【技术实现步骤摘要】
基于知识图谱的糖尿病干预智能推荐方法及系统
[0001]本专利技术涉及信息智能推荐
，具体为基于知识图谱的糖尿病干预智能推荐方法及系统。
技术介绍
[0002]糖尿病是一种以高血糖为特征的代谢性疾病，高血糖则是由于胰岛素分泌缺陷或其生物作用受损，或两者兼有引起。在糖尿病干预过程中，定位血糖异常的原因在糖尿病干预中起到了决定作用。然而，在糖尿病实施干预的过程中，由于可能导致血糖异常原因的因素众多。因此，要有效找到相关的因素往往需要花费大量的时间和精力。现有的糖尿病干预方法众多，其中有一种是基于搭建的知识图谱，从现有的方案中向客户推荐合适的干预方案。
[0003]在申请公布号为CN113160910 A的中国专利技术申请中，公开了基于知识图谱的糖尿病干预智能推荐方法、系统及应用，方法包括：S01、构建糖尿病干预知识图谱；S02、根据糖尿病干预知识图谱，构建调查问卷题库；S03、响应用户请求调查问卷的操作，生成调查问卷；S04、响应用户答复调查问卷的操作，输出已答复问卷；S05、回收已答复问卷，调取糖尿病干预知识图谱...
【技术保护点】
【技术特征摘要】
1.基于知识图谱的糖尿病干预智能推荐方法，其特征在于：包括，依据网络表示学习算法建立表示学习模型，以糖尿病及其相关词作为检索词，检索并构建图谱数据集，并以语义网络模型对图谱数据集中的数据进行处理，搭建知识图谱；包括：基于网络表示学习算法建立表示学习模型，从网络上选择数据样本并在经过训练和测试后，将构建成的网络表示学习模型输出；采集患者的病症特征并构建患者病症特征集，依据患者的面部特征确定当前患者是否是糖尿病潜在患者；如果是，则依据患者病症特征集中的数据，获取病症难度系数Bnd；在病症难度系数Bnd超出相应阈值时，从患者病症特征集中选择代表性特征；针对代表性特征，从知识图谱中选常规性应对策略，仿真分析后，在常规性应对策略可行时，将其向外部输；在常规性方案不具备可行性时，获取知识图谱中的数据，分别构建病症特征库及干预方案库；训练并获取可执行配对任务的配对模型，依据患者的病症特征从匹配相应的应对策略，以作为推荐方案输出；建立病症数字孪生模型，在对推荐方案进行仿真分析后，判断推荐方案是否具有可行性，如果不具备，则确定为疑似策略并排除，并重新从干预方案库匹配应对策略；如果应对策略可行，则作为推荐方案输出，如果仍不可行，则发出预警。2.根据权利要求1所述的基于知识图谱的糖尿病干预智能推荐方法，其特征在于：依据网络表示学习模型，以糖尿病及其相关词作为检索词，采用深度优先搜索从公开渠道检索并采集数据，汇总形成图谱数据集；基于神经网络学习算法，从图谱数据集中抽取数据作为样本数据，基于样本数据对模型经过训练和测试后，完成基于机器学习的语义网络模型的构建。3.根据权利要求1所述的基于知识图谱的糖尿病干预智能推荐方法，其特征在于：将患者接入自动问诊系统，以问询及采样的形式采集患者的病症特征，采集的特征至少包括：面部图像特征、空腹血糖、每日排尿次数及胰岛素分泌量，汇总并建立患者病症特征集；获取患者的面部特征，训练出面部特征识别模型并对面部特征进行识别，将识别获取的特征与知识图谱中的特征数据进行对比，依据特征的相似度，判断患者是否是潜在糖尿病患者。4.根据权利要求3所述的基于知识图谱的糖尿病干预智能推荐方法，其特征在于：如果是潜在糖尿病患者，则判断的空腹血糖、每日排尿次数及胰岛素分泌量是否存在超出相应阈值的参数；在超出相应阈值的参数不少于一个时，获取空腹血糖Xt、每日排尿次数Pn及胰岛素分泌量Ys，无量纲化处理后，获取病症难度系数Bnd；其中，病症难度系数Bnd的获取方式如下：其中，参数的意义及取值为：，且为权重，其具体值由用户调整设置，为常数修正系数。
5.根据权利要求4所述的基于知识图谱的糖尿病干预智能推荐方法，其特征在于：接收病症难度系数Bnd，在病症难度系数Bnd超出阈值时，以空腹血糖Xt、每日排尿次数Pn及胰岛素分泌量Ys中超出阈值最多的参数作为代表性特征；从而，基于该代表性特征，能够减少推荐方案的难度；依...
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。