[发明专利]一种基于图表模型的健康风险预测方法

权利要求书

1.一种基于图表模型的健康风险预测方法，其特征在于：包括以下步骤：

S1、设置n位参与者的健康检查记录的输入形式；

S2、通过健康检查记录构建基于HER的异类图；

S3、通过SHG-Health算法从异类图中获得权重矩阵，并通过权重矩阵对疾病风险进行预测。

2.如权利要求1所述的基于图表模型的健康风险预测方法，其特征在于：所述步骤S1中设置n位参与者的健康检查记录的输入形式包括以下步骤：

S11、设是参与者i的n_i个健康检查记录的集合，r_i是(x_ij，t_ij)的一个元素，是在时间t_ij的一个d维向量，S＝{s₁，...，S_l，S_l+1，...，s_n}是n位参与者的健康检查记录集合，C＝{1，...，c}为标记集合，前l个参与者s_i(i≤l)被标记为y_i∈C，其余u＝n一l(l＜＜u)位参与者s_l+1，...，s_l+u将不被标记；

S12、设则表示i类型节点的标签，设为向量y_ip的第k个元素；当x_ip被标记时，x_ip属于k类时x_ip不属于k类时当x_ip没有被标记时，

S13、设为m节点类型的计算软标签，表示确定性程度的向量。

3.如权利要求2所述的基于图表模型的健康风险预测方法，其特征在于：所述步骤S2中通过健康检查记录构建基于HER的异类图包括以下步骤：

S21、根据步骤S12将所有健康检查记录转化为0-1二进制表示；

S22、将步骤S21中获得的二进制表示值为1的元素设置为异类图中的一个节点；

S23、将每个节点根据其原始值所属的检查类别进行划分；

S24、对每个类别的节点插入链接，得到异类图。

4.如权利要求3所述的基于图表模型的健康风险预测方法，其特征在于：所述步骤S3中通过权重矩阵对疾病风险进行预测包括以下步骤：

S31、通过公式计算i，j＝1，...，m的归一化权重；

其中，W_ij为权重矩阵，D_ij是n_i×n_i对角阵，(p,p)元素是d_ij，pp，d_ij，pp＝∑_qW_ij，pq是W_ij中行p的和；

S32、在类型i的节点对F_i进行统一；

S33、设z＝[z₁，...，z_m]^T,0≤z_j≤1是第j个类节点的权重，γ_ij为类型i节点和类型j的节点中间类型权重，则：

S34、通过公式对F_i进行更新，其中，是n_i×n_i角矩阵，(p,p)元素为d_ij，pp，通过F_i得到疾病风险预测结果。