The invention discloses a method for personalized diet recommendation of diabetes mellitus by introducing Adaboost probability matrix decomposition. The method comprises the following steps: 1. Establishing a set of dietary preference characteristics U ={u1, u2,... The attribute characteristics of un} and food are V = {v1, V2,... The dietary preference matrix U * RK * M and the food attribute characteristic V * RK * N were formed by recording the dietary preference of diabetic patients and extracting the preference characteristics and food attribute characteristics. Thirdly, after the weight distribution of the correlation degree is classified, the training data set updates the weight distribution, assigns all the correlation degree to the weight to classify and exclude unnecessary food, and obtains the final classification of the correlation degree as follows:
【技术实现步骤摘要】
一种引入Adaboost概率矩阵分解糖尿病个性化饮食推荐方法
本专利技术涉及智能医药领域,具体涉及一种引入Adaboost概率矩阵分解糖尿病个性化饮食推荐方法。
技术介绍
随着网络时代的步伐逐渐加快伴随而来的是信息量的暴涨,为用户提供推荐服务的技术也相应的被运用到各种领域,从而帮助用户更精确地找到他们想要的信息。当前针对糖尿病患者的饮食推荐方法主要是基于关联规则的推荐、基于内容的推荐、协同过滤推荐、基于约束的推荐等方法:(1)基于关联规则的推荐主要代表就是Apriori算法,其核心思想就是在频集中产生强关联规则,定义出来的规则必须满足最小置信度和最小支持度,关联分析的目的是找出数据中隐藏的关联网,是对数据之间的关系的一种描述;但是,当设置了最小支持度阈值和最小置信度阈值的时候,进行关联分析,只要关联规则的最小置信度和最小支持度不满足事先设置好的阈值,就会采取“剪枝”处理,人为设置的最小置信度和最小支持度,必然会导致在“剪枝”处理过程中丢失一些食物的属性对糖尿病患者的饮食偏好特征的贡献因子,再就是,基于关联规则的推荐其规则提取较为复杂、同义性问题不好处理、个性化程度不高;(2)基于内容的推荐是将糖尿病患者和食物分别建模,然后通过糖尿病患者对食物的历史行为产生信息再与食物模型进行比较,将相似度高的食物推荐给糖尿病患者;虽然基于内容的推荐方法没有人为的参与是一个无监督学习的过程,体现出高度的自动化,能够处理复杂的对象,但是,面对新添加的糖尿病患者,则无法进行学习建模;因此,基于内容的推荐在冷启动和扩展性问题上存在不足;(3)协同过滤推荐方法必须是在有用户对项目的 ...
【技术保护点】
1.一种引入Adaboost概率矩阵分解糖尿病个性化饮食推荐方法,其特征在于,包括如下步骤:步骤一、建立糖尿病患者的饮食偏好特征集合U={u1,u2,…,un}和食物的属性特征集合V={v1,v2,…,vm},记录糖尿病患者饮食,提取偏好特征和食物属性特征,形成糖尿病患者饮食偏好矩阵U∈RK×M和食物属性特征V∈RK×N;其中,K<<min{M,N};步骤二、通过将糖尿病患者的饮食偏好与食物的属性特征之间的关联度量化来确定糖尿病患者的饮食偏好与食物的属性特征之间的关联强度;其中,所述关联度rij量化表示为:
【技术特征摘要】
1.一种引入Adaboost概率矩阵分解糖尿病个性化饮食推荐方法,其特征在于,包括如下步骤:步骤一、建立糖尿病患者的饮食偏好特征集合U={u1,u2,…,un}和食物的属性特征集合V={v1,v2,…,vm},记录糖尿病患者饮食,提取偏好特征和食物属性特征,形成糖尿病患者饮食偏好矩阵U∈RK×M和食物属性特征V∈RK×N;其中,K<<min{M,N};步骤二、通过将糖尿病患者的饮食偏好与食物的属性特征之间的关联度量化来确定糖尿病患者的饮食偏好与食物的属性特征之间的关联强度;其中,所述关联度rij量化表示为:式中,Ν(x|μ,σ2)为均值μ、方差σ2的高斯分布密度函数;观测关联强度的条件概率表示为:式中,Iij为指示函数,如果糖尿病患者i对食物j有过行为,则Iij取值为1,否则取值为0;步骤三、对所述关联度进行权值分布得到基本分类后,训练数据集更新权值分布,将所有关联度赋予权重进行分类排除不必要的食物,得到最终的如下关联度分类:式中,Gm(x)为基本分类,αm为Gm(x)在最终关联度rij集合中的重要程度em为训练数据集上的分类误差率...
【专利技术属性】
技术研发人员:何丽莉,欧阳丹彤,李轩,白洪涛,姜宇,
申请(专利权)人:吉林大学,
类型:发明
国别省市:吉林,22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。