CN104809118A - 一种健康相关数据处理方法、装置及*** - Google Patents
一种健康相关数据处理方法、装置及*** Download PDFInfo
- Publication number
- CN104809118A CN104809118A CN201410036311.3A CN201410036311A CN104809118A CN 104809118 A CN104809118 A CN 104809118A CN 201410036311 A CN201410036311 A CN 201410036311A CN 104809118 A CN104809118 A CN 104809118A
- Authority
- CN
- China
- Prior art keywords
- data
- state
- correlation rule
- health
- exercise
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种健康相关数据处理方法、装置及***,用以提高健康相关数据处理结果的精确度,获得精确的健康指导方案。健康相关数据处理方法,包括:获得指定时长内的多个健康相关数据集,每一健康相关数据集中包括运动数据和健康状态数据;按照预设算法建立运动数据与健康状态数据之间的关联关系;根据获取的当前健康状态数据信息和期望健康状态数据信息,从建立的关联关系中查找期望健康状态数据对应的运动数据。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种健康相关数据处理方法、装置及***。
背景技术
日益激烈的社会竞争带来抑郁和睡眠障碍的高发病率,亚健康人群日益增大。随着IT技术和移动互联网技术的发展,健康服务与信息技术的结合成为当前研究的热点之一。近年来,移动健康技术的发展使得通过移动通信等手段对用户实施健康指导成为可能,现有的移动健康服务主要包括以下两种方式:
方式一、普适***:通过推送短信给用户以介绍保健、养生知识;
方式二、个性化服务:处于发展的初期,目前主要集中在心理健康领域,针对用户的心理问题通过移动通信手段实施认知行为疗法,达到为用户进行心理、情绪调节的目的。
上述两种方式,方式一为针对全体人群的泛泛的指导,无法满足不同用户的个性化需求;方式二中,由于依据的用户信息不够全面,如心理健康指导只关注用户的心理状态使得用户信息的输入是粗粒化的、定性的,无法精确反映用户的实际状况,从而使得健康指导方案不够精确。
发明内容
本发明提供一种健康相关数据处理方法、装置及***,用以提高健康相关数据处理结果的精确度,获得精确的健康指导方案。
本发明实施例提供一种健康相关数据处理方法,包括:
获得指定时长内的多个健康相关数据集,每一健康相关数据集中包括运动数据和健康状态数据;
按照预设算法建立运动数据与健康状态数据之间的关联关系;
根据获取的当前健康数据信息和期望健康状态数据信息,从建立的关联关系中查找期望健康状态数据对应的运动数据。
本发明实施例提供一种健康相关数据处理装置,包括:
获得单元,用于获得指定时长内的多个健康相关数据集,每一健康相关数据集中包括运动数据和健康状态数据;
处理单元,用于按照预设算法建立运动数据与健康状态数据之间的关联关系;
查找单元,用于根据获取的当前健康状态数据信息和期望健康状态数据信息,从建立的关联关系中查找期望健康状态数据对应的运动数据。
本发明实施例提供一种健康相关数据处理***,包括:
运动数据采集装置,用于采集指定时长内的运动数据;以及将采集的运动数据发送给健康相关数据处理装置;
健康状态数据采集装置,用于采集指定时长内的健康状态数据;以及将采集的健康状态数据发送给健康相关数据处理装置;
健康相关数据处理装置,用于使用上述的健康相关数据处理方法对接收到的运动数据和健康状态数据进行处理。
本发明实施例提供的健康相关数据处理方法、装置及***,通过对指定时长内的运动数据和健康状态数据进行处理,建立运动数据和健康状态数据之间的关联关系,这样,可以根据期望健康状态数据信息,从建立的运动数据和健康状态数据之间的关联关系中查找对应的运动数据,由此获得的对应的健康指导方案,由于上述过程中,对一定时长内的多个健康相关数据(包括运动数据和健康状态数据)进行处理来建立运动数据与健康状态数据之间的关联关系,提高了数据处理结果的精确性,从而,使得获得的健康指导方案也更加精确。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例中,健康相关数据处理方法的实施流程示意图;
图2为本发明实施例中,建立运动数据与健康状态数据之间的关联关系的实施流程示意图;
图3为本发明实施例中,健康相关数据处理装置的结构示意图;
图4为本发明实施例中,健康相关数据处理***的结构示意图。
具体实施方式
为了提高健康相关数据处理结果的精确度,获得精确的健康指导方案,本发明实施例提供了一种健康相关数据处理方法、装置及***。
发明人在实现本发明的过程中发现,运动与情绪和睡眠有着很强的相关性,适量的运动能够有效的缓解抑郁情绪和改善睡眠。情绪和睡眠是健康状态的两个重要指标,保持良好的情绪和睡眠是健康的基础。基于此,本发明实施例提供了一种基于情绪、睡眠和运动三者关系的健康相关数据处理方法,用于根据情绪状态和睡眠状态确定运动指导方案。
以下结合说明书附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明,并且在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
如图1所示,为本发明实施例提供的健康相关数据处理方法的实施流程示意图,可以包括以下步骤:
S101、获得指定时长内的多个健康相关数据集,每一健康相关数据集中包括运动数据和健康状态数据;
其中,运动数据可以包括以下三项运动参数中的任一项或者任意组合:运动步数、运动时长和运动剧烈程度;健康状态数据可以但不限于包括以下任一项:睡眠状态数据,情绪状态数据。
较佳的,本发明实施例中,可以按照以下方法获得运动数据:接收佩戴在用户身上的计步器上报的运动数据。计步器可以周期性(例如每天,本发明对比不做限定)统计用户的运动数据并上报给健康相关数据处理装置。其中,运动剧烈程度可以采用轻微、一般和剧烈等进行描述。
较佳的,本发明实施例中,可以按照以下方法获得睡眠状态数据:接收佩戴在用户身上的心电节点上报的睡眠状态数据,心电节点可以周期性(例如每天,本发明对比不做限定)统计用户的睡眠状态数据并上报给健康相关数据处理装置。其中,心电节点可以统计用户入睡时长、睡眠总时长、深睡眠时长在睡眠总时长中的比例、夜醒次数等;并基于上述数据对睡眠质量进行评价,睡眠状态可以为:良好、一般、较差和差。具体实施时,可以单不限于按照以下方法判别睡眠质量:1)入睡时长在5-30分钟之间;2)睡眠时长在7-9小时之间;3)深睡眠占比达到15%以上;4)夜醒次数小于5。若上述四项都在正常范围内时,确定睡眠质量为良好;若上述四项有一项不在正常范围时,确定睡眠质量为一般;若上述四项有两项不在正常范围时,确定睡眠质量为较差;若上述四项有三项以上不在正常范围时,确定睡眠质量为差。
较佳的,本发明实施例中,可以按照以下方法获得情绪状态数据:通过安装在移动终端上的客户端软件或者心里调查问卷(例如贝克抑郁量表和凯斯勒10量表等),基于用户填写的心理调查问卷,对用户当前的情绪状态进行评分,情绪状态可以采用良好、一般、较差和差进行描述。移动可以周期性(例如每天,本发明对比不做限定)统计用户的情绪状态数据并上报给健康相关数据处理装置。
健康相关数据处理装置确定同一周期(例如同一天)内接收到的运动数据和健康状态数据为一个健康相关数据集,并使用指定时长内的多个健康相关数据集作为原始数据,如可以为连续3个月内的90个健康相关数据集。
S102、按照预设算法建立运动数据与健康状态数据之间的关联关系;
S103、根据获取的当前健康状态数据信息和期望健康状态数据信息,从建立的关联关系中查找期望健康状态数据对应的运动数据。
具体实施时,可以将运动数据与健康状态数据之间的关联关系中,健康状态数据对应的运动数据作为健康(运动)指导方案提供给用户。
较佳的,步骤S102中,可以单不限于使用Apriori算法来建立运动数据与健康状态数据之间的关联关系。为了更好的理解本发明,本发明实施例中以Apriori算法对建立运动数据与健康状态数据之间的关联关系的具体实施流程进行说明。
如图2所示,其为建立运动数据与健康状态数据之间的关联关系的实施流程示意图,可以包括以下步骤:
S201、确定获得的健康相关数据集中满足预设的支持度阈值的健康相关数据集为频繁项集;
较佳的,为了便于对获得原始数据进行处理,在确定频繁项集之前,可以对获得的运动数据进行预处理,具体的,分别将运动步数、运动时长的取值离散化至多个区间内,本发明实施例中以将运动步数、运动时长离散化至5个区间为例进行说明。
用户A在最近三个月中,每天通过计步器、心电节点和移动终端上传运动数据、睡眠状态数据和情绪状态数据,经数据分析过程,获得运动步数、运动时长、运动剧烈程度、睡眠状态数据和情绪状态数据共5个参数。
在数据预处理过程中,汇总用户A上述5个参数的90条记录,并进行运动步数和运动时长的离散化。假设用户A运动步数的取值范围是5000步至20000步,运动时长的取值范围是30min至2h,因此针对该用户,运动步数的五个离散化区间分别为5000-8000、8000-11000、11000-14000、14000-17000和17000-20000,运动时长的五个离散化区间分别为0.5h-0.8h、0.8h-1.1h、1.1h-1.4h、1.4h-1.7h和1.7h-2h。
进一步的,根据预先设定的支持度阈值和获得的健康相关数据集,采用Apriori算法生成满足支持度阈值的频繁项集。
S202、选择包括至少一项运动数据和至少一项健康状态数据的频繁项集;
延续上例,假设预先设定的支持度阈值为10%,采用Apriori算法生成频繁项集,并删除其中不包含运动数据的频繁项集和只包含运动数据的频繁项集,最终得到满足条件的频繁项集,例如:“步数5000-8000、睡眠质量一般”、“步数5000-8000、情绪状态一般”、“运动时长0.8h-1.1h、睡眠质量一般”、步数17000-20000、睡眠质量良好”、“步数17000-20000、情绪状态良好”、“步数17000-20000、睡眠质量良好、情绪状态良好”等。
S203、分别以运动数据和健康状态数据作为关联规则条件和结论,根据选择出的频繁项集生成满足预设的置信度阈值的关联规则;
以预先设定的置信度阈值为60%为例,分别以运动数据和健康状态数据作为关联规则条件和结论生成满足置信度阈值的关联规则,如:
IF步数=5000-8000,THEN睡眠质量=一般(支持度=20%,置信度=89%);
IF步数=5000-8000,THEN情绪状态=一般(支持度=30%,置信度=67%);
IF运动时长=0.8h-1.1h,THEN睡眠质量=一般(支持度=12%,置信度=83%);
IF步数=17000-20000,THEN睡眠质量=良好,情绪状态=良好(支持度=14%,置信度=77%)。
S204、确定满足预设条件的关联规则为运动数据与健康状态数据之间的关联关系。
具体实施时,步骤S204中,可以包括以下步骤:
S2041、将步骤S203中得到的关联规则进行分类;
具体的,可以按照以下原则将关联规则划分为三类:若关联规则的结论中包括睡眠状态数据和情绪状态数据,确定该关联规则为第一类关联规则;若关联规则的结论中包括睡眠状态数据,确定该关联规则为第二类关联规则;若关联规则的结论中包括情绪状态数据,确定该关联规则为第三类关联规则;
S2042、针对每一类关联规则,确定置信度最高的关联规则为运动数据与健康状态数据之间的关联关系。
继续沿用上例,通过上述两个步骤,可以将得到如下规则:
第一类关联规则:1)IF步数=17000-20000,THEN睡眠质量=良好,情绪状态=良好(支持度=14%,置信度=77%);2)IF步数=5000-8000,THEN睡眠质量=一般,情绪状态=一般(支持度=30%,置信度=85%);3)IF步数=11000-14000,THEN睡眠质量=一般,情绪状态=良好(支持度=17%,置信度=75%)等;根据运动数据(包括运动步数和运动时长)、睡眠状态数据和情绪状态数据,本发明实施例中最多能够得到第一类关联规则共32个;
第二类关联规则:1)IF步数=5000-8000,THEN睡眠质量=一般(支持度=20%,置信度=89%);2)IF步数=17000-20000,THEN睡眠质量=良好(支持度=23%,置信度=74%)等;根据运动数据(包括运动步数和运动时长)、睡眠状态数据,本发明实施例中最多能够得到第二类关联规则共16个;
第三类关联规则为:IF步数=5000-8000,THEN情绪状态=一般(支持度=30%,置信度=67%)等。根据运动数据(包括运动步数和运动时长)、情绪状态数据,本发明实施例中最多能够得到第三类关联规则共16个。
将上述三类规则分别按照置信度进行排序,并选取置信度最高的关联规则作为运动数据与健康状态数据之间的关联关系,据此,本发明实施例中可以得到运动数据与健康状态数据之间的关联关系如下:
IF步数=17000-20000,THEN睡眠质量=良好,情绪状态=良好(支持度=14%,置信度=77%);
IF步数=5000-8000,THEN睡眠质量=一般(支持度=20%,置信度=89%);
IF步数=5000-8000,THEN情绪状态=一般(支持度=30%,置信度=67%)。
根据建立的运动数据与健康状态数据之间的关联关系,根据用户A当前的情绪和睡眠状况,向用户A推送运动指导方案。假设用户A当前睡眠质量=较差,情绪状态=较差,期望达到的睡眠质量=一般,情绪状态=一般。由于第一类规则中不存在匹配的方案,则在第二、三类规则中选择并合并,得到运动指导方案为“步数=5000-8000”,并将其推送至用户绑定的移动终端。假设用户A当前睡眠质量=一般,情绪状态=一般,期望达到的睡眠质量=良好,情绪状态=良好。将第一类规则中匹配的运动指导方案为“步数=17000-20000”推送至用户绑定的移动终端即可。更佳的,具体实施时,用户还可以预先设定睡眠状态和情绪状态的提升等级,例如,用户设定提升等级为1,即表示用户期望健康状态数据比用户当前健康状态数据提升一个等级,例如用户当前健康状态数据分别为睡眠状态数据为差,情绪状态数据为一般,则用户期望健康状态数据即为睡眠状态数据为较差,情绪状态数据为良好。需要说明的是,用户当前将抗状态数据已达到最高值(即睡眠状态数据为较良好,情绪状态数据为良好)时,期望健康状态数据将保持不变。
较佳的,基于上述建立的运动数据与健康状态数据之间的关联关系,步骤S103中,可以按照以下步骤查找期望健康状态数据对应的运动数据:
S1031、根据获取的期望健康状态数据信息,从第一类关联规则中查找期望健康状态数据对应的运动数据;
S1032、若第一类关联规则中未查找到期望健康状态数据对应的运动数据,则分别在第二类关联规则和第三类关联规则中分别查找期望健康状态数据对应的运动数据;
S1033、合并从第二类关联规则和第三类关联规则中分别查找到的期望健康状态数据对应的运动数据。
较佳的,在执行步骤S1033之前,还可以确定在第二类关联规则和第三类关联规则中查找到的期望健康状态数据对应的运动数据一致,若在第二类关联规则和第三类关联规则中查找到的期望健康状态数据对应的运动数据不一致,则选择置信度高的关联规则中查找到的期望健康状态数据对应的运动数据。
较佳的,为了进一步提高健康相关数据处理方法的精确性,使得获得的健康指导方案更加精确,本发明实施例中可以按照预设周期对原始数据进行更新,例如,可以每隔一个月,采用最近3个月的健康相关数据集作为原始数据进行处理。
具体实施时,为了进一步提升健康相关数据处理方法的精确性,进而得到更加精确的运动指导方案,本发明实施例中,还可以加入专家干预。通过调整运动步数和运动时长的区间划分,以及对支持度阈值、置信度阈值和期望健康状态数据的提升等级的设定,在生成关联规则后,由专家根据经验选取较优的关联规则,以专家选取的关联规则作为运动数据与健康状态数据之间的关联关系。
上述过程中,由于对用户一定时间段以来的运动数据和情绪状态数据进行分析,得到运动数据和情绪状态数据之间的关联关系,从而,可以利用得到的关联关系指导用户之后的运动方案,同时定期对分析的原始数据进行更新,使得其能更加符合用户当前的健康状态,从而,提高了健康相关数据处理结果的精确性,进行使得获得的健康指导方案更加精确。
基于同一发明构思,本发明实施例中还提供了一种健康相关数据处理装置及***,由于上述装置及***解决问题的原理与健康相关数据处理方法相似,因此上述装置及***的实施可以参见方法的实施,重复之处不再赘述。
如图3所示,为本发明实施例提供的健康相关数据处理装置的结构示意图,包括:
获得单元301,用于获得指定时长内的多个健康相关数据集,每一健康相关数据集中包括运动数据和健康状态数据;
处理单元302,用于按照预设算法建立运动数据与健康状态数据之间的关联关系;
查找单元303,用于根据获取的当前健康状态数据信息和期望健康状态数据信息,从建立的关联关系中查找期望健康状态数据对应的运动数据。
其中,运动数据可以包括运动步数、运动时长或者运动剧烈程度中的任一项或者任意组合;健康状态数据可以包括睡眠状态数据和情绪状态数据中的至少一项。
较佳的,本发明实施例中预设算法可以包括Apriori算法,则处理单元302,可以包括:
第一确定子单元,用于确定获得的健康相关数据集中满足预设的支持度阈值的健康相关数据集为频繁项集;
第一选择子单元,用于从所述确定子单元确定出的频繁项集中选择包括至少一项运动数据和至少一项健康状态数据的频繁项集;
生成子单元,用于分别以运动数据和健康状态数据作为关联规则条件和结论,根据所述选择子单元选择出的频繁项集生成满足预设的置信度阈值的关联规则;
第二确定子单元,用于确定满足预设条件的关联规则为运动数据与健康状态数据之间的关联关系。
其中,第二确定子单元,可以包括:
第一确定模块,用于若关联规则的结论中包括睡眠状态数据和情绪状态数据,确定该关联规则为第一类关联规则;若关联规则的结论中包括睡眠状态数据,确定该关联规则为第二类关联规则;若关联规则的结论中包括情绪状态数据,确定该关联规则为第三类关联规则;
第二确定模块,用于针对每一类关联规则,确定置信度最高的关联规则为运动数据与健康状态数据之间的关联关系。
具体实施时,查找单元303可以包括:
查找子单元,用于根据获取的期望健康状态数据信息,从第一类关联规则中查找期望健康状态数据对应的运动数据;以及若第一类关联规则中未查找到期望健康状态数据对应的运动数据,则分别在第二类关联规则和第三类关联规则中分别查找期望健康状态数据对应的运动数据;
合并子单元,用于合并从第二类关联规则和第三类关联规则中分别查找到的期望健康状态数据对应的运动数据。
较佳的,查找子单元,还可以包括:
第三确定子单元,用于所述合并子单元合并从第二类关联规则和第三类关联规则中分别查找到的期望健康状态数据对应的运动数据之前,确定在第二类关联规则和第三类关联规则中查找到的期望健康状态数据对应的运动数据一致。
较佳的,查找子单元,还可以包括:
第二选择子单元,用于若在第二类关联规则和第三类关联规则中查找到的期望健康状态数据对应的运动数据不一致,则选择置信度高的关联规则中查找到的期望健康状态数据对应的运动数据。
具体实施时,本发明实施例提供的健康相关数据处理装置,还可以包括:
数据预处理单元,用于在处理单元302按照预设算法建立运动数据与健康状态数据之间的关联关系之前,对所述运动数据进行离散化处理。
具体实施时,本发明实施例提供的健康相关数据处理装置,还可以包括:
更新单元,用于按照预设周期更新所述指定时长内的多个健康相关数据集。
为了描述的方便,以上健康相关数据处理装置的各部分按照功能划分为各模块(或单元)分别描述。当然,在实施本发明时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
如图4所示,为本发明实施例提供的健康相关数据处理***的结构示意图,可以包括:
运动数据采集装置401,用于采集指定时长内的运动数据;以及将采集的运动数据发送给健康相关数据处理装置403;
具体实施时,运动数据采集装置401可以单不限于为计步器。
健康状态数据采集装置402,用于采集指定时长内的健康状态数据;以及将采集的健康状态数据发送给健康相关数据处理装置403;
具体实施时,健康状态数据采集装置可以单不限于为心电节点或者移动终端等设备。
健康相关数据处理装置403,用于使用本发明实施例提供的健康相关数据处理方法对接收到的运动数据和健康状态数据进行处理。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (18)
1.一种健康相关数据处理方法,其特征在于,包括:
获得指定时长内的多个健康相关数据集,每一健康相关数据集中包括运动数据和健康状态数据;
按照预设算法建立运动数据与健康状态数据之间的关联关系;
根据获取的当前健康状态数据和期望健康状态数据信息,从建立的关联关系中查找期望健康状态数据对应的运动数据。
2.如权利要求1所述的方法,其特征在于,所述运动数据包括运动步数、运动时长或者运动剧烈程度中的任一项或者任意组合;所述健康状态数据包括睡眠状态数据和情绪状态数据中的至少一项。
3.如权利要求2所述的方法,其特征在于,所述预设算法包括Apriori算法;以及
按照预设算法建立运动数据与健康状态数据之间的关联关系,具体包括:
确定获得的健康相关数据集中满足预设的支持度阈值的健康相关数据集为频繁项集;
选择包括至少一项运动数据和至少一项健康状态数据的频繁项集;
分别以运动数据和健康状态数据作为关联规则条件和结论,根据选择出的频繁项集生成满足预设的置信度阈值的关联规则;并
确定满足预设条件的关联规则为运动数据与健康状态数据之间的关联关系。
4.如权利要求3所述的方法,其特征在于,确定满足预设条件的关联规则为运动数据与健康状态数据之间的关联关系,具体包括:
若关联规则的结论中包括睡眠状态数据和情绪状态数据,确定该关联规则为第一类关联规则;若关联规则的结论中包括睡眠状态数据,确定该关联规则为第二类关联规则;若关联规则的结论中包括情绪状态数据,确定该关联规则为第三类关联规则;
针对每一类关联规则,确定置信度最高的关联规则为运动数据与健康状态数据之间的关联关系。
5.如权利要求4所述的方法,其特征在于,根据获取的期望健康状态数据信息,从建立的关联关系中查找期望健康状态数据对应的运动数据,具体包括:
根据获取的期望健康状态数据信息,从第一类关联规则中查找期望健康状态数据对应的运动数据;
若第一类关联规则中未查找到期望健康状态数据对应的运动数据,则分别在第二类关联规则和第三类关联规则中分别查找期望健康状态数据对应的运动数据;并
合并从第二类关联规则和第三类关联规则中分别查找到的期望健康状态数据对应的运动数据。
6.如权利要求5所述的方法,其特征在于,在合并从第二类关联规则和第三类关联规则中分别查找到的期望健康状态数据对应的运动数据之前,还包括:
确定在第二类关联规则和第三类关联规则中查找到的期望健康状态数据对应的运动数据一致。
7.如权利要求6所述的方法,其特征在于,还包括:
若在第二类关联规则和第三类关联规则中查找到的期望健康状态数据对应的运动数据不一致,则选择置信度高的关联规则中查找到的期望健康状态数据对应的运动数据。
8.如权利要求1~7任一权利要求所述的方法,其特征在于,在按照预设算法建立运动数据与健康状态数据之间的关联关系之前,还包括:
对所述运动数据进行离散化处理。
9.如权利要求1~7任一权利要求所述的方法,其特征在于,还包括:
按照预设周期更新所述指定时长内的多个健康相关数据集。
10.一种健康相关数据处理装置,其特征在于,包括:
获得单元,用于获得指定时长内的多个健康相关数据集,每一健康相关数据集中包括运动数据和健康状态数据;
处理单元,用于按照预设算法建立运动数据与健康状态数据之间的关联关系;
查找单元,用于根据获取的当前健康状态数据信息和期望健康状态数据信息,从建立的关联关系中查找期望健康状态数据对应的运动数据。
11.如权利要求10所述的装置,其特征在于,所述运动数据包括运动步数、运动时长或者运动剧烈程度中的任一项或者任意组合;所述健康状态数据包括睡眠状态数据和情绪状态数据中的至少一项;所述预设算法包括Apriori算法;以及
所述处理单元,包括:
第一确定子单元,用于确定获得的健康相关数据集中满足预设的支持度阈值的健康相关数据集为频繁项集;
第一选择子单元,用于从所述确定子单元确定出的频繁项集中选择包括至少一项运动数据和至少一项健康状态数据的频繁项集;
生成子单元,用于分别以运动数据和健康状态数据作为关联规则条件和结论,根据所述选择子单元选择出的频繁项集生成满足预设的置信度阈值的关联规则;
第二确定子单元,用于确定满足预设条件的关联规则为运动数据与健康状态数据之间的关联关系。
12.如权利要求11所述的装置,其特征在于,所述第二确定子单元,包括:
第一确定模块,用于若关联规则的结论中包括睡眠状态数据和情绪状态数据,确定该关联规则为第一类关联规则;若关联规则的结论中包括睡眠状态数据,确定该关联规则为第二类关联规则;若关联规则的结论中包括情绪状态数据,确定该关联规则为第三类关联规则;
第二确定模块,用于针对每一类关联规则,确定置信度最高的关联规则为运动数据与健康状态数据之间的关联关系。
13.如权利要求12所述的装置,其特征在于,所述查找单元,包括:
查找子单元,用于根据获取的期望健康状态数据信息,从第一类关联规则中查找期望健康状态数据对应的运动数据;以及若第一类关联规则中未查找到期望健康状态数据对应的运动数据,则分别在第二类关联规则和第三类关联规则中分别查找期望健康状态数据对应的运动数据;
合并子单元,用于合并从第二类关联规则和第三类关联规则中分别查找到的期望健康状态数据对应的运动数据。
14.如权利要求13所述的装置,其特征在于,所述查找单元,还包括:
第三确定子单元,用于所述合并子单元合并从第二类关联规则和第三类关联规则中分别查找到的期望健康状态数据对应的运动数据之前,确定在第二类关联规则和第三类关联规则中查找到的期望健康状态数据对应的运动数据一致。
15.如权利要求14所述的装置,其特征在于,所述查找单元,还包括:
第二选择子单元,用于若在第二类关联规则和第三类关联规则中查找到的期望健康状态数据对应的运动数据不一致,则选择置信度高的关联规则中查找到的期望健康状态数据对应的运动数据。
16.如权利要求10~15任一权利要求所述的装置,其特征在于,还包括:
数据预处理单元,用于在所述处理单元按照预设算法建立运动数据与健康状态数据之间的关联关系之前,对所述运动数据进行离散化处理。
17.如权利要求10~15任一权利要求所述的装置,其特征在于,还包括:
更新单元,用于按照预设周期更新所述指定时长内的多个健康相关数据集。
18.一种健康相关数据处理***,其特征在于,包括:
运动数据采集装置,用于采集指定时长内的运动数据;以及将采集的运动数据发送给健康相关数据处理装置;
健康状态数据采集装置,用于采集指定时长内的健康状态数据;以及将采集的健康状态数据发送给健康相关数据处理装置;
健康相关数据处理装置,用于使用权利要求10~17任一权利要求所述的装置对接收到的运动数据和健康状态数据进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410036311.3A CN104809118B (zh) | 2014-01-24 | 2014-01-24 | 一种健康相关数据处理方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410036311.3A CN104809118B (zh) | 2014-01-24 | 2014-01-24 | 一种健康相关数据处理方法、装置及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104809118A true CN104809118A (zh) | 2015-07-29 |
CN104809118B CN104809118B (zh) | 2019-06-25 |
Family
ID=53693947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410036311.3A Active CN104809118B (zh) | 2014-01-24 | 2014-01-24 | 一种健康相关数据处理方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104809118B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106557655A (zh) * | 2016-11-17 | 2017-04-05 | 包磊 | 一种基于用户状态的分析推荐方法和装置 |
CN107638165A (zh) * | 2016-07-20 | 2018-01-30 | 平安科技(深圳)有限公司 | 一种睡眠检测方法及装置 |
CN107861993A (zh) * | 2017-10-18 | 2018-03-30 | 北京卡路里信息技术有限公司 | 一种运行应用程序的数据处理方法和装置 |
CN107871536A (zh) * | 2017-09-30 | 2018-04-03 | 平安科技(深圳)有限公司 | 糖尿病分析方法及应用服务器 |
CN108389628A (zh) * | 2018-02-28 | 2018-08-10 | 张晶心 | 一种健康指标改善模型确定方法和装置 |
CN110148060A (zh) * | 2019-04-15 | 2019-08-20 | 深圳壹账通智能科技有限公司 | 基于健康数据的保费调整方法、装置、设备及存储介质 |
CN110933232A (zh) * | 2019-12-27 | 2020-03-27 | 维沃移动通信有限公司 | 一种闹钟提醒方法、电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077299A (zh) * | 2012-03-28 | 2013-05-01 | 于春曼 | 健身管理***和方法 |
CN103154954A (zh) * | 2010-08-09 | 2013-06-12 | 耐克国际有限公司 | 使用移动装置监测健身 |
-
2014
- 2014-01-24 CN CN201410036311.3A patent/CN104809118B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103154954A (zh) * | 2010-08-09 | 2013-06-12 | 耐克国际有限公司 | 使用移动装置监测健身 |
CN103077299A (zh) * | 2012-03-28 | 2013-05-01 | 于春曼 | 健身管理***和方法 |
Non-Patent Citations (1)
Title |
---|
左从现等主编: "《高校体育教程》", 31 August 2006 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107638165A (zh) * | 2016-07-20 | 2018-01-30 | 平安科技(深圳)有限公司 | 一种睡眠检测方法及装置 |
CN106557655A (zh) * | 2016-11-17 | 2017-04-05 | 包磊 | 一种基于用户状态的分析推荐方法和装置 |
CN107871536A (zh) * | 2017-09-30 | 2018-04-03 | 平安科技(深圳)有限公司 | 糖尿病分析方法及应用服务器 |
CN107861993A (zh) * | 2017-10-18 | 2018-03-30 | 北京卡路里信息技术有限公司 | 一种运行应用程序的数据处理方法和装置 |
CN108389628A (zh) * | 2018-02-28 | 2018-08-10 | 张晶心 | 一种健康指标改善模型确定方法和装置 |
CN110148060A (zh) * | 2019-04-15 | 2019-08-20 | 深圳壹账通智能科技有限公司 | 基于健康数据的保费调整方法、装置、设备及存储介质 |
CN110933232A (zh) * | 2019-12-27 | 2020-03-27 | 维沃移动通信有限公司 | 一种闹钟提醒方法、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104809118B (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104809118A (zh) | 一种健康相关数据处理方法、装置及*** | |
CN110476176B (zh) | 用户目标辅助技术 | |
CN108463817B (zh) | 个性化实体库 | |
KR102462365B1 (ko) | 사용자 데모그래픽 정보 및 콘텍스트 정보에 기초한 텍스트 입력 예측 방법 및 장치 | |
KR101959368B1 (ko) | 사용자 디바이스의 활성 페르소나 결정 | |
CN102654859B (zh) | 一种歌曲推荐方法及*** | |
US8627230B2 (en) | Intelligent command prediction | |
CN107885745B (zh) | 一种歌曲推荐方法及装置 | |
CN102945168B (zh) | 基于用户行为分析的智能主菜单*** | |
CN106251889A (zh) | 连接到音频输出***时的智能音频回放 | |
CN105608199A (zh) | 用于智能问答***中的标准问的扩展方法和装置 | |
CN113986933A (zh) | 物化视图的创建方法、装置、存储介质及电子设备 | |
JP2021064348A (ja) | ユーザークリックモデルのトレーニング方法、装置、電子機器、及び記憶媒体 | |
WO2016183936A1 (zh) | 一种应用程序图标排列方法、装置、移动终端及存储介质 | |
CN105225121A (zh) | 一种实现o2o全自动服装定制的方法与*** | |
KR100452086B1 (ko) | 카테고리 별 키워드의 입력 순위를 제공하기 위한 검색서비스 시스템 및 그 방법 | |
CN113010312A (zh) | 一种超参数调优方法、装置及存储介质 | |
US20190318008A1 (en) | Media selection based on learning past behaviors | |
CN1619565A (zh) | 活动议程 | |
CN109977285A (zh) | 一种面向Deep Web的自适应增量数据采集方法 | |
Sediyono et al. | Software requirement specification of intelligent system for monitoring and preventing smartphone addiction | |
KR20130071829A (ko) | 콘텐츠 검색 서비스를 제공하는 방법, 검색 서버 및 이를 포함하는 검색 시스템 | |
WO2019070244A1 (en) | DATA STRUCTURE INTERROGATIONS TO MANAGE LOADING TIME IN MULTIMEDIA CONTENT | |
CN104123307A (zh) | 数据加载方法及*** | |
CN111309674A (zh) | 由移动计算设备进行文件管理的***和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |