本发明属于饮食智能推荐技术领域，涉及大数据技术，具体是一种基于大数据分析的饮食推荐方法。
背景技术：
随着生活水平的提高，人们对健康的关注度越来越高，而饮食作为人们日常生活中不可或缺的一部分，会对健康产生极大的影响。若饮食合理，则能够提高人们身体的免疫力，预防疾病产生；若饮食不当，则容易引发疾病，甚至导致疾病加重。
公开号为cn110931110a的发明专利提供了一种饮食推荐方法及其设备，所述饮食推荐方法包括：获取菜品种类及每种菜品的菜品信息；获取用户的饮食信息，所述饮食信息包括饮食注意事项、饮食记录和操作记录；根据所述每种菜品的菜品信息以及所述用户的饮食注意事项、饮食记录和操作记录，计算所述每种菜品的推荐值；根据所述推荐值向所述用户推荐菜品。
上述方案能够为用户提供饮食参考，该饮食参考能够满足用户喜好的同时防止用户食用到不利于自身健康的食物；但是，上述方案所参考的用户数据单一且所推荐的用户也仅仅是单一用户，使得上述方案推荐的饮食与用户的切合度低且推广范围不大；因此，上述方案仍需进一步改进。
技术实现要素：
为了解决上述方案存在的问题，本发明提供了一种基于大数据分析的饮食推荐方法。
本发明的目的可以通过以下技术方案实现：一种基于大数据分析的饮食推荐方法，所述饮食推荐方法包括以下步骤：
步骤一：用户通过验证信息进行注册登录；
步骤二：获取用户的饮食记录和搜索记录，绘制用户的饮食活动曲线，根据饮食活动曲线选定活动范围；
步骤三：获取活动范围内的菜品，并计算菜品的推荐值，获取菜品推荐排序表；
步骤四：菜品推荐排序表结合验证信息为用户提供菜品筛选范围；
步骤五：获取用户与朋友之间的饮食关系值，根据饮食关系值为朋友进行饮食推荐。
优选的，所述注册登录通过注册登录模块完成，所述注册登录模块是控制系统的组成部分，所述控制系统还包括处理器、范围分析模块、菜品推荐模块、数据互动模块、维护管理模块和数据存储模块；
所述注册登录模块根据验证信息完成用户的注册登录，包括：
用户通过智能终端发送验证信息至注册登录模块；所述验证信息包括姓名、年龄、用户手机号、面部图像、身份证照片、户籍地、现居住地和饮食注意事项；所述智能终端包括智能手机、平板电脑和笔记本电脑；所述饮食注意事项中为对用户健康有害的食材；
提取身份证照片中的人脸图像和住址；将住址和户籍地进行匹配，当匹配成功时，将面部图像与人脸图像进行匹配，当面部图像与人脸图像匹配成功时，获取用户的当前位置；将当前位置与现居住地进行匹配，当前位置与现居住地匹配成功时，则判定用户身份验证成功，生成用户账户和用户密码，并将用户账号和用户密码发送至用户手机号；
将验证信息、用户账户和用户密码发送至数据存储模块进行存储。
优选的，所述范围分析模块用于获取用户的活动范围，包括：
通过智能终端获取用户的饮食记录；所述饮食记录包括时间、饭店信息和菜品；通过智能终端获取用户的搜索记录；所述搜索记录包括时间、饭店信息和菜品；所述饮食记录和搜索记录均通过智能终端中开放隐私权限的应用中获取；所述饭店信息包括饭店位置和饭店名称；
按照饮食记录和搜索记录中时间的先后、饭店位置与用户现居住地的距离远近生成饮食活动曲线；
获取饮食活动曲线的距离总长，并将距离总长标记为zc；获取饭店位置中与用户现居住地的最长距离，并将最长距离标记为zj；
通过公式
以用户现居住地为圆心，以半径设定值bz为半径划定圆形区域，并将圆形区域标记为活动范围；
通过处理器将饮食活动曲线、半径设定值和活动范围发送至数据存储模块进行存储，同时将活动区域发送至菜品推荐模块。
优选的，所述菜品推荐模块用于获取菜品推荐排序表，并结合验证信息为用户提供菜品筛选范围，包括：
当菜品推荐模块接收到用户的活动范围时，获取活动范围中的饭店并标记为初选饭店；
获取初选饭店的评价次数、评分均值和开店时长，并分别标记为pc、pj和ks；通过公式cxpx＝α3×ks α4×pj×ln(pc 1)获取初选饭店评价系数cxpx；其中α3和α4均为比例系数，且α3和α4为大于0的实数；
当初选饭店评价系数cxpx满足cxpx＜l1时，则判定初选饭店不满足要求；当初选饭店评价系数cxpx满足cxpx≥l1时，则判定初选饭店满足要求，根据满足要求的初选饭店中的招牌菜生成菜品推荐表；所述菜品推荐表包括九个子表格，所述九个子表格分别菜品的九个类型，所述九个类型分别对应八大菜系和剩余类型；其中l1为初选饭店评价系数阈值，且l1＞0；所述剩余类型中不包含八大菜系的菜品；
获取用户的年龄、户籍地、饮食注意事项以及用户在现居住地的居住时长，并将用户的年龄和居住时长分别标记为nl和js；通过公式spx＝α5×(nl-js)获取时长评估系数spx；其中α5为比例系数，且α5为大于0的实数；
当时长评估系数spx满足spx＞l2时，获取户籍地对应的八大菜系并标记为标准菜系，从菜品推荐表中对应的标准菜系中挑选n1个菜品，从剩余的八个类型中分别选取n2个菜品组成菜品筛选范围，当户籍地没有对应的菜系时，从九个类型中分别选取n2个菜品组成菜品筛选范围；当时长评估系数spx满足0＜spx≤l2时，从菜品推荐表中对应的标准菜系中挑选n3个菜品，从剩余的八个类型中分别选取n4个菜品组成菜品筛选范围；其中l2为时长评估系数阈值，且l2＞0，n1、n2、n3和n4为比例系数，n1、n2、n3和n4均为大于0的整数，且
获取菜品筛选范围中菜品的顾客评分并标记为gp；当顾客评分gp满足gp≥l3，则将活动范围中对应的饭店标记为绿色生成菜品筛选图；其中l3为顾客评分阈值，且l3≥90；
通过处理器将菜品筛选范围和菜品筛选图发送至用户的智能终端，同时将菜品筛选范围和菜品筛选图发送至数据存储模块进行存储。
优选的，所述数据互动模块用于实现菜品的深度推送，包括：
获取用户智能终端中的联系人，并将联系人标记为i，i＝1，2，……，n；
获取用户通过用户终端与联系人i的交流次数，并将交流次数标记为jci；所述交流次数为用户与联系人i语音次数和视频次数之和；获取用户与联系人i同时出现在一个饭店的次数并标记为cfci；
通过公式
当饮食关系值ygzi满足ygzi之l4时，则判定联系人i与用户的关系密切，通过数据互动模块将用户的菜品筛选范围和菜品筛选图推送至联系人i；当饮食关系值ygzi满足0＜ygzi＜l4时，则通过数据互动模块将用户的菜品筛选范围推送至联系人i；
通过处理器将菜品筛选范围和菜品筛选图的推送记录发送至数据存储模块进行存储。
优选的，所述维护管理模块用于监测数据存储模块中的文件，包括：
实时获取处理器的资源占用率，并将资源占用率标记为zyz；
通过hash法获取数据存储模块中文件的数字文摘，将数字文摘与对应文件的数字文摘数据库进行对比，统计数字文摘与数字文摘数据库对比结果不同的文件数目占总文件数目的比例并标记为bl；
通过公式b＝γ1×zyz×eγ2×bl获取病毒威胁系数b；其中γ1和γ2为比例系数，且γ1和γ2均为大于0的实数；
当病毒威胁系数b小于等于病毒设定阈值时，则判定数据存储模块中的数据安全，发送数据安全信号至维护管理模块；当病毒威胁系数b大于病毒设定阈值时，则判定数据存储模块中的文件遭受病毒攻击，发送病毒攻击信号至维护管理模块，同时只保留处理器和维护管理模块对数据存储模块的访问权限。
优选的，所述处理器分别与注册登录模块、范围分析模块、菜品推荐模块、数据互动模块、维护管理模块和数据存储模块通信连接，所述数据存储模块与维护管理模块通信连接。
与现有技术相比，本发明的有益效果是：
1、本发明设置了范围分析模块，该设置用于获取用户的活动范围；通过智能终端获取用户的饮食记录；通过智能终端获取用户的搜索记录；按照饮食记录和搜索记录中时间的先后、饭店位置与用户现居住地的距离远近生成饮食活动曲线；获取饮食活动曲线的距离总长zc；获取饭店位置中与用户现居住地的最长距离zj；获取半径设定值bz；以用户现居住地为圆心，以半径设定值bz为半径划定圆形区域，并将圆形区域标记为活动范围；范围分析模块通过用户的饮食记录和搜索记录绘制了饮食活动曲线，并在饮食活动曲线的基础上获取了用户的活动范围，以活动范围为基础为用户推荐饮食能够缩小筛选范围，保证推荐的饮食更加符合用户的口味；
2、本发明设置了菜品推荐模块，该设置用于获取菜品推荐排序表；菜品推荐模块根据用户的活动范围提取初选饭店，并以满足要求的初选饭店的招牌菜为基础生成菜品推荐表，从菜品推荐表按照设定比例为用户推荐菜品；菜品推荐模块结合了户籍地以及用户在现居住地的居住时长为客户推荐菜品，能够更加精准地为客户推动菜品；
3、本发明设置了数据互动模块，该设置用于实现菜品的深度推送；获取用户智能终端中的联系人i；获取用户通过用户终端与联系人i的交流次数，并将交流次数标记为jci；获取饮食关系值ygzi；当饮食关系值ygzi满足ygzi≥l4时，则判定联系人i与用户的关系密切，通过数据互动模块将用户的菜品筛选范围和菜品筛选图推送至联系人i；当饮食关系值ygzi满足0＜ygzi＜l4时，则通过数据互动模块将用户的菜品筛选范围推送至联系人i；数据互动模块通过联系人与用户的关系对菜品筛选范围和菜品筛选图进行深度推送，有助于将优秀的菜品分配到适合的用户。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的步骤示意图；
图2为本发明控制系统的原理示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-图2，一种基于大数据分析的饮食推荐方法，饮食推荐方法包括以下步骤：
步骤一：用户通过验证信息进行注册登录；
步骤二：获取用户的饮食记录和搜索记录，绘制用户的饮食活动曲线，根据饮食活动曲线选定活动范围；
步骤三：获取活动范围内的菜品，并计算菜品的推荐值，获取菜品推荐排序表；
步骤四：菜品推荐排序表结合验证信息为用户提供菜品筛选范围；
步骤五：获取用户与朋友之间的饮食关系值，根据饮食关系值为朋友进行饮食推荐。
进一步地，注册登录通过注册登录模块完成，注册登录模块是控制系统的组成部分，控制系统还包括处理器、范围分析模块、菜品推荐模块、数据互动模块、维护管理模块和数据存储模块；
注册登录模块根据验证信息完成用户的注册登录，包括：
用户通过智能终端发送验证信息至注册登录模块；验证信息包括姓名、年龄、用户手机号、面部图像、身份证照片、户籍地、现居住地和饮食注意事项；智能终端包括智能手机、平板电脑和笔记本电脑；饮食注意事项中为对用户健康有害的食材；
提取身份证照片中的人脸图像和住址；将住址和户籍地进行匹配，当匹配成功时，将面部图像与人脸图像进行匹配，当面部图像与人脸图像匹配成功时，获取用户的当前位置；将当前位置与现居住地进行匹配，当前位置与现居住地匹配成功时，则判定用户身份验证成功，生成用户账户和用户密码，并将用户账号和用户密码发送至用户手机号；
将验证信息、用户账户和用户密码发送至数据存储模块进行存储。
进一步地，范围分析模块用于获取用户的活动范围，包括：
通过智能终端获取用户的饮食记录；饮食记录包括时间、饭店信息和菜品；通过智能终端获取用户的搜索记录；搜索记录包括时间、饭店信息和菜品；饮食记录和搜索记录均通过智能终端中开放隐私权限的应用中获取；饭店信息包括饭店位置和饭店名称；
按照饮食记录和搜索记录中时间的先后、饭店位置与用户现居住地的距离远近生成饮食活动曲线；
获取饮食活动曲线的距离总长，并将距离总长标记为zc；获取饭店位置中与用户现居住地的最长距离，并将最长距离标记为zj；
通过公式
以用户现居住地为圆心，以半径设定值bz为半径划定圆形区域，并将圆形区域标记为活动范围；
通过处理器将饮食活动曲线、半径设定值和活动范围发送至数据存储模块进行存储，同时将活动区域发送至菜品推荐模块。
进一步地，菜品推荐模块用于获取菜品推荐排序表，并结合验证信息为用户提供菜品筛选范围，包括：
当菜品推荐模块接收到用户的活动范围时，获取活动范围中的饭店并标记为初选饭店；
获取初选饭店的评价次数、评分均值和开店时长，并分别标记为pc、pj和ks；通过公式cxpx＝α3×ks α4×pj×ln(pc 1)获取初选饭店评价系数cxpx；其中α3和α4均为比例系数，且α3和α4为大于0的实数；
当初选饭店评价系数cxpx满足cxpx＜l1时，则判定初选饭店不满足要求；当初选饭店评价系数cxpx满足cxpx≥l1时，则判定初选饭店满足要求，根据满足要求的初选饭店中的招牌菜生成菜品推荐表；菜品推荐表包括九个子表格，九个子表格分别菜品的九个类型，九个类型分别对应八大菜系和剩余类型；其中l1为初选饭店评价系数阈值，且l1＞0；
获取用户的年龄、户籍地、饮食注意事项以及用户在现居住地的居住时长，并将用户的年龄和居住时长分别标记为nl和js；通过公式spx＝α5×(nl-js)获取时长评估系数spx；其中α5为比例系数，且α5为大于0的实数；
当时长评估系数spx满足spx＞l2时，获取户籍地对应的八大菜系并标记为标准菜系，从菜品推荐表中对应的标准菜系中挑选n1个菜品，从剩余的八个类型中分别选取n2个菜品组成菜品筛选范围，当户籍地没有对应的菜系时，从九个类型中分别选取n2个菜品组成菜品筛选范围；当时长评估系数spx满足0＜spx≤l2时，从菜品推荐表中对应的标准菜系中挑选n3个菜品，从剩余的八个类型中分别选取n4个菜品组成菜品筛选范围；其中l2为时长评估系数阈值，且l2＞0，n1、n2、n3和n4为比例系数，n1、n2、n3和n4均为大于0的整数，且n1＞n2，
获取菜品筛选范围中菜品的顾客评分并标记为gp；当顾客评分gp满足gp≥l3，则将活动范围中对应的饭店标记为绿色生成菜品筛选图；其中l3为顾客评分阈值，且l3≥90；
通过处理器将菜品筛选范围和菜品筛选图发送至用户的智能终端，同时将菜品筛选范围和菜品筛选图发送至数据存储模块进行存储。
进一步地，数据互动模块用于实现菜品的深度推送，包括：
获取用户智能终端中的联系人，并将联系人标记为i，i＝1，2，……，n；
获取用户通过用户终端与联系人i的交流次数，并将交流次数标记为jci；交流次数为用户与联系人i语音次数和视频次数之和；获取用户与联系人i同时出现在一个饭店的次数并标记为cfci；
通过公式
当饮食关系值ygzi满足ygzi≥l4时，则判定联系人i与用户的关系密切，通过数据互动模块将用户的菜品筛选范围和菜品筛选图推送至联系人i；当饮食关系值ygzi满足0＜ygzi＜l4时，则通过数据互动模块将用户的菜品筛选范围推送至联系人i；
通过处理器将菜品筛选范围和菜品筛选图的推送记录发送至数据存储模块进行存储。
进一步地，维护管理模块用于监测数据存储模块中的文件，包括：
实时获取处理器的资源占用率，并将资源占用率标记为zyz；
通过hash法获取数据存储模块中文件的数字文摘，将数字文摘与对应文件的数字文摘数据库进行对比，统计数字文摘与数字文摘数据库对比结果不同的文件数目占总文件数目的比例并标记为bl；
通过公式b＝γ1×zyz×eγ2×bl获取病毒威胁系数b；其中γ1和γ2为比例系数，且γ1和γ2均为大于0的实数；
当病毒威胁系数b小于等于病毒设定阈值时，则判定数据存储模块中的数据安全，发送数据安全信号至维护管理模块；当病毒威胁系数b大于病毒设定阈值时，则判定数据存储模块中的文件遭受病毒攻击，发送病毒攻击信号至维护管理模块，同时只保留处理器和维护管理模块对数据存储模块的访问权限。
进一步地，处理器分别与注册登录模块、范围分析模块、菜品推荐模块、数据互动模块、维护管理模块和数据存储模块通信连接，数据存储模块与维护管理模块通信连接。
上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况设定。
本发明的工作原理：
通过智能终端获取用户的饮食记录；通过智能终端获取用户的搜索记录；按照饮食记录和搜索记录中时间的先后、饭店位置与用户现居住地的距离远近生成饮食活动曲线；获取饮食活动曲线的距离总长zc；获取饭店位置中与用户现居住地的最长距离zj；获取半径设定值bz；以用户现居住地为圆心，以半径设定值bz为半径划定圆形区域，并将圆形区域标记为活动范围；
当菜品推荐模块接收到用户的活动范围时，获取活动范围中的饭店并标记为初选饭店；获取初选饭店的评价次数、评分均值和开店时长，获取初选饭店评价系数cxpx；当初选饭店评价系数cxpx满足cxpx＜l1时，则判定初选饭店不满足要求；当初选饭店评价系数cxpx满足cxpx≥l1时，则判定初选饭店满足要求，根据满足要求的初选饭店中的招牌菜生成菜品推荐表；获取用户的年龄、户籍地、饮食注意事项以及用户在现居住地的居住时长，并将用户的年龄和居住时长分别标记为nl和js；获取时长评估系数spx；当时长评估系数spx满足spx＞l2时，获取户籍地对应的八大菜系并标记为标准菜系，从菜品推荐表中对应的标准菜系中挑选n1个菜品，从剩余的八个类型中分别选取n2个菜品组成菜品筛选范围，当户籍地没有对应的菜系时，从九个类型中分别选取n2个菜品组成菜品筛选范围；当时长评估系数spx满足0＜spx≤l2时，从菜品推荐表中对应的标准菜系中挑选n3个菜品，从剩余的八个类型中分别选取n4个菜品组成菜品筛选范围；获取菜品筛选范围中菜品的顾客评分并标记为gp；当顾客评分gp满足gp≥l3，则将活动范围中对应的饭店标记为绿色生成菜品筛选图；
获取用户智能终端中的联系人i；获取用户通过用户终端与联系人i的交流次数，并将交流次数标记为jci；获取饮食关系值ygzi；当饮食关系值ygzi满足ygzi≥l4时，则判定联系人i与用户的关系密切，通过数据互动模块将用户的菜品筛选范围和菜品筛选图推送至联系人i；当饮食关系值ygzi满足0＜ygzi＜l4时，则通过数据互动模块将用户的菜品筛选范围推送至联系人i。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。
1.一种基于大数据分析的饮食推荐方法，其特征在于，所述饮食推荐方法包括以下步骤：
步骤一：用户通过验证信息进行注册登录；
步骤二：获取用户的饮食记录和搜索记录，绘制用户的饮食活动曲线，根据饮食活动曲线选定活动范围；
步骤三：获取活动范围内的菜品，并计算菜品的推荐值，获取菜品推荐排序表；
步骤四：菜品推荐排序表结合验证信息为用户提供菜品筛选范围；
步骤五：获取用户与朋友之间的饮食关系值，根据饮食关系值为朋友进行饮食推荐。
2.根据权利要求1所述的一种基于大数据分析的饮食推荐方法，其特征在于，所述注册登录通过注册登录模块完成，所述注册登录模块是控制系统的组成部分，所述控制系统还包括处理器、范围分析模块、菜品推荐模块、数据互动模块、维护管理模块和数据存储模块；
所述注册登录模块根据验证信息完成用户的注册登录，包括：
用户通过智能终端发送验证信息至注册登录模块；所述验证信息包括姓名、年龄、用户手机号、面部图像、身份证照片、户籍地、现居住地和饮食注意事项；所述智能终端包括智能手机、平板电脑和笔记本电脑；所述饮食注意事项中为对用户健康有害的食材；
提取身份证照片中的人脸图像和住址；将住址和户籍地进行匹配，当匹配成功时，将面部图像与人脸图像进行匹配，当面部图像与人脸图像匹配成功时，获取用户的当前位置；将当前位置与现居住地进行匹配，当前位置与现居住地匹配成功时，则判定用户身份验证成功，生成用户账户和用户密码，并将用户账号和用户密码发送至用户手机号；
将验证信息、用户账户和用户密码发送至数据存储模块进行存储。
3.根据权利要求2所述的一种基于大数据分析的饮食推荐方法，其特征在于，所述范围分析模块用于获取用户的活动范围，包括：
通过智能终端获取用户的饮食记录；所述饮食记录包括时间、饭店信息和菜品；通过智能终端获取用户的搜索记录；所述搜索记录包括时间、饭店信息和菜品；所述饮食记录和搜索记录均通过智能终端中开放隐私权限的应用中获取；所述饭店信息包括饭店位置和饭店名称；
按照饮食记录和搜索记录中时间的先后、饭店位置与用户现居住地的距离远近生成饮食活动曲线；
获取饮食活动曲线的距离总长，并将距离总长标记为zc；获取饭店位置中与用户现居住地的最长距离，并将最长距离标记为zj；
通过公式
以用户现居住地为圆心，以半径设定值bz为半径划定圆形区域，并将圆形区域标记为活动范围；
通过处理器将饮食活动曲线、半径设定值和活动范围发送至数据存储模块进行存储，同时将活动区域发送至菜品推荐模块。
4.根据权利要求2所述的一种基于大数据分析的饮食推荐方法，其特征在于，所述菜品推荐模块用于获取菜品推荐排序表，并结合验证信息为用户提供菜品筛选范围，包括：
当菜品推荐模块接收到用户的活动范围时，获取活动范围中的饭店并标记为初选饭店；
获取初选饭店的评价次数、评分均值和开店时长，并分别标记为pc、pj和ks；通过公式cxpx＝α3×ks α4×pj×ln(pc 1)获取初选饭店评价系数cxpx；其中α3和α4均为比例系数，且α3和α4为大于0的实数；
当初选饭店评价系数cxpx满足cxpx<l1时，则判定初选饭店不满足要求；当初选饭店评价系数cxpx满足cxpx≥l1时，则判定初选饭店满足要求，根据满足要求的初选饭店中的招牌菜生成菜品推荐表；所述菜品推荐表包括九个子表格，所述九个子表格分别菜品的九个类型，所述九个类型分别对应八大菜系和剩余类型；其中l1为初选饭店评价系数阈值，且l1>0；
获取用户的年龄、户籍地、饮食注意事项以及用户在现居住地的居住时长，并将用户的年龄和居住时长分别标记为nl和js；通过公式spx＝α5×(nl-js)获取时长评估系数spx；其中α5为比例系数，且α5为大于0的实数；
当时长评估系数spx满足spx>l2时，获取户籍地对应的八大菜系并标记为标准菜系，从菜品推荐表中对应的标准菜系中挑选n1个菜品，从剩余的八个类型中分别选取n2个菜品组成菜品筛选范围，当户籍地没有对应的菜系时，从九个类型中分别选取n2个菜品组成菜品筛选范围；当时长评估系数spx满足0<spx≤l2时，从菜品推荐表中对应的标准菜系中挑选n3个菜品，从剩余的八个类型中分别选取n4个菜品组成菜品筛选范围；其中l2为时长评估系数阈值，且l2>0，n1、n2、n3和n4为比例系数，n1、n2、n3和n4均为大于0的整数，且n1>n2，
获取菜品筛选范围中菜品的顾客评分并标记为gp；当顾客评分gp满足gp≥l3，则将活动范围中对应的饭店标记为绿色生成菜品筛选图；其中l3为顾客评分阈值，且l3≥90；
通过处理器将菜品筛选范围和菜品筛选图发送至用户的智能终端，同时将菜品筛选范围和菜品筛选图发送至数据存储模块进行存储。
5.根据权利要求2所述的一种基于大数据分析的饮食推荐方法，其特征在于，所述数据互动模块用于实现菜品的深度推送，包括：
获取用户智能终端中的联系人，并将联系人标记为i，i＝1，2，……，n；
获取用户通过用户终端与联系人i的交流次数，并将交流次数标记为jci；所述交流次数为用户与联系人i语音次数和视频次数之和；获取用户与联系人i同时出现在一个饭店的次数并标记为cfci；
通过公式
当饮食关系值ygzi满足ygzi≥l4时，则判定联系人i与用户的关系密切，通过数据互动模块将用户的菜品筛选范围和菜品筛选图推送至联系人i；当饮食关系值ygzi满足0<ygzi<l4时，则通过数据互动模块将用户的菜品筛选范围推送至联系人i；
通过处理器将菜品筛选范围和菜品筛选图的推送记录发送至数据存储模块进行存储。
6.根据权利要求2所述的一种基于大数据分析的饮食推荐方法，其特征在于，所述维护管理模块用于监测数据存储模块中的文件，包括：
实时获取处理器的资源占用率，并将资源占用率标记为zyz；
通过hash法获取数据存储模块中文件的数字文摘，将数字文摘与对应文件的数字文摘数据库进行对比，统计数字文摘与数字文摘数据库对比结果不同的文件数目占总文件数目的比例并标记为bl；
通过公式b＝γ1×zyz×eγ2×bl获取病毒威胁系数b；其中γ1和γ2为比例系数，且γ1和γ2均为大于0的实数；
当病毒威胁系数b小于等于病毒设定阈值时，则判定数据存储模块中的数据安全，发送数据安全信号至维护管理模块；当病毒威胁系数b大于病毒设定阈值时，则判定数据存储模块中的文件遭受病毒攻击，发送病毒攻击信号至维护管理模块，同时只保留处理器和维护管理模块对数据存储模块的访问权限。
技术总结