[发明专利]基于疾病加权和食品类别约束的食品-疾病关联预测方法

说明书

本发明涉及一种基于疾病加权和食品类别约束的食品‑疾病关联预测方法，包括以下步骤：利用国际疾病分类数据构建疾病加权关系；利用成分表构建食品相似度网络；利用食品分类系统构造食品组关系；构造已知的二元食品‑疾病关联网络；随机初始化食品和疾病在潜在空间的表示；引入疾病加权关系和食品组关系，学习食品和疾病潜在空间的表示；利用食品和疾病潜在空间的表示，输出预测食品和疾病的关联结果。本发明设计合理，克服了食品疾病关联数据的稀疏问题，提升食品和疾病关联预测模型的准确性，同时，使模型计算时间复杂度与食品组中食品数目成线性关系，降低了计算复杂度，减少了计算资源的消耗。

技术领域

本发明属于食品安全技术领域，尤其是一种基于疾病加权和食品类别约束的食品-疾病关联预测方法。

背景技术

随着居民消费能力的提升和健康意识的增强，人们不再满足于基础物质生活需求，而对生命质量、健康生活的要求越来越高。其中，最典型的是对健康饮食指南的需求越来越强烈。已有研究证实，膳食与疾病的发生、发展有着密切的关系，这种关联通常是惊人的，影响深远的，例如，以动物性食物为主的膳食会导致慢性疾病的发生(如肥胖、冠心病、肿瘤、骨质疏松等)；以植物性食物为主的膳食最有利于健康，也最能有效地预防和控制慢性疾病。

为了研究上述关系，通常通过局部人口学采样、调查问卷、口述内容或者活体实验得到相关数据，再进行统计分析。但这种关联获取方式需要消耗极大的人力物力，尤其置信度高的活体实验，存在极大的风险，难以满足人民细致的食品-疾病关联的知情需求。典型的风险主要在于调查问卷被调查对象错误信息的填写，调查问卷中指标的有偏统计，被调查者多方面因素综合作用，并非单一食品变量因素。活体实验中实验者的操作也是风险来源之一。同时，随着食品种类的快速增长，实验和调查的成本成指数级增长，而由于人力物力限制，事实研究不能及时更新，只能集中在少数疾病和少数食品范畴。进一步地，对于食品和疾病之间的量、食用方法相互作用的细粒度关系，并不明晰，由于变量数巨大，全局统计起来极其困难，而细粒度的用量、食用方法的分析又是具体导致疾病的重要方面。

综上所述，食品与疾病的关联是目前热门的关注领域。目前，对于广泛的食品和疾病的关联尚未出现置信度高、有指导意义的预测方法。如何对疾病与食品的关联研究提供研究指南、缩小调查范围、减少随机试验带来的大量人力和资源的消耗是目前迫切需要解决的问题。

发明内容

本发明的目的在于克服现有技术的不足，提出一种基于疾病加权和食品类别约束的食品-疾病关联预测方法，其通过食品与疾病相关性的计算机预测方法将疾病的类别层次关系与食品组的作用结合起来，增强食品疾病关联预测的鲁棒性，克服了食品疾病关联数据的稀疏问题。

本发明解决其技术问题是采取以下技术方案实现的：

一种基于疾病加权和食品类别约束的食品-疾病关联预测方法，包括以下步骤：

步骤1、利用国际疾病分类数据构建疾病加权关系；

步骤2、利用成分表构建食品相似度网络；

步骤3、利用食品分类系统构造食品组关系；

步骤4、构造已知的二元食品-疾病关联网络；

步骤5、随机初始化食品和疾病在潜在空间的表示；

步骤6、引入疾病加权关系和食品组关系，学习食品和疾病潜在空间的表示；

步骤7、利用食品和疾病潜在空间的表示，输出预测食品和疾病的关联结果。

进一步，所述步骤1的具体实现方法为：