一种智能推荐菜谱和食品的方法与应用
【技术领域】
[0001] 本发明涉及一种智能推荐菜谱和食品的方法与应用，属于智能家电的技术领域。
【背景技术】
[0002] 随着微电子技术、嵌入式技术的发展和大数据时代的到来，智能生活已经成为人 们最新的生活模式。未来的时代将将是IT的时代和DT的时代，DT就是DataTechnology 数据科技。大数据（bigdata)，指无法在可承受的时间范围内用常规软件工具进行捕捉、管 理和处理的数据集合。
[0003] 随着经济水平和消费者生活水平的不断提高，消费者对饮食的要求和品位也在不 断的增长。当代生活中，由于生活节奏快，生活工作压力大等原因，很多人很难找到自己喜 欢的菜谱和食材。
【发明内容】
[0004] 针对现有技术的不足，本发明提供一种智能推荐菜谱和食品的方法。
[0005] 本发明还提供一种上述智能推荐菜谱和食品的方法的应用。
[0006] 本发明的技术方案如下：
[0007] -种智能推荐菜谱和食品的方法，包括步骤如下：
[0008] 1)构建偏好数据库：
[0009] 服务器获取用户的购买数据信息，并存入偏好数据库；所述用户的购买数据信息 包括用户id、用户购买的食品名称及每种食品的购买次数；
[0010] 2)建立菜谱数据库：
[0011] 获取菜谱信息，并存入菜谱数据库；所述菜谱信息包括菜谱名称、食材名称和菜谱 做法步骤；
[0012] 3)计算临近用户：
[0013] 通过偏好数据库，得到用户ux对物品iy的喜好程度uxy，uxy即用户ux对物品i￥的 购买次数；
[0014] 4)计算食品相似度：
[0015]
[0016]
[0017] 5)根据所述食品相似度，对缺矢的uxy值进行饿测：
[0018] 对每种食品的购买次数进行加权求和，权值为用户已购买的食品j与食品i的相 似度，计算得到用户u对食品i的喜好程度：
[0019]
[0020] N(u)为用户购买过食品的集合，Uuj为用户u对食品j的喜好程度，wμ为食品j与 食品i的相似度；
[0021]6)获取现存的冰箱内食品列表;^mx(x=1，2,…，t)表示不 同的食材；计算冰箱内食品列表与菜谱数据库中食品列表5 ..M,...,/WJ的食材 匹配度；
[0022]
[0023] 当sim(M，m)大于阈值α时，计算对应的菜谱数据库中食品列表与冰箱内食品列 表的差集，得到购买列表；即将食谱中有，冰箱中却没有的食品存入购买列表；
[0024] 将满足条件的菜谱数量记为Α，统计购买列表中每种食品出现的次数，利用如下公 式计算用户对食品的喜好：
[0025]
[0026] Luj表示用户u对食品j的喜好值，c廣示食品j在购买列表中出现的次数。
[0027] 7)由以上步骤计算得到用户对食品的喜好值，按数值大小排序得到用户的推荐列 表。
[0028] 优选的，所述步骤2)中，菜谱数据库的建立是依靠网络爬虫技术在互联网爬取菜 谱信息。
[0029] 优选的，所述步骤2)中，菜谱信息的存储格式如下：菜谱名称，'steps' ： 菜谱做法步骤，'material'jMpM；；，...，Mn]}，其中'_id'表示菜谱名称，'steps'表示菜谱 做法步骤，'material'表示食材列表，Mx(x= 1，2, ···，η)表示食材名称；material
[0030] 本发明的有益效果：
[0031] 1、本发明所述智能推荐菜谱和食品的方法，通过双重模式科学预测和推荐菜谱和 食品，不仅能得到和顺应大众口味，且兼顾考虑到个人的口味特点；"点、面结合"智能化程 度高，更人性化；
[0032] 2、本发明所述智能推荐菜谱和食品的方法，结构简单，实用性高，可灵活运用到各 智能家电中，顺应智能家居和大数据时代的发展趋势，利于推广应用。
【附图说明】
[0033] 图1为实施例1所述mXη矩阵图；
[0034] 图2为本发明所述智能推荐菜谱和食品的方法的工作流程图。
【具体实施方式】
[0035] 下面结合实施例和说明书附图对本发明做详细的说明，但不限于此。
[0036] 实施例1
[0037] 如图1-2所示。
[0038] -种智能推荐菜谱和食品的方法，包括步骤如下：
[0039] 1)构建偏好数据库：
[0040] 服务器获取用户的购买数据信息，并存入偏好数据库；所述用户的购买数据信息 包括用户id、用户购买的食品名称及每种食品的购买次数；
[0041] 2)建立菜谱数据库：
[0042] 获取菜谱信息，并存入菜谱数据库；所述菜谱信息包括菜谱名称、食材名称和菜谱 做法步骤；
[0043]3)计算临近用户：
[0044] 通过偏好数据库，得到用户ux对物品iy的喜好程度uxy，uxy即用户ux对物品i￥的 购买次数；用mXn的矩阵表示用户对物品的喜好情况，每种食品的购买次数表示用户对物 品的喜好程度，购买次数越高表示越喜欢这个食品，〇表示没有买过该物品，如图1所示。图 中行表示一个用户，列表示一种食品，uxy表示用户ux对物品iy的喜好程度，即食品的购买 次数。
[0045] 4)计算食品相似度：
[0046]
[0047]
[0048] 5)根据所述食品相似度，对缺失的uxy值进行预测：
[0049] 对每种食品的购买次数进行加权求和，权值为用户已购买的食品j与食品i的相 似度，计算得到用户u对食品i的喜好程度：
[0050]
[0051] N(u)为用户购买过食品的集合，Uuj为用户u对食品j的喜好程度，wμ为食品j与 食品i的相似度；
[0052] 6)获取现存食品的列表..所=[出mx(x=1，2,…，t)表不不同的 食材；计算现存食品的列表与菜谱数据库中食品列表分的食材匹配 度；
[0053]
[0054] 当sim(M，m)大于阈值α时，计算对应的菜谱数据库中食品列表与现存食品的列 表的差集，得到购买列表；即将食谱中有，现存食品中却没有的食品存入购买列表