CN119422138A 菜品推 荐系统、菜品推 荐方法及程序 （松下知识产权经营株式会社）

2024.12.19PCT/JP2024/0102162024.03.15WO2024/203454JA2024.10.03信息和进食时间信息按菜品类别信息归类了的多个特性指标是针对每个菜品类别信息分别计2获取部，预先获取将用户已进食的菜品的识别信息、菜品类别信所述味道感觉信息包含表示拟声拟态词的信息，该拟声拟态词是表所述多个事件数据包含所述用户已进食的菜所述多个事件数据是将所述菜品的识别信息和所述食材信息中的至少一者与所述菜所述提取部还使用所述用户的偏好信息和回避食材信息中的至少一者来提取所述特所述推荐部对其他用户的饮食习惯的特性进行分析，基于所述用所述推荐部基于所述特定的特性指标，进一步输出以节点和边表预先获取将用户已进食的菜品的识别信息、菜品类别信息和进食时预先获取将用户已进食的菜品的识别信息、菜品类别信息和进食时34[0011]本公开的菜品推荐方法包括以下步骤：预先获取将用户已进食的菜品的识别信[0012]本公开的程序使计算机执行以下处理：预先获取将用户已进食的菜品的识别信5统若从终端1接收到特定的菜品类别信息，则基于与该特定的菜品类别信息对应的特定的6[0030]获取部4获取将用户已进食的菜品的识别信息、菜品类别信息和进食时间信息按菜品类别信息归类了的多个事件数据。在此，可以是信息可以包含表示拟声拟态词(onomatopoeia)的信息，即包含表示拟声词或拟态词的信品的识别信息与进食时间信息建立对应且按菜品类别信息归类了的多个事件数据。此外，存储部5将多个事件数据中与用户所输入的特定的菜品类别信息对应的特定的事件数据输7[0037]另外，菜品推荐系统3中的实现后述的各种功能及处理的程序或指示可以经由网[0039]处理器12可以通过可由一个以上的处理器核构成的一个以上的CPU(Central8间的顺序排列的方式分别被记录。每当接收到用户的进食数据时，获取部4更新事件数据表示拟声拟态词的信息作为味道感觉信息，该拟声拟态词是表达味道的感觉的拟声拟态[0049]服务器2的菜品推荐系统3中，若从终端1接收到用户所输入的特定的味道感觉信对所提取的特定的事件数据15a进行时序关联分析，来计算表示用户的饮食习惯的特性指9[0052]支持度=表示A事件的事件数据15z1和B事件的事件数据15z2处于同一组合的数据[0053]置信度=表示A事件的事件数据15z1和B事件的事件数据15z2处于同一组合的数据[0054]提升度=表示A事件的事件数据15z1和B事件的事件数据15z2处于同一组合的数据的数量÷包含B事件的事件数据15z2的数据的数量÷包含A事件的事件数据15z1的数据的当在特定的事件数据15a中，在事件数据15z1(相当于A事件)之后记录有事件数据15z2(相析与特定的菜品类别信息对应的特定的事件数据15a，就能够容易地提取用户的饮食习惯[0057]此外，提取部6通过对特定的事件数据15a进行时序关联分析来分析用户P的饮食基于对用户的饮食习惯影响较大的味道感觉信息进行分析，所以能够准确地分析用户P的提取部6基于确切地表达味道感觉信息的拟声拟态词进行分析，所以能够更准确地分析用能够根据用户P的偏好信息或回避食材信息而适当地提取特性也可以在用户P对菜品的烹饪配方进行网络检索时，将该烹饪配方浏览信息发送至服务器取部6也可以优先提取包含如下特性指标17的事件数据，该特性指标17是其中登记有与计算出的用户P的偏好信息对应的菜品或食材将用户的分析数据16a与对其他用户的饮食习惯的特性进行时序关联分析而得的分析数据[0066]例如，如图9所示，推荐部7预先获取多个其他用户P1、P2、...的事件数据18a、23的相似度。作为一个例子，推荐部7也可以基于用户P的变量值23的矢量和其他用户P1、中优先选择具有与用户P在基准日那一次的上一次或上上一次已进食的菜品的名称一致的特定的菜品类别信息对应的特定的事件数据15a来分析用户P的饮食习惯的特性而得的特以基于从提取部6输出的用户P的分析数据16a，输出表示事件数据15z1和事件数据15z2的菜品类别信息的事件数据。另外，推荐部7也可以基于其他用户P1、P2的分析数据21a1、量的边31是按提升度或置信度从大到小排序时排在前面的规定数量的边(例如限定为，排以基于特性指标17从表示用户P的饮食习惯的分析数据16a中选择菜品候选25a～25c。例如，推荐部7也可以在分析数据16a中按照特性指标17的值从大到小的顺序选择菜品候选