[发明专利]基于真实世界研究的智能睡眠监测方法和系统

权利要求书

1.基于真实世界研究的智能睡眠监测方法，其特征在于，包括步骤：

S1：确立评价对象，获取所述评价对象的真实世界历史睡眠数据；

S2：对步骤S1的真实世界历史睡眠数据进行清洗和分类后，通过情感分析获取睡眠质量评估数据集；

S3：训练步骤S2的睡眠质量评估数据集，建立睡眠非相关数据的睡眠质量预测模型；

S4：获取所述评价对象的真实世界当前非相关数据组成输入集，通过步骤S3的睡眠非相关数据的睡眠质量预测模型输出睡眠质量评价结果；

S5：通过聚类算法总结睡眠影响因素，建立具有影响因素标识属性的睡眠相关数据集；

S6：训练具有影响因素标识属性的睡眠相关数据集，建立非睡眠相关影响因素数据预测模型；

S7：获取所述评价对象的真实世界当前非相关数据组成输入集，通过步骤S6的非睡眠相关影响因素数据预测模型，输出睡眠影响因素属性结果数据集；

S8：建立睡眠监测系统评估及优化模块和非睡眠相关影响因素数据预测模型；

S9：输入新的实时数据到S8，优化睡眠监测系统评估及优化模块和非睡眠相关影响因素数据预测模型，形成最优参数组合，提高准确率；

步骤S8中，睡眠监测系统评估及优化模块用于将新增真实世界数据实时收集，并经过数据清洗及分类模块输入到训练、验证及测试数据集整合模块处理后，作为新增数据重新输入到睡眠监测系统评估及优化模块和非睡眠相关影响因素数据预测模型中。

2.根据权利要求1所述的智能睡眠监测方法，其特征在于，所述历史睡眠数据的关键词包括睡和/或sleep。

3.根据权利要求1所述的智能睡眠监测方法，其特征在于，步骤S1所述获取采用的爬虫器包括Scrapy框架。

4.根据权利要求1所述的智能睡眠监测方法，其特征在于，步骤S1所述获取采用的规则包括Xpath和RegExp。

5.根据权利要求1所述的智能睡眠监测方法，其特征在于，步骤S1所述历史睡眠数据包括评论数据和日志数据。

6.根据权利要求1所述的智能睡眠监测方法，其特征在于，所述智能睡眠监测方法还包括对步骤S3的睡眠非相关数据的睡眠质量预测模型和S6的非睡眠相关影响因素数据预测模型进行优化。