基于大数据语义画像的膳食风险知识检索方法及系统
本发明涉及大数据处理,具体为基于大数据语义画像的膳食风险知识检索方法及系统。
背景技术:
1、随着人们自身健康意识的不断提高,越来越多的人群开始对自身健康状况及时关注并及时调整,膳食安全与个体健康之间的关联日益受到关注,膳食风险知识检索已成为公众获取饮食安全信息的重要途径。
2、目前,由于膳食风险知识来源分散且结构各异,在进行膳食风险知识检索时,传统的关键词匹配方式无法理解用户查询的真实语义意图,当用户输入模糊症状或食物名称,会造成检索结果与实际风险不匹配,无法保证检索的准确性和针对性。
3、因此,现提出基于大数据语义画像的膳食风险知识检索方法及系统解决上述问题。
技术实现思路
1、针对现有技术的不足,本发明提供了基于大数据语义画像的膳食风险知识检索方法及系统,解决了上述背景技术中提出的检索结果与实际风险不匹配,无法保证检索的准确性和针对性的问题。
2、为实现以上目的,本发明提供如下技术方案予以实现:基于大数据语义画像的膳食风险知识检索方法及系统,所述方法包括如下步骤:
3、s1、采集多源异构膳食数据,所述多源异构膳食数据包括食品成分数据、个体健康档案数据、膳食摄入记录数据以及食品安全事件数据;
4、s2、对所述多源异构膳食数据进行实体识别和关系抽取,构建膳食领域知识图谱,并基于所述膳食领域知识图谱生成每个个体的膳食语义画像;
5、s3、基于所述膳食语义画像,提取个体膳食风险特征标签,并构建膳食风险特征标签体系;
6、s4、根据所述膳食风险特征标签体系和所述膳食领域知识图谱,构建膳食风险知识库,所述膳食风险知识库中包含膳食风险事件与风险因素之间的关联规则;
7、s5、基于所述膳食风险知识库,接收用户的膳食风险查询请求,并对所述查询请求进行语义解析,生成结构化查询意图;
8、s6、将所述结构化查询意图与所述膳食风险知识库中的关联规则进行语义匹配,并根据匹配结果生成初步检索结果;
9、s7、基于所述用户的膳食语义画像对所述初步检索结果进行个性化排序和风险等级评估,生成最终的膳食风险知识检索结果。
10、优选的,所述s1中采集多源异构膳食数据,包括以下步骤:
11、s11、通过对接国家食品安全数据库、医疗机构电子病历系统、智能膳食记录应用以及社交媒体舆情平台,采集所述食品成分数据、所述个体健康档案数据、所述膳食摄入记录数据以及所述食品安全事件数据;
12、s12、对采集到的所述多源异构膳食数据进行数据清洗、去重和标准化处理,形成统一格式的结构化数据集。
13、优选的,所述s2中生成每个个体的膳食语义画像,包括以下步骤:
14、s21、采用预训练的深度学习语言模型对所述结构化数据集进行实体识别,提取其中的食品名称、营养成分、疾病名称、症状描述和添加剂类别实体信息;
15、s22、采用基于依存句法分析的规则引擎对所述实体信息进行关系抽取,确定实体之间的因果关系、包含关系和禁忌关系,并以此构建所述膳食领域知识图谱;
16、s23、基于所述膳食领域知识图谱,利用图嵌入算法对每个个体的历史膳食摄入记录和健康档案数据进行向量化表示,生成所述膳食语义画像。
17、优选的,所述s3中构建膳食风险特征标签体系,包括以下步骤:
18、s31、获取所述膳食语义画像,并从中提取与个体过敏史、慢性病史、营养缺乏症以及药物相互作用相关的关键特征,形成初级风险特征集合;
19、s32、对所述初级风险特征集合进行聚类分析和权重赋值,生成所述膳食风险特征标签,并将所有所述膳食风险特征标签按照风险类型和风险等级进行层级划分,构建出所述膳食风险特征标签体系。
20、优选的,所述s4中构建膳食风险知识库,包括以下步骤:
21、s41、将所述膳食风险特征标签体系中的每一个风险特征标签与所述膳食领域知识图谱中的节点进行映射关联;
22、s42、采用关联规则挖掘算法,在所述膳食领域知识图谱中遍历与所述风险特征标签相关联的路径,发现并提取出食品成分、摄入量、个体体征与特定风险事件之间的所述关联规则;
23、s43、将所有所述关联规则及其对应的风险特征标签、风险事件描述进行结构化存储,构建出所述膳食风险知识库。
24、优选的,所述s5中生成结构化查询意图,包括以下步骤:
25、s51、基于所述膳食风险知识库,接收用户通过自然语言输入的所述膳食风险查询请求,所述查询请求包含食物名称、身体不适症状和用药情况信息;
26、s52、采用基于注意力机制的语义编码器对所述查询请求进行语义解析,识别出查询主体、查询客体和查询条件,并转换为所述结构化查询意图,所述结构化查询意图包括风险对象、风险类型和查询范围三个维度。
27、优选的,所述s6中生成初步检索结果,包括以下步骤:
28、s61、将所述结构化查询意图输入到所述膳食风险知识库中,采用向量相似度计算算法,计算所述结构化查询意图与所述膳食风险知识库中每条所述关联规则的语义相似度;
29、s62、设定相似度阈值,筛选出所述语义相似度高于所述相似度阈值的所述关联规则作为候选规则;
30、s63、根据所述候选规则,从所述膳食领域知识图谱中召回与所述候选规则相关联的风险事件信息和风险规避建议,形成所述初步检索结果。
31、优选的,所述s7中生成最终的膳食风险知识检索结果,包括以下步骤:
32、s71、获取所述用户的所述膳食语义画像,并提取其中的个人健康风险偏好和饮食禁忌信息;
33、s72、将所述个人健康风险偏好和饮食禁忌信息作为排序权重,对所述初步检索结果中的多条风险事件信息进行个性化排序,使与用户自身状况高度相关的风险信息排在前面;
34、s73、结合所述关联规则中的置信度和支持度指标,对排序后的每条风险事件信息进行风险等级量化评估,生成包含高风险、中风险和低风险等级的所述膳食风险知识检索结果。
35、优选的,所述s72中对所述初步检索结果中的多条风险事件信息进行个性化排序,包括以下步骤:
36、s721、将所述个人健康风险偏好和饮食禁忌信息转化为数值化的权重向量,所述权重向量中的每个元素对应一种风险类型;
37、s722、将所述初步检索结果中的每条风险事件信息表示为特征向量,所述特征向量包含该风险事件涉及的风险类型和食物类别标签;
38、s723、计算所述权重向量与每条所述特征向量的点积,得到每条风险事件信息的个性化排序分值,并按照所述个性化排序分值从高到低对所述初步检索结果进行排序。
39、优选的,所述系统包括:
40、多源数据采集模块,利用多源接口对接单元采集食品成分数据、个体健康档案数据、膳食摄入记录数据和食品安全事件数据,通过数据清洗标准化单元对数据进行去重和格式化处理,输出结构化数据集;
41、语义画像构建模块,接收所述结构化数据集,利用实体识别单元和关系抽取单元构建膳食领域知识图谱,并通过图嵌入单元对个体历史数据进行向量化表示,生成膳食语义画像;
42、风险特征提取模块,接收所述膳食语义画像,利用特征提取单元提取过敏史、慢性病史和药物相互作用特征,通过聚类分析单元和标签生成单元构建膳食风险特征标签体系;
43、风险知识库构建模块,利用映射关联单元将所述风险特征标签与知识图谱节点关联,通过关联规则挖掘单元提取食品成分、摄入量与风险事件的关联规则,并由存储单元构建膳食风险知识库;
44、查询解析模块,接收用户的膳食风险查询请求,利用语义编码单元进行意图识别,通过意图生成单元输出包含风险对象、风险类型和查询范围的结构化查询意图;
45、语义匹配检索模块,接收所述结构化查询意图,利用相似度计算单元匹配所述关联规则,通过召回单元从知识图谱中提取风险事件信息和规避建议,生成初步检索结果;
46、个性化排序反馈模块,接收所述初步检索结果,利用画像获取单元提取用户健康风险偏好,通过排序单元进行加权排序,并由风险评估单元生成包含风险等级的最终检索结果。
47、与现有技术相比,本发明提供了基于大数据语义画像的膳食风险知识检索方法及系统,具备以下有益效果:
48、1.本发明中,通过构建膳食领域知识图谱并生成个体的膳食语义画像,同时采用基于注意力机制的语义编码器对用户查询请求进行深度语义解析,生成包含风险对象、风险类型和查询范围的结构化查询意图,使得系统能够准确理解用户输入的模糊症状和食物名称的真实语义意图,避免了传统关键词匹配方式导致的检索结果与实际风险不匹配的问题,提升了膳食风险知识检索的准确性和针对性。
49、2.本发明中,通过从膳食语义画像中提取个体的过敏史、慢性病史、营养缺乏症以及药物相互作用相关的关键特征,构建膳食风险特征标签体系,并在检索结果排序过程中结合用户的个人健康风险偏好和饮食禁忌信息进行加权排序和风险等级量化评估,使得系统能够动态适配用户的个体健康状况和饮食习惯变化,避免了推荐的风险规避建议与用户自身状况脱节的问题,提高了个性化服务的准确度和实用性。
50、3.本发明中,通过将膳食风险特征标签体系与膳食领域知识图谱中的节点进行映射关联,并采用关联规则挖掘算法提取食品成分、摄入量、个体体征与特定风险事件之间的关联规则,构建完整的膳食风险知识库,使得系统能够实现多维度风险因素的联合分析与推理,克服了传统方法因多源数据缺乏统一语义关联而导致知识库覆盖面不足、关联规则不完整的缺陷,增强了膳食风险预警的及时性和可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com