摘要
本发明涉及一种基于特征提取的个性化饮食营养推荐方法和系统,属于营养推荐技术领域,解决了现有技术中推荐准确性低的问题。方法包括:构建第一训练样本集;基于第一训练样本集对死亡风险预测模型进行训练得到训练好的死亡风险预测模型;基于训练好的死亡风险预测模型对患者每一次检查进行聚类得到每次检查的健康状况类型;基于每次检查的健康状况类型和两次检查间患者的饮食数据构建第二训练样本集;基于第二训练样本集训练饮食营养推荐模型得到训练好的饮食营养推荐模型;将待推荐患者的历史检查数据输入死亡风险预测模型得到特征表示;根据特征表示基于训练好的饮食营养推荐模型得到饮食营养推荐结果。提高了营养推荐的准确性。
技术关键词
风险预测模型
训练样本集
推荐方法
患者
静态特征提取
聚类
推荐模型训练
推荐系统
时序特征
因子
数据
推荐技术
特征提取模块
标签
符号
系统为您推荐了相关专利信息
电子健康档案数据
结构化医疗数据
大语言模型
患者
评分特征
术后早期复发
多模态
影像
深度学习模型
深度学习融合
PICC握力球
横向支撑组件
能耗评估模型
患者
数据处理模块
脊柱侧凸风险
预警模型
脊柱侧弯患者
青少年
健康对照组
学习内容推荐方法
标签
资源
k均值聚类算法
策略