买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉海南大学申请的专利基于时序知识图谱的老年慢性病风险预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119314673B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411385219.8，技术领域涉及：G16H50/30；该发明授权基于时序知识图谱的老年慢性病风险预测方法及系统是由冯思玲;陈柏林;黄梦醒;王冠军;刘慧舟;徐博设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本基于时序知识图谱的老年慢性病风险预测方法及系统在说明书摘要公布了：本发明公开了一种基于时序知识图谱的老年慢性病风险预测方法及系统，属于医疗健康信息技术领域，其中该方法包括以下步骤：步骤S1：获取老年人群的健康数据集；步骤S2：基于ESOA‑XGBoost算法，对健康数据集中的各个健康数据进行特征选择和排序，以确定变量之间的相关性，生成健康数据特征集；步骤S3：构建并训练包含STKGR‑PR模型和TiPNN模型在内的时序知识图谱预测模型，通过时序知识图谱预测模型预测目标实体、其他实体、时序信息之间的关系；步骤S4：根据已训练好的时序知识图谱预测模型，对老年人群的老年慢性病风险进行预测；通过该方法能够得到预测效果好、准确性高的老年慢性病风险预测结果。

本发明授权基于时序知识图谱的老年慢性病风险预测方法及系统在权利要求书中公布了：1.基于时序知识图谱的老年慢性病风险预测方法，其特征在于，所述方法包括以下步骤： 步骤S1：获取老年人群的健康数据集； 步骤S2：基于ESOA-XGBoost算法，对所述健康数据集中的各个健康数据进行特征选择和排序，以确定变量之间的相关性，生成健康数据特征集； 其中，所述步骤S2，具体包括： 使用ESOA算法对所述健康数据集进行位置更新，在每次位置更新完后，根据判别条件对所述健康数据集进行筛选得到健康数据子集； 将所述健康数据子集输入到XGBoost模型中进行训练，根据训练结果调整健康数据子集； 使用SHAP方法量化所述健康数据子集的每个特征对所述XGBoost模型输出的贡献，得到健康数据特征集； 步骤S3：构建并训练包含STKGR-PR模型和TiPNN模型在内的时序知识图谱预测模型，通过所述时序知识图谱预测模型预测目标实体、其他实体和时序信息之间的关系； 所述STKGR-PR模型，用于通过多跳路径推理和奖励机制，将目标实体与其他实体之间的关系映射到多维空间中，实现对所述时序知识图谱预测模型中的目标实体与其他实体之间的关系的向量化，从而预测目标实体与其他实体之间的关系；所述TiPNN模型，根据时序信息和目标实体之间的依赖关系，预测老年人群的慢性病风险；将所述STKGR-PR模型的输出结果输入至所述TiPNN模型进行深层化学习和序列化学习，通过预测时序信息和目标实体之间的关系，实现老年人群的慢性病风险的预测； 步骤S4：根据已训练好的时序知识图谱预测模型，对老年人群的老年慢性病风险进行预测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人海南大学，其通讯地址为：570228 海南省海口市美兰区人民大道58号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。