱。

其中，知识图谱可以理解为数据库，即存储了相应的对应关系，比如，存储了疾病信息与疾病禁忌食材的对应关系，存储了宗教信息与宗教禁忌食材的对应关系，存储了每道菜品所属的类别等。在一个实施例中，我们使用数据结构更紧凑的数据库，便于提高查询速度，可支持存储的知识也更多。比如，采用三元组(主语，关系，宾语)组成的知识库，可支持存储大批量的数据，比如：(馒头，类别，谷薯类)，(疾病，禁忌，食材)等这种三元组的方式便于快速查询，同时支持存储更多的内容。在另外的实施例中，我们也可以采用图数据库arangodb(一个开源nosql数据库)作为知识图谱的存储工具，当然也可以采用其他数据库，比如，neo4j(高性能的nosql图形数据库)、sql(结构化查询语言)数据库、mongodb(分布式文档存储数据库)等。

如图4所示，在一个实施例中，根据现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表，包括：

步骤210a，根据现有食材信息获取菜谱中每道菜品对应的缺失食材数量。

其中，缺失食材数量是指每道菜品包含的现有食材中没有的食材的个数。比如，一道菜品需要用到5个食材，现有食材中只有这5个食材中的3个，那么该道菜品缺失的食材数量为2。在已知现有食材的情况下，通过获取每道菜品包含的食材，就可以快速地计算得到每道菜品缺失的食材数量。

步骤210b，根据每道菜品对应的基础得分和缺失食材数量对基础得分进行调整，得到每道菜品调整后的得分。

其中，根据计算得到的每道菜品对应的缺失食材数量对相应的基础得分进行调整，一般来说，缺失食材数量越多，相应的基础得分下调的越多。另外，考虑到仅仅根据缺失食材数量对得分进行调整会不够准确，可以将缺失食材数量和基础得分结合进行调整，基础得分越高，说明这道菜品的功效比较大，相应地就可以调低缺失食材数量的影响力。在一个实施例中，首先根据基础得分计算得到缺失食材数量的影响系数，影响系数与基础得分成反相关，即基础得分越高，相应的影响系数越低，然后根据影响系数和缺失食材数量对基础得分进行调整。

在一个实施例中，根据每道菜品对应的基础得分和缺失食材数量对基础得分进行调整，得到每道菜品调整后的得分的步骤210b，包括：获取缺失食材数量对应的权重参数；根据缺失食材数量、权重参数和基础得分计算得到调整系数，根据调整系数对基础得分进行调整，得到调整后的得分。

其中，权重参数可以根据实际情况进行自定义设置，设置权重参数的目的是控制缺失食材数量的影响力。基础得分越高，说明相应菜品的功效越大，此时应相应地降低缺失食材数量的影响力，即基础得分越高，相应的缺失食材数量的影响力越弱。调整系数是指对基础得分进行调整的系数。

在一个实施例中，将调整系数与基础得分的乘积作为调整后的得分。显然，如果调整系数越大，相应得到的调整后的得分越大。基础得分越高，调整系数越大，缺失食材数量越多，调整系数越小，即此时，基础得分与调整系数成正相关，缺失食材数量与调整系数成反相关。

在一个实施例中，可以采用具有创新性的指数函数进行调整：

score_new＝[e^{-(α*缺失食材个数/score_old)}]*score_old

其中，score_new为调整后的得分，score_old为调整前的基础得分，α为权重参数。e^{-(α*缺失食材个数/score_old)}为调整系数。

举个例子：假设西红柿鸡蛋汤(菜品)的基础得分是90分，辣椒炒肉(菜品)的基础得分是100分。α的取值为10，假设两道菜品的缺失食材个数都是10，那么对于西红柿鸡蛋汤，调整后的得分为：[e^-(10*10/90)]*90＝0.329*90，对于辣椒炒肉而言，调整后的得分为：[e^-(10*10/100)]*100＝0.367*100。即使两者的缺失食材个数相同，但是两者的调整系数不同，基础得分越高，相应的调整系数越大。

上述实施例中，综合考虑缺失食材数量和基础得分的影响，不仅仅根据缺失食材数量进行调整，更是考虑到了基础得分的作用，基础得分越高，说明相应菜品的功效越高，此时应适当降低缺失食材数量的影响，这样得到的结果更符合用户需求，有利于提高推荐的准确度。

如图5所示，在一个实施例中，根据菜谱得分表中的每道菜品的得分进行菜谱推荐，包括：

步骤212a，根据每道菜品的得分按照从高到低的顺序进行排序，得到菜谱列表。

其中，将菜谱中菜品按照每道菜品的得分从高到低进行排序，即得分高的排在前面，得分低的排在后面，从而得到一个从高到低进行排序的菜谱列表。

步骤212b，计算菜谱列表中菜品两两之间的相似度，当两道菜品的相似度大于预设阈值时，则从菜谱列表中剔除两道菜品中得分较低的菜品，得到菜谱推荐列表。

其中，为了避免推荐的菜谱中包含有类似的菜品，计算菜谱列表中两两菜品之间的相似度，即计算菜品与菜品之间的相似度，如果相似度超过预设阈值，则从菜谱列表中删除得分较低的菜品，如果没有超过阈值，则保留，最后得到菜谱推荐列表，菜谱推荐列表中的任意两个菜品之间的相似度都不大于预设阈值，有利于提高后续推荐的准确度，提高用户的满意度。

相似度的计算可以采用jaccard(杰卡德系数)相似系数作为两道菜品的相似程度的度量，在其他实施例中，也可以采用其他的相似度计算方式，比如，余弦相似度、编辑距离、欧式距离、曼哈顿距离、皮尔逊相关系数等作为菜谱之间相似度的度量。

步骤212c，根据菜谱推荐列表中每道菜品的得分进行菜谱推荐。

其中，菜谱推荐列表中记录了可以推荐的菜品以及每道菜品的得分，可以根据得分对菜谱推荐列表中的菜品进行排序，然后选出预设个数的菜品进行推荐，比如，选取前6个菜品进行推荐。

上述通过计算菜谱中菜品两两之间的相似度，当相似度高时，剔除得分较低的菜品，避免类似菜品的同时出现，提高了菜谱推荐的多样性，能够最大可能地提高用户的满意度。

在一个实施例中，所述根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐，包括：根据每道菜品的得分按照从高到低的顺序进行排序，得到菜谱列表；将菜谱列表中的第一道菜品加入到菜谱推荐列表；获取菜谱列表中的第二道菜品，将第二道菜品作为当前菜品；计算当前菜品与排在当前菜品前面的菜品之间的相似度；当相似度小于预设阈值时，将当前菜品加入到菜谱推荐列表，当相似度大于预设阈值时，则不将当前菜品加入到菜谱推荐列表；从菜谱列表中获取当前菜品的下一道菜作为当前菜品，进入计算当前菜品与排在当前菜品前面的菜品之间的相似度的步骤，直到菜谱推荐列表中包含的菜品达到预设数量。

其中，在相似度计算时如果简单地遍历菜谱列表将会影响计算效率，为了提高获取菜谱推荐列表的效率，首先，将菜谱列表中的第一道菜品加入到菜谱推荐列表，然后从第二道菜品开始，计算它与前面的菜品的相似度，如果它与前面的菜品的相似度小于预设阈值，则将它加入到菜谱推荐列表，如果计算得到的相似度大于预设阈值，则需要删除得分较低的菜品，然后跳到第三个菜品，判断第三个菜品与前面的菜品的相似度，依次类推，直到菜谱推荐列表中包含的菜品达到预设数量。比如，如果预设数量为10个，那么当菜谱推荐列表中包含有10个菜品时则停止计算。通过这样的方式可以大大提高获取菜谱推荐列表的效率。

在一个实施例中，计算菜谱列表中菜品两两之间的相似度，包括：获取每道菜品对应的食材集，获取两道菜品的食材集的交集和并集；将两道菜品的食材集的交集与并集的比值作为相应的两道菜品的相似度。

其中，为了提高相似度计算的效率，相似度的计算可以通过获取每道菜品对应的食材集，然后分别计算得到两道菜品的食材集的交集和并集，然后将交集与并集的比值作为两道菜品的相似度。举个例子，假设有两个食材集a和b，定义相似度＝aιb/ayb，即a和b中共有的食材与a和b中所有不重复食材的比值。

在一个实施例中，在根据菜谱得分表中的每道菜品的得分进行菜谱推荐之前还包括：获取历史推荐菜谱；对历史推荐菜谱中的历史推荐菜品对应的得分进行下调，得到下调后的得分；将历史推荐菜品下调后的得分更新到菜谱得分表中。

其中，由于用户不希望每次推荐的结果都雷同，所以在推荐之前，获取历史推荐菜谱。历史推荐菜谱中记载了历史推荐过的菜品。对历史推荐菜品对应的得分进行下调，得到下调后的得分，然后将下调后的得分更新到菜谱得分表中，这样可以大大避免每次推荐结果的雷同。在一个实施例中，获取前预设推荐次数或预设时间段内的历史推荐菜谱，即不需要获取所有的历史推荐菜谱，只需要获取最近预设次数(比如，前20次)的历史推荐菜谱，或者获取设置的预设时间内(比如，近一年)的历史推荐菜谱。通过下调历史推荐过的菜品的得分，更有利于符合用户的需求，从而提高了推荐的准确度。

如图6所示，在一个实施例中，提出了一种菜谱推荐方法，包括以下步骤：

步骤601，获取输入的基础信息，根据基础信息获取与基础信息对应的目标功效。

步骤602，获取菜谱功效维度表，菜谱功效维度表中记载了菜品与功效的对应关系。

步骤603，根据目标功效和菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表。

步骤604，获取输入的筛选信息。

步骤605，根据筛选信息对菜谱中的菜品进行筛选，得到目标菜谱。

步骤606，获取输入的现有食材信息。

步骤607，根据现有食材信息对目标菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表。

步骤608，获取历史推荐菜谱。

步骤609，对历史推荐菜谱中的历史推荐菜品对应的得分进行下调，得到下调后的得分。

步骤610，将历史推荐菜品下调后的得分更新到菜谱得分表中。

步骤611，根据每道菜品的得分按照从高到低的顺序进行排序，得到菜谱列表。

步骤612，计算菜谱列表中菜品两两之间的相似度，当两道菜品的相似度大于预设阈值时，则从菜谱列表中剔除两道菜品中得分较低的菜品，得到菜谱推荐列表。

步骤613，根据菜谱推荐列表中每道菜品的得分进行菜谱推荐。

在本实施例中，上述菜谱推荐方法不仅考虑到了推荐所需要的基础信息(比如，天气、地理位置等)，还考虑到了符合用户需求的筛选信息(比如，是否生日，是否有宗教信仰，是否需要膳食营养均衡等)，从而既满足了一般性的用户需求，同时满足了用户的个性化需求，另外，考虑到了现有食材信息，根据现有食材信息进行推荐，更能符合用户的需求，此外，为了避免推荐的雷同，下调历史推荐菜品的得分，可以为用户推荐更加多样化的菜谱，而且为了避免相似的菜品被同时推荐，在推荐之前，通过相似度的计算筛除了相似度高的两道菜品中得分较低的菜品，从而使得推荐的菜谱更加符合用户的需求。该实施例中，综合了多种因素为用户进行菜谱推荐，大大提高了推荐的准确度。

如图7所示，为一个具体的实施例中的菜谱推荐方法的流程示意图。获取输入的基础信息，基础信息中包括输入的基础维度，每个基础维度对应有目标功效，然后再结合菜谱功效维度表以及每个基础维度的权重可以计算得到菜谱基础得分表。之后，有四个筛选通道，分别为：生日信息，宗教信息，疾病信息，膳食营养均衡信息。用户可选择其中一个或多个筛选通道进行菜谱筛选，得到目标菜谱。然后获取输入的现有食材信息，根据现有食材信息对目标菜谱中的每道菜品的基础得分进行调整，得到调整后的菜谱得分表。继而，下调历史推荐过的菜品的得分，更新菜谱得分表，然后根据每道菜品的得分按照从高到低排序，计算两两菜品之间的相似度，当相似度超过预设阈值时，删除得分较低的菜品，最后输出需要推荐的菜品组合。

如图8所示，在一个实施例中，提出了一种菜谱推荐装置，该装置包括：

第一获取模块802，用于获取输入的基础信息，根据所述基础信息获取与所述基础信息对应的目标功效；

第二获取模块804，用于获取菜谱功效维度表，所述菜谱功效维度表中记载了菜品与功效的对应关系；

确定模块806，用于根据所述目标功效和所述菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表；

第三获取模块808，用于获取输入的现有食材信息；

调整模块810，用于根据所述现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表；

推荐模块812，用于根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐。

在一个实施例中，所述基础信息包括：至少一个基础维度，每个基础维度对应有相应的目标功效；确定模块806还用于获取所述基础信息中每个基础维度对应的权重；根据每个基础维度对应的目标功效确定所述基础维度对应的基础维度矩阵；根据所述菜谱功效维度表和所述目标功效确定菜谱中每道菜品对应的功效矩阵；根据所述基础维度矩阵、每个基础维度对应的权重和所述功效矩阵计算得到每道菜品对应的基础得分。

如图9所示，在一个实施例中，上述菜谱推荐装置还包括：

筛选模块807，用于获取输入的筛选信息，根据所述筛选信息对所述菜谱中的菜品进行筛选，得到目标菜谱。

所述调整模块810还用于根据所述现有食材信息对所述目标菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表。

在一个实施例中，所述筛选信息包括：生日信息、宗教信息、疾病信息和膳食营养均衡信息中的至少一种；

所述筛选模块807还用于当筛选信息为生日信息时，从所述菜谱中筛除不含有生日标签的菜品，得到目标菜谱；当所述筛选信息为宗教信息时，获取所述宗教信息对应的宗教禁忌食材，从所述菜谱中筛除含有所述宗教禁忌食材的菜品，得到目标菜谱；当所述筛选信息为疾病信息时，从知识图谱中查找与所述疾病信息对应的疾病禁忌食材，从所述菜谱中筛除含有所述疾病禁忌食材的菜品，得到目标菜谱；当所述筛选信息为膳食营养均衡信息时，从知识图谱中查找每道菜品对应的类别，根据每道菜品的基础得分从所述菜谱中分别筛选出与每一个类别对应的预设个数的菜品，得到目标菜谱。

在一个实施例中，所述调整模块810还用于根据所述现有食材信息获取每道菜品对应的缺失食材数量；根据每道菜品对应的基础得分和所述缺失食材数量对所述基础得分进行调整，得到每道菜品调整后的得分。

在一个实施例中，所述所述调整模块810还用于获取所述缺失食材数量对应的权重参数；根据所述缺失食材数量、所述权重参数和所述基础得分计算得到调整系数；根据所述调整系数对所述基础得分进行调整，得到调整后的得分。

在一个实施例中，推荐模块812还用于根据每道菜品的得分按照从高到低的顺序进行排序，得到菜谱列表；计算所述菜谱列表中菜品两两之间的相似度，当两个菜品的相似度大于预设阈值时，则从所述菜谱列表中剔除两个菜品中得分较低的菜品，得到菜谱推荐列表；根据所述菜谱推荐列表中每道菜品的得分进行菜谱推荐。

在一个实施例中，推荐模块812还用于根据每道菜品的得分按照从高到低的顺序进行排序，得到菜谱列表，将所述菜谱列表中的第一道菜品加入到菜谱推荐列表；获取所述菜谱列表中的第二道菜品，将所述第二道菜品作为当前菜品；计算所述当前菜品与排在所述当前菜品前面的菜品之间的相似度；当所述相似度小于所述预设阈值时，将所述当前菜品加入到所述菜谱推荐列表，当所述相似度大于所述预设阈值时，则不将所述当前菜品加入到所述菜谱推荐列表；从所述菜谱列表中获取当前菜品的下一道菜品作为当前菜品，进入所述计算所述当前菜品与排在所述当前菜品前面的菜品之间的相似度的步骤，直到所述菜谱推荐列表中包含的菜达到预设数量。

在一个实施例中，推荐模块812还用于获取每道菜品对应的食材集，获取两道菜品的食材集的交集和并集；将两道菜品的食材集的交集与所述并集的比值作为相应的两道菜品的相似度。

如图10所示，在一个实施例中，上述菜谱推荐装置还包括：

历史下调模块811，用于获取历史推荐菜谱；对所述历史推荐菜谱中的历史推荐菜品对应的得分进行下调，得到下调后的得分；将历史推荐菜品下调后的得分更新到所述菜谱得分表中。

图11示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器、终端设备，所述服务器包括但不限于高性能计算机和高性能计算机集群；所述终端设备包括但不限于移动终端设备和台式终端设备，所述移动终端设备包括但不限于手机、平板电脑、智能手表和笔记本电脑，所述台式终端设备包括但不限于台式电脑和车载电脑。如图11所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现菜谱推荐方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行菜谱推荐方法。本领域技术人员可以理解，图11中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的菜谱推荐方法可以实现为一种计算机程序的形式，计算机程序可在如图11所示的计算机设备上运行。计算机设备的存储器中可存储组成菜谱推荐装置的各个程序模板。比如，第一获取模块802，第二获取模块804，确定模块806，第三获取模块808，调整模块810，推荐模块812。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：获取输入的基础信息，根据所述基础信息获取与所述基础信息对应的目标功效；获取菜谱功效维度表，所述菜谱功效维度表中记载了菜品与功效的对应关系；根据所述目标功效和所述菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表；获取输入的现有食材信息；根据所述现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表；根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐。

在一个实施例中，所述基础信息包括：至少一个基础维度，每个基础维度对应有相应的目标功效；所述根据所述目标功效和所述菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表，包括：获取所述基础信息中每个基础维度对应的权重；根据每个基础维度对应的目标功效确定所述基础维度对应的基础维度矩阵；根据所述菜谱功效维度表和所述目标功效确定菜谱中每道菜品对应的功效矩阵；根据所述基础维度矩阵、每个基础维度对应的权重和所述功效矩阵计算得到每道菜品对应的基础得分。

在一个实施例中，在所述获取输入的现有食材信息之前，上述计算机程序被所述处理器执行时，还用于执行如下步骤：获取输入的筛选信息；根据所述筛选信息对所述菜谱中的菜品进行筛选，得到目标菜谱；所述根据所述现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表，包括：根据所述现有食材信息对所述目标菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表。

在一个实施例中，所述筛选信息包括：生日信息、宗教信息、疾病信息和膳食营养均衡信息中的至少一种；所述根据所述筛选信息对所述菜谱中的菜品进行筛选，得到目标菜谱，包括：当筛选信息为生日信息时，从所述菜谱中筛除不含有生日标签的菜品，得到目标菜谱；当所述筛选信息为宗教信息时，获取所述宗教信息对应的宗教禁忌食材，从所述菜谱中筛除含有所述宗教禁忌食材的菜品，得到目标菜谱；当所述筛选信息为疾病信息时，从知识图谱中查找与所述疾病信息对应的疾病禁忌食材，从所述菜谱中筛除含有所述疾病禁忌食材的菜品，得到目标菜谱；当所述筛选信息为膳食营养均衡信息时，从知识图谱中查找每道菜品对应的类别，根据每道菜品的基础得分从所述菜谱中分别筛选出与每一个类别对应的预设个数的菜品，得到目标菜谱。

在一个实施例中，所述根据所述现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表，包括：根据所述现有食材信息获取每道菜品对应的缺失食材数量；根据每道菜品对应的基础得分和所述缺失食材数量对所述基础得分进行调整，得到每道菜品调整后的得分。

在一个实施例中，所述根据每道菜品对应的基础得分和所述缺失食材数量对所述基础得分进行调整，得到每道菜品调整后的得分，包括：获取所述缺失食材数量对应的权重参数；根据所述缺失食材数量、所述权重参数和所述基础得分计算得到调整系数；根据所述调整系数对所述基础得分进行调整，得到调整后的得分。

在一个实施例中，所述根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐，包括：根据每道菜品的得分按照从高到低的顺序进行排序，得到菜谱列表；计算所述菜谱列表中菜品两两之间的相似度，当两道菜品的相似度大于预设阈值时，则从所述菜谱列表中剔除两道菜品中得分较低的菜品，得到菜谱推荐列表；根据所述菜谱推荐列表中每道菜品的得分进行菜谱推荐。

在一个实施例中，所述所述根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐，包括：根据每道菜品的得分按照从高到低的顺序进行排序，得到菜谱列表；将所述菜谱列表中的第一道菜品加入到菜谱推荐列表；获取所述菜谱列表中的第二道菜品，将所述第二道菜品作为当前菜品；计算所述当前菜品与排在所述当前菜品前面的菜品之间的相似度；当所述相似度小于所述预设阈值时，将所述当前菜品加入到所述菜谱推荐列表，当所述相似度大于所述预设阈值时，则不将所述当前菜品加入到所述菜谱推荐列表；从所述菜谱列表中获取当前菜品的下一道菜品作为当前菜品，进入所述计算所述当前菜品与排在所述当前菜品前面的菜品之间的相似度的步骤，直到所述菜谱推荐列表中包含的菜品达到预设数量。

在一个实施例中，所述计算所述菜谱列表中菜品两两之间的相似度，包括：获取每道菜品对应的食材集，获取两道菜品的食材集的交集和并集；将两道菜品的食材集的交集与所述并集的比值作为相应的两道菜品的相似度。

在一个实施例中，在所述根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐之前，上述计算机程序被所述处理器执行时，还用于执行以下步骤：获取历史推荐菜谱；对所述历史推荐菜谱中的历史推荐菜品对应的得分进行下调，得到下调后的得分；将历史推荐菜品下调后的得分更新到所述菜谱得分表中。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如下步骤：获取输入的基础信息，根据所述基础信息获取与所述基础信息对应的目标功效；获取菜谱功效维度表，所述菜谱功效维度表中记载了菜品与功效的对应关系；根据所述目标功效和所述菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表；获取输入的现有食材信息；根据所述现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表；根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐。

在一个实施例中，所述基础信息包括：至少一个基础维度，每个基础维度对应有相应的目标功效；所述根据所述目标功效和所述菜谱功效维度表确定菜谱中每道菜品对应的基础得分，得到菜谱基础得分表，包括：获取所述基础信息中每个基础维度对应的权重；根据每个基础维度对应的目标功效确定所述基础维度对应的基础维度矩阵；根据所述菜谱功效维度表和所述目标功效确定菜谱中每道菜品对应的功效矩阵；根据所述基础维度矩阵、每个基础维度对应的权重和所述功效矩阵计算得到每道菜品对应的基础得分。

在一个实施例中，在所述获取输入的现有食材信息之前，上述计算机程序被所述处理器执行时，还用于执行如下步骤：获取输入的筛选信息；根据所述筛选信息对所述菜谱中的菜品进行筛选，得到目标菜谱；所述根据所述现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表，包括：根据所述现有食材信息对所述目标菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表。

在一个实施例中，所述筛选信息包括：生日信息、宗教信息、疾病信息和膳食营养均衡信息中的至少一种；所述根据所述筛选信息对所述菜谱中的菜品进行筛选，得到目标菜谱，包括：当筛选信息为生日信息时，从所述菜谱中筛除不含有生日标签的菜品，得到目标菜谱；当所述筛选信息为宗教信息时，获取所述宗教信息对应的宗教禁忌食材，从所述菜谱中筛除含有所述宗教禁忌食材的菜品，得到目标菜谱；当所述筛选信息为疾病信息时，从知识图谱中查找与所述疾病信息对应的疾病禁忌食材，从所述菜谱中筛除含有所述疾病禁忌食材的菜品，得到目标菜谱；当所述筛选信息为膳食营养均衡信息时，从知识图谱中查找每道菜品对应的类别，根据每道菜品的基础得分从所述菜谱中分别筛选出与每一个类别对应的预设个数的菜品，得到目标菜谱。

在一个实施例中，所述根据所述现有食材信息对菜谱中每道菜品对应的基础得分进行调整，得到调整后的菜谱得分表，包括：根据所述现有食材信息获取每道菜品对应的缺失食材数量；根据每道菜品对应的基础得分和所述缺失食材数量对所述基础得分进行调整，得到每道菜品调整后的得分。

在一个实施例中，所述根据每道菜品对应的基础得分和所述缺失食材数量对所述基础得分进行调整，得到每道菜品调整后的得分，包括：获取所述缺失食材数量对应的权重参数；根据所述缺失食材数量、所述权重参数和所述基础得分计算得到调整系数；根据所述调整系数对所述基础得分进行调整，得到调整后的得分。

在一个实施例中，所述根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐，包括：根据每道菜品的得分按照从高到低的顺序进行排序，得到菜谱列表；计算所述菜谱列表中菜品两两之间的相似度，当两道菜品的相似度大于预设阈值时，则从所述菜谱列表中剔除两道菜品中得分较低的菜品，得到菜谱推荐列表；根据所述菜谱推荐列表中每道菜品的得分进行菜谱推荐。

在一个实施例中，所述根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐，包括：根据每道菜品的得分按照从高到低的顺序进行排序，得到菜谱列表；将所述菜谱列表中的第一道菜品加入到菜谱推荐列表；获取所述菜谱列表中的第二道菜品，将所述第二道菜品作为当前菜品；计算所述当前菜品与排在所述当前菜品前面的菜品之间的相似度；当所述相似度小于所述预设阈值时，将所述当前菜品加入到所述菜谱推荐列表，当所述相似度大于所述预设阈值时，则不将所述当前菜品加入到所述菜谱推荐列表；从所述菜谱列表中获取当前菜品的下一道菜品作为当前菜品，进入所述计算所述当前菜品与排在所述当前菜品前面的菜品之间的相似度的步骤，直到所述菜谱推荐列表中包含的菜品达到预设数量。

在一个实施例中，所述计算所述菜谱列表中菜品两两之间的相似度，包括：获取每道菜品对应的食材集，获取两道菜品的食材集的交集和并集；将两道菜品的食材集的交集与所述并集的比值作为相应的两道菜品的相似度。

在一个实施例中，在所述根据所述菜谱得分表中的每道菜品的得分进行菜谱推荐之前，上述计算机程序被所述处理器执行时，还用于执行以下步骤：获取历史推荐菜谱；对所述历史推荐菜谱中的历史推荐菜品对应的得分进行下调，得到下调后的得分；将历史推荐菜品下调后的得分更新到所述菜谱得分表中。

需要说明的是，上述菜谱推荐方法、菜谱推荐装置、计算机设备及计算机可读存储介质属于一个总的发明构思，菜谱推荐方法、菜谱推荐装置、计算机设备及计算机可读存储介质实施例中的内容可相互适用。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。