1.一种基于人工智能的店铺推荐方法,其特征在于,包括:
获取用户的智能手表的监测数据、用户一段时间内的餐饮记录数据、天气信息、用户身体健康程度,其中所述用户的智能手表的监测数据包括心率、血压、血糖、血氧、心电图、计步数据,其中用户身体健康程度通过对第一健康程度和第二健康程度进行加权求和得到,所述用户身体健康程度通过对第一健康程度和第二健康程度进行加权求和得到包括:通过第一健康程度模型对用户的智能手表的监测数据进行处理确定第一健康程度,再通过第二健康程度模型对用户一段时间内的餐饮记录数据进行处理确定第二健康程度,并按照预设的权重系数对第一健康程度和第二健康程度进行加权求和得到用户身体健康程度,其中所述第一健康程度模型和所述第二健康程度模型都为深度神经网络模型,所述第一健康程度模型的输入为用户的智能手表的监测数据,所述第一健康程度模型的输出为第一健康程度,所述第二健康程度模型的输入为用户一段时间内的餐饮记录数据,所述第二健康程度模型的输出为第二健康程度,第一健康程度和第二健康程度为0‑1之间的数值,数值越大,则用户身体越健康,所述第二健康程度模型包括餐饮记录处理子模型和能量判断子模型,餐饮记录处理子模型和能量判断子模型都为深度神经网络模型,所述餐饮记录处理子模型的输入为用户一段时间内的餐饮记录数据,所述餐饮记录处理子模型的输出为用户平均每天的能量摄入量和饮食搭配合理度,所述能量判断子模型的输入为用户平均每天的能量摄入量和饮食搭配合理度,所述能量判断子模型的输出为第二健康程度;
基于所述用户的智能手表的监测数据、所述用户一段时间内的餐饮记录数据、所述天气信息、所述用户身体健康程度使用糖分确定模型确定本次就餐的糖分摄入量,所述糖分确定模型为深度神经网络模型,所述糖分确定模型的输入为所述用户的智能手表的监测数据、所述用户一段时间内的餐饮记录数据、所述天气信息、所述用户身体健康程度,所述糖分确定模型的输出为本次就餐的糖分摄入量;
基于所述本次就餐的糖分摄入量、所述用户一段时间内的餐饮记录数据确定本次就餐的多个食品种类和所述多个食品种类的食品重量;
基于所述本次就餐的多个食品种类和所述多个食品种类的食品重量、用户定位信息确定多个待选择就餐店铺信息;
基于所述用户的智能手表的监测数据、所述天气信息、所述用户身体健康程度使用行走步数确定模型确定用户的最多行走步数;
基于所述用户的最多行走步数、用户身高、所述用户定位信息、所述多个待选择就餐店铺信息使用就餐店铺确定模型确定目标就餐店铺,待选择就餐店铺信息包括历史评价、历史就餐人数、店铺面积、员工数、就餐环境干净程度、人均价格。
2.如权利要求1所述的基于人工智能的店铺推荐方法,其特征在于,所述方法还包括:
若确定出的用户的最多行走步数小于步数阈值,则通过声音对用户进行提醒。
3.一种基于人工智能的店铺推荐系统,其特征在于,包括:
获取模块,用于获取用户的智能手表的监测数据、用户一段时间内的餐饮记录数据、天气信息、用户身体健康程度,其中用户身体健康程度通过对第一健康程度和第二健康程度进行加权求和得到,所述用户身体健康程度通过对第一健康程度和第二健康程度进行加权求和得到包括:通过第一健康程度模型对用户的智能手表的监测数据进行处理确定第一健康程度,再通过第二健康程度模型对用户一段时间内的餐饮记录数据进行处理确定第二健康程度,并按照预设的权重系数对第一健康程度和第二健康程度进行加权求和得到用户身体健康程度,其中所述第一健康程度模型、所述第二健康程度模型为深度神经网络模型,所述第一健康程度模型的输入为用户的智能手表的监测数据,所述第一健康程度模型的输出为第一健康程度,所述第二健康程度模型的输入为用户一段时间内的餐饮记录数据,所述第一健康程度模型的输出为第二健康程度,第一健康程度和第二健康程度为0‑1之间的数值,数值越大,则用户身体越健康,所述第二健康程度模型包括餐饮记录处理子模型和能量判断子模型,餐饮记录处理子模型和能量判断子模型都为深度神经网络模型,所述餐饮记录处理子模型的输入为用户一段时间内的餐饮记录数据,所述餐饮记录处理子模型的输出为用户平均每天的能量摄入量和饮食搭配合理度,所述能量判断子模型的输入为用户平均每天的能量摄入量和饮食搭配合理度,所述能量判断子模型的输出为第二健康程度,其中所述用户的智能手表的监测数据包括心率、血压、血糖、血氧、心电图、计步数据;
糖分确定模块,用于基于所述用户的智能手表的监测数据、所述用户一段时间内的餐饮记录数据、所述天气信息、所述用户身体健康程度使用糖分确定模型确定本次就餐的糖分摄入量;
食品确定模块,用于基于所述本次就餐的糖分摄入量、所述用户一段时间内的餐饮记录数据确定本次就餐的多个食品种类和所述多个食品种类的食品重量,所述糖分确定模型为深度神经网络模型,所述糖分确定模型的输入为所述用户的智能手表的监测数据、所述用户一段时间内的餐饮记录数据、所述天气信息、所述用户身体健康程度,所述糖分确定模型的输出为本次就餐的糖分摄入量;
待选择就餐店铺确定模块,用于基于所述本次就餐的多个食品种类和所述多个食品种类的食品重量、用户定位信息确定多个待选择就餐店铺信息;
步数确定模块,用于基于所述用户的智能手表的监测数据、所述天气信息、所述用户身体健康程度使用行走步数确定模型确定用户的最多行走步数;
目标就餐店铺确定模块,用于基于所述用户的最多行走步数、用户身高、所述用户定位信息、所述多个待选择就餐店铺信息使用就餐店铺确定模型确定目标就餐店铺,待选择就餐店铺信息包括历史评价、历史就餐人数、店铺面积、员工数、就餐环境干净程度、人均价格。
4.如权利要求3所述的基于人工智能的店铺推荐系统,其特征在于,所述系统还包括提醒模块,所述提醒模块用于:若确定出的用户的最多行走步数小于步数阈值,则通过声音对用户进行提醒。