基于条件筛选的菜品推荐方法、装置、设备及存储介质与流程

1.本发明涉及人工智能
技术领域：
，尤其涉及一种基于条件筛选的菜品推荐方法、装置、电子设备及计算机可读存储介质。
背景技术：
：2.近些年来，随着社会经济的发展，人们对于健康生活的追求愈发强烈，因此，人们对食品安全重视程度越来越高，尤其公司餐饮、中小学的校园餐饮成为重中之重，如何实现对菜品的合理推荐，成为了人们关注的重点。3.现有的菜品推荐方法多为基于用户偏好的菜品推荐，即对历史数据进行分析，以从历史数据中筛选出用户较为偏好的菜品，进而向用户进行推荐。但该方法中，仅按照用户偏好进行菜品推荐，会导致推荐的不合理性，例如，当用偏好肉食，推荐的菜品中肉食过多，会造成推荐的菜品合理性较差，对用户的健康状况造成影响，因此，如何实现对用户进行合理地菜品推荐，成为了亟待解决的问题。技术实现要素：4.本发明提供一种基于条件筛选的菜品推荐方法、装置及计算机可读存储介质，其主要目的在于解决进行菜品推荐时的合理性较低的问题。5.为实现上述目的，本发明提供的一种基于条件筛选的菜品推荐方法，包括：6.获取多源菜品食用数据，提取所述多源菜品食用数据中出现频率大于预设频率的菜品为偏好菜品，并构建所述偏好菜品的菜品子集；7.根据预设的食品安全舆情信息和天气信息计算所述菜品子集中每一个子集的推荐分数，并选取所述推荐分数大于预设阈值的菜品子集为第一子集；8.筛除所述第一子集中具有互斥菜品的子集，并根据预设的膳食均衡信息生成决策树模型，利用所述决策树模型筛除所述第一子集中不符合所述膳食均衡信息的子集，得到第二子集；9.随机从所述第二子集中选取一个子集为目标子集，并向预设用户推荐所述目标子集中的菜品。10.可选地，所述提取所述多源菜品食用数据中出现频率大于预设频率的菜品为偏好菜品，包括：11.获取预设的菜品名称表，生成所述菜品名称表中每一个菜品名称对应的索引；12.利用所述索引在所述多源菜品食用数据中进行检索，得到每一个菜品名称对应的名称字段；13.统计每一个菜品名称对应的名称字段的数量，得到所述菜品名称表中每一个菜品名称在所述多源菜品食用数据中的出现频率；14.选取所述出现频率大于预设频率的菜品名称对应的菜品为偏好菜品。15.可选地，所述构建所述偏好菜品的菜品子集，包括：16.从所述偏好菜品中随机且不重复地选取预设数量的菜品；17.将选取的菜品汇集为待筛选子集；18.判断所述待筛选子集的数量是否小于预设的子集数量上限；19.当所述待筛选子集的数量小于所述子集数量上限时，返回从所述偏好菜品中随机且不重复地选取预设数量的菜品的步骤；20.当所述待筛选子集的数量大于或等于所述子集数量上限时，对所有的待筛选子集进行去重处理，并将去重后的所有待筛选子集汇集为所述菜品子集。21.可选地，所述筛除所述第一子集中具有互斥菜品的子集，包括：22.获取所述第一子集中每一个菜品对应的原材料信息，并获取预设的互斥食材表；23.对所述原材料信息进行分词处理，得到每一个菜品对应的食材，根据所述互斥食材表从所述食材中筛选出互斥食材；24.从所述待筛选子集中逐个选取其中一个子集为目标子集；25.判断所述目标子集内所有菜品对应的原材料中是否包含所述互斥食材；26.当所述目标子集内所有菜品对应的原材料中不包含所述互斥食材，则返回从所述第一子集中逐个选取其中一个子集为目标子集的步骤；27.当所述目标子集内所有菜品对应的原材料中包含所述互斥食材，则从所述第一子集中筛除所述目标子集。28.可选地，所述根据预设的膳食均衡信息生成决策树模型，包括：29.提取所述膳食均衡信息的多个特征词，并分别将所述多个特征词转换为词向量；30.从所述词向量中依次选取其中一个词向量为目标向量，利用所述目标向量对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；31.汇集所有词向量对应的决策树为所述决策树模型。32.可选地，所述提取所述膳食均衡信息的多个特征词，包括：33.对所述膳食均衡信息进行分词处理，得到均衡分词；34.统计所述均衡分词中每一个均衡分词的出现频率，将所述出现频率大于预设频率阈值的均衡分词汇集为多个特征词。35.可选地，所述根据预设的食品安全舆情信息和天气信息计算所述菜品子集中每一个子集的推荐分数，包括：36.利用如下权重算法根据预设的食品安全舆情信息和天气信息计算所述菜品子集中每一个子集的推荐分数：37.gn＝(αn,m βn,m)*c38.其中，gn为所述菜品子集中第n个子集的推荐分数，αn,m为所述菜品子集中第n个子集内第m个菜品对应的食品安全舆情信息的数值化表达，βn,m为所述菜品子集中第n个子集内第m个菜品对应的天气信息的数值化表达。39.为了解决上述问题，本发明还提供一种基于条件筛选的菜品推荐装置，所述装置包括：40.子集构建模块，用于获取多源菜品食用数据，提取所述多源菜品食用数据中出现频率大于预设频率的菜品为偏好菜品，并构建所述偏好菜品的菜品子集；41.第一筛选模块，用于根据预设的食品安全舆情信息和天气信息计算所述菜品子集中每一个子集的推荐分数，并选取所述推荐分数大于预设阈值的菜品子集为第一子集；42.第二筛选模块，用于筛除所述第一子集中具有互斥菜品的子集，并根据预设的膳食均衡信息生成决策树模型，利用所述决策树模型筛除所述第一子集中不符合所述膳食均衡信息的子集，得到第二子集；43.菜品推荐模块，用于随机从所述第二子集中选取一个子集为目标子集，并向预设用户推荐所述目标子集中的菜品。44.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：45.至少一个处理器；以及，46.与所述至少一个处理器通信连接的存储器；其中，47.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于条件筛选的菜品推荐方法。48.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于条件筛选的菜品推荐方法。49.本发明实施例能够结合用户偏好、食品安全舆情、天气信息、互斥菜品以及膳食均衡信息等多重因素对菜品进行筛选，在保证用户喜好的情况下，同时考虑到了菜品自身的营养均衡以及对用户健康的影响，进而保证了推荐的菜品的合理性，提高了对用户进行菜品推荐的合理性。因此本发明提出的基于条件筛选的菜品推荐方法、装置、电子设备及计算机可读存储介质，可以解决进行菜品推荐时的合理性较低的问题。附图说明50.图1为本发明一实施例提供的基于条件筛选的菜品推荐方法的流程示意图；51.图2为本发明一实施例提供的提取偏好菜品的流程示意图；52.图3为本发明一实施例提供的筛除互斥菜品的子集的流程示意图；53.图4为本发明一实施例提供的基于条件筛选的菜品推荐装置的功能模块图；54.图5为本发明一实施例提供的实现所述基于条件筛选的菜品推荐方法的电子设备的结构示意图。55.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式56.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。57.本技术实施例提供一种基于条件筛选的菜品推荐方法。所述基于条件筛选的菜品推荐方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述基于条件筛选的菜品推荐方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(contentdeliverynetwork，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。58.参照图1所示，为本发明一实施例提供的基于条件筛选的菜品推荐方法的流程示意图。在本实施例中，所述基于条件筛选的菜品推荐方法包括：59.s1、获取多源菜品食用数据，提取所述多源菜品食用数据中出现频率大于预设频率的菜品为偏好菜品，并构建所述偏好菜品的菜品子集。60.本发明实施例中，所述多源菜品食用数据包括校园餐厅、公司餐厅等地的菜品名称、每一种菜品的食用次数等数据。61.详细地，可利用具有数据抓取功能的计算机语句(如java语句、python语句等)从预先确定的存储区域获取存储的多源菜品食用数据，所述存储区域包括但不限于数据库、区块链节点、网络缓存。62.本发明其中一个实际应用场景中，当某一个菜品被食用的次数越多，则说明该菜品越被人们所偏好，因此，可提取所述多源菜品食用数据中出现频率大于预设频率的菜品，并确定提取出的菜品为人们的偏好菜品，进而减少需要分析的菜品数量，有利于提高进行菜品推荐的效率和精确度。63.本发明实施例中，参图2所示，所述提取所述多源菜品食用数据中出现频率大于预设频率的菜品为偏好菜品，包括：64.s21、获取预设的菜品名称表，生成所述菜品名称表中每一个菜品名称对应的索引；65.s22、利用所述索引在所述多源菜品食用数据中进行检索，得到每一个菜品名称对应的名称字段；66.s23、统计每一个菜品名称对应的名称字段的数量，得到所述菜品名称表中每一个菜品名称在所述多源菜品食用数据中的出现频率；67.s24、选取所述出现频率大于预设频率的菜品名称对应的菜品为偏好菜品。68.详细地，所述菜品名称表为预先设定的包含多种菜品以及每一种菜品对应的菜品名称的表格。69.具体地，可利用sql中的createindex函数生成所述菜品名称表中每一个菜品名称对应的索引。70.示例性地，可利用如下createindex函数71.createindexindex‑name72.ontable‑name(column‑name)73.其中，index‑name为创建的索引的名称，table‑name为所述菜品名称表的名称，column‑name为所述菜品名称表中用于记载菜品名称的数据列的名称。74.本发明实施例中，可利用创建的索引在所述多源菜品食用数据中进行检索，以得到每一个菜品名称在所述多源菜品食用数据中的出现频率，进而将所述出现频率大于预设频率的菜品名称对应的菜品汇集为所述偏好菜品。75.例如，所述菜品名称表中包含菜品a、菜品b、菜品c和菜品d，其中，利用菜品a的菜品名称对应的索引在所述多源菜品食用数据中进行检索，可知所述多源菜品食用数据中菜品a的菜品名称出现频率为35次；利用菜品b的菜品名称对应的索引在所述多源菜品食用数据中进行检索，可知所述多源菜品食用数据中菜品b的菜品名称出现频率为60次；利用菜品c的菜品名称对应的索引在所述多源菜品食用数据中进行检索，可知所述多源菜品食用数据中菜品c的菜品名称出现频率为40次；利用菜品d的菜品名称对应的索引在所述多源菜品食用数据中进行检索，可知所述多源菜品食用数据中菜品d的菜品名称出现频率为10次；当预设频率阈值为30，则可确认菜品a、菜品b和菜品c为偏好菜品。76.本发明实施例中，由于人们在进行餐饮时，往往会多个同时食用个菜品，例如，学校餐厅往往会在早餐、午餐和晚餐分别推出多种菜品的组合，因此为了更精确地进行菜品推荐，可根据筛选出的菜品生成多个菜品子集。77.本发明实施例中，所述构建所述偏好菜品的菜品子集，包括：78.从所述偏好菜品中随机且不重复地选取预设数量的菜品；79.将选取的菜品汇集为待筛选子集；80.判断所述待筛选子集的数量是否小于预设的子集数量上限；81.当所述待筛选子集的数量小于所述子集数量上限时，返回从所述偏好菜品中随机且不重复地选取预设数量的菜品的步骤；82.当所述待筛选子集的数量大于或等于所述子集数量上限时，对所有的待筛选子集进行去重处理，并将去重后的所有待筛选子集汇集为所述菜品子集。83.详细地，可按照预设的数量从所述偏好菜品中随机且不重复地选取菜品，直至选取的菜品数量达到该预设数量，将被选取的菜品汇集为待筛选子集，并重复筛选的操作，直至所述待筛选子集的数量达到所述子集数量上限；其中，所述子集数量上限可预先设定。84.具体地，当所述待筛选子集中子集的数量达到所述子集数量上限时，可对所述待筛选子集进行重复筛选，以删除所述待筛选子集中存在重复的子集，以避免后续对重复地子集进行分析，提高进行菜品推荐的效率。85.s2、根据预设的食品安全舆情信息和天气信息计算所述菜品子集中每一个子集的推荐分数，并选取所述推荐分数大于预设阈值的菜品子集为第一子集。86.本发明实施例中，所述食品安全舆情信息包括市场监管局对市场上可购买食材的质量是否合格的抽检情况，所述天气信息是指当前的温度、季节等天气因素。87.本发明其中一个实际应用场景中，为了保证推荐的食品的安全性，可在适配推荐时考虑到该食品安全舆情信息；同时，为了推荐的与季节的匹配性，可在食品推荐时考虑到天气信息，进而提高推荐的食品的合理性。88.本发明实施例中，所述根据预设的食品安全舆情信息和天气信息计算所述菜品子集中每一个子集的推荐分数，包括：89.利用如下权重算法根据预设的食品安全舆情信息和天气信息计算所述菜品子集中每一个子集的推荐分数：90.gn＝(αn,m βn,m)*c91.其中，gn为所述菜品子集中第n个子集的推荐分数，αn,m为所述菜品子集中第n个子集内第m个菜品对应的食品安全舆情信息的数值化表达，βn,m为所述菜品子集中第n个子集内第m个菜品对应的天气信息的数值化表达。92.本发明实施例中，可利用上述权重算法计算所述菜品子集中每一个子集的推荐分数，并汇集所述推荐分数大于预设阈值的子集为第一子集。93.s3、筛除所述第一子集中具有互斥菜品的子集，并根据预设的膳食均衡信息生成决策树模型，利用所述决策树模型筛除所述第一子集中不符合所述膳食均衡信息的子集，得到第二子集。94.本发明实施例中，所述互斥菜品是指菜品的材料中存在冲突的食材的菜品，即同时食用会导致疾病或食物中毒的菜品，例如，菠菜与豆腐不可同时食用，番茄与胡萝卜不可同时食用等。95.本发明实施例中，参图3所示，所述筛除所述第一子集中具有互斥菜品的子集，包括：96.s31、获取所述第一子集中每一个菜品对应的原材料信息，并获取预设的互斥食材表；97.s32、对所述原材料信息进行分词处理，得到每一个菜品对应的食材，根据所述互斥食材表从所述食材中筛选出互斥食材；98.s33、从所述待筛选子集中逐个选取其中一个子集为目标子集；99.s34、判断所述目标子集内所有菜品对应的原材料中是否包含所述互斥食材；100.当所述目标子集内所有菜品对应的原材料中不包含所述互斥食材，则返回s33、；101.当所述目标子集内所有菜品对应的原材料中包含所述互斥食材，则执行s35、从所述第一子集中筛除所述目标子集。102.详细地，可从互联网或数据库等地查询得到所述待筛选子集中每一个菜品对应的原材料信息，以及所述互斥食材表，其中，所述互斥食材表中包括多对同时食用会对身体健康造成负面影响的食材。103.具体地，可利用预设的标准词典对所述原材料信息进行分词处理，所述标准词典中包含多个食材相关的标准分词。104.例如，将所述原材料信息以不同的长度在所述标准词典中进行检索，若能检索到与所述原材料信息中内容相同的标准分词，则确定该标准分词为所述原材料信息中包含的食材。105.本发明实施例中，可根据所述互斥食材表确认所述待筛选子集中所有菜品对应的食材中的互斥食材，进而删除所述带筛选子集中包含所述互斥食材的子集。106.本发明其中一个实际应用场景中，为了实现对菜品进行推荐的合理性，还需考虑菜品的营养均衡，例如，肉食脂肪类食物不宜过多，胆固醇过高类食物不宜过多等。107.本发明实施例中，可根据预设的膳食均衡信息生成决策树模型，利用所述决策树模型筛除所述第一子集中不符合所述膳食均衡信息的子集。108.详细地，所述膳食均衡信息为预先获取的对菜品膳食营养的均衡进行搭配的条件信息。109.本发明实施例中，所述根据预设的膳食均衡信息生成决策树模型，包括：110.提取所述膳食均衡信息的多个特征词，并分别将所述多个特征词转换为词向量；111.从所述词向量中依次选取其中一个词向量为目标向量，利用所述目标向量对预设的决策函数进行赋值，并利用赋值后的决策函数作为决策条件，生成决策树；112.汇集所有词向量对应的决策树为所述决策树模型。113.详细地，所述提取所述膳食均衡信息的多个特征词，包括：114.对所述膳食均衡信息进行分词处理，得到均衡分词；115.统计所述均衡分词中每一个均衡分词的出现频率，将所述出现频率大于预设频率阈值的均衡分词汇集为多个特征词。116.具体地，所述对所述膳食均衡信息进行分词处理的步骤，与s3中对所述原材料信息进行分词处理的步骤一致，在此不做赘述。117.本发明实施例中，所述出现频率为不同的均衡分词在所述膳食均衡信息的所有均衡分词中出现的次数，当均衡分词的出现频率越高时，则说明该均衡分词越重要，因此，可从所述均衡分词中选取所述出现频率大于预设频率阈值的均衡分词，并将选取的均衡分词作为特征词。118.进一步地，可利用具有词向量转换功能的人工智能模型将所述多个特征词转换为词向量，其中，所人工智能模型包括但不限于bert模型、word2vec模型。119.本发明实施例中，所述决策函数可以为：[0120][0121]其中，f(x)为所述决策函数的输出值，x为所述决策函数的参数，g(y)为所述决策函数的输入值。[0122]详细地，可从所述词向量中逐个选取其中一个词向量为目标向量，利用该目标向量对所述决策函数的参数x进行赋值，并将赋值后的决策函数作为决策条件生成如下决策树：[0123]当所述决策树的输入值g(y)与所述决策树的参数x相同时，该决策树输出值f(x)＝α；[0124]当所述决策树的输入至g(y)与所述决策树的参数x不相同时，该决策树输出值f(x)＝β。[0125]本发明实施例中，可利用并联或者串联的形式将所述词向量中每一个特征对应的决策树进行汇集，得到决策树模型。[0126]本发明实施例中，可利用所述决策树模型对所述第一子集中不符合所述膳食均衡信息的子集进行筛除。[0127]s4、随机从所述第二子集中选取一个子集为目标子集，并向预设用户推荐所述目标子集中的菜品。[0128]本发明实施例中，所述第二子集是结合用户偏好、食品安全舆情、天气信息、互斥菜品以及膳食均衡信息等多重因素筛选出的子集，因此，可随机从所述第二子集中选取其中一个子集为目标子集，并向预设用户推荐所述目标子集的所有菜品。[0129]本发明实施例能够结合用户偏好、食品安全舆情、天气信息、互斥菜品以及膳食均衡信息等多重因素对菜品进行筛选，在保证用户喜好的情况下，同时考虑到了菜品自身的营养均衡以及对用户健康的影响，进而保证了推荐的菜品的合理性，提高了对用户进行菜品推荐的合理性。因此本发明提出的基于条件筛选的菜品推荐方法，可以解决进行菜品推荐时的合理性较低的问题。[0130]如图4所示，是本发明一实施例提供的基于条件筛选的菜品推荐装置的功能模块图。[0131]本发明所述基于条件筛选的菜品推荐装置100可以安装于电子设备中。根据实现的功能，所述基于条件筛选的菜品推荐装置100可以包括子集构建模块101、第一筛选模块102、第二筛选模块103及菜品推荐模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。[0132]在本实施例中，关于各模块/单元的功能如下：[0133]所述子集构建模块101，用于获取多源菜品食用数据，提取所述多源菜品食用数据中出现频率大于预设频率的菜品为偏好菜品，并构建所述偏好菜品的菜品子集；[0134]所述第一筛选模块102，用于根据预设的食品安全舆情信息和天气信息计算所述菜品子集中每一个子集的推荐分数，并选取所述推荐分数大于预设阈值的菜品子集为第一子集；[0135]所述第二筛选模块103，用于筛除所述第一子集中具有互斥菜品的子集，并根据预设的膳食均衡信息生成决策树模型，利用所述决策树模型筛除所述第一子集中不符合所述膳食均衡信息的子集，得到第二子集；[0136]所述菜品推荐模块104，用于随机从所述第二子集中选取一个子集为目标子集，并向预设用户推荐所述目标子集中的菜品。[0137]详细地，本发明实施例中所述基于条件筛选的菜品推荐装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于条件筛选的菜品推荐方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。[0138]如图5所示，是本发明一实施例提供的实现基于条件筛选的菜品推荐方法的电子设备的结构示意图。[0139]所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于条件筛选的菜品推荐程序。[0140]其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(centralprocessingunit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(controlunit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于条件筛选的菜品推荐程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。[0141]所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smartmediacard，smc)、安全数字(securedigital，sd)卡、闪存卡(flashcard)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于条件筛选的菜品推荐程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。[0142]所述通信总线12可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。[0143]所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如wi‑fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight‑emittingdiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。[0144]图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。[0145]例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi‑fi模块等，在此不再赘述。[0146]应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。[0147]所述电子设备1中的所述存储器11存储的基于条件筛选的菜品推荐程序是多个指令的组合，在所述处理器10中运行时，可以实现：[0148]获取多源菜品食用数据，提取所述多源菜品食用数据中出现频率大于预设频率的菜品为偏好菜品，并构建所述偏好菜品的菜品子集；[0149]根据预设的食品安全舆情信息和天气信息计算所述菜品子集中每一个子集的推荐分数，并选取所述推荐分数大于预设阈值的菜品子集为第一子集；[0150]筛除所述第一子集中具有互斥菜品的子集，并根据预设的膳食均衡信息生成决策树模型，利用所述决策树模型筛除所述第一子集中不符合所述膳食均衡信息的子集，得到第二子集；[0151]随机从所述第二子集中选取一个子集为目标子集，并向预设用户推荐所述目标子集中的菜品。[0152]具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。[0153]进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read‑onlymemory)。[0154]本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：[0155]获取多源菜品食用数据，提取所述多源菜品食用数据中出现频率大于预设频率的菜品为偏好菜品，并构建所述偏好菜品的菜品子集；[0156]根据预设的食品安全舆情信息和天气信息计算所述菜品子集中每一个子集的推荐分数，并选取所述推荐分数大于预设阈值的菜品子集为第一子集；[0157]筛除所述第一子集中具有互斥菜品的子集，并根据预设的膳食均衡信息生成决策树模型，利用所述决策树模型筛除所述第一子集中不符合所述膳食均衡信息的子集，得到第二子集；[0158]随机从所述第二子集中选取一个子集为目标子集，并向预设用户推荐所述目标子集中的菜品。[0159]在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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。[0160]所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。[0161]另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。[0162]对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。[0163]因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。[0164]本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。[0165]本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(artificialintelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。[0166]此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。[0167]最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。当前第1页12