一种基于大数据的个性化脑健康提升方法及系统与流程

本发明涉及个性化匹配，具体为一种基于大数据的个性化脑健康提升方法及系统。

背景技术：

1、在现代社会的飞速发展下，来自生活中的压力越来越多，伴随着经济的飞速增长，随之而来的必然是人们工作和生活的速度和节奏加快，越来越多的医疗机构和心理咨询对于脑健康数据提升训练加以重视，并根据脑健康数据的减少原因推导出一系列可以提升和恢复脑健康数据的训练方案，进而导致可以提升和恢复脑健康数据的训练方案多种多样，种类繁多，但是由于现如今脑健康数据降低问题的基数越发庞大，并不是所有人均适合某种脑健康数据提升训练方案，并且因为行为特征的不同，使不同脑健康数据提升训练方案的训练效果也不相同，在现在当脑健康数据减少者需要进行脑健康数据提升训练时，医疗机构大部分只会根据数据降低者的大脑健康数据降低的严重程度进行脑健康数据提升训练方案的推荐，但是忽略了脑健康数据降低者对于训练方案的喜爱程度和行为习惯，而用户对于训练方案的喜爱程度和行为习惯严重影响着用户对训练方案的完成度，对于训练方案的效率有着至关重要的作用；而本发明针对用户的爱好和行为习惯完成对脑健康数据提升训练方案的推荐。

技术实现思路

1、本发明的目的在于提供基于一种基于大数据的个性化脑健康提升方法及系统，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、一种基于大数据的个性化脑健康提升方法，所述方法包括以下步骤：

4、s1、利用网络搜索收集现存所有脑健康数据提升训练方案信息；

5、s2、对收集的所有脑健康数据提升训练方案信息进行预处理，提取特征点，之后进行分类形成不同特征的训练方案集合；

6、所述对收集的所有脑健康数据提升训练方案信息进行预处理，提取特征点，之后进行分类形成不同特征的训练方案集合；具体步骤为：

7、step1、对收集的脑健康数据提升训练方案信息进行预处理，将数据中的异常数据进行删除，其中异常数据包括非训练方案信息和非脑健康数据提升信息；之后将脑健康数据提升训练方案中的训练过程中的场景进行提取；

8、step2、将提取的训练过程的场景作为脑健康数据提升训练方案的特征点；

9、step3、根据选取的特征点对收集的脑健康数据提升训练方案进行分类，将特征点相同的训练方案划分为同一种类型；

10、step4、最终将收集的所有脑健康数据提升训练方案n种，具体分为{y1、y2、y3...yn}，y1、y2、y3...yn为第1、2、3...n种训练方案的集合，n为正整数。

11、在现存脑健康数据提升训练方案中，每一种训练方案均有对应的场景，可以根据场景的不同对脑健康数据提升训练方案进行分类，例如：饮食训练类、运动训练类、学习训练类等等，其中每一种训练的场景均不同；

12、s3、在用户需要进行脑健康数据提升训练时，对用户每天的不同行为状态数据进行收集计算；

13、在用户需要进行脑健康数据提升训练时，通过向用户进行访问，经过用户同意后收集用户每天中不同行为状态的持续时间，设收集用户在每天中不同行为状态的持续时间为{t1、t2、t3...tm}，t1、t2、t3...tm为第1、2、3...m种行为状态的持续时间，m为正整数；对用户每天的不同行为状态持续时间连续收集j天，对用户j天中不同行为状态的持续时间进行平均值的计算，公式为：

14、

15、公式中t_p为用户每天不同行为状态的平均持续时间，对用户m种不同的行为状态进行计算，得到用户m种不同的行为状态平均持续时间为

16、{t_p1、t_p2、t_p3...t_pm}，t_p1、t_p2、t_p3...t_pm为第1、2、3...m种行为状态的平均持续时间，m为正整数。

17、s4、对收集的用户每天的不同行为状态数据进行分析处理，得到用户的行为特征；

18、在计算得到用户每天不同行为状态的平均持续时间后，对每天不同行为状态的平均持续时间进行排序，按照从大到小的顺序进行排序，在判断用户的行为特征时，根据用户每天不同行为状态平均持续时间顺序对用户的行为特征进行判断，将持续时间最长的行为状态定为用户的行为特征。

19、在对用户的每天的不同行为状态的持续时间进行收集，得到持续时间最长的行为状态，在推荐脑健康数据提升训练方案时，若根据用户持续时间最长的行为状态进行推荐，可以使用户在每天中最大程度的根据训练方案进行训练，训练的时间也最长，大大提高了训练效率。

20、s5、根据用户的行为特征，对不同特征的训练方案集合进行匹配，之后根据匹配结果推荐用户选择脑健康数据提升训练方案；

21、在得到用户行为特征后，根据用户的行为特征推荐脑健康数据提升训练方案，对用户行为特征进行分析计算，设用户行为特征和脑健康数据提升训练方案的确定映射函数y＝f(x)，函数中x为用户的行为特征的场景，y为脑健康数据提升训练方案的分类集合中的场景，函数y＝f(x)表示当用户行为特征的场景x确定时，在脑健康数据提升训练方案集合中查找具备映射关系的场景y，具体为：根据用户行为特征的场景，在脑健康数据提升训练方案分类集合

22、{y1、y2、y3...yn}中查找相同场景，若查找存在相同场景时，选择对应相同场景的脑健康数据提升训练方案向用户进行推荐；对场景的比较方法为：将用户的行为特征和脑健康数据提升训练方案根据地点、动作、事件三方面进行关键字提取，比较用户行为特征和脑健康数据提升训练方案的描述的关键字是否相同；

23、若在脑健康数据提升训练方案分类集合中没有相同场景时，计算用户行为特征场景与脑健康数据提升训练方案分类集合{y1、y2、y3...yn}中每一种场景的匹配度，计算方法为：

24、对脑健康数据提升训练方案和用户行为特征的场景进行元素分析，提取脑健康数据提升训练方案和用户行为特征的场景中的元素，具体方法为：

25、系统向用户收集关于用户行为特征的关键字，之后根据用户行为特征和脑健康数据提升训练方案中的关键字后，将关键字中出现的词语进行收集，将文字中每一种词语设为用户行为特征和脑健康数据提升训练方案场景中的元素；设每一种脑健康数据提升训练方案场景内的元素包括{w1、w2、w3...wc}，w1、w2、w3...wc为脑健康数据提升训练方案的场景中第1、2、3...c个元素，c为正整数；将用户行为特征的场景中元素包括{q1、a2、q3...qd}，q1、q2、q3...qd为用户行为特征场景中第1、2、3...d个元素，d为正整数；

26、将用户行为特征场景中的元素和脑健康数据提升训练方案中的元素进行比较，当相同元素越多，判断行为特征场景和脑健康数据提升训练方案场景的匹配度越大，利用公式计算匹配度，公式为：

27、

28、公式中ρ为行为特征场景和脑健康数据提升训练方案场景的匹配度，d_s为行为特征场景和脑健康数据提升训练方案场景中相同的元素，c为脑健康数据提升训练方案场景中的全部元素；判断当ρ＝1时，用户行为特征场景中的元素与脑健康数据提升训练方案场景中的元素完全相同，当ρ＝0时，用户用户行为特征场景中的元素与脑健康数据提升训练方案场景中的元素均不同；根据以上所述方法，对脑健康数据训练方案集合中的所有种类训练方案进行匹配度计算，计算得到的所有匹配度为{ρ1、ρ2、ρ3...ρn}，ρ1、ρ2、ρ3...ρn为第1、2、3...n种脑健康数据提升训练方案的匹配度，n为正整数；

29、当对用户推荐脑健康数据提升训练方案时，当判断脑健康数据提升训练方案中存在场景相同的训练方案时，推荐场景相同的训练方案；当不存在相同场景的训练方案时，对脑健康数据提升训练方案与用户行为特征的场景的匹配度进行计算，选择匹配度最高的脑健康数据提升训练方案进行推荐。

30、s6、在用户根据推荐的脑健康数据提升训练方案进行训练时，对用户每天不同行为状态进行实时监测，对用户行为特征和训练方案进行实时更新。

31、在对用户进行脑健康数据提升训练方案的推荐后，当用户根据推荐的脑健康数据提升训练方案进行训练时，利用问卷反馈的方式，在取得用户的同意后，对用户每天日常训练时间和休息时间的规划进行收集，根据每天的日常训练时间和休息时间的规划，当用户的日常休息时间规划发生变化时，实时更新用户的行为特征，根据更新后的用户行为特征重新推荐脑健康数据提升训练方案直至用户结束脑健康数据提升训练。

32、一种基于大数据的个性化脑健康提升系统，个性化脑健康数据提升系统包括数据收集模块、方案分类模块、用户检测模块、特征计算模块、方案匹配模块和实时更新模块；

33、所述数据收集模块利用网络搜索收集现存所有脑健康数据提升训练方案信息；

34、所述方案分类模块用于对收集的所有脑健康数据提升训练方案信息进行预处理，提取特征点，之后进行分类形成不同特征的训练方案集合；

35、所述用户检测模块用于在用户需要进行脑健康数据提升训练时，对用户每天的不同行为状态数据进行收集计算；

36、所述特征计算模块用于对收集的用户每天的不同行为状态数据进行分析处理，得到用户的行为特征；

37、所述方案匹配模块用于根据用户的行为特征，对不同特征的训练方案集合进行匹配，之后根据匹配结果推荐用户选择脑健康数据提升训练方案；

38、所述实时更新模块用于在用户根据推荐的脑健康数据提升训练方案进行训练时，对用户每天不同行为状态进行实时监测，对用户行为特征和训练方案进行实时更新。

39、数据收集模块利用网路搜索的方式对现存脑健康数据提升训练方案进行收集；

40、所述方案分类模块用于对收集的脑健康数据提升训练方案信息进行预处理，将数据中的异常数据进行删除，其中异常数据包括非训练方案信息和非脑健康数据提升信息；之后将脑健康数据提升训练方案中的训练过程中的场景进行提取；将提取的训练过程的场景作为脑健康数据提升训练方案的特征点；根据选取的特征点对收集的脑健康数据提升训练方案进行分类，将特征点相同的训练方案划分为同一种类型；最终将收集的所有脑健康数据提升训练方案n种，具体分为{y1、y2、y3...yn}，y1、y2、y3...yn为第1、2、3...n种训练方案的集合，n为正整数。

41、用户检测模块用于在用户需要进行脑健康数据提升训练时，通过向用户进行访问，经过用户同意后收集用户每天中不同行为状态的持续时间，设收集用户在每天中不同行为状态的持续时间为{t1、t2、t3...tm}，t1、t2、t3...tm为第1、2、3...m种行为状态的持续时间，m为正整数；对用户每天的不同行为状态持续时间连续收集j天，对用户j天中不同行为状态的持续时间进行平均值t_p的计算；

42、所述特征计算模块在计算得到用户每天不同行为状态的平均持续时间后，对每天不同行为状态的平均持续时间进行排序，按照从大到小的顺序进行排序，在判断用户的行为特征时，根据用户每天不同行为状态平均持续时间顺序对用户的行为特征进行判断，将持续时间最长的行为状态定为用户的行为特征。

43、方案匹配模块用于当对用户推荐脑健康数据提升训练方案时，当判断脑健康数据提升训练方案中存在场景相同的训练方案时，推荐场景相同的训练方案；当不存在相同场景的训练方案时，对脑健康数据提升训练方案与用户行为特征的场景的匹配度进行计算，选择匹配度最高的脑健康数据提升训练方案进行推荐；

44、所述实时更新模块用于在对用户进行脑健康数据提升训练方案的推荐后，当用户根据推荐的脑健康数据提升训练方案进行训练时，利用问卷反馈的方式，在取得用户的同意后，对用户每天训练时间和不同行为状态的持续时间进行收集，当用户每天不同状态的持续时间发生变化时，实时更新用户的行为特征，根据更新后的用户行为特征重新推荐脑健康数据提升训练方案直至用户结束脑健康数据提升训练。

45、与现有技术相比，本发明所达到的有益效果是：

46、1、本发明通过对现存脑健康数据提升训练方案的特征提取，实现对现存脑健康数据提升训练方案的分类，可以使需要脑健康数据训练用户更加方便快捷的选择训练方案。

47、2、本发明在需要脑健康数据提升训练的用户选择训练方案前，通过访问的形式对用户每天不同行为状态进行收集，通过用户每天不同行为状态的持续时间判断得到用户的个人喜好和行为习惯，使系统更加人性化的推荐所需要的训练方案。

48、3、本发明通过用户的个人喜好和行为习惯，选择脑健康数据提升训练方案进行推荐，使用户对于推荐的训练方案具有更高的认可度，在完成训练的过程中更加积极，大大提升了脑健康数据提升训练方案的效率。