面向营养学文本的知识挖掘及饮食推荐技术研究与实现

发布时间：2023-09-03 18:26

　　随着生活水平的提高,人们不仅追求生活基础需要,也越来越关注健康问题。营养学饮食是治疗的辅助手段与预防疾病的重要途径,如果能够通过计算机方法自动进行营养学饮食推荐,不仅可以降低营养师的工作强度、提高工作效率,还能让普通居民更加方便地明确自己预防疾病的饮食习惯。本文制定了营养学知识图谱的构建模式,以期为严谨且丰富的饮食推荐系统提供良好的数据支持,并对实体及关系进行了定义,给出了标注规范及标注样例。结合目标文本实际情况,分析实体抽取任务适合的模型,使用LSTMCRF对营养学专业文本进行实体抽取,并通过对比试验证明LSTM-CRF适用于在营养学专业文本上的实体抽取任务。利用从哈医大附属第一医院获得的营养病志数据,使用随机森林算法训练初步的饮食推荐模型,并与其他分类模型进行对比试验,证明随机森林适用于基于营养病志数据的饮食推荐任务。结合实际情况,对营养师日常工作进行需求分析,设计营养病志及饮食推荐系统,将构造的饮食推荐模型使用到营养病志录入及饮食推荐系统中,使用Springboot+Django的跨语言调用服务结构解决良好的网站开发框架与科学计算类程序相结合的任务。

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题背景及研究的目的和意义
        1.1.1 课题研究背景
        1.1.2 研究的目的和意义
    1.2 国内外研究现状
        1.2.1 知识图谱
        1.2.2 实体抽取
        1.2.3 推荐系统
    1.3 本文主要研究内容及组织结构
第2章 营养学知识图谱结构定义及实体标注规范
    2.1 引言
    2.2 知识图谱总体结构
        2.2.1 命名实体和概念分类
    2.3 知识图谱抽象结构
        2.3.1 知识图谱的逻辑结构
        2.3.2 知识图谱的体系结构
    2.4 数据模式定义规则
        2.4.1 公共结构
        2.4.2 实例和概念的共有关系
    2.5 实体及其属性定义
    2.6 语义关系定义
    2.7 本章小结
第3章 面向专业营养学文本的命名实体识别
    3.1 引言
    3.2 中文营养学命名实体识别
        3.2.1 长短时记忆神经网络序列模型
        3.2.2 条件随机场
        3.2.3 字级别的长短时记忆-条件随机场模型
    3.3 实验与分析
        3.3.1 实验设置
        3.3.2 实验结果分析
    3.4 本章小结
第4章 基于营养病志数据的饮食推荐模型
    4.1 引言
    4.2 任务说明
    4.3 基于随机森林的饮食推荐模型
        4.3.1 决策树
        4.3.2 随机森林的生成
    4.4 实验结果与分析
        4.4.1 数据说明
        4.4.2 实验设置
        4.4.3 实验结果
    4.5 本章小结
第5章 营养学营养病志及饮食推荐系统
    5.1 引言
    5.2 功能需求分析
    5.3 硬件分析
    5.4 系统总体设计
    5.5 相关技术说明
        5.5.1 后台开发框架说明
        5.5.2 前台框架选择
        5.5.3 持久层
    5.6 系统详细设计
        5.6.1 信息录入功能设计
        5.6.2 饮食推荐功能设计
        5.6.3 打印功能设计
    5.7 系统部署
        5.7.1 springboot
        5.7.2 Django
        5.7.3 内网穿透
    5.8 本章小结
结论
参考文献
致谢
个人简历



本文编号：3845557