技术领域 [0001] 本发明涉及用于提供个性化饮食的方法和系统。 背景技术 [0002] 发明背景 [0002] 随着最近对根据个人生活方式或环境的健康管理的关注增加,用于改善饮食生活质量的行业正在发展。 因此,健康饮食的含义也在发生变化。 过去,如果只考虑卡路里或营养素,现在考虑个人喜好或体质的饮食正在引起人们的关注。 [0003] 然而,对于非专家来说,在收集有关食物的信息并考虑营养成分的同时规划个性化饮食并不容易。 因此,正在开发基于食物信息来计划饮食的应用程序和软件,但大多数情况下是根据营养标准来计划饮食。 因此,需要规划能充分反映个人喜好或体质的饮食。 要解决的挑战 [0004] 本发明要解决的技术问题是提供一种提供个性化饮食的方法和系统,其能够建议不仅考虑用户的个人性格或体质而且考虑环境因素的计划饮食。 [0005] 此外,本发明要解决的技术问题是提供一种个性化饮食的方法和系统,允许个人用户将饮食分享给其他人。 [0006] 本发明的技术问题并不局限于上述技术问题,其他未提及的技术问题本领域技术人员将从以下描述中清楚地理解。 解决问题的手段 [0007] 根据本发明实施例的提供个性化饮食的方法包括接收来自用户的食物记录; 从食品记录中获取营养成分; 检索具有补充食物数据库中的营养成分的营养成分的多个食物; 从搜索到的多种食物中排除用户忌口的食物; 基于排除要避免的食物的结果,提供适合用户的饮食。 [0008] 在本发明的一些实施例中,接收食物记录包括接收用户直接输入的食物记录,营养成分的获取是利用直接输入的食物记录进行食物数据库的检索; 获取从食物数据库中检索到的营养成分。 [0009] 在本发明的一些实施例中,接收食物记录包括接收用户捕获条形码或营养成分表的图像,并且获取营养成分包括捕获的图像。可以包括识别和解释来自步骤的字符获得营养成分。 [0010] 在本发明的一些实施例中,该方法还可以包括将食物记录和获取的营养成分存储在食物数据库中。 [0011] 在本发明的一些实施例中,排除要避免的食物的步骤可以包括定期或不定期地向用户询问要避免的食物; 记录用户响应查询时的日期、时间、天气、用户位置和用户生物特征信息中的至少一项; 使用用户要避免的食物、回答查询的日期和时间、用户的位置和用户的生物特征信息中的至少一种生成学习数据; 使用学习数据学习避免食物预测模型; 通过将当前日期、当前时间、当前天气、用户当前所在位置、用户当前生物特征信息中的至少一项输入学习避免食物预测模型中,获取避免食物; 从所搜索的多个食物中排除所获取的要避免的食物。 [0012] 根据本发明实施例的提供个性化饮食的方法包括接收多个用户的饮食记录; 从食品记录中获取营养成分; 检索具有补充食物数据库中的营养成分的营养成分的多个食物; 从搜索到的多个食物中排除多个用户避免食用的食物; 基于排除要避免的食物的结果,提供适合所有多个用户的饮食。 [0013] 在本发明的一些实施例中,接收食物记录包括接收由多个用户中的至少一些用户直接输入的食物记录,并且获取营养成分包括直接输入使用食物记录搜索食物数据库; 获取从食物数据库中检索到的营养成分。 [0014] 在本发明的一些实施例中,接收食物记录包括接收至少部分用户拍摄的条形码或营养成分表的图像,获取营养成分包括获取营养成分。通过识别和解释捕获图像中的字符。 [0015] 在本发明的一些实施例中,该方法还可以包括与其他用户共享多个用户中的一些用户的个人饮食。 [0016] 在本发明的一些实施例中,排除要避免的食物的步骤可以包括定期或不定期地向多个用户中的每一个询问要避免的食物; 记录用户响应查询时的日期、时间、天气、用户位置和用户生物特征信息中的至少一项; 使用用户要避免的食物、回答查询的日期和时间、用户的位置和用户的生物特征信息中的至少一种生成学习数据; 使用学习数据学习避免食物预测模型; 通过将当前日期、当前时间、当前天气、用户当前所在位置、用户当前生物特征信息中的至少一项输入学习避免食物预测模型中,获取避免食物; 从所搜索的多个食物中排除所获取的要避免的食物。 [0017] 根据本发明实施例的提供个性化饮食的方法包括:饮食记录模块,接收来自用户的食物记录,并从食物记录中获取营养成分; 并在食物数据库中搜索营养成分与营养成分互补的多个食物,从搜索到的多个食物中排除用户忌食的食物,然后根据排除的结果,适合用户的忌食食物。可以包括提供菜单的菜单创建模块。 [0018] 在本发明的一些实施例中,饮食记录模块接收用户直接输入的食物记录,利用直接输入的食物记录来搜索食物数据库,并从食物数据库中检索出营养成分。 [0019] 在本发明的一些实施例中,饮食记录模块可以接收用户拍摄的条形码或营养成分表的图像,并通过识别和解释拍摄图像中的字符来获取营养成分。 [0020] 在本发明的一些实施例中,饮食记录模块可以将食物记录和获取的营养成分存储在食物数据库中。 [0021]在本发明的一些实施例中,菜单创建模块定期或不定期地向用户查询要避免的食物,并且当用户响应查询时,日期、时间、天气和用户的信息中的至少一个位置记录用户的生物特征信息,以及用户要避免的食物、用户响应查询的日期和时间、用户的位置和用户的生物特征信息使用至少一种创建学习数据的学习数据,使用学习数据学习一个食物避让预测模型,当前日期,当前时间,当前天气,用户当前位置和学习到的食物避让预测模型输入需要避食的食物可以从搜索到的多种食物中排除用户当前的生物特征信息中的至少一种,以及所获取的应避免的食物。 [0022] 在本发明的一些实施例中,对于分配给SNS服务的多个用户,用于基于食物记录和多个用户应避免的食物向所有多个用户提供合适的饮食的SNS服务模块可以是进一步包括。有。 [0023] 其他实施例的细节包括在详细描述和附图中。 发明效果 [0024] 根据本发明的实施例,利用人工智能技术,可以提供考虑诸如时间、地点、运动模式、生物节律等各种因素的饮食计划。 [0025] 此外,根据本发明的实施例,可以通过与期望的人分享膳食或通过SNS服务指定几个人来提供适合所有人的膳食。 附图简要说明 [0026] 附图说明图1是用于说明本发明的一个实施方式的个性化饮食提供系统的图。 图2是用于解释根据本发明实施例的提供个性化饮食的方法的图。 图3和4是用于解释根据本发明实施例的提供个性化饮食的方法的图。 图5是用于解释根据本发明实施例的提供个性化饮食的方法的图。 实施发明的具体细节 [0027] 以下,将参照附图详细描述本发明的实施例,以使本领域的技术人员能够容易地实施本发明。 然而,本发明可以以许多不同的形式实施,并且不限于这里描述的实施例。 并且为了在附图中清楚地解释本发明,省略了与描述无关的部分,并且在整个说明书中相似的附图标记被赋予相似的部分。 [0028] 在整个说明书和权利要求中,当某个组件被称为“包括”时,意味着它可以进一步包括其他组件而不排除其他组件,除非另有说明。 [0029] 此外,说明书中描述的诸如“……单元”、“……单元”和“模块”等术语可以表示能够处理说明书中描述的至少一个功能或操作的单元,其可以硬件实现或软件或硬件和软件的组合。 [0030] 附图说明图1是用于说明本发明的一个实施方式的个性化饮食提供系统的图。 [0031] 参见图1,根据本发明实施例的个性化饮食提供系统1包括个性化饮食提供终端10、食物数据库20、食物回避模型30和网络40。可以包括 [0032] 个性化膳食提供终端10可以是执行根据在此描述的本公开的各种实施例的功能的计算设备。 个性化饮食提供终端10可以包括处理器和存储器,在存储器中加载执行根据本发明各个实施例的个性化饮食提供终端10的功能的指令,处理器是存储器。可以执行。 例如,个性化餐饮提供终端10可以包括如图1所示的各种功能模块,这些功能模块可以通过执行指令来实现。 当然,本发明的范围不限于此,至少部分功能模块可以通过包括专用集成电路(ASIC)或现场可编程门阵列(FPGA)在内的任何硬件设备来实现。 [0033] 食物数据库20可以存储包括关于食物的信息的记录,例如食物名称、卡路里和营养成分。 此外,食物数据库20所储存的记录可额外包括烹调相应食物所需的食材信息或烹调方法信息。 食物数据库20可通过网络40接收来自个性化膳食提供终端10的查询,处理该查询,并将结果提供给个性化膳食提供终端10。 这里,个性化饮食提供终端10向食物数据库20提供的查询包括:检索之前存储的食物信息的查询、更改之前存储的食物信息的查询、更改之前存储的食物信息的查询。可以包括插入关于食物的信息等的查询。 [0034] 忌食预测模型30是一种人工智能模型,用于将用户的忌食情况灵活地反映到饮食中。 具体地,回避食物预测模型30可以通过接收诸如当前日期、当前时间、当前天气、用户当前位置和用户当前生物特征信息的输入来确定要从饮食中排除的回避食物。 稍后将参照图3和图4描述回避食物预测模型30的细节。 [0035] 网络40可以包括任何类型的网络。 具体地,网络40是包括直接有线连接网络和局域网(LAN)的有线网络,包括Wi-Fi网络、蜂窝网络和蓝牙网络的无线网络,或者是有线和无线网络。可以包括有线和无线混合的方式,但本发明的范围不限于此。 [0036] 个性化膳食提供终端10包括用户管理模块100、膳食记录模块110、膳食创建模块120、SNS服务模块130、餐厅推荐模块140和订餐模块150。)。 [0037] 用户管理模块100可以创建用户并管理创建的账户。 为了使用个性化饮食提供系统1,用户根据用户管理模块100提供的界面创建和更改账户,并输入用户的个人性格、体质、忌食等个性化信息即可。 . 用户管理模块100可以将用户输入的个性化信息提供给菜单创建模块120以在规划菜单时考虑。 [0038] 饮食记录模块110可接收来自用户的食物记录,并从接收到的食物记录中获取营养成分。 个性化饮食提供系统1将食物本身的营养成分信息与个性化信息一起考虑,并且可以使用食物数据库20来管理这样的营养成分信息。 [0039] 在本发明的一些实施例中,饮食记录模块110接收用户直接输入的食物记录,利用直接输入的食物记录在食物数据库20中进行搜索,并在食物数据库20中获取搜索到的营养成分。 也就是说,膳食记录模块110提供了一个界面,通过该界面可以在个性化膳食提供终端10的屏幕上输入食物记录,并且可以接收诸如食物名称、卡路里和营养成分等信息作为用户的输入。是。 [0040]或者,在本发明的一些实施例中,饮食记录模块110可以接收用户捕获条形码或营养成分表的图像,从捕获的图像中识别和解释文本,并获取营养成分。。 即,饮食记录模块110利用个性化饮食提供终端10的摄像头拍摄图像或使用递归神经网络(Recurrent Neural Network,RNN)存储在个性化饮食提供终端10中的图像,可用于执行字符识别和解释。 [0041] 当然,本发明的范围不限于此,饮食记录模块110利用能够进行过滤学习的卷积神经网络(CNN)来生成特征图,以及营养信息表的视觉识别。您还可以通过表演获取营养。 进一步地,在使用CNN的情况下,通过对食物本身的图像进行视觉识别来识别食物后,搜索食物数据库20,可以得到在食物数据库20中找到的营养成分。 [0042] 饮食记录模块110可以将使用人工智能神经网络获得的营养成分存储在食物数据库20中。 [0043] 菜单生成模块120可以在食物数据库20中搜索具有补充通过饮食记录模块110获取的营养成分的营养成分的多种食物。 具体地,当通过饮食记录模块110获得的营养成分分析出蛋白质不足时,饮食创建模块120选择多个蛋白质含量高的食物来补充食物数据库(20),以及优先级可以按照蛋白质含量从高到低的顺序给出。 或者,当通过饮食记录模块110所获得的营养成分分析出钠含量超过每日推荐量时,饮食创建模块120会在食物数据库中选择多个低钠含量的食物来弥补这一点。您可以在 (20) 中搜索并按钠含量从低到高的顺序排列。 [0044] 具体地,菜单创建模块120可以从多个搜索到的食物中排除用户避免的食物。 此外,菜单创建模块120可以基于排除要避免的食物的结果来提供适合于用户的菜单。 具体地,菜单创建模块120优先考虑营养成分与通过饮食记录模块110获得的营养成分互补的多种食物,并且具有最高优先级的候选食物是要避免的食物,并且如果候选食物是第一优先级对应要避免的食物,第一优先级的候选食物被排除在饮食之外,第二优先级的候选食物是否对应要避免的食物。 如果第二优先级的候选食物也对应应避免的食物,则重复判断是否为第三优先级的候选食物应避免的食物,可以将排名中的候选食物纳入饮食。 [0045] 在本发明的一实施例中,菜单制作模块120可以根据用户在用户管理模块100中输入的个性化信息来确定需要回避的食物。 例如,如果用户已经通过用户管理模块100将鸡胸肉指定为要避免的食物,则当搜索具有最高蛋白质含量的鸡胸肉作为第一优先的候选食物时,选择鸡胸肉。 ,第二优先的候选食物(例如,豆腐煎饼)可以包含在饮食中。 这样,可以在考虑营养平衡的同时通过将用户避免的食物反映到饮食中来提供个性化饮食。 [0046] 另一方面,在本发明的一个实施例中,菜单生成模块120使用人工智能技术来考虑各种因素,例如时间、地点、运动模式和生物节律,以用于用户输入要避免的食物的情况。还打算 即,为了增加个性化水平同时比在规划菜单时集体反映静态确定的用户要避免的食物的方法更灵活,可以根据不同的情况不同地确定要反映在菜单中的用户避免的食物。上的情况。 [0047] 具体地,菜单创建模块120定期或不定期地向用户查询避免食用的食物,并且当用户响应查询时,可以记录日期、时间、天气、用户的位置和用户的生物特征信息中的至少一项。 例如,当用户通过个性化膳食提供终端10响应查询时,菜单创建模块120确定通过个性化膳食提供终端10提供的输入日期和时间戳信息。时间可以与回避相关联地存储食品信息。 另外,菜单创建模块120可以将相应时间的天气与食物信息相关联地存储,以避免通过个性化菜单提供终端10提供的天气信息。 此外,菜单创建模块120可以将用户的位置与食物信息相关联地存储,以避免通过个性化菜单提供终端10的GPS模块提供的定位信息。 此外,膳食生成模块120记录使用个性化膳食提供终端10或用户佩戴的可穿戴设备(例如,智能手表)测量的体温,记录心跳,记录运动量,以及睡眠时间记录等生物特征信息和血压记录,可以与要避免的信息相关联地存储。 [0048] 接下来,菜单生成模块120在响应查询时使用与用户要避免的食物一起存储的日期和时间、用户的位置和用户的生物特征信息中的至少一个来获得学习数据.可以创建 例如,可以生成学习数据以包括作为应避免食物的冷面和作为从输入日期和时间导出的季节信息的冬季。 作为另一示例,可以生成学习数据以包括火鸡作为应避免的食物以及阳光作为天气信息。 作为另一个示例,可以生成学习数据以包括汉堡包作为应避免的食物、海滩作为从用户位置导出的信息、或猪脚作为根据用户的运动模式去工作时应避免的食物。 作为另一个示例,可以生成学习数据以包括作为应避免的食物的糖醋排骨和来自用户的生物特征信息的高血压。 [0049] 随后,菜单生成模块120可以使用学习数据来训练避免食物预测模型30。 例如,当进餐计划模块120计划在盛夏炎热的一天进餐并且将冷面和热鸡肉视为避免食物的候选者时,选择避免食物为热鸡肉而不是冷面的避免食物。可以训练模型 30。 [0050] 此后,菜单生成模块120在计划膳食时将当前日期、当前时间、当前天气、用户当前位置和用户当前生物特征信息中的至少一项传输至学习回避食物预测模型30 .可以通过输入得到需要回避的食物,并从搜索到的多个食物中排除需要回避的食物。 这样,在考虑营养均衡的同时,通过在饮食中反映用户忌食的方式提供个性化饮食,但比静态确定的集中反映用户忌食的方法更加灵活和个性化。有可能实施更个性化的饮食供应。 [0051] SNS服务模块130可以基于分配给SNS服务的多个用户的食物记录和要避免的食物向所有多个用户提供合适的菜单。 这里,SNS服务可以包括KakaoTalk以及能够与其他用户交谈或分享帖子的各种类型的SNS服务。 [0052]具体地,包括在SNS服务,例如聊天空间中的多个用户,在订阅个性化饮食提供系统后可以输入食物记录,个性化饮食提供系统从中获取营养成分。 SNS服务模块130在食物数据库20中搜索具有补充营养成分的多种食物,并且针对多个用户中的每一个,从搜索到的多种食物中排除要避免的食物的过程。做完了 随后,SNS服务模块130可以基于排除要避免的食物的结果向所有多个用户提供合适的饮食。 因此,在考虑营养平衡的同时,反映用户在饮食中避免的食物,但计划去同一家餐厅或适合多个用户的菜单,需要在一定程度上限制食物的种类(例如,只有韩语食物)可以建议 [0053] 另外,SNS服务模块130可以将多个用户中的一些用户的个人饮食分享给其他用户,从而可以查询其他感兴趣的用户的饮食历史或者可以将用户自己的饮食历史提供给其他用户。或许 此外,SNS服务模块130还可以提供投票功能,用于对多人的饮食进行投票。 [0054] 餐厅推荐模块140可以根据菜单创建模块120规划的菜单,基于用户的位置或用户指定的位置,为相应的菜单推荐能够提供食物的餐厅。 另外,餐厅推荐模块140对用户在线选择的餐厅进行预订,将用户访问过的餐厅的历史和评价分数存储为数据,然后在下次推荐餐厅时反映这些数据,或者应用将数据提供给餐厅推荐模块140。可以向用户提供可获知的餐厅信息。 [0055] 订餐模块150可以在线连接到餐厅或市场服务器以根据菜单创建模块120规划的菜单来交付食物或购买制作食物所需的食材。 即,点餐模块150根据菜单创建模块120规划的菜单向用户呈现所导出的食品的种类和数量或者根据规划的菜单的食材的种类和数量,并允许用户交付或购买食材,当请求被确认后,订单会立即传输到餐厅服务器或市场服务器,从而提高用户的便利性。 [0056] 图2是用于解释根据本发明实施例的提供个性化饮食的方法的图。 [0057] 参考图2,根据本发明实施例的提供个性化饮食的方法包括从用户接收食物记录(S201),从食物记录中获取营养成分(S203),以及食物数据库(20) ).)搜索具有与(S205)中的营养成分互补的营养成分的多种食物,从搜索到的多种食物中排除用户避免的食物(S207),并且可以包括提供合适的饮食(S209)。 [0058] 举例来说,若分析出使用者所记录的食物的营养成份主要为碳水化合物且蛋白质含量较低,则该方法可在食物数据库20中搜寻数种蛋白质含量较高的食物。 假设查找的食物是使用水煮蛋的食物、使用鸡胸肉的食物、使用豆腐的食物,上述方法可以按照单位重量蛋白质含量高的顺序进行排序。 如果使用鸡胸肉的食物优先级最高,使用水煮鸡蛋的食物次之,使用豆腐的食物次之,则该方法可以据此判断出按营养成分搜索的食物是否是与要避免的食物相同。 [0059] 可以通过多种方式设置判断它们是否相同的标准。 例如,判断标准可以通过比较按营养成分搜索的食物的名称与用户要回避的食物的名称来确定身份。 为此,该方法解析每个食物名称,提取主成分对应的词,如果提取的两个词中都包含一个词,则按营养成分搜索的食物和要避免的食物是相同的可以决定 例如,如果通过营养成分搜索的食物是牛肉清汤酱,而要避免的食物是清汤酱,则由于两者都包含清汤酱,因此可以确定这些食物属于同一范围。 [0060] 又例如,判断标准是在食物数据库20中是否搜索到通过营养成分检索到的食物与用户回避的食物,然后搜索到的记录中烹饪食物所需的成分是否相似,或者该食物是否是cooked Identity也可以根据方法是否相似来判断。 [0061] 具体地,在确定要避免的食物时,可以应用参考图3和图4描述的使用要避免的食物预测模型30的方法。 [0062] 在本发明的一个实施例中,步骤S201包括接收用户直接输入的食物记录,步骤S203使用直接输入的食物记录来搜索食物数据库20。 并取得从食物数据库20中检索出的营养成分。 [0063] 例如,用户可以直接输入食物名称、卡路里含量、营养成分等信息作为食物记录,为了方便用户,在个性化饮食提供终端10的屏幕上显示饮食记录模块110。 .在提供输入食物记录的界面的同时,可以同时提供相应食物名称的互联网搜索链接。 使用相应的链接,用户可以方便地查看他或她直接输入的信息。 [0064] 另一方面,在本发明的一个实施例中,步骤(S201)包括接收用户捕获条形码或营养成分表的图像的步骤,以及步骤(S203)从捕获的图像中识别和解释字符的步骤。可包括获得营养成分的步骤。 [0065] 例如,饮食记录模块110可以提供用于确认通过递归神经网络的文本识别或通过卷积神经网络的视觉识别是否是用户想要输入的程序。 也就是说,可以通过人工智能技术识别的结果向用户查询,确认预期食物是否正确,从而生成回避食物预测模型30的正确答案数据。 这样生成的正确答案数据可以作为学习数据用于训练用于字符识别或视觉识别的人工智能模型。 因此,根据本实施例的个性化饮食提供方法,随着用户继续使用它,使用从用户反馈导出的正确答案数据来学习用于字符识别或视觉识别的人工智能模型,从而提高预测精度。继续改进。 [0066] 此外,本实施例提供个性化饮食的方法还可以包括将食物记录和获取的营养成分存储在食物数据库20中。 [0067] 本发明实施例的提供个性化饮食的方法的更具体细节可参见上述结合图1的描述。 [0068] 图3和4是用于解释根据本发明实施例的提供个性化饮食的方法的图。 [0069] 参考图3,避免食物预测模型30,如上文参考图1所述,可以使用使用位置和用户的至少其中之一生成的学习数据32来执行日期、时间和用户的学习。生物特征信息。 [0070] 在完成学习之后,回避食物预测模型30,如上文关于图1所描述的,当前日期、当前时间、当前天气、环境数据34,包括用户的当前位置和用户的至少其中之一目前的生物特征信息,可以预测和输出要避免的食物 36 以反映在饮食中。 [0071]接下来,参考图4,根据本发明的实施例的用于提供个性化饮食的方法包括询问用户关于定期或不定期避免的食物(S401),并且用户响应该查询记录至少一个:日期、时间、天气、用户的位置和用户的生物特征信息(S403)、用户要避免的食物、日期、时间和用户在响应查询时的生物特征信息。使用至少一种生成学习数据位置和用户的生物特征信息(S405),使用学习数据学习令人反感的食物预测模型(S407),以及学习的令人反感的食物预测模型中的当前日期和当前日期。它可以包括通过输入以下至少之一来获得要避免的食物时间、当前天气、用户当前位置和用户当前生物识别信息(S409)。 [0072] 图5是用于解释根据本发明实施例的提供个性化饮食的方法的图。 [0073] 参见图5,根据本发明实施例的提供个性化饮食的方法包括接收多个用户的食物记录(S501)、从食物记录中获取营养成分(S503)、搜索多个用户的营养成分(S503)。具有补充数据库20中的营养成分的营养素的食物(S505),从搜索的多种食物中排除多个用户要避免的食物(S507),以及排除要避免的食物的结果。基于多个用户的所有饮食(S509)。 [0074] 例如,上述方法可以为KakaoTalk的群聊室中包含的所有成员提供合适的菜单。 该方法在群聊成员输入各自的食物记录和避免食物后,该方法为一个成员搜索并优先排序分类为韩国和中国的几种食物,并为其他成员分配中国和日本优先。几种被归类为 的食物,如果群聊的成员同意饮食中餐,则可以排除被归类为韩食或日食的食物。 与此同时,可以防止每个成员避免的食物被包含在饮食中。 [0075] 具体地,在确定要避免的食物时,可以将参考图3和4描述的使用要避免的食物预测模型30的方法应用于每个成员。 [0076] 在本发明的一个实施例中,步骤S501包括接收多个用户中的至少一些用户直接输入的食物记录,步骤S503包括食物数据库(20),并从食物数据库20中获取营养成分。 [0077] 另一方面,在本发明的一个实施例中,步骤(S501)包括接收其中至少一些用户捕获了条形码或营养成分表的图像,并且步骤(S503)从捕获的图像中识别字符. 以及解释和获取营养成分。 [0078] 此外,根据本实施例的个性化饮食提供方法还可以包括与其他用户共享多个用户中的一些用户的个人饮食。 [0079] 例如,当群组聊天室的成员选择另一个想要的成员时,可以查看所选成员的菜单中设置为公开的菜单。 相反,一个成员可以在他或她自己的菜单中为他或她想要分享的一顿饭设置公开设置,并且可以为特定成员或群聊室的所有成员设置共享设置。 此外,群聊室的成员可以分享自己的饮食并相互比较,并对每一种饮食进行投票,选出得票最多的饮食。 [0080] 本发明实施例提供个性化饮食的方法的更具体细节可参见上述结合图1的描述。 [0081] 根据至此描述的本发明的实施例,人工智能技术被用于考虑诸如时间、地点、运动模式、生物节律等各种因素。可以提供有计划的膳食。 [0082] 此外,根据本发明的实施例,可以通过与期望的人分享膳食或通过SNS服务指定几个人来提供适合所有人的膳食。 [0083] 尽管已经参考附图描述了本发明的实施例,但是本发明不限于上述实施例并且可以以各种不同的形式制造,并且本领域的技术人员可以理解本发明所属的人将理解,在不改变技术精神或本质特征的情况下,本发明可以以其他特定形式实施。 因此,上述实施例应被理解为在所有方面都是说明性的而不是限制性的。