[發明專利]基于自適應學習的智能菜譜優化系統

有效

• 申請號: 202010592045.8
• 申請日: 2020-06-24
• 公開（公告）號: CN111754118B
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 徐欣
• 申請（專利權）人: 重慶電子工程職業學院
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06Q50/12
• 代理公司: 重慶強大凱創專利代理事務所(普通合伙) 50217
• 代理人: 蒙捷

1.基于自適應學習的智能菜譜優化系統，其特征在于：包括：

烹飪信息采集模塊，用于采集用戶烹飪過程中的烹飪信息，所述烹飪信息包括烹飪操作、烹飪參數以及菜品參數；

菜品評價模塊，用于獲取用戶對菜品的評價信息；

自適應烹飪影響因子分析模塊，根據菜譜、烹飪信息和評價信息分析出烹飪過程中參數、數據對烹飪結果的影響關系，形成烹飪影響因子模型，并進行自適應學習，更新烹飪影響因子模型；

烹飪影響因子模型包括影響關系模型和影響系數模型，影響關系模型包含若干組影響關系，所述影響系數模型包括每組影響關系的影響系數，所有用戶共用影響關系模型，每個用戶均有單獨的影響系數模型；

自適應烹飪影響因子分析模塊包括影響關系模型更新模塊和影響系數模型更新模塊，影響關系模型更新模塊負責建立和更新影響關系模型，主要是添加新的影響關系，對影響關系的分析采用基于知識圖譜的分析算法，將每個因素和結果建立一個節點，根據已采集的數據建立節點之間的連接關系，同時根據已有的連接關系推測尚未建立連接的節點之間的影響關系以及影響關系的大小，A節點對B節點有影響，B節點對C節點有影響，D節點對B節點有影響，則推斷A節點和D節點均對C節點有影響，同時判斷A節點與D節點之間存在影響關系，將上述推斷關系標記為待驗證關系；

影響系數模型更新模塊，負責更新影響系數模型，采用基于LSTM的長短期記憶神經網絡算法，以烹飪信息采集模塊以及菜品評價模塊采集的數據為輸入，各個因素節點之間的影響關系為輸出，進行迭代學習運算，同時對待驗證關系也進行影響系數的計算，若計算出的影響系數小于預設值，則判定兩個節點不存在影響關系，否則判斷影響關系存在；

負向指標提取模塊，用于提取菜品參數以及評價信息中的負向指標；

菜譜優化模塊，根據負向指標和烹飪影響因子模型，對菜譜進行調節。

2.根據權利要求1所述的基于自適應學習的智能菜譜優化系統，其特征在于：還包括錯誤分析模塊和建議生成模塊，所述錯誤分析模塊用于根據菜譜判斷烹飪操作和烹飪參數是否存在錯誤，建議生成模塊用于在烹飪操作和烹飪參數存在錯誤時根據負向指標和烹飪影響因子模型匹配出與負向指標對應的錯誤的烹飪操作和烹飪參數，并形成針對的改進建議；所述菜譜優化模塊用于在烹飪操作和烹飪參數不存在錯誤時對菜譜進行調節。

3.根據權利要求2所述的基于自適應學習的智能菜譜優化系統，其特征在于：還包括培訓指導模塊，所述培訓指導模塊用于根據改進建議匹配教學視頻并推送給用戶終端。

4.根據權利要求3所述的基于自適應學習的智能菜譜優化系統，其特征在于：還包括口味偏好畫像模塊和烹飪偏好畫像模塊，所述口味偏好畫像模塊用于根據用戶對菜品的評價信息形成口味偏好畫像，所述烹飪偏好畫像模塊用于根據菜譜、烹飪操作、烹飪參數生成烹飪偏好畫像。

5.根據權利要求4所述的基于自適應學習的智能菜譜優化系統，其特征在于：還包括影響系數推薦模塊，影響系數推薦模塊用于根據用戶口味偏好畫像以及烹飪偏好畫像匹配其他用戶的影響系數模型并推送給用戶終端。

6.根據權利要求5所述的基于自適應學習的智能菜譜優化系統，其特征在于：還包括菜譜分享模塊和菜譜推薦模塊，所述菜譜推薦模塊用于將調節后的菜譜推送給口味偏好畫像以及烹飪偏好畫像相似的用戶的用戶終端。

7.根據權利要求6所述的基于自適應學習的智能菜譜優化系統，其特征在于：還包括記錄模塊和統計模塊，所述記錄模塊用于記錄用戶每次烹飪的烹飪操作和烹飪參數和錯誤情況，所述統計模塊用于根據記錄模塊記錄的數據生成統計報告。

8.根據權利要求7所述的基于自適應學習的智能菜譜優化系統，其特征在于：還包括烹飪習慣改進效果驗證模塊，所述烹飪習慣改進效果驗證模塊用于根據統計報告判斷用戶烹飪習慣是否改進，所述菜譜優化模塊用于在用戶烹飪習慣沒有改進時，對菜譜進行優化調整。