随着我国经济发展和人民生活水平的提高,人们在饮食习惯和生活方式上也发生很大改变,近年来我国癌症患病率呈现明显上升趋势,而导致我国癌症高发的一大重要原因是不合理的饮食。在中国历史悠久的饮食文化中,中国菜有着不可替代的地位,根深蒂固地影响着每一个中国人的日常饮食。本文通过调研现有的与健康饮食相关的软件,如“薄荷APP”、“美食杰”等,发现其仅给出相关食物的卡路里等营养数值信息以及营养价值等,不能结合用户的身体健康状况、也不能细致的描述饮食状况,因此这些工具很难做出准确而有效的健康饮食推荐。为了满足用户合理膳食、健康饮食需求,本文通过构建中国菜品知识图谱对饮食信息进行更为全面的描述,同时结合协同过滤算法和知识表示学习为用户提供更符合健康饮食要求的推荐结果。本文的主要研究内容如下:首先构建了菜品知识图谱。对获取的菜品菜谱以及营养学相关文献等数据的知识特征进行分析,实现了领域内实体与关系的划分,并定义多种实体之间的关系;使用Bi LSTM-CRF对半结构化和非结构化的文本数据进行实体抽取,并对实体部分进行了对齐处理;最后利用图数据库Neo4j存储了构建的菜品领域知识图谱。其次提出一种融合协同过滤和知识表示的推荐算法,既利用了用户行为数据,又包含了菜品本身的相似性信息,采用知识表示学习算法Trans D将菜品知识图谱中的实体和丰富语义关系精准映射到低维向量空间中,生成基于语义的菜品相似度表达;根据收集到的用户数据构建用户兴趣模型,获取用户行为矩阵,生成基于用户打分的菜品相似度表达,线性融合两种相似度信息获得最终的菜品间相似度表达,并将用户打分矩阵与融合后的相似度表达进行再结合,对用户未打分的菜品进行预测,依据预测评分降序排列并从中选取Top-N的菜品作为推荐列表推送给用户。最后通过结合本文构建的菜品知识图谱和用户对菜品的评分数据,使用本文提出的推荐算法进行实验。结果表明,相较于传统的协同过滤算法,本文结合菜品语义信息的推荐算法在准确度达到了79.3%、F1值达到了76.3%。