[发明专利]基于神经网络的食材之间容克关系的分类方法

说明书

本发明公开了一种基于神经网络的食材之间容克关系的分类方法，所述方法包括：采集中医体质学方面的资料作为文本语料；对采集的文本语料进行整体建模生成词向量，使文本语料中每个非停用词都对应一个固定长度的词向量；使用两个词向量之间的余弦相似度作为两个词向量所对应实体之间的相似度；对于给定的两种食材，将两种食材之间关系的特征表示为食材之间关系的表征词的词向量组成的矩阵；使用循环卷积神经网络，以食材之间关系的特征作为循环卷积神经网络的输入，训练人工标注的食材之间容克关系的数据。本发明方法能够准确、快速的判定食材之间的相容或相克关系，进而辅助食疗推荐系统，丰富食疗推荐系统的推荐的食品种类。

技术领域

本发明涉及一种食材间容克关系的分类方法，尤其是一种基于神经网络的食材之间容克关系的分类方法，属于计算机科学在中医食疗学方面的应用领域。

背景技术

众所周知，中医是我国的传统医学，而体质食疗学是中医理论的重要组成部分。但它的判定指标具有离散性和模糊性的特点，这就使得中医体质食疗学难以整合和系统化。

随着社会的发展和工业化进程，一方面我国的大气资源和水资源都受到了相当程度的污染，另一方面城市工作的年轻人生活压力也比以往更大。这使得许多人都处于亚健康状态，而亚健康在西医的指标中被视为健康。而传统中医的体质食疗法是专家根据知识和经验，并综合考察病人的状况并给出合适的饮食建议。这种方法有两点不足，一是专家数量有限，难以覆盖日益增长的需求；二是人工诊断具有很强的不确定性，不同的专家的经验和理解往往不同，容易造成错误的饮食建议。

目前，中医领域已经有了一些能以中医理论作为基础的健康指导知识库的构建方法。然而在国际上，美国和欧洲的一些研究机构和公司已经利用图谱式的结构对关联知识进行了有效的组织和挖掘。因此，运用新的方法使得中医食疗学和养生能够自动化的推荐具有重要意义。

发明内容

本发明的目的是为了解决上述现有技术的缺陷，提供了一种基于神经网络的食材之间容克关系的分类方法，该方法能够准确、快速的判定食材之间的相容或相克关系，进而辅助食疗推荐系统，丰富食疗推荐系统的推荐的食品种类，并尽力排除食疗推荐系统推荐相克食物的隐患。

本发明的目的可以通过采取如下技术方案达到：

基于神经网络的食材之间容克关系的分类方法，所述方法包括：

采集中医体质学方面的资料作为文本语料；

对采集的文本语料进行整体建模生成词向量，使文本语料中每个非停用词都对应一个固定长度的词向量；

使用两个词向量之间的余弦相似度作为两个词向量所对应实体之间的相似度；

对于给定的两种食材，将两种食材之间关系的特征表示为食材之间关系的表征词的词向量组成的矩阵；

使用循环卷积神经网络，以食材之间关系的特征作为循环卷积神经网络的输入，训练人工标注的食材之间容克关系的数据。

进一步的，所述对采集的文本语料进行整体建模生成词向量，使文本语料中每个非停用词都对应一个固定长度的词向量，具体为：

使用词向量工具word2vec对采集的文本语料进行整体建模，将文本语料的所有非停用词映射到一个维度固定的词向量空间中，使每个非停用词都对应一个固定长度的词向量；其中，设非停用词的数量为n，词向量的空间维度为m，对于所有的非停用词{w₁,w₂,…,w_n}，其对应的词向量为{v₁,v₂,…,v_n}。

进一步的，所述向量空间的维度为150～200维度。

进一步的，所述使用两个词向量之间的余弦相似度作为两个词向量所对应实体之间的相似度，具体为：