摘 要：食品營養(yǎng)知識圖譜與個(gè)性化膳食推薦系統(tǒng)的結(jié)合是當(dāng)前健康飲食研究的重要方向。借助構(gòu)建食品營養(yǎng)知識圖譜，對食品中的營養(yǎng)成分及其對健康的益處進(jìn)行梳理與研究，運(yùn)用機(jī)器學(xué)習(xí)等技術(shù)打造個(gè)性化膳食推薦系統(tǒng)。依據(jù)用戶的健康狀況和飲食喜好，提供專業(yè)的飲食指導(dǎo)，以此增強(qiáng)用戶的營養(yǎng)攝取和健康管理水平。本文詳細(xì)介紹了食品營養(yǎng)知識圖譜的構(gòu)建步驟和個(gè)性化膳食推薦系統(tǒng)的設(shè)計(jì)，以實(shí)現(xiàn)膳食建議的精準(zhǔn)化和個(gè)性化。

關(guān)鍵詞：食品營養(yǎng)；知識圖譜；個(gè)性化膳食；推薦系統(tǒng)；數(shù)據(jù)處理

Construction of Food Nutrition Knowledge Map and Study on Personalized Diet Recommendation System

WEI Yanli， ZHANG Suzhi

（Zhengzhou University of Light Industry， Zhengzhou 450000， China）

Abstract： The combination of food nutrition knowledge graph and personalized dietary recommendation system is an important direction of current healthy diet research. With the help of building a food nutrition knowledge graph， the nutrients in food and their health benefits are sorted out and studied， and machine learning and other technologies are used to create a personalized meal recommendation system. According to the user’s health status and dietary preferences， professional dietary guidance is provided to enhance the user’s nutritional intake and health management level. This paper introduces in detail the construction steps of food nutrition knowledge graph and the design of personalized dietary recommendation system to achieve accurate and personalized dietary recommendations.

Keywords： food nutrition; knowledge graph; personalized diet; recommendation system; data processing

隨著人們對健康重視程度的提升，個(gè)性化營養(yǎng)和精確的膳食管理逐漸受到廣泛關(guān)注。傳統(tǒng)的膳食指導(dǎo)常常缺乏針對性，不能滿足不同個(gè)體的營養(yǎng)需求，因此迫切需要開發(fā)一套基于大數(shù)據(jù)及智能計(jì)算技術(shù)的個(gè)性化膳食推薦系統(tǒng)[1-2]。本研究通過匯總和分析與食品營養(yǎng)相關(guān)的各類信息，構(gòu)建個(gè)性化的飲食推薦系統(tǒng)，旨在為大眾提供更加科學(xué)和精確的飲食指導(dǎo)，從而提高人們的健康管理水平。

1 食品營養(yǎng)與個(gè)性化膳食推薦的現(xiàn)狀與需求分析

1.1 食品營養(yǎng)研究現(xiàn)狀

食品營養(yǎng)研究是健康科學(xué)領(lǐng)域的核心組成部分。目前，食品營養(yǎng)學(xué)主要分為三大方向：①深入挖掘和分析食品成分，特別是對人體健康有較大影響的微量營養(yǎng)素；②關(guān)注食品加工過程中營養(yǎng)價(jià)值的演變，保障加工食品的營養(yǎng)價(jià)值；③探討個(gè)體在營養(yǎng)吸收與代謝過程中的獨(dú)特差異。近年來，借助大數(shù)據(jù)與人工智能的強(qiáng)大助力，營養(yǎng)學(xué)的研究也正在蓬勃發(fā)展，食品營養(yǎng)知識圖譜成為整合與分析多維營養(yǎng)信息的有效工具[3]。

1.2 個(gè)性化膳食的需求

傳統(tǒng)膳食指導(dǎo)依據(jù)的是通用的營養(yǎng)準(zhǔn)則，但鑒于每個(gè)人在基因、生活方式以及身體狀況上都有明顯的不同，同樣的食譜對不同的人產(chǎn)生的效果也不同。個(gè)性化膳食推薦不僅能夠依據(jù)個(gè)人的健康狀況進(jìn)行營養(yǎng)優(yōu)化，還能考慮到個(gè)人的膳食偏好、文化背景以及飲食習(xí)慣，打造更為貼切的膳食計(jì)劃。特別是在慢性病調(diào)理、運(yùn)動(dòng)營養(yǎng)以及特定人群中，個(gè)性化膳食推薦已經(jīng)成為營養(yǎng)干預(yù)的關(guān)鍵趨勢[4]。

2 食品營養(yǎng)知識圖譜的構(gòu)建

2.1 數(shù)據(jù)來源與篩選

食品營養(yǎng)知識圖譜的數(shù)據(jù)來源廣泛，涉及多個(gè)學(xué)科和領(lǐng)域，包括食品營養(yǎng)成分?jǐn)?shù)據(jù)庫、科學(xué)文獻(xiàn)、食品標(biāo)簽信息、營養(yǎng)指南以及相關(guān)醫(yī)學(xué)和健康數(shù)據(jù)庫。數(shù)據(jù)的篩選需要保證信息的準(zhǔn)確性和可靠性。常見的數(shù)據(jù)源見表1。數(shù)據(jù)篩選過程中，應(yīng)重點(diǎn)考慮數(shù)據(jù)的時(shí)效性、全面性和權(quán)威性。通過嚴(yán)格的數(shù)據(jù)清洗和篩選，確保知識圖譜構(gòu)建過程中輸入數(shù)據(jù)的準(zhǔn)確性和一致性。

2.2 知識抽取與數(shù)據(jù)處理

在知識抽取與數(shù)據(jù)處理環(huán)節(jié)，可運(yùn)用先進(jìn)的自然語言處理及機(jī)器學(xué)習(xí)技術(shù)，從非結(jié)構(gòu)化數(shù)據(jù)中篩選出寶貴的營養(yǎng)知識。在營養(yǎng)科學(xué)領(lǐng)域，各類文獻(xiàn)、報(bào)告和數(shù)據(jù)庫中有大量非結(jié)構(gòu)化的文本信息，如何將這些零散的信息轉(zhuǎn)化為知識圖譜的組成部分，是確保知識圖譜功能化的核心。借助實(shí)體識別、關(guān)系抽取等手段，可以從文本中識別出食品、營養(yǎng)成分、健康狀態(tài)等關(guān)鍵要素，并運(yùn)用本體構(gòu)建方法將這些要素轉(zhuǎn)化為知識點(diǎn)，形成完整的知識圖譜體系。

此外，數(shù)據(jù)處理還涉及數(shù)據(jù)清洗和剔除重復(fù)項(xiàng)的工作，該工作有利于確保同一營養(yǎng)信息在不同數(shù)據(jù)源中不會重復(fù)或沖突。針對來自不同渠道的營養(yǎng)信息可實(shí)施統(tǒng)一化處理，這對于增強(qiáng)圖譜數(shù)據(jù)的整體統(tǒng)一性和可信度至關(guān)重要。在這個(gè)過程中，數(shù)據(jù)關(guān)聯(lián)的建立使得不同營養(yǎng)信息之間形成復(fù)雜而有效的知識網(wǎng)絡(luò)，為個(gè)性化營養(yǎng)建議提供了精確的信息支撐。

2.3 圖譜存儲與管理

食品營養(yǎng)知識圖譜的儲存與管理中，常常依賴圖形數(shù)據(jù)庫技術(shù)來實(shí)施保存，該技術(shù)以存儲和檢索繁雜的知識關(guān)聯(lián)網(wǎng)絡(luò)為主，特別適合于處理具有眾多關(guān)聯(lián)性的數(shù)據(jù)集。鑒于食品營養(yǎng)知識圖譜包含了大量的營養(yǎng)成分、食品類別以及相互關(guān)系，傳統(tǒng)關(guān)系型數(shù)據(jù)庫在擴(kuò)展性方面存在局限，而圖形數(shù)據(jù)庫在處理節(jié)點(diǎn)與邊的存儲和管理上展現(xiàn)出更大的優(yōu)越性。

在存儲過程中，必須考慮到圖譜的可擴(kuò)展性，同時(shí)致力于提升數(shù)據(jù)檢索的速率與系統(tǒng)的響應(yīng)效率，以保證在面對大量數(shù)據(jù)查詢的場景下，系統(tǒng)依舊能夠維持高效率的運(yùn)行。此外，對知識圖譜的管理工作還涉及對最新營養(yǎng)信息的持續(xù)整合與維護(hù)，以確保圖譜能夠隨著營養(yǎng)學(xué)科的發(fā)展持續(xù)豐富和優(yōu)化[5]。為了達(dá)成這些目標(biāo)，一般會采納自動(dòng)化的管理系統(tǒng)，對新增數(shù)據(jù)進(jìn)行定期刷新與驗(yàn)證，同時(shí)保障圖譜結(jié)構(gòu)的合理與高效。

3 個(gè)性化膳食推薦系統(tǒng)的設(shè)計(jì)

3.1 系統(tǒng)架構(gòu)與模塊設(shè)計(jì)

整個(gè)系統(tǒng)的架構(gòu)設(shè)計(jì)上，大致可以劃分為3個(gè)模塊：數(shù)據(jù)輸入模塊、推薦引擎模塊以及用戶交互模塊。

數(shù)據(jù)輸入模塊主要承擔(dān)的任務(wù)是搜集用戶的基本資料，包括但不限于年齡、性別、體重以及健康狀況等，還負(fù)責(zé)收集用戶的飲食習(xí)慣、過敏源信息以及其他個(gè)性化需求。此模塊還與各類健康監(jiān)測設(shè)備及應(yīng)用軟件相連，自動(dòng)同步用戶的健康數(shù)據(jù)，如運(yùn)動(dòng)數(shù)據(jù)、代謝指標(biāo)等，確保所獲數(shù)據(jù)的時(shí)效性與準(zhǔn)確性。

推薦引擎模塊是系統(tǒng)的核心，主要基于食品營養(yǎng)知識圖譜和推薦算法的結(jié)合發(fā)揮作用。該模塊初始階段利用知識圖譜技術(shù)搜集食物與營養(yǎng)成分之間的關(guān)系，構(gòu)建專屬用戶的營養(yǎng)需求模型。隨后，借助智能推薦算法，結(jié)合用戶的健康數(shù)據(jù)，精準(zhǔn)制訂專屬膳食指導(dǎo)，通過分析用戶過往記錄及相似用戶的習(xí)慣來提供建議，并整合知識圖譜中的食物營養(yǎng)成分?jǐn)?shù)據(jù)，以保證推薦結(jié)果的科學(xué)性和適應(yīng)性。

用戶交互模塊主要負(fù)責(zé)打造用戶視覺界面和體驗(yàn)優(yōu)化。借助這一模塊，用戶得以瀏覽個(gè)性化的膳食計(jì)劃以及詳盡的營養(yǎng)數(shù)據(jù)，并能依據(jù)個(gè)人狀況對建議進(jìn)行調(diào)整。該模塊還允許用戶對建議進(jìn)行評價(jià)，同時(shí)系統(tǒng)將據(jù)此對反饋流程進(jìn)行改進(jìn)。

3.2 個(gè)性化推薦因素

在設(shè)計(jì)個(gè)性化飲食推薦系統(tǒng)時(shí)，必須綜合考慮多方面的因素，以保證所提供的飲食方案能夠滿足用戶的健康條件和個(gè)人偏好。

用戶的健康狀態(tài)涉及體質(zhì)指數(shù)、血糖水平、血壓數(shù)值等關(guān)鍵健康參數(shù)，以及是否存在慢性病癥，如糖尿病或高血壓等。這些數(shù)據(jù)對于制訂滿足個(gè)人營養(yǎng)需求的飲食計(jì)劃極為關(guān)鍵，尤其是對于那些需要對特定營養(yǎng)素?cái)z入進(jìn)行控制的用戶。同時(shí)，飲食的個(gè)性化偏好也是制定推薦時(shí)必須考慮的要點(diǎn)，系統(tǒng)應(yīng)依據(jù)用戶的口味偏好、文化背景以及食物禁忌進(jìn)行推薦，確保推薦的飲食既適合用戶又安全無害。

用戶的生活方式與代謝特征同樣影響膳食推薦。例如，日?；顒?dòng)量較大的個(gè)體需要增加蛋白質(zhì)和熱量的攝入，而習(xí)慣久坐的個(gè)體則適宜攝入低熱量、富含纖維的食物。通過搜集運(yùn)動(dòng)信息和代謝參數(shù)，系統(tǒng)能夠估算出能量消耗量，進(jìn)而優(yōu)化飲食建議。

季節(jié)變換和地區(qū)差異在制定飲食建議時(shí)也不容忽視，系統(tǒng)必須考慮到各個(gè)季節(jié)的食材供應(yīng)情況以及各地的飲食傳統(tǒng)，制訂出既實(shí)用又符合當(dāng)?shù)靥厣娘嬍撤桨?。這種靈活的設(shè)計(jì)確保了飲食建議的科學(xué)性和實(shí)際可操作性。

3.3 推薦算法實(shí)現(xiàn)

精準(zhǔn)靈活的個(gè)性化膳食推薦系統(tǒng)通過混合推薦算法，包括基于內(nèi)容的推薦、協(xié)同過濾和知識圖譜驅(qū)動(dòng)的推薦，生成符合用戶健康需求的膳食方案。基于內(nèi)容的推薦算法深入挖掘食物的營養(yǎng)成分，對照用戶的營養(yǎng)狀況和健康指標(biāo)，確保推薦的飲食方案具有高度針對性。協(xié)同過濾算法則通過研究類似用戶的飲食習(xí)慣，為用戶量身定制飲食建議，尤其在用戶數(shù)據(jù)不足或?yàn)樾掠脩魰r(shí)，展現(xiàn)出其卓越的適應(yīng)性。知識圖譜驅(qū)動(dòng)的推薦則通過構(gòu)建食物、營養(yǎng)成分和健康影響之間的復(fù)雜聯(lián)系，為用戶提供全面且科學(xué)的飲食指導(dǎo)。這一混合算法不僅有效解決了數(shù)據(jù)不足和冷啟動(dòng)問題，還極大地增強(qiáng)了推薦的準(zhǔn)確性和個(gè)性化水平。表2為各推薦系統(tǒng)算法的優(yōu)缺點(diǎn)對比。

4 結(jié)語

食品營養(yǎng)知識圖譜的構(gòu)建與個(gè)性化膳食推薦系統(tǒng)，通過整合多源數(shù)據(jù)、知識圖譜和推薦算法，旨在向用戶定制專屬的飲食指導(dǎo)，契合他們的健康需求和口味偏好。這一系統(tǒng)為智能化營養(yǎng)管理領(lǐng)域貢獻(xiàn)了核心科技力量，并顯示出極大的市場應(yīng)用前景。未來，相關(guān)人員將致力于深化算法效率的升級與豐富數(shù)據(jù)來源的種類等相關(guān)研究，以增強(qiáng)推薦的精確度和系統(tǒng)的靈活性，促進(jìn)個(gè)性化健康管理的普及與實(shí)踐。

參考文獻(xiàn)

[1]張栩翔，湯玉祺，趙文，等.基于知識圖譜和圖嵌入的個(gè)性化學(xué)習(xí)資源推薦[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2023，32（5）：

180-187.

[2]徐海文，譚臺哲.基于知識圖譜的個(gè)性化推薦系統(tǒng)構(gòu)建[J].數(shù)字技術(shù)與應(yīng)用，2022，40（3）：152-154.

[3]吳國棟，王雪妮，劉玉良.知識圖譜增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)推薦研究進(jìn)展[J].計(jì)算機(jī)工程與應(yīng)用，2023，59（4）：18-29.

[4]蘇葉健.基于知識圖譜的職業(yè)規(guī)劃推薦系統(tǒng)構(gòu)建研究[J].企業(yè)科技與發(fā)展，2022（8）：69-72.

[5]孫雨生，祝博，范穎.知識圖譜加持的智慧圖書館信息推薦技術(shù)體系構(gòu)建[J].圖書館論壇，2023，43（10）：

77-87.