基于大语言模型的可解释性膳食推荐生成方法及系统

本申请涉及基于大语言模型的可解释性膳食推荐生成方法及系统。所述方法包括：获取多源异构用户数据，经数据融合和标准化处理得到用户数据对象；基于用户数据对象，进行营养需求解析和健康约束提取，生成用户营养画像；构建营养知识图谱，结合用户营养画像进行多跳推理，得到推荐食谱和对应的知识路径；将知识路径映射为结构化解释模板，组装生成结构化提示词；将结构化提示词输入至大语言模型中，进行可解释性文本生成，输出可解释性膳食推荐文本。采用本方法能够依托知识图谱保障膳食推荐的科学性和可追溯性，结合大语言模型生成易懂的解释内容，提升膳食推荐的精准度、个性化程度和可解释性。