CN117059229A - 糖尿病配餐方案生成方法、装置、电子设备以及存储介质 - Google Patents
糖尿病配餐方案生成方法、装置、电子设备以及存储介质 Download PDFInfo
- Publication number
- CN117059229A CN117059229A CN202311298360.XA CN202311298360A CN117059229A CN 117059229 A CN117059229 A CN 117059229A CN 202311298360 A CN202311298360 A CN 202311298360A CN 117059229 A CN117059229 A CN 117059229A
- Authority
- CN
- China
- Prior art keywords
- diabetes
- text data
- information
- user
- scheme
- 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.)
- Pending
Links
- 206010012601 diabetes mellitus Diseases 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012549 training Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 235000019577 caloric intake Nutrition 0.000 claims abstract description 11
- 235000013305 food Nutrition 0.000 claims description 58
- 239000000463 material Substances 0.000 claims description 37
- 235000012054 meals Nutrition 0.000 claims description 32
- 208000024891 symptom Diseases 0.000 claims description 20
- 235000005911 diet Nutrition 0.000 claims description 16
- 230000037213 diet Effects 0.000 claims description 16
- 235000021152 breakfast Nutrition 0.000 claims description 10
- 235000021158 dinner Nutrition 0.000 claims description 10
- 235000021156 lunch Nutrition 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 230000007170 pathology Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 235000014633 carbohydrates Nutrition 0.000 description 6
- 150000001720 carbohydrates Chemical class 0.000 description 6
- 102000004169 proteins and genes Human genes 0.000 description 5
- 108090000623 proteins and genes Proteins 0.000 description 5
- 240000006108 Allium ampeloprasum Species 0.000 description 3
- 235000005254 Allium ampeloprasum Nutrition 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 235000013336 milk Nutrition 0.000 description 3
- 239000008267 milk Substances 0.000 description 3
- 210000004080 milk Anatomy 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 206010016946 Food allergy Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 235000013601 eggs Nutrition 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000001072 type 2 diabetes mellitus Diseases 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 235000006286 nutrient intake Nutrition 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Nutrition Science (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Medical Informatics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本公开的实施例提供了一种糖尿病配餐方案生成方法、装置、电子设备以及存储介质，该方法包括：获取第一文本数据；根据所述第一文本数据，通过训练完成的对话模型，得到第一Cypher查询语句；基于所述第一Cypher查询语句，查询构建完成的知识图谱；根据查询结果和糖尿病每日能量摄入计算公式，生成针对用户的糖尿病配餐方案。本公开相比于采用信息化***和知识图谱的方式来说，用户可直接通过对话的方式（例如可以采用通俗的语言）输入信息，即可生成推荐的配餐方案；相比于采用命名实体识别和知识图谱的方式来说，准确度更高。
Description
技术领域
本公开的实施例涉及AI智能领域，尤其涉及一种糖尿病配餐方案生成方法、装置、电子设备以及存储介质。
背景技术
目前糖尿病配餐方案的生成主要有两种办法。一种是采用信息化***和知识图谱来实现的，采用这种方式需要用户一步一步地录入信息，用户友好度不高，而且也没有利用到知识图谱的节点、关系、属性这种数据结构的特性，与传统的数据库无异。另一种是采用命名实体识别和知识图谱来实现，这种方式仅能通过单一要素（例如健康风险、饮食偏好等）进行文本相似度的方式推荐，准确率不高，而且在过程中还需要用户的反复确认，过于繁琐。
发明内容
未解决上述技术问题，本公开的实施例，提供了一种糖尿病配餐方案生成方法、装置、电子设备以及存储介质。
在本公开的第一方面，提供了一种糖尿病配餐方案生成方法，包括：
获取第一文本数据，所述第一文本数据用于描述用户的基本信息、用户的病症信息以及用户的饮食偏好信息；
根据所述第一文本数据，通过训练完成的对话模型，得到第一Cypher查询语句，所述对话模型用于表征所述第一Cypher查询语句和所述第一文本数据的映射关系；
基于所述第一Cypher查询语句，查询构建完成的知识图谱；
根据查询结果和糖尿病每日能量摄入计算公式，生成针对用户的糖尿病配餐方案，所述糖尿病配餐方案包括早餐配餐方案、午餐配餐方案以及晚餐配餐方案。
在一种可能的实现方式中，还包括：
获取第二文本数据，所述第二文本数据用于描述糖尿病人的基本信息、糖尿病人的病症信息以及糖尿病人的饮食偏好信息，以及对应所述第二文本数据的第二Cypher查询语句；
利用所述第二文本数据和所述第二Cypher查询语句训练预训练的语言模型，得到所述对话模型。
在一种可能的实现方式中，还包括：
利用所述第一文本数据和所述第一Cypher查询语句更新所述对话模型。
在一种可能的实现方式中，还包括：
获取食材信息、糖尿病人的基本信息、糖尿病病状及该病状每日含糖食物的摄入量，所述食材信息包括食材名称和食材富含元素的含量；
基于所述食材信息、所述糖尿病人的基本信息、所述糖尿病病状及该病状每日含糖食物的摄入量，构建所述知识图谱。
在一种可能的实现方式中，还包括：
利用所述第一文本数据和所述查询结果更新所述知识图谱。
在本公开的第二方面，提供了一种糖尿病配餐方案生成装置，包括：
第一获取模块，用于获取第一文本数据，所述第一文本数据用于描述用户的基本信息、用户的病症信息以及用户的饮食偏好信息；
对话模块，用于根据所述文本数据，通过训练完成的对话模型，得到第一Cypher查询语句，所述对话模型用于表征所述第一Cypher查询语句和所述第一文本数据的映射关系；
查询模块，用于基于所述第一Cypher查询语句，查询构建完成的知识图谱；
生成模块，用于根据查询结果和糖尿病每日能量摄入计算公式，生成针对用户的糖尿病配餐方案，所述糖尿病配餐方案包括早餐配餐方案、午餐配餐方案以及晚餐配餐方案。
在一种可能的实现方式中，还包括：
第二获取模块，用于获取第二文本数据，所述第二文本数据用于描述糖尿病人的基本信息、糖尿病人的病症信息以及糖尿病人的饮食偏好信息，以及对应所述第二文本数据的第二Cypher查询语句；
训练模块，用于利用所述第二文本数据和所述第二Cypher查询语句训练预训练的语言模型，得到所述对话模型。
在一种可能的实现方式中，还包括：
第一更新模块，用于利用所述第一文本数据和所述第一Cypher查询语句更新所述对话模型。
在一种可能的实现方式中，还包括：
第三获取模块，用于获取食材信息、糖尿病人的基本信息、糖尿病病状及该病状每日含糖食物的摄入量，所述食材信息包括食材名称和食材富含元素的含量；
构建模块，用于基于所述食材信息、所述糖尿病人的基本信息、所述糖尿病病状及该病状每日含糖食物的摄入量，构建所述知识图谱。
在一种可能的实现方式中，还包括：
第二更新模块，用于利用所述第一文本数据和所述查询结果更新所述知识图谱。
在本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如第一方面中任一项所述的糖尿病配餐方案生成方法。
在本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如根据本公开的第一方面中任一项所述的糖尿病配餐方案生成方法。
在本公开实施例提供的糖尿病配餐方案生成方法、装置、电子设备以及存储介质中，基于用于描述用户的基本信息、用户的病症信息以及用户的饮食偏好信息的第一文本数据，通过训练完成的对话模型，能够得到第一Cypher查询语句，并通过第一Cypher查询语句查询构建完成的知识图谱，最后根据查询结果和糖尿病每日能量摄入计算公式来生成糖尿病配餐方案。相比于采用信息化***和知识图谱的方式来说，用户可直接通过对话的方式（例如可以采用通俗的语言）输入信息，即可生成推荐的配餐方案；相比于采用命名实体识别和知识图谱的方式来说，准确度更高。
应当理解，发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：
图1示出了根据本公开的实施例的糖尿病配餐方案生成方法的流程图；
图2示出了根据本公开的实施例的糖尿病配餐方案生成装置的方框图；
图3示出了适于用来实现本公开实施例的电子设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。
为了便于对本公开实施例的理解，首先对本公开实施例所涉及的***架构进行介绍。需要说明的是，本公开实施例描述的***架构以及业务场景是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域普通技术人员可知，随着网络架构的演变和新业务场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。
对于本公开实施例，用于实现糖尿病配餐方案生成方法的***可以包括用户终端和服务器，或者仅包括服务器。
其中，在***包括用户终端和服务器时，用户终端可以提供语音采集及解析功能或文本录入功能，例如，用户可以向用户终端输入语音数据，由用户终端将语音数据转换为文本数据，或者用户直接向用户终端输入文本数据。服务器可以提供基于用户终端发送的文本数据向用户提供配餐方案的功能，例如，向用户提供糖尿病配餐方案。在***仅包括服务器时，用户可直接向服务器输入文本数据，服务器响应于文本数据向用户提供配餐方案，例如，向用户提供糖尿病配餐方案。
其中，用户终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、车载智能终端等，但并不局限于此。服务器可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信等基础云计算服务的云服务器，也可以是本地服务器。对于本公开实施例，用户终端和服务器可以通过有线或无线通信方式进行直接或间接地连接，本公开在此不做限制。
以下对本公开实施例的技术方案的实现细节进行详细阐述。
图1示出了根据本公开的实施例的糖尿病配餐方案生成方法的流程图。在一些实施例中，该糖尿病配餐方案生成方法可以由服务器执行。参见图1，该方法包括以下步骤：
步骤101，获取第一文本数据。
其中，第一文本数据用于描述用户的基本信息、用户的病症信息以及用户的饮食偏好信息。需要注意的是，本公开实施例中对第一文本数据的格式不进行限制，例如，可以用户可以采用日常的聊天方式、习惯（例如，“我是一个工人，身高170cm，体重150斤，男，今年40岁了，30岁的时候得了2型糖尿病，吃海鲜过敏，不吃韭菜，帮我推荐一套食谱”），从而可以提升用户使用的便捷性。
具体地，服务器在获取第一文本数据时，可以存在以下情况：
（1）用户向用户终端输入语音数据，由用户终端将用户输入的语音数据转换为文本数据并发送至服务器。
（2）用户直接向用户终端输入文本数据，由用户终端将用户输入的文本数据发送至服务器。
（3）用户直接向服务器输入文本数据。
需要说明的是，服务器和用户终端之间的连接方式和服务器接收用户输入的接收指令的方式，可以如相关技术中所记载的任意方式，本公开实施例中不做限定。还需要说明的是，用户向用户终端输入语音数据，用户终端在将语音数据转换成文本数据时，可以采用相关技术中所记载的任意方式，本公开实施例中也不做限定。
对于本公开实施例，用户终端在发送文本数据之前，需要对该文本数据进行编码处理。相应地，服务器在接收到该文本数据之后，可以采用相应地解码方式对文本数据进行解码。在本公开实施例中，对文本数据进行编码、解码，可以采用相关技术中的任意方式，本公开实施例中不做限定。
步骤102，根据第一文本数据，通过训练完成的对话模型，得到第一Cypher查询语句。
其中，第一Cypher查询语句的结构可以表示为：
"response":"match(a:病人),(b:身高),(c:体重),(d:`餐谱`),(e:主食),(f:奶类),(g:畜禽肉蛋类),(h:家常菜类),(i:水果类) where a.name=" " and b.value= andc.value= and not h.name contains (' ') return a,b,c,d,e,f,g,h,i"。
例如，用户输入的第一文本数据为：“我是一个工人，身高170cm，体重150斤，男，今年40岁了，30岁的时候得了2型糖尿病，吃海鲜过敏，不吃韭菜，帮我推荐一套食谱”，将第一文本数据输入训练完成的对话模型后，可以得到第一Cypher查询语句如下：
"response":"match(a:病人),(b:身高),(c:体重),(d:`餐谱`),(e:主食),(f:奶类),(g:畜禽肉蛋类),(h:家常菜类),(i:水果类) where a.name="糖尿病人" andb.value=170 and c.value=120 and not h.name contains ('韭菜') return a,b,c,d,e,f,g,h,i"。
对于本公开实施例，对话模型用于表征第一Cypher查询语句和第一文本数据的映射关系。训练完成的对话模型可以采用预训练的语言模型训练得到。例如，采用预训练的GLM大语言模型训练得到对话模型。具体的训练方法将在下文中进行介绍，此处不再赘述。
步骤103，基于第一Cypher查询语句，查询构建完成的知识图谱。
需要说明的是，知识图谱的构建方法，也将在下文中进行介绍，此处不再赘述。
步骤104，根据查询结果和糖尿病每日能量摄入计算公式，生成针对用户的糖尿病配餐方案，糖尿病配餐方案可以包括早餐配餐方案、午餐配餐方案以及晚餐配餐方案。
对于本公开实施例，对糖尿病患者而言，其食物营养成分有比较严格的要求，特别是食物中碳水化合物的含量不能过高，但同时又要保证病人食物能够提供必要的热量，因此可以依据以下糖尿病每日能量摄入计算公式来进行计算：
[年人标准]重：weight=[身高（cm）-105]（kg）；
[童（14]以下儿童）标准体重：weight=[年龄×2+7]（kg）；
体型：（实际体重-weight）/weight=F；
其中，F≤10%，体型消瘦；10%＜F≤15%，体型正常；15%＜F≤20%，体型略胖；20%＞F，体型肥胖；
成年人所需热量：卧床休息：Q（kJ）=weight×20×4.184；轻体力劳动：Q（kJ）=weight×25×4.184；中等体力劳动：Q（kJ）=weight×30×4.184；重体力劳动：Q（kJ）=weight×40×4.184；
儿童所需热量：Q（kJ）=（年龄×100+1000）×4.184；
热量分配：早餐：Q×0.2；中餐：Q×0.4；晚餐：Q×0.4；
营养素分配：蛋白质:脂肪:碳水化合物=25:25:50；
营养需求：蛋白质：（Q×25%）÷4（g）；脂肪：（Q×25%）÷9（g）；碳水化合物：（Q×50%）÷4（g）。
基于查询知识图谱得到的查询结果，并结合上述的糖尿病每日能量摄入计算公式可以得到糖尿病配餐方案。
示例地，假设病人一日三餐的能量需要如下：
早餐：1800×20%=360 kcal；
午餐：1800×40%=720 kcal；
晚餐：1800×40%=720 kcal。
那么，三餐的营养素摄入量如下：
（1）早餐：
蛋白质：（360×25%）÷4=22.5 （g）；
脂肪：（360×25%）÷9=10 （g）；
碳水化合物：（360×50%）÷4=45 （g）；
（2）午餐：
蛋白质：（720×25%）÷4=45 （g）；
脂肪：（720×25%）÷9=20 （g）；
碳水化合物：（720×50%）÷4=90 （g）；
（3）晚餐：
蛋白质：（720×25%）÷4=45 （g）；
脂肪：（720×25%）÷9=20 （g）；
碳水化合物：（720×50%）÷4=90 （g）。
基于查询结果中的食物及食物中所包含的营养素含量，即可生成早餐配餐方案、午餐配餐方案以及晚餐配餐方案。
在本公开实施例提供的糖尿病配餐方案生成方法中，基于用于描述用户的基本信息、用户的病症信息以及用户的饮食偏好信息的第一文本数据，通过训练完成的对话模型，能够得到第一Cypher查询语句，并通过第一Cypher查询语句查询构建完成的知识图谱，最后根据查询结果和糖尿病每日能量摄入计算公式来生成糖尿病配餐方案。相比于采用信息化***和知识图谱的方式来说，用户可直接通过对话的方式（例如可以采用通俗的语言）输入信息，即可生成推荐的配餐方案；相比于采用命名实体识别和知识图谱的方式来说，准确度更高。
以下对本公开实施例的对话模型的训练和知识图谱的构建的实现细节进行详细阐述。
在训练对话模型时，首先需要获取第二文本数据和对应第二文本数据的第二Cypher查询语句，然后利用第二文本数据和与其对应的第二Cypher查询语句来训练预训练的语言模型，得到对话模型。其中，第二文本数据用于描述糖尿病人的基本信息、糖尿病人的病症信息以及糖尿病人的饮食偏好信息。
需要说明的是，第二文本数据可以采用第一文本的获取方式，也可以从互联网下载采用已有的数据集。
在一种可实现的方式中，预训练的语言模型可以采用预训练的GLM大语言模型，GLM大语言模型中采用transformer编码器能够将自回归和自编码两种预训练模型相结合，能够更好地应用于结合上下文的、基于知识库的文本生成任务。
利用transformer编码器，将第二文本数据作为输入，将对应第二文本数据的第二Cypher查询语句作为输出，通过LoRA模式进行微调训练，即可得到所述对话模型。
但是，由于针对于糖尿病人的食谱中的某些参数不断在更新或修改，已经训练完成的模型可能并不能够适应新的要求。因此，可以将第一文本数据和第二文本数据，相应的第一Cypher查询语句和第二Cypher查询语句，共同作为训练样本，再次训练训练完成的对话模型，以实现对对话模型的更新。当然，也可以单独采用第一文本数据和其对应的第一Cypher查询语句来训练训练完成的对话模型，来实现对话模型的更新。
在构建知识图谱时，首先需要获取食材信息、糖尿病人的基本信息、糖尿病病状及该病状每日含糖食物的摄入量。其中，食材信息包括食材名称和食材富含元素的含量。然后基于食材信息、糖尿病人的基本信息、糖尿病病状及该病状每日含糖食物的摄入量，构建知识图谱。
具体地，首先，可以将各种食材（例如谷物类食材、蔬菜类食材、水果类食材、奶类食材等）分门别类地录入到图谱中，录入的信息可以包括食材的名称、食材富含的各种元素每100克的含量等；其次，将各种糖尿病病状及该病状每日食谱要求（例如每日含糖食物的摄入量）录入到图谱中；最后，将不同类别的人员信息（例如性别、年龄、身高、体重等影响饮食的因素）录入图谱中，形成所述知识图谱。
与对话模型类似，由于针对于糖尿病人的食谱中的某些参数不断在更新或修改，已经训练完成的知识图谱可能并不能够适应新的要求。因此，可以利用第一文本数据和查询结果来更新所述知识图谱。当然，也可以从互联网下载相关的数据来更新所述知识图谱。需要说明的是，更新所述知识图谱的方式可以和构建所述知识图谱的方式相同，即将新的数据录入到图谱中，或者修改已经录入到图谱中的数据即可。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。
图2示出了根据本公开的实施例的糖尿病配餐方案生成装置的方框图。在一些实施例中，该糖尿病配餐方案生成装置可以被包括在上述的服务器中或者被实现为上述的服务器。参见图2，该装置包括第一获取模块201、对话模块202、查询模块203以及生成模块204。其中：
第一获取模块201，用于获取第一文本数据，所述第一文本数据用于描述用户的基本信息、用户的病症信息以及用户的饮食偏好信息。
对话模块202，用于根据所述文本数据，通过训练完成的对话模型，得到第一Cypher查询语句，所述对话模型用于表征所述第一Cypher查询语句和所述第一文本数据的映射关系。
查询模块203，用于基于所述第一Cypher查询语句，查询构建完成的知识图谱。
生成模块204，用于根据查询结果和糖尿病每日能量摄入计算公式，生成针对用户的糖尿病配餐方案，所述糖尿病配餐方案包括早餐配餐方案、午餐配餐方案以及晚餐配餐方案。
在一些实施例中，该糖尿病配餐方案生成装置还包括第二获取模块和训练模块。其中，第二获取模块用于获取第二文本数据，所述第二文本数据用于描述糖尿病人的基本信息、糖尿病人的病症信息以及糖尿病人的饮食偏好信息，以及对应所述第二文本数据的第二Cypher查询语句；训练模块用于利用所述第二文本数据和所述第二Cypher查询语句训练预训练的语言模型，得到所述对话模型。
在一些实施例中，该糖尿病配餐方案生成装置还包括第一更新模块，第一更新模块用于利用所述第一文本数据和所述第一Cypher查询语句更新所述对话模型。
在一些实施例中，该糖尿病配餐方案生成装置还包括第三获取模块和构建模块。其中，第三获取模块，用于获取食材信息、糖尿病人的基本信息、糖尿病病状及该病状每日含糖食物的摄入量，所述食材信息包括食材名称和食材富含元素的含量；构建模块，用于基于所述食材信息、所述糖尿病人的基本信息、所述糖尿病病状及该病状每日含糖食物的摄入量，构建所述知识图谱。
在一些实施例中，该糖尿病配餐方案生成装置还包括第二更新模块，第二更新模块用于利用所述第一文本数据和所述查询结果更新所述知识图谱。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本公开实施例中还提供了一种电子设备，如图3所示，图3所示的电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本公开实施例的限定。
处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本公开公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本公开方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
本公开实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本公开的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本公开原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本公开的保护范围。
Claims (10)
1.一种糖尿病配餐方案生成方法，其特征在于，包括：
获取第一文本数据，所述第一文本数据用于描述用户的基本信息、用户的病症信息以及用户的饮食偏好信息；
根据所述第一文本数据，通过训练完成的对话模型，得到第一Cypher查询语句，所述对话模型用于表征所述第一Cypher查询语句和所述第一文本数据的映射关系；
基于所述第一Cypher查询语句，查询构建完成的知识图谱；
根据查询结果和糖尿病每日能量摄入计算公式，生成针对用户的糖尿病配餐方案，所述糖尿病配餐方案包括早餐配餐方案、午餐配餐方案以及晚餐配餐方案。
2.根据权利要求1所述的方法，其特征在于，还包括：
获取第二文本数据，所述第二文本数据用于描述糖尿病人的基本信息、糖尿病人的病症信息以及糖尿病人的饮食偏好信息，以及对应所述第二文本数据的第二Cypher查询语句；
利用所述第二文本数据和所述第二Cypher查询语句训练预训练的语言模型，得到所述对话模型。
3.根据权利要求2所述的方法，其特征在于，还包括：
利用所述第一文本数据和所述第一Cypher查询语句更新所述对话模型。
4.根据权利要求1所述的方法，其特征在于，还包括：
获取食材信息、糖尿病人的基本信息、糖尿病病状及该病状每日含糖食物的摄入量，所述食材信息包括食材名称和食材富含元素的含量；
基于所述食材信息、所述糖尿病人的基本信息、所述糖尿病病状及该病状每日含糖食物的摄入量，构建所述知识图谱。
5.根据权利要求4所述的方法，其特征在于，还包括：
利用所述第一文本数据和所述查询结果更新所述知识图谱。
6.一种糖尿病配餐方案生成装置，其特征在于，包括：
第一获取模块，用于获取第一文本数据，所述第一文本数据用于描述用户的基本信息、用户的病症信息以及用户的饮食偏好信息；
对话模块，用于根据所述文本数据，通过训练完成的对话模型，得到第一Cypher查询语句，所述对话模型用于表征所述第一Cypher查询语句和所述第一文本数据的映射关系；
查询模块，用于基于所述第一Cypher查询语句，查询构建完成的知识图谱；
生成模块，用于根据查询结果和糖尿病每日能量摄入计算公式，生成针对用户的糖尿病配餐方案，所述糖尿病配餐方案包括早餐配餐方案、午餐配餐方案以及晚餐配餐方案。
7.根据权利要求6所述的装置，其特征在于，还包括：
第二获取模块，用于获取第二文本数据，所述第二文本数据用于描述糖尿病人的基本信息、糖尿病人的病症信息以及糖尿病人的饮食偏好信息，以及对应所述第二文本数据的第二Cypher查询语句；
训练模块，用于利用所述第二文本数据和所述第二Cypher查询语句训练预训练的语言模型，得到所述对话模型。
8.根据权利要求6所述的装置，其特征在于，还包括：
第三获取模块，用于获取食材信息、糖尿病人的基本信息、糖尿病病状及该病状每日含糖食物的摄入量，所述食材信息包括食材名称和食材富含元素的含量；
构建模块，用于基于所述食材信息、所述糖尿病人的基本信息、所述糖尿病病状及该病状每日含糖食物的摄入量，构建所述知识图谱。
9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的糖尿病配餐方案生成方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的糖尿病配餐方案生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311298360.XA CN117059229A (zh) | 2023-10-09 | 2023-10-09 | 糖尿病配餐方案生成方法、装置、电子设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311298360.XA CN117059229A (zh) | 2023-10-09 | 2023-10-09 | 糖尿病配餐方案生成方法、装置、电子设备以及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117059229A true CN117059229A (zh) | 2023-11-14 |
Family
ID=88653889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311298360.XA Pending CN117059229A (zh) | 2023-10-09 | 2023-10-09 | 糖尿病配餐方案生成方法、装置、电子设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117059229A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117371973A (zh) * | 2023-12-06 | 2024-01-09 | 武汉科技大学 | 基于知识图谱检索增强的语言模型毕业生就业服务*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033135A (zh) * | 2018-06-06 | 2018-12-18 | 北京大学 | 一种面向软件项目知识图谱的自然语言查询方法及*** |
| CN109243580A (zh) * | 2018-11-01 | 2019-01-18 | 广州仁生健康科技有限公司 | 一种降血糖的智能营养配餐***及饮食管理方法 |
| CN111177411A (zh) * | 2019-12-27 | 2020-05-19 | 赣州市智能产业创新研究院 | 一种基于nlp的知识图谱构建方法 |
| CN112528008A (zh) * | 2020-12-07 | 2021-03-19 | 北京健康有益科技有限公司 | 一种基于知识图谱的糖尿病患者配餐方法及装置 |
| CN113505243A (zh) * | 2021-07-29 | 2021-10-15 | 深圳万海思数字医疗有限公司 | 基于医疗知识图谱的智能问答方法和装置 |
| CN116127013A (zh) * | 2022-12-13 | 2023-05-16 | 中国网络空间研究院 | 一种个人敏感信息知识图谱查询方法和装置 |
-
2023
- 2023-10-09 CN CN202311298360.XA patent/CN117059229A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033135A (zh) * | 2018-06-06 | 2018-12-18 | 北京大学 | 一种面向软件项目知识图谱的自然语言查询方法及*** |
| CN109243580A (zh) * | 2018-11-01 | 2019-01-18 | 广州仁生健康科技有限公司 | 一种降血糖的智能营养配餐***及饮食管理方法 |
| CN111177411A (zh) * | 2019-12-27 | 2020-05-19 | 赣州市智能产业创新研究院 | 一种基于nlp的知识图谱构建方法 |
| CN112528008A (zh) * | 2020-12-07 | 2021-03-19 | 北京健康有益科技有限公司 | 一种基于知识图谱的糖尿病患者配餐方法及装置 |
| CN113505243A (zh) * | 2021-07-29 | 2021-10-15 | 深圳万海思数字医疗有限公司 | 基于医疗知识图谱的智能问答方法和装置 |
| CN116127013A (zh) * | 2022-12-13 | 2023-05-16 | 中国网络空间研究院 | 一种个人敏感信息知识图谱查询方法和装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117371973A (zh) * | 2023-12-06 | 2024-01-09 | 武汉科技大学 | 基于知识图谱检索增强的语言模型毕业生就业服务*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Haussmann et al. | FoodKG: a semantics-driven knowledge graph for food recommendation | |
| Eftimov et al. | StandFood: standardization of foods using a semi-automatic system for classifying and describing foods according to FoodEx2 | |
| EP3963598A1 (en) | Method and system for optimized foods using biomarker data and fitting models | |
| US20200097814A1 (en) | Method and system for enabling interactive dialogue session between user and virtual medical assistant | |
| CN110580278B (zh) | 根据用户画像的个性化搜索方法、***、设备及存储介质 | |
| CN111883230B (zh) | 饮食数据的生成方法及装置、存储介质和电子装置 | |
| CN117059229A (zh) | 糖尿病配餐方案生成方法、装置、电子设备以及存储介质 | |
| US20220399098A1 (en) | Diet recommendation method, device, storage medium and electronic device | |
| US20120183932A1 (en) | Location-Aware Nutrition Management | |
| CN110569349B (zh) | 基于大数据的患教文章推送方法、***、设备及存储介质 | |
| Sundaravadivel et al. | Smart-log: An automated, predictive nutrition monitoring system for infants through the IoT | |
| CN114491072A (zh) | 一种中医数据处理***、方法、存储介质及终端 | |
| CN110706783A (zh) | 食谱推荐方法、装置、计算设备及计算机存储介质 | |
| Penkler et al. | Diagnostic narratives: Creating visions of Austrian society in print media accounts of obesity | |
| Hinojosa-Nogueira et al. | Stance4Health nutritional APP: a path to personalized smart nutrition | |
| CN106845081A (zh) | 提供健康饮食指导的机器人装置 | |
| CN115809755B (zh) | 基于语义识别的碳排放核算方法、设备及存储介质 | |
| CN117253629A (zh) | 导医信息推送方法、装置、设备、介质和计算机程序产品 | |
| Topf et al. | Got CKD? There's an app for that! | |
| Potter et al. | Healthicization and lay knowledge about eating practices in two African American communities | |
| Gaur | A class of k-sample distribution-free tests for location against ordered alternatives | |
| CN114388102A (zh) | 饮食推荐方法及装置和电子设备 | |
| CN112735562A (zh) | 饮食推荐方法、装置、电子设备及存储介质 | |
| Hsu et al. | Personal health management on a smartphone platform | |
| Benítez-Guijarro et al. | Introducing computational semantics for natural language understanding in conversational nutrition coaches for healthy eating |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |