本發(fā)明涉及人工智能，具體是一種基于人工智能大模型的智能食譜生成系統(tǒng)及方法。

背景技術(shù)：

1、隨著人工智能技術(shù)的發(fā)展，特別是在自然語言處理和深度學(xué)習(xí)領(lǐng)域的突破，大模型已經(jīng)成為處理復(fù)雜任務(wù)的重要工具；

2、在一家公司，不同的部門根據(jù)各自的職能和需求組合在一起，不同部門之間的餐飲安排和伙食標(biāo)準(zhǔn)可能會有所差異，同一個部門的員工在同一個食堂就餐，吃的伙食標(biāo)準(zhǔn)是一樣的，因此同一家公司內(nèi)部的不同部門在餐飲方面就形成了各自的特色和標(biāo)準(zhǔn)；

3、在餐飲方面，傳統(tǒng)食譜生成依賴人工經(jīng)驗和廚師的個人喜好，難以滿足多樣化、個性化營養(yǎng)需求的同時控制成本，導(dǎo)致食客在就餐過程中無法有很好的就餐體驗，因此，研發(fā)一種能夠結(jié)合大模型能力，自動考慮食材成本、營養(yǎng)均衡、口味偏好等多因素的智能食譜生成與優(yōu)化系統(tǒng)顯得尤為重要。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于人工智能大模型的智能食譜生成系統(tǒng)及方法，以解決現(xiàn)有技術(shù)中提出的的問題。

2、為了解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種基于人工智能大模型的智能食譜方法，方法包括：

3、步驟s100：用戶在食堂就餐后通過互動一體機(jī)系統(tǒng)對菜品進(jìn)行點評，根據(jù)互動一體機(jī)系統(tǒng)，獲取菜品的歷史評分記錄；

4、步驟s200：根據(jù)歷史評分記錄，對任意菜品的綜合評分進(jìn)行分析，確認(rèn)受歡迎菜品，得到受歡迎菜品集合；

5、步驟s300：在受歡迎菜品集合中，獲取菜品的元素組成和元素占比，形成任意菜品的元素組成集合，對菜品種類進(jìn)行劃分；

6、步驟s400：根據(jù)步驟s300的元素組成集合，對受歡迎菜品進(jìn)行數(shù)字化處理；

7、步驟s500：根據(jù)步驟s400的數(shù)字化處理結(jié)果，對大模型進(jìn)行訓(xùn)練，得到食譜生成模型；

8、步驟s600：根據(jù)食譜生成模型，進(jìn)行食譜的自動化生成。

9、進(jìn)一步的，在步驟s100，在互動一體機(jī)系統(tǒng)中，獲取用戶對菜品的歷史評分記錄，并對同一菜品的歷史評分記錄進(jìn)行匯總，得到任意菜品的歷史評分記錄集合a=｛a1、a2、a3、...、an｝，其中，a1、a2、a3、...、an分別表示任意菜品的第1、2、3、...、n條歷史評分記錄；

10、其中，an=｛an1、an2、an3、...、anm｝，其中，an1、an2、an3、...、anm分別表示任意菜品第n條歷史評分記錄中第1、2、3、...、m項指標(biāo)的具體評分；

11、在一家公司，不同的部門根據(jù)各自的職能和需求組合在一起。比如，研發(fā)部門的員工可能會在同一個食堂用餐，吃的伙食標(biāo)準(zhǔn)是一樣的，刷員工卡就可以入場，享用相同的餐食。與此同時，生產(chǎn)部門的工人也會在他們專屬的食堂就餐，伙食標(biāo)準(zhǔn)雖然相似，但可能會根據(jù)工作性質(zhì)有所不同；

12、然而，不同部門之間的餐飲安排和伙食標(biāo)準(zhǔn)可能會有所差異。研發(fā)部門可能會提供更豐富的健康餐選項，以支持員工的腦力勞動，而生產(chǎn)部門則可能更注重高能量、高蛋白的餐食，以滿足體力勞動者的需求。這樣一來，同一家公司內(nèi)部的不同部門在餐飲方面就形成了各自的特色和標(biāo)準(zhǔn)；

13、為了更好清晰反饋用戶對菜品的評分，因此食堂會采用互動一體機(jī)，在用戶用完餐后對菜品進(jìn)行點評，對菜品的評分有多個指標(biāo)包括色澤、口感、甜度等，通過多個評分指標(biāo)更能準(zhǔn)確的反映出菜品的評分。

14、進(jìn)一步的，步驟s200包括：

15、步驟s201：在任意菜品的歷史評分記錄集合中，對第n條歷史評分記錄中每項指標(biāo)的具體評分進(jìn)行計算，根據(jù)公式：

16、

17、其中，xin表示為第i個菜品第n條歷史評分記錄的歷史綜合評分，xinr表示為第i個菜品第n條歷史評分記錄中第r項指標(biāo)的具體評分，air表示為第i個菜品的第r項指標(biāo)的權(quán)值，得到任意菜品的歷史綜合評分記錄集合x=｛x1、x2、x3、...、xn｝，其中，x1、x2、x3、...、xn分別表示任意菜品的第1、2、3、...、n條歷史評分記錄的歷史綜合評分；

18、步驟s202：將任意菜品的歷史綜合評分進(jìn)行匯總，根據(jù)公式：

19、

20、其中，xi綜表示為第i個菜品的綜合評分，xif表示為第i個菜品第f條歷史評分記錄的歷史綜合評分，得到任意菜品的綜合評分；

21、步驟s203：當(dāng)菜品的綜合評分大于或等于綜合評分閾值時，則確認(rèn)所述菜品為受歡迎菜品，將受歡迎菜品進(jìn)行匯總，得到受歡迎菜品集合和受歡迎菜品的綜合評分集合；

22、因為在菜品的評分指標(biāo)中，不同指標(biāo)的重要性也不同，因此需要對菜品的綜合評分計算，將綜合評分符合標(biāo)準(zhǔn)的菜品設(shè)為受歡迎菜品，以此提高判定為受歡迎菜品的準(zhǔn)確性。

23、進(jìn)一步的，步驟s300包括：

24、步驟s301：在受歡迎菜品集合中，對某個受歡迎菜品的元素進(jìn)行確認(rèn)，得到某個受歡迎菜品的元素組成集合；

25、步驟s302：在某個受歡迎菜品的元素組成集合中，對某個元素在受歡迎菜品中的重量進(jìn)行確認(rèn)，并根據(jù)以下公式計算受歡迎菜品中某個元素的占比：

26、

27、其中，yez表示為第e個受歡迎菜品中第z個元素的占比，aez表示為第e個受歡迎菜品中第z個元素的重量，aeb表示為第e個受歡迎菜品中第b個元素的重量，c表示為第e個受歡迎菜品的元素數(shù)量，得到某個受歡迎菜品的元素占比集合；

28、步驟s303：在第e個受歡迎菜品的元素占比集合中，當(dāng)某個元素占比大于或等于占比閾值時，則將所述元素設(shè)為特征元素，得到第e個受歡迎菜品的特征元素集合為je；

29、步驟s304：獲取不同種類菜品的特征元素集合tm，m表示為m類的菜品；將集合je與集合tm進(jìn)行比較，當(dāng)存在時，則判定第e個受歡迎菜品的種類為m類，得到同種類的受歡迎菜品集合；

30、因為菜品種類分為大葷、半葷、小葷、素菜等，每個菜品種類的元素不同，因此需要確認(rèn)菜品中的特征元素有哪些，根據(jù)菜品的特征元素進(jìn)行判斷，得到菜品屬于哪一種類。

31、因為菜品種類分為大葷、半葷、小葷、素菜等，每個菜品種類的元素不同，因此需要確認(rèn)菜品中的特征元素有哪些，根據(jù)菜品的特征元素進(jìn)行判斷，得到菜品屬于哪一種類。

32、進(jìn)一步的，步驟s400包括：

33、步驟s401：在某個菜品種類的受歡迎菜品集合中，采集某個受歡迎菜品的點評數(shù)量和購買次數(shù)，將所有受歡迎菜品的點評數(shù)量和購買次數(shù)進(jìn)行匯總，得到某個菜品種類的點評數(shù)量集合和購買次數(shù)集合；

34、步驟s402：將某個菜品種類的綜合評分集合、點評數(shù)量集合和購買次數(shù)集合分別輸入到歸一化公式中，根據(jù)歸一化公式：

35、

36、其中，l表示為經(jīng)過歸一化后的數(shù)值，w表示為集合中任意一個未經(jīng)過歸一化的數(shù)值，wmin表示為集合的最小值，wmax表示為集合的最大值，d表示為歸一化公式的權(quán)值，得到某個菜品種類經(jīng)過歸一化后的綜合評分集合、點評數(shù)量集合和購買次數(shù)集合；

37、步驟s403：在某個菜品種類經(jīng)過歸一化后的綜合評分集合、點評數(shù)量集合和購買次數(shù)集合中，獲取第e個受歡迎菜品經(jīng)過歸一化后的綜合評分為qe、點評數(shù)量為pe、購買次數(shù)為se，根據(jù)數(shù)字化公式：

38、

39、其中，ke表示為第e個受歡迎菜品的受歡迎程度，t1、t2、t3分別表示為綜合評分的權(quán)值、點評數(shù)量的權(quán)值、購買次數(shù)的權(quán)值；將某個菜品種類中所有受歡迎菜品的受歡迎程度進(jìn)行匯總，得到某個菜品種類中所有菜品的受歡迎程度集合；

40、因為在歷史評分記錄中，有可能菜品的點評次數(shù)和購買次數(shù)不同，因此會影響判定菜品的受歡迎程度，因此需要將綜合評分、點評數(shù)量和購買次數(shù)進(jìn)行歸一化處理，為計算受歡迎程度提高準(zhǔn)確率。

41、進(jìn)一步的，步驟s500包括：

42、步驟s501：在某個菜品種類的受歡迎程度集合中，獲取某個受歡迎菜品的營養(yǎng)素值和成本，將某個受歡迎菜品的受歡迎程度、營養(yǎng)素值和成本輸入到transformer架構(gòu)的訓(xùn)練大模型中；

43、步驟s502：將所有菜品種類中受歡迎菜品的受歡迎程度、營養(yǎng)素值和成本輸入到所述訓(xùn)練大模型中，進(jìn)行訓(xùn)練，得到食譜生成模型；

44、將菜品的成本、營養(yǎng)素值、菜品種類、受歡迎程度輸入數(shù)據(jù)構(gòu)造成模型能夠處理的格式，編碼器負(fù)責(zé)將輸入特征轉(zhuǎn)換為高維表示，解碼器根據(jù)編碼器的輸出和已經(jīng)生成的部分序列，逐步生成完整的菜譜；

45、序列生成的損失函數(shù)用于衡量模型生成的序列與真實序列之間的差異：在訓(xùn)練時，給定一個部分的序列，模型預(yù)測下一個成分或步驟，會根據(jù)模型預(yù)測的概率分布和實際的目標(biāo)分布計算差異，并用于反向傳播調(diào)整模型參數(shù)，transformer模型通過自回歸訓(xùn)練，即每次利用前面生成的部分序列來預(yù)測接下來的元素。

46、進(jìn)一步的，在步驟s600，獲取食堂的實時成本預(yù)算和實時營養(yǎng)素需求值，將所述實時成本預(yù)算和實時營養(yǎng)素需求值輸入到食譜生成模型中，自動化生成食譜；

47、根據(jù)實時成本預(yù)算和實時營養(yǎng)素需求值自動化生成食譜，避免了依賴人工經(jīng)驗和廚師的個人喜好，滿足多樣化、個性化營養(yǎng)需求的同時控制成本。

48、為了更好實現(xiàn)上述方法還提出了一種基于人工智能大模型的智能食譜生成系統(tǒng)，系統(tǒng)包括歷史數(shù)據(jù)模塊、綜合評分模塊、菜品種類模塊、數(shù)字化處理模塊、建立模型模塊和實時生成模塊；

49、歷史數(shù)據(jù)模塊：用戶在食堂就餐后通過互動一體機(jī)系統(tǒng)對菜品進(jìn)行點評，根據(jù)互動一體機(jī)系統(tǒng)，獲取菜品的歷史評分記錄；

50、綜合評分模塊：根據(jù)歷史評分記錄，對任意菜品的綜合評分進(jìn)行分析，確認(rèn)受歡迎菜品，得到受歡迎菜品集合；

51、菜品種類模塊：在受歡迎菜品集合中，獲取菜品的元素組成和元素占比，形成任意菜品的元素組成集合，對菜品種類進(jìn)行劃分；

52、數(shù)字化處理模塊：根據(jù)步驟s300的元素組成集合，對受歡迎菜品進(jìn)行數(shù)字化處理；

53、建立模型模塊：根據(jù)步驟s400的數(shù)字化處理結(jié)果，對大模型進(jìn)行訓(xùn)練，得到食譜生成模型；

54、實時生成模塊：根據(jù)食譜生成模型，進(jìn)行食譜的自動化生成。

55、進(jìn)一步的，菜品種類模塊包括計算菜品元素占比單元和判定菜品種類單元；

56、計算菜品元素占比單元：對受歡迎菜品的元素進(jìn)行確認(rèn)，得到受歡迎菜品的元素組成集合；根據(jù)受歡迎菜品的元素組成集合，計算受歡迎菜品中每個元素的占比，得到受歡迎菜品的元素占比集合；

57、判定菜品種類單元：當(dāng)元素占比大于或等于占比閾值時，則將所述元素設(shè)為特征元素，得到受歡迎菜品的特征元素集合；獲取不同種類菜品的特征元素集合，將受歡迎菜品的特征元素集合與不同種類菜品的特征元素集合進(jìn)行比較，得到同種類的受歡迎菜品集合。

58、進(jìn)一步的，數(shù)字化處理模塊包括歸一化處理單元和計算受歡迎程度單元；

59、歸一化處理單元：在菜品種類的受歡迎菜品集合中，采集受歡迎菜品的點評數(shù)量和購買次數(shù)，將所有受歡迎菜品的點評數(shù)量和購買次數(shù)進(jìn)行匯總，得到菜品種類的點評數(shù)量集合和購買次數(shù)集合；將菜品種類的綜合評分集合、點評數(shù)量集合和購買次數(shù)集合分別輸入到歸一化公式中，得到菜品種類經(jīng)過歸一化后的綜合評分集合、點評數(shù)量集合和購買次數(shù)集合；

60、計算受歡迎程度單元：在菜品種類經(jīng)過歸一化后的綜合評分集合、點評數(shù)量集合和購買次數(shù)集合中，獲取受歡迎菜品經(jīng)過歸一化后的綜合評分、點評數(shù)量、購買次數(shù)，計算得到受歡迎菜品的受歡迎程度；將菜品種類中所有受歡迎菜品的受歡迎程度進(jìn)行匯總，得到菜品種類中所有菜品的受歡迎程度集合。

61、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：通過互動一體機(jī)系統(tǒng)對菜品進(jìn)行點評，根據(jù)互動一體機(jī)系統(tǒng)，獲取菜品的歷史評分記錄；對任意菜品的綜合評分進(jìn)行分析，確認(rèn)受歡迎菜品，得到受歡迎菜品集合；獲取菜品的元素組成和元素占比，形成任意菜品的元素組成集合，對菜品種類進(jìn)行劃分；根據(jù)元素組成集合，對受歡迎菜品進(jìn)行數(shù)字化處理；根據(jù)數(shù)字化處理結(jié)果，對大模型進(jìn)行訓(xùn)練，得到食譜生成模型；根據(jù)食譜生成模型，進(jìn)行食譜的自動化生成。能夠?qū)崿F(xiàn)食譜生成的高度自動化與智能化，顯著提升餐飲服務(wù)的效率與質(zhì)量；精準(zhǔn)匹配個性化營養(yǎng)需求，促進(jìn)健康飲食；有效控制成本，提高餐飲企業(yè)的經(jīng)營效益；持續(xù)學(xué)習(xí)與優(yōu)化，適應(yīng)市場變化和用戶偏好的動態(tài)調(diào)整。