一种高血压糖尿病人群的全民健身模型开发方法

技术领域

本发明涉及知识图谱领域，具体是一种高血压糖尿病人群的“全民健身”模型开发方法。

背景技术

2012年5月17日，Google正式提出了知识图谱的概念，知识图谱是一种揭示实体之间关系的语义网络，可以对现实世界的事物及其相互关系进行形式化地描述，用来泛指各种大规模的知识库。知识图谱和知识库同样都能够支持知识的搜索引擎功能，但知识图谱不仅仅去寻找关键词，在知识库中检索相应的实体之后，给出完整的知识体系；而是能够首先进行语义的理解，识别近义词、逻辑条件限定来查询目标知识并与知识库进行匹配，更能够在语义学习和理解的基础上，识别对话场景下的目标知识需求，具备能够以准确简洁的自然语言为用户提供问题的解答，这种问答系统是提供知识服务的一种高级形式，使得机器更智能，与人能够对话交互。

目前，在医学方面知识图谱有很多探索，形成了一系列的应用和相关技术。在体育领域，知识图谱主要用于分析加工研究文献，探讨了体育学科研究的前沿动态、发展趋势及发展脉络。在医学领域，知识图谱的研究和应用成果较多，根据袁凯琦等人的研究结果表明，目前医学知识图谱具体应用主要包括以下三大类：医疗信息搜索引擎、医疗问答系统和医疗决策支持系统。目前，尚无专门针对高血压人群健身活动指导的知识图谱模型，因此，本领域技术人员提供了一种高血压糖尿病人群的“全民健身”模型开发方法，以解决上述背景技术中提出的问题。

发明内容

本发明的目的在于提供一种高血压糖尿病人群的“全民健身”模型开发方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种高血压糖尿病人群的“全民健身”模型开发方法，包括如下步骤：

A收集知识资料：全面的收集高血压/糖尿病的从疾病病因和临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等完整的知识资料；

B整理和建立初步的知识图谱模型：采用自动OCR技术处理上述知识资料，然后使用文本挖掘的技术建立初步的RDF知识图谱模型，以及重要知识内容知识卡片；

C指导方案核定：进一步梳理出和相应疾病特征、身体状况特征、健身要求特征、健身运动方案等关键词相关联的运动方案，并由权威机构和专家拟定和审核的健身方案，核定给出的相应的运动方案建议知识卡片；

D拓展知识图谱模型：进一步抽取所有知识图谱模型和知识卡片中的检索关键词、检索问答方案等，按知识之间的关联方式关联起来，整体扩充知识图谱模型；

E搜索响应建模：根据用户“查询搜索-浏览结果”之间的关联，使用人工智能和机器学习的方法，建立起知识查询响应模型，用以进一步辅助提高查询搜索和知识问答方案的响应结果，形成闭环的自动迭代优化的响应模型。

作为本发明进一步的方案：所述步骤A中在原始基础知识资料收集环节，就全面地收集整理了：针对高血压、糖尿病人群的从疾病病因、病理，到临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等一系列完整的知识资料，特别的，全民健身活动相关资料包含：全民健身的科学原理、全民健身的具体项目或锻炼方式、全民健身的运动损伤防治、有关康复治疗的健身活动、全民健身效果的测量与评价、全民健身活动的组织与开展、全民健身场地与器材设施等七个方面。

作为本发明进一步的方案：所述步骤C中在开发知识图谱的过程中，进一步增加补充由权威机构和专家拟定和审核的健身方案，核定建立的相应的运动方案建议知识卡片，特别的，重要的两种疾病相关的健身运动指导方案，全部经过权威机构的科研人员拟定和经过权威机构的专家审核，因此，不同于简单地从海量文本资料里汇总抽取知识得到的知识图谱。

作为本发明进一步的方案：所述步骤D中根据关键词相关联的知识内容梳理出和相应疾病特征、年龄性别身体状况特征、健身目的和要求特征、健身运动方案等知识，以及指导功能方面所包括的运动类型的基本知识、新兴休闲体育项目、社会体育指导员的工作开展、群众性体育活动的组织和管理等等内容，能够实现在查询检索时，针对运动类型和运动方案的选择、对运动的强度时长频次耐力速度和灵活性等方面的要求、运动注意和禁忌事项、高血压相关的运动损伤防治等等方面，实现区分不同人群和需求特征进行有针对性地综合信息指导。

作为本发明进一步的方案：所述步骤E中的处理过程，根据用户“查询搜索-浏览结果”之间的关联，使用人工智能和机器学习的方法，建立起知识查询响应模型，根据用户实际检索和浏览的结果进行标注和调整知识优先级，用以进一步辅助提高查询搜索和知识问答方案的响应效果，形成闭环的自动迭代优化的响应模型。

作为本发明进一步的方案：所述步骤E的处理过程中，根据用户反复检索才能得到的知识，以及在反复检索后直接跳出，从而被系统认定为未能检索到知识的情况进行人工处理，根据检索词的调整和检索逻辑，人工对知识图谱从衔接点开始进行逐渐扩展或细化地增补知识。

与现有技术相比，本发明的有益效果是：

本发明中，发明的知识图谱内容来源资料广泛，全面包括了从高血压/糖尿病两种疾病的病因、疾病的细分分类、疾病的临床表现、疾病的药物治疗、疾病的饮食治疗、疾病的运动疗法、疾病的康复和预防，到全民健身指导等知识内容资料。在本发明中这些知识密切相关，组织成一个有机的整体，具备知识完整性和全面性的特点，不但拓宽了服务面，也能保证有针对性的疑问能够检索得到系统性的知识；本发明在技术方法上使用一系列先进的人工智能机器学习的方法：通过自动OCR技术的处理海量资料、和通过文本挖掘的方法建立知识与知识之间的RDF模型、以及通过人工智能机器学习的方法逐渐增补知识，并根据用户实际检索和浏览的结果进行标注和调整知识优先级等等。这些方法和技术的应用，使得能够快速半自动地处理海量知识资料，并使得得到的知识图谱具备自行逐步调整优化的能力；3、高血压/糖尿病两种疾病相关的健身运动指导方案，全部经过权威机构的科研人员拟定和经过权威机构的专家审核，具有科学性和权威性。

附图说明

图1为本发明提供的知识图谱建模开发步骤示意图；

图2为本发明提供的图谱信息模型的核心逻辑示意图；

图3为本发明知识图谱按树状示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-3，本发明提供一种技术方案：一种高血压糖尿病人 群的“全民健身”模型开发方法，包括如下步骤：

A收集知识资料：全面的收集高血压/糖尿病的从疾病病因和临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等完整的知识资料；

B整理和建立初步的知识图谱模型：采用自动OCR技术处理上述知识资料，然后使用文本挖掘的技术建立初步的RDF知识图谱模型，以及重要知识内容知识卡片，同时，进一步利用机器学习算法给关键词提炼出重要知识内容的解释说明进行智能摘要，形成知识卡片。例如实体识别部分，如果采用传统方法有(HMM(隐马尔科夫模型)CRF(条件随机场)SVM、最大熵分类模型等方法进行处理。还采用深度学习等技术，该方法构建多类型多模态上下文及知识的统一表示，并建模不同信息、不同证据之间的相互交互通过将不同类型的信息映射到相同的特征空间，并提供高效的端到端的训练算法。包括多源异构证据的向量表示学习、以及不同证据之间相似度的学习等工作；

C指导方案核定：进一步梳理出和相应疾病特征、身体状况特征、健身要求特征、健身运动方案等关键词相关联的运动方案，并由权威机构和专家拟定和审核的健身方案，核定给出的相应的运动方案建议知识卡片；

D拓展知识图谱模型：进一步抽取所有知识图谱模型和知识卡片中的检索关键词、检索问答方案等，按知识之间的关联方式关联起来，整体扩充知识图谱模型；

E搜索响应建模：根据用户“查询搜索-浏览结果”之间的关联，使用人工智能和机器学习的方法，建立起知识查询响应模型，根据用户实际检索和浏览的结果进行标注和调整知识优先级，用以进一步辅助提高查询搜索和知识问答方案的响应效果，形成闭环的自动迭代优化的响应模型。并根据用户反复检索才能得到的知识，以及在反复检索后直接跳出，从而被系统认定为未能检索到知识的情况进行人工处理，根据检索词的调整和检索逻辑，人工对知识图谱从衔接点开始进行逐渐扩展或细化地增补知识。

实施例一：

首先全面的收集高血压/糖尿病的从疾病病因和临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等完整的知识资料；然后采用自动OCR技术处理上述知识资料，然后使用文本挖掘的技术建立初步的RDF知识图谱模型，以及重要知识内容知识卡片；然后进一步梳理出和相应疾病特征、身体状况特征、健身要求特征、健身运动方案等关键词相关联的运动方案，并由权威机构和专家拟定和审核的健身方案，核定给出的相应的运动方案建议知识卡片；然后进一步抽取所有知识图谱模型和知识卡片中的检索关键词、检索问答方案等，按知识之间的关联方式关联起来，整体扩充知识图谱模型。

实施例二：

在实施例一中，再加上下述步骤：

步骤A中在原始基础知识资料收集环节，就全面地收集整理了：针对高血压、糖尿病人群的从疾病病因、病理，到临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等一系列完整的知识资料，特别的，全民健身活动相关资料包含：全民健身的科学原理、全民健身的具体项目或锻炼方式、全民健身的运动损伤防治、有关康复治疗的健身活动、全民健身效果的测量与评价、全民健身活动的组织与开展、全民健身场地与器材设施等七个方面。

首先全面的收集高血压/糖尿病的从疾病病因和临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等完整的知识资料，在原始基础知识资料收集环节，就全面地收集整理了：针对高血压、糖尿病人群的从疾病病因、病理，到临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等一系列完整的知识资料，特别的，全民健身活动相关资料包含：全民健身的科学原理、全民健身的具体项目或锻炼方式、全民健身的运动损伤防治、有关康复治疗的健身活动、全民健身效果的测量与评价、全民健身活动的组织与开展、全民健身场地与器材设施等七个方面；然后采用自动OCR技术处理上述知识资料，然后使用文本挖掘的技术建立初步的RDF知识图谱模型，以及重要知识内容知识卡片；然后进一步梳理出和相应疾病特征、身体状况特征、健身要求特征、健身运动方案等关键词相关联的运动方案，并由权威机构和专家拟定和审核的健身方案，核定给出的相应的运动方案建议知识卡片；然后进一步抽取所有知识图谱模型和知识卡片中的检索关键词、检索问答方案等，按知识之间的关联方式关联起来，整体扩充知识图谱模型；最后根据用户“查询搜索-浏览结果”之间的关联，使用人工智能和机器学习的方法，建立起知识查询响应模型，用以进一步辅助提高查询搜索和知识问答方案的响应结果，形成闭环的自动迭代优化的响应模型。

实施例三：

在实施例二中，加入上下述步骤：

步骤C中在开发知识图谱的过程中，进一步增加补充由权威机构和专家拟定和审核的健身方案，核定建立的相应的运动方案建议知识卡片，特别的，重要的两种疾病相关的健身运动指导方案，全部经过权威机构的科研人员拟定和经过权威机构的专家审核，因此，不同于简单地从海量文本资料里汇总抽取知识得到的知识图谱。

首先全面的收集高血压/糖尿病的从疾病病因和临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等完整的知识资料，在原始基础知识资料收集环节，就全面地收集整理了：针对高血压、糖尿病人群的从疾病病因、病理，到临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等一系列完整的知识资料，特别的，全民健身活动相关资料包含：全民健身的科学原理、全民健身的具体项目或锻炼方式、全民健身的运动损伤防治、有关康复治疗的健身活动、全民健身效果的测量与评价、全民健身活动的组织与开展、全民健身场地与器材设施等七个方面；然后采用自动OCR技术处理上述知识资料，然后使用文本挖掘的技术建立初步的RDF知识图谱模型，以及重要知识内容知识卡片；然后进一步梳理出和相应疾病特征、身体状况特征、健身要求特征、健身运动方案等关键词相关联的运动方案，并由权威机构和专家拟定和审核的健身方案，核定给出的相应的运动方案建议知识卡片，在开发知识图谱的过程中，进一步增加补充由权威机构和专家拟定和审核的健身方案，核定建立的相应的运动方案建议知识卡片，特别的，重要的两种疾病相关的健身运动指导方案，全部经过权威机构的科研人员拟定和经过权威机构的专家审核，因此，不同于简单地从海量文本资料里汇总抽取知识得到的知识图谱；然后进一步抽取所有知识图谱模型和知识卡片中的检索关键词、检索问答方案等，按知识之间的关联方式关联起来，整体扩充知识图谱模型；最后根据用户“查询搜索-浏览结果”之间的关联，使用人工智能和机器学习的方法，建立起知识查询响应模型，用以进一步辅助提高查询搜索和知识问答方案的响应结果，形成闭环的自动迭代优化的响应模型。

实施例四：

在实施例三中，再加上下述步骤：

步骤D中根据关键词相关联的知识内容梳理出和相应疾病特征、年龄性别身体状况特征、健身目的和要求特征、健身运动方案等知识，以及指导功能方面所包括的运动类型的基本知识、新兴休闲体育项目、社会体育指导员的工作开展、群众性体育活动的组织和管理等等内容，能够实现在查询检索时，针对运动类型和运动方案的选择、对运动的强度时长频次耐力速度和灵活性等方面的要求、运动注意和禁忌事项、高血压相关的运动损伤防治等等方面，实现区分不同人群和需求特征进行有针对性地综合信息指导。

首先全面的收集高血压/糖尿病的从疾病病因和临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等完整的知识资料，在原始基础知识资料收集环节，就全面地收集整理了：针对高血压、糖尿病人群的从疾病病因、病理，到临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等一系列完整的知识资料，特别的，全民健身活动相关资料包含：全民健身的科学原理、全民健身的具体项目或锻炼方式、全民健身的运动损伤防治、有关康复治疗的健身活动、全民健身效果的测量与评价、全民健身活动的组织与开展、全民健身场地与器材设施等七个方面；然后采用自动OCR技术处理上述知识资料，然后使用文本挖掘的技术建立初步的RDF知识图谱模型，以及重要知识内容知识卡片；然后进一步梳理出和相应疾病特征、身体状况特征、健身要求特征、健身运动方案等关键词相关联的运动方案，并由权威机构和专家拟定和审核的健身方案，核定给出的相应的运动方案建议知识卡片，在开发知识图谱的过程中，进一步增加补充由权威机构和专家拟定和审核的健身方案，核定建立的相应的运动方案建议知识卡片，特别的，重要的两种疾病相关的健身运动指导方案，全部经过权威机构的科研人员拟定和经过权威机构的专家审核，因此，不同于简单地从海量文本资料里汇总抽取知识得到的知识图谱；然后进一步抽取所有知识图谱模型和知识卡片中的检索关键词、检索问答方案等，按知识之间的关联方式关联起来，整体扩充知识图谱模型，根据关键词相关联的知识内容梳理出和相应疾病特征、年龄性别身体状况特征、健身目的和要求特征、健身运动方案等知识，以及指导功能方面所包括的运动类型的基本知识、新兴休闲体育项目、社会体育指导员的工作开展、群众性体育活动的组织和管理等等内容，能够实现在查询检索时，针对运动类型和运动方案的选择、对运动的强度时长频次耐力速度和灵活性等方面的要求、运动注意和禁忌事项、高血压相关的运动损伤防治等等方面，实现区分不同人群和需求特征进行有针对性地综合信息指导；最后根据用户“查询搜索-浏览结果”之间的关联，使用人工智能和机器学习的方法，建立起知识查询响应模型，用以进一步辅助提高查询搜索和知识问答方案的响应结果，形成闭环的自动迭代优化的响应模型。

实施例五：

在实施例四中，再加上下述步骤：

步骤E中的处理过程，根据用户“查询搜索-浏览结果”之间的关联，使用人工智能和机器学习的方法，建立起知识查询响应模型，根据用户实际检索和浏览的结果进行标注和调整知识优先级，用以进一步辅助提高查询搜索和知识问答方案的响应效果，形成闭环的自动迭代优化的响应模型。

首先全面的收集高血压/糖尿病的从疾病病因和临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等完整的知识资料，在原始基础知识资料收集环节，就全面地收集整理了：针对高血压、糖尿病人群的从疾病病因、病理，到临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等一系列完整的知识资料，特别的，全民健身活动相关资料包含：全民健身的科学原理、全民健身的具体项目或锻炼方式、全民健身的运动损伤防治、有关康复治疗的健身活动、全民健身效果的测量与评价、全民健身活动的组织与开展、全民健身场地与器材设施等七个方面；然后采用自动OCR技术处理上述知识资料，然后使用文本挖掘的技术建立初步的RDF知识图谱模型，以及重要知识内容知识卡片；然后进一步梳理出和相应疾病特征、身体状况特征、健身要求特征、健身运动方案等关键词相关联的运动方案，并由权威机构和专家拟定和审核的健身方案，核定给出的相应的运动方案建议知识卡片，在开发知识图谱的过程中，进一步增加补充由权威机构和专家拟定和审核的健身方案，核定建立的相应的运动方案建议知识卡片，特别的，重要的两种疾病相关的健身运动指导方案，全部经过权威机构的科研人员拟定和经过权威机构的专家审核，因此，不同于简单地从海量文本资料里汇总抽取知识得到的知识图谱；然后进一步抽取所有知识图谱模型和知识卡片中的检索关键词、检索问答方案等，按知识之间的关联方式关联起来，整体扩充知识图谱模型，根据关键词相关联的知识内容梳理出和相应疾病特征、年龄性别身体状况特征、健身目的和要求特征、健身运动方案等知识，以及指导功能方面所包括的运动类型的基本知识、新兴休闲体育项目、社会体育指导员的工作开展、群众性体育活动的组织和管理等等内容，能够实现在查询检索时，针对运动类型和运动方案的选择、对运动的强度时长频次耐力速度和灵活性等方面的要求、运动注意和禁忌事项、高血压相关的运动损伤防治等等方面，实现区分不同人群和需求特征进行有针对性地综合信息指导；最后根据用户“查询搜索-浏览结果”之间的关联，使用人工智能和机器学习的方法，建立起知识查询响应模型，用以进一步辅助提高查询搜索和知识问答方案的响应结果，形成闭环的自动迭代优化的响应模型，根据用户“查询搜索-浏览结果”之间的关联，使用人工智能和机器学习的方法，建立起知识查询响应模型，根据用户实际检索和浏览的结果进行标注和调整知识优先级，用以进一步辅助提高查询搜索和知识问答方案的响应效果，形成闭环的自动迭代优化的响应模型。

实施例六：

在实施例五中，再加上下述步骤：

步骤E的处理过程中，根据用户反复检索才能得到的知识，以及在反复检索后直接跳出，从而被系统认定为未能检索到知识的情况进行人工处理，根据检索词的调整和检索逻辑，人工对知识图谱从衔接点开始进行逐渐扩展或细化地增补知识。

首先全面的收集高血压/糖尿病的从疾病病因和临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等完整的知识资料，在原始基础知识资料收集环节，就全面地收集整理了：针对高血压、糖尿病人群的从疾病病因、病理，到临床医疗、饮食治疗、运动治疗、运动康复、减重和预防、体育运动、全民健身指导等一系列完整的知识资料，特别的，全民健身活动相关资料包含：全民健身的科学原理、全民健身的具体项目或锻炼方式、全民健身的运动损伤防治、有关康复治疗的健身活动、全民健身效果的测量与评价、全民健身活动的组织与开展、全民健身场地与器材设施等七个方面；然后采用自动OCR技术处理上述知识资料，然后使用文本挖掘的技术建立初步的RDF知识图谱模型，以及重要知识内容知识卡片；然后进一步梳理出和相应疾病特征、身体状况特征、健身要求特征、健身运动方案等关键词相关联的运动方案，并由权威机构和专家拟定和审核的健身方案，核定给出的相应的运动方案建议知识卡片，在开发知识图谱的过程中，进一步增加补充由权威机构和专家拟定和审核的健身方案，核定建立的相应的运动方案建议知识卡片，特别的，重要的两种疾病相关的健身运动指导方案，全部经过权威机构的科研人员拟定和经过权威机构的专家审核，因此，不同于简单地从海量文本资料里汇总抽取知识得到的知识图谱；然后进一步抽取所有知识图谱模型和知识卡片中的检索关键词、检索问答方案等，按知识之间的关联方式关联起来，整体扩充知识图谱模型，根据关键词相关联的知识内容梳理出和相应疾病特征、年龄性别身体状况特征、健身目的和要求特征、健身运动方案等知识，以及指导功能方面所包括的运动类型的基本知识、新兴休闲体育项目、社会体育指导员的工作开展、群众性体育活动的组织和管理等等内容，能够实现在查询检索时，针对运动类型和运动方案的选择、对运动的强度时长频次耐力速度和灵活性等方面的要求、运动注意和禁忌事项、高血压相关的运动损伤防治等等方面，实现区分不同人群和需求特征进行有针对性地综合信息指导；最后根据用户“查询搜索-浏览结果”之间的关联，使用人工智能和机器学习的方法，建立起知识查询响应模型，用以进一步辅助提高查询搜索和知识问答方案的响应结果，形成闭环的自动迭代优化的响应模型，根据用户“查询搜索-浏览结果”之间的关联，使用人工智能和机器学习的方法，建立起知识查询响应模型，根据用户实际检索和浏览的结果进行标注和调整知识优先级，用以进一步辅助提高查询搜索和知识问答方案的响应效果，形成闭环的自动迭代优化的响应模型，根据用户反复检索才能得到的知识，以及在反复检索后直接跳出，从而被系统认定为未能检索到知识的情况进行人工处理，根据检索词的调整和检索逻辑，人工对知识图谱从衔接点开始进行逐渐扩展或细化地增补知识。

以上，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。