(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210985162.X (22)申请日 2022.08.17 (71)申请人 慕思健康睡眠股份有限公司 地址 523000 广东省东莞 市厚街镇厚街科 技大道1号 (72)发明人 王炳坤　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 黎扬鹏 (51)Int.Cl. G16H 20/60(2018.01) G06F 16/9535(2019.01) G06K 9/62(2022.01) G06Q 10/06(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 基于睡眠大数据 的饮食推荐方法、 装置、 设 备及介质 (57)摘要 本申请公开了一种基于睡眠大数据的饮食 推荐方法、 装置、 设备及介质， 该方法获取目标用 户的身体特征信息和目标睡眠质量评分数据； 所 述目标睡眠质量评分数据大于预设阈值； 将所述 用户身份特征信息和所述目标睡眠质量评分数 据输入到训练好的饮食推荐模型中， 得到所述饮 食推荐模型输出的饮食推荐数据， 并将所述饮食 推荐数据展示给所述目标用户。 该方法基于用户 的身体特征数据和目标睡眠质量评分数据， 通过 饮食推荐模 型为用户推荐合适的饮食 方案， 从而 帮助用户通过科学的饮食取得较好的睡眠效果， 有利于改善用户的身体状态。 本申请可广泛应用 于大数据技术领域内。 权利要求书2页 说明书10页 附图1页 CN 115295123 A 2022.11.04 CN 115295123 A 1.一种基于睡眠大 数据的饮食推荐方法， 其特 征在于， 包括： 获取目标用户的身体特征信 息和目标睡眠质量评分数据； 所述目标睡眠质量评分数据 大于预设阈值； 将所述用户身份特征信息和所述目标睡眠质量评分数据输入到训练好的饮食推荐模 型中， 得到所述饮食推荐模型输出 的饮食推荐数据， 并将所述饮食推荐数据展示给所述 目 标用户； 其中， 所述饮食推荐模型通过以下步骤训练得到： 获取批量的样本用户的身体特征样本信 息、 饮食数据和第 一睡眠质量评分数据； 其中， 所述身体特征样本信息、 所述饮食数据和所述第一睡眠质量评 分数据所对应的采集时间段 相同； 将所述身体特征样本信息和所述第一睡眠质量评分数据输入到初始化的饮食推荐模 型中， 得到所述饮食推荐模型输出的饮食预测数据； 根据所述饮食数据和所述饮食预测数据， 确定训练的损失值； 根据所述损 失值， 对所述饮食推荐模型的参数进行反向传播更新， 得到训练好的饮食 推荐模型。 2.根据权利要求1所述的基于睡眠大数据的饮食推荐方法， 其特征在于， 所述获取目标 用户的身体特 征信息， 包括： 获取用户的体重数据、 身高数据、 预设时间段内的平均心率、 预设时间段内的平均呼吸 频率数据或者体动数据中的至少一种。 3.根据权利要求1所述的基于睡眠大数据的饮食推荐方法， 其特征在于， 所述获取批量 的样本用户的身体特 征样本信息、 饮食数据和第一睡眠质量评分数据， 包括： 通过终端设备采集所述样本用户的身体特征样本信 息和饮食数据， 将所述终端设备的 第一标识信息、 所述身体特 征样本信息和所述饮食数据发送到服 务器； 通过睡眠床垫采集所述样本用户的第 一睡眠质量评分数据， 将所述睡眠床垫的第 二标 识信息、 所述第一睡眠质量评分数据发送到服 务器； 根据所述第一标识信息和所述第二标识信息， 在服务器中建立所述身体特征样本信 息、 所述饮食数据和所述第一睡眠质量评分数据的对应关系。 4.根据权利要求3所述的基于睡眠大数据的饮食推荐方法， 其特征在于， 所述通过睡眠 床垫采集所述样本用户的第一睡眠质量评分数据， 包括： 记录所述样本用户在所述睡眠床垫上睡眠的深睡时长、 浅睡时长和打鼾次数； 根据所述深睡时长、 所述浅睡时长或者所述打鼾次数中的至少一者， 生成所述第一睡 眠质量评分数据。 5.根据权利要求1所述的基于睡眠大数据的饮食推荐方法， 其特征在于， 所述获取目标 睡眠质量评分数据： 获取所述目标用户在历史时间段内的平均睡眠质量评分数据； 根据所述平均睡眠质量评分数据， 确定目标睡眠质量评分数据； 所述目标睡眠质量评 分数据大于所述平均睡眠质量评分数据。 6.根据权利要求1 ‑5中任一项所述的基于睡眠大数据的饮食推荐方法， 其特征在于， 所 述饮食推荐模型包括第一编 码器、 第二编码 器、 特征融合器和解码 器； 所述将所述用户身份权　利　要　求　书 1/2 页 2 CN 115295123 A 2特征信息和所述目标睡眠质量评分数据输入到训练好的饮食推荐模型中， 得到所述饮食推 荐模型输出的饮食推荐数据， 包括： 将所述用户身份特征信息和所述目标睡眠质量评分数据输入到训练好的饮食推荐模 型中， 通过所述第一编码器对所述用户身份特征信息进行编码得到第一特征数据， 通过所 述第二编码器对所述目标睡眠质量评分数据进行编码得到第二特 征数据； 通过所述特征融合器对所述第 一特征数据和所述第 二特征数据进行融合处理， 得到融 合特征数据； 通过所述解码器对所述融合特 征数据进行解码， 得到饮食推荐数据。 7.根据权利要求6所述的基于睡眠大数据的饮食推荐方法， 其特征在于， 所述通过所述 特征融合器对所述第一特征数据和所述第二特征数据进行融合处理， 得到融合特征数据， 包括： 通过所述特征融合器对所述第一特征数据和所述第二特征数据进行加权处理或者拼 接处理， 得到所述融合特 征数据。 8.一种基于睡眠大 数据的饮食推荐装置， 其特 征在于， 包括： 获取模块， 用于获取目标用户的身体特征信息和目标睡眠质量评分数据； 所述目标睡 眠质量评分数据大于预设阈值； 预测模块， 用于将所述用户身份特征信 息和所述目标睡眠质量评分数据输入到训练好 的饮食推荐模型中， 得到所述饮食推荐模型输出 的饮食推荐数据， 并将所述饮食推荐数据 展示给所述目标用户； 其中， 所述饮食推荐模型通过以下步骤训练得到： 获取批量的样本用户的身体特征样本信 息、 饮食数据和第 一睡眠质量评分数据； 其中， 所述身体特征样本信息、 所述饮食数据和所述第一睡眠质量评 分数据所对应的采集时间段 相同； 将所述身体特征样本信息和所述第一睡眠质量评分数据输入到初始化的饮食推荐模 型中， 得到所述饮食推荐模型输出的饮食预测数据； 根据所述饮食数据和所述饮食预测数据， 确定训练的损失值； 根据所述损 失值， 对所述饮食推荐模型的参数进行反向传播更新， 得到训练好的饮食 推荐模型。 9.一种计算机设备， 其特 征在于， 包括： 至少一个处 理器； 至少一个存 储器， 用于存 储至少一个程序； 当所述至少一个程序被所述至少一个处理器执行， 使得所述至少一个处理器实现如权 利要求1‑7中任一项所述的基于睡眠大 数据的饮食推荐方法。 10.一种计算机可读存储介质， 其中存储有处理器可执行的程序， 其特征在于： 所述处 理器可执行的程序在由处理器执行时用于实现如权利要求 1‑7中任一项 所述的基于睡眠大 数据的饮食推荐方法。权　利　要　求　书 2/2 页 3 CN 115295123 A 3