本发明属于深度学习，具体涉及一种基于图神经网络的患者食品推荐系统。
背景技术：
1、随着社会的发展和人们生活水平的提高，健康意识逐渐成为人们关注的焦点之一。饮食习惯直接关系到个体的身体健康，而患者在特定的疾病状态下对饮食的要求更为严格。多项研究表明，合理、均衡的饮食能够促进患者更好地康复，预防进一步的疾病，提高患者的整体生活质量。因此，考虑患者健康状况以及食品营养成分的食品推荐系统具有重要的实际意义。
2、图神经网络(graph neural networks,gnn)作为一种能够处理图结构数据的深度学习模型，近年来在推荐系统领域取得了显著的成果。图神经网络在推荐系统中的应用不仅限于简单的用户-物品关系，更为重要的是其能够处理复杂的多层次关系。在患者食品推荐系统中，患者个体、疾病信息以及食品特性等因素构成了一个复杂的图结构。gnn能够在这种复杂的关系网络中学习潜在的模式和特征，从而更全面、深入地理解患者的饮食需求。这种基于图结构的建模方式可以更准确地反映患者在特定健康状态下的饮食需求，并为个性化推荐提供更为有效的工具。
技术实现思路
1、本发明提出了一种面向患者的基于异构图神经网络的食品推荐系统，包括：
2、数据源采集及处理模块，用于获取多种疾病信息以及相关食品营养成分信息，经过营养专家建议以及相关论文资料将其对应；
3、结构建模模块，用于将处理好的数据集建成图数据，包括患者、食品和营养元素三个类型的节点以及患者-食品、食品-营养元素两种类型的边；
4、推荐系统模块，包括异构gnn模块、图对比增强策略以及联合目标函数。
5、本发明有益效果如下：
6、本发明将mimicⅳ数据集和food nutrition detaset结合，辅助营养专家的建议和相关论文，构造成新的患者食品推荐任务的数据集。
7、本发明考虑更多的生理指标及食物的营养元素，改善了先前患者食品推荐系统考虑要素少，信息不全的问题，能够应对更为复杂的身体状况场景以及推荐更为丰富的食物。具有全面、可靠性强、可解释性强、性能出色的优势。患者可以通过本发明获得相应的营养饮食指导，减轻医疗压力，帮助患者更好地康复。
1.一种基于图神经网络的患者食品推荐系统，其特征在于，包括：
2.根据权利要求1所述的一种基于图神经网络的患者食品推荐系统，其特征在于，
3.根据权利要求1所述的一种基于图神经网络的患者食品推荐系统，其特征在于，
4.根据权利要求3所述的一种基于图神经网络的患者食品推荐系统，其特征在于，
5.根据权利要求1所述的一种基于图神经网络的患者食品推荐系统，其特征在于，
6.根据权利要求1所述的一种基于图神经网络的患者食品推荐系统，其特征在于，
7.根据权利要求1所述的一种基于图神经网络的患者食品推荐系统，其特征在于，
