菜谱推荐专利技术综述

菜谱推荐专利技术综述

杜锦锦 ,石梦洁2

（1,2 等同第一作者）

（国家知识产权局专利局专利审查协作广东中心 广州 510000）

摘要：人们对饮食健康的需求不断的增长，家庭业余厨师对菜谱的需求越来越大，菜谱推荐顺势而出。随着大数据技术的迅速发展，菜谱推荐技术应用到人们的点餐、购买食材、制作食品等环节，极大方便业余厨师的菜品制作。本文将菜谱推荐技术的专利申请情况进行梳理，并对菜谱推荐技术发展趋势及专利申请态势进行整体分析。

关键词：菜谱 推荐 用户画像 专利技术

1 引言

近年来人们越来越关注饮食健康问题，对饮食的要求和品位也在不断的增长。用户餐食通常包括外出就餐或者用户制作菜品，但由于生活节奏加快、生活压力大等原因，根据自身厨艺无法满足日益增长的饮食要求。此时对于家庭业余厨师而言，非常渴望拥有快捷获取菜谱的渠道，并希望能推荐自己所需要的菜谱；而菜谱推荐技术可满足家庭业余厨师的菜谱需求。另外，对于外出就餐而言，由于用户的自身情况不同就餐需求也不同，个性化推荐也非常重要。

2019 年，Min等人[1]系统提出了食品计算框架，指出食品计算包括食品感知、识别、检索和推荐等多个任务，并服务于医学、生物学、农业、食品工业和营养健康等多个领域。推荐算法分为通用推荐算法和个性化推荐算法[2]：通用推荐算法不考虑用户个性化需求，统一进行推荐，主要方式有热门推荐等个性化推荐算法根据每个用户不同的个性化需求，针对性地推荐其可能感兴趣的项目。因为满足营销学中的精准定位思想，个性化饮食推荐算法逐渐在食品计算中成为最主要的热点之一。个性化营养菜谱推荐方法构建的系统，可以通过依据菜品营养素分布搭配出营养均衡的菜单，再依靠推荐算法直接挑选出最符合用户口味的食谱，让人们在享受自己喜欢的菜肴的同时，也摄入了均衡的营养。菜谱推荐是指基于推荐算法根据菜谱数据库信息推荐合适的菜谱，具体为：菜谱推荐系统使用协同过滤算法，按食材、菜系、口味、烹饪时间的格式进行存储，选用欧几里得距离计算用户输入的信息与菜谱数据库中的菜谱间的相似度，最终将得分最高的菜谱推荐给用户。

本文将从上述三种菜谱推荐技术发展现状进行分析，并从菜谱推荐技术发展、申请趋势分析菜谱推荐技术专利态势，从而对菜谱推荐技术发展趋势及专利申请态势进行了整体分析。

2 菜谱推荐典型专利技术分析

根据用户所处的就餐形式，菜谱推荐可以分为外出就餐和用户制作菜品，而基于推荐参数这一维度，菜谱推荐技术可划分为基于食材的菜谱推荐、基于用户信息的菜谱推荐和基于场景的菜谱推荐等。

2.1基于就餐形式

2.1.1外出就餐

针对在外就餐通常包括就餐地点的推荐和点餐时菜品的推荐。就餐地址的推荐通常涉及到系统会存储用户的注册登录信息及喜好品味信息、不同菜式信息、菜式属性以及评价信息到数据库系统中,然后系统根据数据库中用户对各种菜谱的评分以及使用过的历史菜谱进行分析，得到用户的口味偏好。基于用户的个人信息比如菜品的喜好、口味，同时结合用户预期的就餐类型、所在的位置和价格预算，基于协同过滤等推荐算法向用户推荐最适合的餐馆，这样呈现在每个用户面前的不再是整齐划一的排行榜，而是根据个人量身打造的餐馆列表，在部分专利申请中还会考虑到用户的健康指标[3]，基于登录的身份信息获得用户的健康指标如血糖、血脂等，在推荐餐馆时候不会考虑包含使得用户健康指标可能变差的参观，比如不会向高血脂用户推荐包含甜食、内脏、猪油等的餐馆。

针对点餐时菜品推荐通常基于用户个人信息如用户健康状况、口味等进行推荐适合用户的菜品，或者是在用户进行点餐后基于用户的健康状况针对不适合用户健康状况的菜品进行提醒用户，甚至针对统一配餐中用户的过敏源进行异常提醒[4]，针对该方面相关研究和专利申请都较多。甚至还可以基于用户身体状况确定对用户选择的菜品中的主料、配料的分量，调整菜品的制作工艺如火候、加入配料时间调整，使得最终的餐品更满足用户的身体状况[5]。

但是，如果点餐系统上常规菜品不符合用户的口味，即点餐系统上没有用户想要的菜品，列出多种食材、配料、调味料、烹饪工艺供用户选择[6]，生成自定义菜品，再基于菜品的营养学和用户的健康数据进行最终点餐制作出满足用户口味又使用户健康不受到影响的餐品。

2.1.2用户制作菜品

随着人们对个人健康的重视以及饮食文化的发展，现代生活越来越追求健康,在家做菜也逐渐成为家庭的首选。随着智能手机、智能厨具和网络基础设施的完善，学习美食制作也有了新的途径—菜谱类推荐。常规的菜谱推荐通常都包含菜谱推荐、食材购买（电商）、美食课程、记笔记、发表感想等基础功能。菜谱推荐中一般基于用户输入食材，或者是基于智能冰箱联网采用图像识别、智能感应等技术自动获取冰箱中食材，利用知识图谱[7]等技术向用户推荐菜品及其制作方法，甚至在观看电视、美食视频过程中生成订单购买食材，利用图像识别等技术获取菜品制作步骤，传输到自动炒菜机中进行烹调食材

[8]。在菜谱推荐中还会考虑到推送时间[9]，基于用户用餐的时间段匹配相应的早午晚餐，甚至还考虑到天气、季节等对用户健康的影响。通常标准食谱的食材重量都是固定的，不同的人使用时实际需求的量大多数情况下是与标注食谱的量不同的，基于用户的食量标准调整食材的分量，来调整菜谱中的实际烹调参数从而使得食谱与用户的个人状况更加适配[10]。

2.2基于推荐参数

2.2.1基于食材的菜谱推荐

基于食材的菜谱推荐是根据已有食材信息与每一种菜谱的相关度，根据相关度推荐预设的菜谱，其中食材信息包括食品、食物、原材料、原料等信息。如建立每种食材与食谱的映射关系，如利用知识图谱，某食材可以完成制作何种食谱，比如西红柿、鸡蛋，可以用于烹饪西红柿炒鸡蛋，也可以用于烹饪西红柿鸡蛋汤、西红柿鸡蛋炒饭等不同的类型，考虑到食材的新鲜度在所述多种候选食材中[11]，查询陈旧的多种目标食材，以得到每一目标食材的候选菜谱计算得分后得到最终的推荐结果。

2.2.2基于用户画像的菜谱推荐

基于用户画像的菜谱推荐是根据用户画像确定用户与每一种菜谱的相关度，根据相关的推荐预设的菜谱，其中用户画像是根据用户人体特征、生理状态、用户兴趣等信息分析所得的用户饮食标签。人体特征如包括性别、年龄、民族、体重、出生地、BMI、身高、职业等，生理状态包括孕期、经期、疾病、疾病、症状、体质、治疗、慢性病、饮食习惯、饮食习惯等，用户兴趣包括用户的偏好、禁忌、口味等。

2.2.3基于场景的菜谱推荐

基于场景的菜谱推荐是根据所在的场景与每一种菜谱的相关度，根据相关度推荐预设的菜谱，常见应用场景包括所在位置、区域、情绪、天气、风俗习惯等情况。如基于定位获得用户所在的地区、位置向用户推荐距离用户较近的就餐，还基于用户当前心情，比如优先建立用户在不同心情下不同的偏好数据库，基于传感器等判断用户当前的心情，通过匹配心情-菜谱偏好数据库来获得符合当前用户心情的菜谱；如考虑到当前的气候如果是冬天，天气较冷和干燥，推荐一些较为滋补的食谱。

对于菜谱推荐目前较多的形式是包括对于推荐算法的改进导致推荐结果的变化，而更多的并不是侧重于推荐算法的改进，而在于基于推荐参数的选取，通常并不是单一一种参数的形式呈现的，而是多参数结合融合用户当前的多种参数信息向用户推荐更适合的菜谱，比如同时考率到用户所处的场景、心情、所在的位置、用户的个人身体状况等综合起来推荐，从而使得推荐结果更加匹配用户当前状况。

2.3专利分析

在中文全文数据库分别检索基于食材的菜谱推荐、基于用户画像的菜谱推荐、基于场景的菜谱推荐的国内申请量情况。如图1所示，这三种维度的推荐方式整体走向趋势非常相近，均是在 2013-2020年期间菜谱推荐专利申请逐年增加，并在2020年达到高峰；2021、2022年专利申请量有所下降，产生该情况的原因可能在于：一是经过多年的发展技术逐渐成熟，菜谱推荐技术的更新不再如前年的快；二是受疫情影响，部分企业、研究院等申请量较低。另外，由于基于场景的菜谱推荐技术应用范围较广，能够较好满足用户的需求，因此基于场景的菜谱推荐技术的专利申请量高于其他两个菜谱推荐的专利申请量，而实际上三者之间可能存在大量的交叉，即采取多参数的推荐方式。

图1 国内专利申请量趋势图

3 总结与展望

目前用户饮食的餐厅选择、用餐的菜谱选择、自作菜谱等方面有较多的专利布局，也有相关专利申请在菜谱的个性化推荐时还考虑用户个人意愿、用户身体情况等因素。然而，《中国居民营养与慢性病状况报告》显示目前肥胖人群逐渐增多，如果继续在人们就餐时推荐用户喜欢的菜谱，可能会加剧肥胖人群的数量规模，无法保障饮食的健康。虽然目前在用户就餐推荐时部分专利考虑到用户画像时候考虑到用户的身体状况如BMI值和是否有慢性病等情况，但是如何基于用户实际的个人情况在推荐时候量化用户的饮食，比如用户外出就餐时如何量化用户的整体热量值以及如何将用户长期的饮食情况进行记录形成每天合理的菜谱推荐，比如在对今天推荐时结合用户前一顿、昨天等的就餐情况。

另外，在基于用户信息、场景的菜谱推荐时，存在暴露个人信息、身体状况、用户轨迹等敏感隐私数据的风险，与《中华人民共和国个人信息保护法》相关法律条款相冲突。后续，如何在保障健康饮食的大前提下研究菜谱推荐技术，以及审视菜谱推荐技术的合规性问题，这些都是亟需解决的研究问题。

参考文献

[1] Min Weiqing, Jiang Shuqiang, Liu Linhu, Rui Yong, Jain Ram esh C Jain. A survey on food computing. ACM Computing Surveys, 2019, 52(5): 1-36.

[2]夏平平，个性化营养菜谱推荐方法的研究[D]，中国科学技术大学硕士学位论文，2015.

[3] 訾佳逸，李创奇，冯静.餐馆推荐方法及装置、电子设备[P].CN:106096993A，2016-11-09.

[4] 田岱.配餐方法、装置、电子设备及计算机存储介质[P].CN:111143420A，2020-05-12.

[5]章志容.一种菜品制作方法、装置、电子设备及存储介质[P].CN:113220995A，2021-08-06.

[6] 傅峰峰，何静子.自定义菜品的下单方法、存储介质及智能烹饪设备[P].CN:113326423A,2021-08-31.

[7] 吴伟等.一种食谱推荐方法及设备[P].CN:110287306A,2019-09-27.

[8] 陈肖.一种菜品制作方法、服务器及存储介质[P].CN:111177464A,2020-05-19.

[9] 殷宪宇，陈坚波.一种基于时间轴的菜谱推荐方法及系统[P].CN111581491A,2020-08-25.

[10] 金述强，王峰.一种菜谱自适应调整的方法、装置及存储介质[P].CN109752975A,2019-05-14.

[11] 谷玉等. 菜谱推荐方法、装置和冰箱[P]. CN107423421A,2017-12-01.