本申请提供食材推送方法、装置、介质及设备，涉及信息提取技术领域。该食材推荐方法对数据库内的所有食谱按菜品类型分类，确定平台所有用户对菜品类型的评级；获取基础数据、操作数据以及场景数据；定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理；确定用户x和与其具备相同喜好的用户y之间的相似度；确定相似用户类X，并取X中用户评分最高的前M个食谱推荐，其中M≥10；根据推荐的食谱推荐相应的食材。该方法利用已用评级数据对所有食谱进行评级，通过相似度将原本将抽象的数据进行关联，构建用户画像，匹配用户模型，完善食谱推荐方法，根据推荐的食谱生成食材采购清单，符合用户的个人喜好。
对数据库内的所有食谱按菜品类型分类，确定平台所有用户对菜品类型的评级，其中，确定平台所有用户对菜品类型的评级的计算公式为：其中， f表示菜品类型，j表示第j个已经评级的食谱，h表示第h个用户，W表示评级数据；
获取用户的姓名、性别、年龄、职业、作息时间以及是否有月经以及对应的月经期，以此作为基础数据；
获取用户的菜品喜好、食谱收藏记录以及食谱采用记录，以此作为操作数据；
获取用户启用食谱的时间，早餐、午餐、晚餐启用菜谱的频次，早餐、午餐、晚餐启用菜谱的菜品类型，以此作为场景数据；
定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理，将第一行为转化为数字向量，将第二行为转化为一维向量，其中，假设用户的基础数据有n个独立属性，数据库内存在用户x和用户y，预先把数据库中用户的基础数据根据语义信息转化为数字向量，以此完成对第一行为的处理；对第二行为的处理即将一维向量分别记作Situationx=(Sx,1,Sx,2,…,Sx,n)、Situationy=(Sy,1,Sy,2,…,Sy,n)，Sim(Situationx,Situationy)表示两种情况下的相似度；
确定用户x和与其具备相同喜好的用户y之间的相似度，其中，给定用户x的位向量为(x1, x2 ,…, xn)，用户y的位向量为(y1,y2 ,…, yn)，假设有M个用户、N个食谱，建立用户评级矩阵：
其中， 代表用户x和y共同评级过的菜谱， 代表用户x所有评级的平均数，代表用户y所有评级的平均数；
基于用户x和用户y之间的相似度，确定相似用户类X，并取X中用户评分最高的前M个食谱推荐，其中M≥10；
2.根据权利要求1所述的食材推送方法，其特征在于，根据推荐的食谱推荐相应的食材，具体包括如下步骤：获取用户存储的食材种类、重量以及剩余保质期；
根据存储的食材以及推荐的食谱推送用户食材采购清单以及对应食谱。
3.根据权利要求1所述的食材推送方法，其特征在于，根据推荐的食谱推荐相应的食材，具体包括如下步骤：获取用户存储的食材种类、重量以及剩余保质期；
获取用户3日内的食谱采用记录，将3日内采用过的食谱屏蔽，不进行推荐展示；
根据存储的食材、推荐的食谱以及屏蔽的食谱推送用户食材采购清单以及对应食谱。
4.根据权利要求1所述的食材推送方法，其特征在于，根据推荐的食谱推荐相应的食材，具体包括如下步骤：获取用户存储的食材种类、重量以及剩余保质期；
获取用户3日内的食谱采用记录，将3日内采用过的食谱屏蔽，不进行推荐展示；
获取用户当前时间以及欲启用菜谱的时间，若二者时间差不足以自行采购或者配送，则优先根据存储食材推荐菜谱，若二者时间足以自行采购或者配送，则根据存储的食材、推荐的食谱以及屏蔽的食谱推送用户食材采购清单以及对应食谱。
5.根据权利要求1所述的食材推送方法，其特征在于，菜品类型分为菜式、菜系、制作难度、制作时间以及菜品口味。
分类单元，所述分类单元用于对数据库内的所有食谱按菜品类型分类，确定平台所有用户对菜品类型的评级，其中，确定平台所有用户对菜品类型的评级的计算公式为：其中， f表示菜品类型，j表示第j个已经评级的食谱，h表示第h个用户，W表示评级数据；
基础单元，所述基础单元用于获取用户的姓名、性别、年龄、职业、作息时间以及是否有月经以及对应的月经期，以此作为基础数据；
操作单元，所述操作单元用于获取用户的菜品喜好、食谱收藏记录以及食谱采用记录，以此作为操作数据；
场景单元，所述场景单元用于获取用户启用食谱的时间，早餐、午餐、晚餐启用菜谱的频次，早餐、午餐、晚餐启用菜谱的菜品类型，以此作为场景数据；
处理单元，所述处理单元用于定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理，将第一行为转化为数字向量，将第二行为转化为一维向量；
相似单元，所述相似单元用于确定用户x和与其具备相同喜好的用户y之间的相似度；
推荐食谱单元，所述推荐食谱单元用于基于用户x和用户y之间的相似度，确定相似用户类X，并取X中用户评分最高的前M个食谱推荐，其中M≥10；
定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理，将第一行为转化为数字向量，将第二行为转化为一维向量，其中，假设用户的基础数据有n个独立属性，数据库内存在用户x和用户y，预先把数据库中用户的基础数据根据语义信息转化为数字向量，以此完成对第一行为的处理；对第二行为的处理即将一维向量分别记作Situationx=(Sx,1,Sx,2,…,Sx,n)、Situationy=(Sy,1,Sy,2,…,Sy,n)，Sim(Situationx,Situationy)表示两种情况下的相似度；
确定用户x和与其具备相同喜好的用户y之间的相似度，其中，给定用户x的位向量为( x 1 , x 2 ,… , x n ) ，用 户y 的 位 向 量 为 (y 1 ,y 2 ,… , y n) ， 假设有M个用户、N个食谱，建立用户评级矩阵：其中， 代表第m个用户的第n个评级；
其中， 代表用户x和y共同评级过的菜谱， 代表用户x所有评级的平均数，代表用户y所有评级的平均数；
基于用户x和用户y之间的相似度，确定相似用户类X，并取X中用户评分最高的前M个食谱推荐，其中M≥10；
食材推荐单元，所述食材推荐单元用于根据推荐的食谱推荐相应的食材。
7.根据权利要求6所述的食材推送装置，其特征在于，食材推荐单元具体用于：获取用户存储的食材种类、重量以及剩余保质期；
根据存储的食材以及推荐的食谱推送用户食材采购清单以及对应食谱。
8.根据权利要求6所述的食材推送装置，其特征在于，食材推荐单元具体用于：获取用户存储的食材种类、重量以及剩余保质期；
获取用户3日内的食谱采用记录，将3日内采用过的食谱屏蔽，不进行推荐展示；
根据存储的食材、推荐的食谱以及屏蔽的食谱推送用户食材采购清单以及对应食谱。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的食材推送方法。
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述程序指令被处理器加载并执行时实现权利要求1至5中任意一项所述的食材推送方法。
食材推送方法、装置、介质及设备
技术领域
[0001] 本申请涉及信息提取技术领域，具体而言，涉及一种食材推送方法、装置、介质及设备。
背景技术
[0002] 目前，市面上的一部分智能冰箱可以通过对冰箱内的食材进行图像识别，进而根据识别出的食材推荐相关的菜谱，使用户能够使用已有的食材进行烹饪，以便捷用户的使用。
[0003] 目前，市场上一些智能冰箱可以通过图像识别冰箱中食材的储存情况，然后根据识别出的食材推荐推荐相关的食谱，让用户可以用现有成分烹饪，方便用户使用。然而，在现实中很多时候冰箱中食材缺失，并不能提供有效的食谱。
发明内容
[0004] 本申请实施例的目的在于提供一种食材推送方法、装置、介质及设备，旨在对获取用户的喜好，向客户推荐食谱及食谱对应的食材采购清单。
[0005] 为了实现上述目的，本申请的实施例通过如下方式实现：
[0006] 第一方面，本申请实施例提供一种食材推送方法，包括：
[0007] 对数据库内的所有食谱按菜品类型分类，确定平台所有用户对菜品类型的评级；
[0008] 获取用户的姓名、性别、年龄、职业、作息时间以及是否有月经以及对应的月经期，以此作为基础数据；
[0009] 获取用户的菜品喜好、食谱收藏记录以及食谱采用记录，以此作为操作数据；
[0010] 获取用户启用食谱的时间，早餐、午餐、晚餐启用菜谱的频次，早餐、午餐、晚餐启用菜谱的菜品类型，以此作为场景数据；
[0011] 定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理，将第一行为转化为数字向量，将第二行为转化为一维向量；
[0012] 确定用户x和与其具备相同喜好的用户y之间的相似度；
[0013] 基于用户x和用户y之间的相似度，确定相似用户类X，并取X中用户评分最高的前M个食谱推荐，其中M≥10；
[0014] 根据推荐的食谱推荐相应的食材。
[0015] 结合第一方面，在第一方面的第一种可能的实现方式中，根据推荐的食谱推荐相应的食材，具体包括如下步骤：
[0016] 获取用户存储的食材种类、重量以及剩余保质期；
[0017] 根据存储的食材以及推荐的食谱推送用户食材采购清单以及对应食谱。
[0018] 结合第一方面，在第一方面的第二种可能的实现方式中，根据推荐的食谱推荐相应的食材，具体包括如下步骤：
[0019] 获取用户存储的食材种类、重量以及剩余保质期；
[0020] 获取用户3日内的食谱采用记录，将3日内采用过的食谱屏蔽，不进行推荐展示；
[0021] 根据存储的食材、推荐的食谱以及屏蔽的食谱推送用户食材采购清单以及对应食谱。
[0022] 结合第一方面，在第一方面的第三种可能的实现方式中，根据推荐的食谱推荐相应的食材，具体包括如下步骤：
[0023] 根据推荐的食谱推荐相应的食材，具体包括如下步骤：
[0024] 获取用户存储的食材种类、重量以及剩余保质期；
[0025] 获取用户3日内的食谱采用记录，将3日内采用过的食谱屏蔽，不进行推荐展示；
[0026] 获取用户当前时间以及欲启用菜谱的时间，若二者时间差不足以自行采购或者配送，则优先根据存储食材推荐菜谱，若二者时间足以自行采购或者配送，则根据存储的食材、推荐的食谱以及屏蔽的食谱推送用户食材采购清单以及对应食谱。
[0027] 结合第一方面，在第一方面的第三种可能的实现方式中，菜品类型分为菜式、菜系、制作难度、制作时间以及菜品口味。
[0028] 第二方面，本申请实施例提供一种食材推送装置，包括：
[0029] 分类单元，所述分类单元用于对数据库内的所有食谱按菜品类型分类，确定平台所有用户对菜品类型的评级；
[0030] 基础单元，所述基础单元用于获取用户的姓名、性别、年龄、职业、作息时间以及是否有月经以及对应的月经期，以此作为基础数据；
[0031] 操作单元，所述操作单元用于获取用户的菜品喜好、食谱收藏记录以及食谱采用记录，以此作为操作数据；
[0032] 场景单元，所述场景单元用于获取用户启用食谱的时间，早餐、午餐、晚餐启用菜谱的频次，早餐、午餐、晚餐启用菜谱的菜品类型，以此作为场景数据；
[0033] 处理单元，所述处理单元用于定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理，将第一行为转化为数字向量，将第二行为转化为一维向量；
[0034] 相似单元，所述相似单元用于确定用户x和与其具备相同喜好的用户y之间的相似度；
[0035] 推荐食谱单元，所述推荐食谱单元用于基于用户x和用户y之间的相似度，确定相似用户类X，并取X中用户评分最高的前M个食谱推荐，其中M≥10；
[0036] 食材推荐单元，所述食材推荐单元用于根据推荐的食谱推荐相应的食材。
[0037] 结合第二方面，在第二方面的第一种可能的实现方式中，根据推荐的食谱推荐相应的食材，具体包括如下步骤：
[0038] 获取用户存储的食材种类、重量以及剩余保质期；
[0039] 根据存储的食材以及推荐的食谱推送用户食材采购清单以及对应食谱。
[0040] 结合第二方面，在第二方面的第二种可能的实现方式中，，根据推荐的食谱推荐相应的食材，具体包括如下步骤：
[0041] 获取用户存储的食材种类、重量以及剩余保质期；
[0042] 获取用户3日内的食谱采用记录，将3日内采用过的食谱屏蔽，不进行推荐展示；
[0043] 根据存储的食材、推荐的食谱以及屏蔽的食谱推送用户食材采购清单以及对应食谱。
[0044] 结合第二方面，在第二方面的第三种可能的实现方式中，根据推荐的食谱推荐相应的食材，具体包括如下步骤：
[0045] 根据推荐的食谱推荐相应的食材，具体包括如下步骤：
[0046] 获取用户存储的食材种类、重量以及剩余保质期；
[0047] 获取用户3日内的食谱采用记录，将3日内采用过的食谱屏蔽，不进行推荐展示；
[0048] 获取用户当前时间以及欲启用菜谱的时间，若二者时间差不足以自行采购或者配送，则优先根据存储食材推荐菜谱，若二者时间足以自行采购或者配送，则根据存储的食材、推荐的食谱以及屏蔽的食谱推送用户食材采购清单以及对应食谱。
[0049] 第三方面，本申请实施例提供一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面或第一方面的可能的实现方式中任意一项所述的食材推送方法。
[0050] 第四方面，本申请实施例提供一种电子设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述程序指令被处理器加载并执行时实现第一方面或第一方面的可能的实现方式中任意一项所述的食材推送方法。
[0051] 在本申请中提供了一种食材推荐方法，该食材推荐方法对数据库内的所有食谱按菜品类型分类，确定平台所有用户对菜品类型的评级；获取基础数据、操作数据以及场景数据；定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理，将第一行为转化为数字向量，将第二行为转化为一维向量；确定用户x和与其具备相同喜好的用户y之间的相似度；基于用户x和用户y之间的相似度，确定相似用户类X，并取X中用户评分最高的前M个食谱推荐；根据推荐的食谱推荐相应的食材。该方法利用已用评级数据对所有食谱进行评级，通过基础数据、操作数据、场景数据的获取及使用，利用相似度将原本将抽象的数据进行关联，构建用户画像，匹配用户模型，完善食谱推荐方法，根据推荐的食谱生成食材采购清单，符合用户的个人喜好。
[0052] 为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0053] 为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
[0054] 图1为本申请实施例提供的一种食材推送方法的流程图。
[0055] 图2为本申请实施例提供的一种电子设备的示意图。
[0056] 图标：20‑电子设备；21‑存储器；22‑通信模块；23‑总线；24‑处理器。
具体实施方式
[0057] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
[0058] 请参阅图1，图1为本申请实施例提供的一种食材推送方法的流程图。在本实施例中，食材推送方法可以由电子设备执行，此电子设备可以为服务器（例如云服务器，服务器集群等）或者终端（例如个人电脑、笔记本电脑等），此处不作限定。
[0059] 在本实施例中，食材推送方法可以包括步骤S10、步骤S20、步骤S30、步骤S40、步骤S50、步骤S60、步骤S70以及步骤S80。
[0060] 为了对食材推送，电子设备可以执行步骤S10。
[0061] 步骤S10：对数据库内的所有食谱按菜品类型分类，确定平台所有用户对菜品类型的评级。
[0062] 在实际情况中，数据库内的所有食谱多达成百上千个，当平台内用户较少时，存在食谱未被评级，以及某用户未进行评级操作过（例如新用户）。这影响后续食谱推送的精准性。
[0063] 确定平台所有用户对菜品类型的评级的计算公式为：
[0064]
[0065] 其中， f表示菜品类型，j表示第j个已经评级的食谱，h表示第h个用户，W表示评级数据。
[0066] 将得到的菜品类型的评级填充到对应未知用户评级的菜谱中，至此每个用户对各食谱都有了评级，这样可以在极大提高推荐精准性。
[0067] 在这里，菜品类型分为菜式、菜系、制作难度、制作时间以及菜品口味。
[0068] 对数据库内的所有食谱按菜品类型分类，确定平台所有用户对菜品类型的评级后，电子设备可以执行步骤S20。
[0069] 步骤S20：获取用户的姓名、性别、年龄、职业、作息时间以及是否有月经以及对应的月经期，以此作为基础数据。
[0070] 在这里了，可以通过app或网页在线收集用户的基础数据。
[0071] 获取用户的姓名、性别、年龄、职业、作息时间以及是否有月经以及对应的月经期，以此作为基础数据后，电子设备可以执行步骤S30。
[0072] 步骤S30：获取用户的菜品喜好、食谱收藏记录以及食谱采用记录，以此作为操作数据。
[0073] 在这里食谱采用记录代表用户采用了该食谱并完成了烹饪。
[0074] 获取用户的菜品喜好、食谱收藏记录以及食谱采用记录，以此作为操作数据后，电子设备可以执行步骤S40。
[0075] 步骤S40：获取用户启用食谱的时间，早餐、午餐、晚餐启用菜谱的频次，早餐、午餐、晚餐启用菜谱的菜品类型，以此作为场景数据。
[0076] 获取用户启用食谱的时间，早餐、午餐、晚餐启用菜谱的频次，早餐、午餐、晚餐启用菜谱的菜品类型，以此作为场景数据后，电子设备可以执行步骤S50。
[0077] 步骤S50：定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理，将第一行为转化为数字向量，将第二行为转化为一维向量。
[0078] 在这里，假设用户的基础数据有n个独立属性，数据库内存在用户x[0079] 和用户y，预先把数据库中用户的基础数据根据语义信息转化为数字向量，以此完成对第一行为的处理；对第二行为的处理即将一维向量分别记作Situationx=(Sx,1,Sx,2,…,Sx,n)、Situationy=(Sy,1,Sy,2,…,Sy,n)，Sim(Situationx,Situationy)表示两种情况下的相似度。当相似度越大代表情况越类似，既可以将Situationx用于目标用户对食谱的评级。
[0080] 定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理，将第一行为转化为数字向量，将第二行为转化为一维向量后，电子设备可以执行步骤S60。
[0081] 步骤S60：确定用户x和与其具备相同喜好的用户y之间的相似度。
[0082] 在这里，为了获取相似度，做以下假设:
[0083] 给定用户x的位向量为(x1, x2 ,…, xn)，用户y的位向量为(y1,y2 ,…, yn)，[0084]
[0085] 假设有M个用户、N个食谱，建立用户评级矩阵：
[0086]
[0087] 其中， 代表第m个用户的第n个评级。
[0088]
[0089] 其中， 代表用户x和y共同评级过的菜谱， 代表用户x所有评级的平均数，代表用户y所有评级的平均数。
[0090]
[0091] 确定用户x和与其具备相同喜好的用户y之间的相似度后，电子设备可以执行步骤S70。
[0092] 步骤S70：基于用户x和用户y之间的相似度，确定相似用户类X，并取X中用户评分最高的前M个食谱推荐，其中M≥10。
[0093] 基于用户x和用户y之间的相似度，确定相似用户类X，并取X中用户评分最高的前M个食谱推荐后，电子设备可以执行步骤S80。
[0094] 步骤S80：根据推荐的食谱推荐相应的食材。
[0095] 该步骤可以根据需要进行多种逻辑设定。例如：
[0096] 设定1：获取用户存储的食材种类、重量以及剩余保质期；
[0097] 根据存储的食材以及推荐的食谱推送用户食材采购清单以及对应食谱。
[0098] 设定2：获取用户存储的食材种类、重量以及剩余保质期；
[0099] 获取用户3日内的食谱采用记录，将3日内采用过的食谱屏蔽，不进行推荐展示；
[0100] 根据存储的食材、推荐的食谱以及屏蔽的食谱推送用户食材采购清单以及对应食谱。
[0101] 设定3：根据推荐的食谱推荐相应的食材，具体包括如下步骤：
[0102] 获取用户存储的食材种类、重量以及剩余保质期；
[0103] 获取用户3日内的食谱采用记录，将3日内采用过的食谱屏蔽，不进行推荐展示；
[0104] 获取用户当前时间以及欲启用菜谱的时间，若二者时间差不足以自行采购或者配送，则优先根据存储食材推荐菜谱，若二者时间足以自行采购或者配送，则根据存储的食材、推荐的食谱以及屏蔽的食谱推送用户食材采购清单以及对应食谱。
[0105] 当然，根据推荐的食谱推荐相应的食材的具体设定可以参考诸多因素。例如当前气温、用户是否处理减脂塑形期、是否处于月经期等。若考虑这些因素，对食谱的菜品分类进行细化即可。
[0106] 在本申请实施例中，该食材推荐方法对数据库内的所有食谱按菜品类型分类，确定平台所有用户对菜品类型的评级；获取基础数据、操作数据以及场景数据；定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理，将第一行为转化为数字向量，将第二行为转化为一维向量；确定用户x和与其具备相同喜好的用户y之间的相似度；基于用户x和用户y之间的相似度，确定相似用户类X，并取X中用户评分最高的前M个食谱推荐；根据推荐的食谱推荐相应的食材。该方法利用已用评级数据对所有食谱进行评级，通过基础数据、操作数据、场景数据的获取及使用，利用相似度将原本将抽象的数据进行关联，构建用户画像，匹配用户模型，完善食谱推荐方法，根据推荐的食谱生成食材采购清单，符合用户的个人喜好。
[0107] 请参阅图2，图2为本申请实施例提供一种食材推送装置的示意图。
[0108] 在本实施例中，食材推送装置可以包括：
[0109] 分类单元，所述分类单元用于对数据库内的所有食谱按菜品类型分类，确定平台所有用户对菜品类型的评级；基础单元，所述基础单元用于获取用户的姓名、性别、年龄、职业、作息时间以及是否有月经以及对应的月经期，以此作为基础数据；操作单元，所述操作单元用于获取用户的菜品喜好、食谱收藏记录以及食谱采用记录，以此作为操作数据；场景单元，所述场景单元用于获取用户启用食谱的时间，早餐、午餐、晚餐启用菜谱的频次，早餐、午餐、晚餐启用菜谱的菜品类型，以此作为场景数据；处理单元，所述处理单元用于定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理，将第一行为转化为数字向量，将第二行为转化为一维向量；相似单元，所述相似单元用于确定用户x和与其具备相同喜好的用户y之间的相似度；推荐食谱单元，所述推荐食谱单元用于基于用户x和用户y之间的相似度，确定相似用户类X，并取X中用户评分最高的前M个食谱推荐；食材推荐单元，所述食材推荐单元用于根据推荐的食谱推荐相应的食材。
[0110] 其中，食材推荐单元可以根据需要进行多种逻辑设定。例如：
[0111] 设定1：获取用户存储的食材种类、重量以及剩余保质期；
[0112] 根据存储的食材以及推荐的食谱推送用户食材采购清单以及对应食谱。
[0113] 设定2：获取用户存储的食材种类、重量以及剩余保质期；
[0114] 获取用户3日内的食谱采用记录，将3日内采用过的食谱屏蔽，不进行推荐展示；
[0115] 根据存储的食材、推荐的食谱以及屏蔽的食谱推送用户食材采购清单以及对应食谱。
[0116] 设定3：根据推荐的食谱推荐相应的食材，具体包括如下步骤：
[0117] 获取用户存储的食材种类、重量以及剩余保质期；
[0118] 获取用户3日内的食谱采用记录，将3日内采用过的食谱屏蔽，不进行推荐展示；
[0119] 获取用户当前时间以及欲启用菜谱的时间，若二者时间差不足以自行采购或者配送，则优先根据存储食材推荐菜谱，若二者时间足以自行采购或者配送，则根据存储的食材、推荐的食谱以及屏蔽的食谱推送用户食材采购清单以及对应食谱。
[0120] 本申请实施例提供一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行本实施例中的食材推送方法。
[0121] 另外，请参阅图2，图2为本申请实施例提供的一种电子设备20的示意图。
[0122] 在本实施例中，电子设备20可以为终端，例如平板电脑、个人电脑等；电子设备20也可以为服务器，例如云服务器、服务器集群等，此处不作限定。
[0123] 示例性的，电子设备20可以包括：通过网络与外界连接的通信模块22、用于执行程序指令的一个或多个处理器24、总线23和不同形式的存储器21，例如，磁盘、ROM、或RAM，或其任意组合。存储器21、通信模块22、处理器24之间可以通过总线23连接。
[0124] 示例性的，存储器21中存储有程序。处理器24可以从存储器21调用并运行这些程序，从而便可以通过运行程序而实现食材推送方法。
[0125] 综上所述，本申请实施例提供一种食材推送方法、装置、介质及设备，通过在本申请实施例中，该食材推荐方法对数据库内的所有食谱按菜品类型分类，确定平台所有用户对菜品类型的评级；获取基础数据、操作数据以及场景数据；定义基础数据为第一行为，操作数据和场景数据为第二行为，分别对第一行为和第二行为处理，将第一行为转化为数字向量，将第二行为转化为一维向量；确定用户x和与其具备相同喜好的用户y之间的相似度；基于用户x和用户y之间的相似度，确定相似用户类X，并取X中用户评分最高的前M个食谱推荐；根据推荐的食谱推荐相应的食材。该方法利用已用评级数据对所有食谱进行评级，通过基础数据、操作数据、场景数据的获取及使用，利用相似度将原本将抽象的数据进行关联，构建用户画像，匹配用户模型，完善食谱推荐方法，根据推荐的食谱生成食材采购清单，符合用户的个人喜好。
[0126] 在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0127] 另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0128] 在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
[0129] 以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
