技术领域
[0001] 本
发明涉及问卷调查领域，具体来说，是一种基于区块链的中医健康个性化问卷智能生成与加密系统。
背景技术
[0002]
现有技术方案有中医体质分类与判定表和医生临床诊断。他们虽然能做出大致判断，但是，中医体质分类与判定表主要问题为(1)问卷问题总量多，组织问卷耗时费
力。(2)每种体质的题都在5题以上，答题人容易做出类似答案。医生临床诊断则耗费较多医院资源，不适合大范围推广。通过构建健康语义知识图谱，挖掘题目之间的联系，再通过VAE生成模型，自动生成问卷内容，用户作答后通过建立Gibbs抽样对结果快速收敛到某一稳定体质判断，从而解决上述问题。
[0003] 知识图谱早在1991年就被定义为一种
可视化形象。研究学者利用专
门软件对大量反映知识结构及发展脉络的数据进行自动处理，生成可视化的知识图谱。通过融合多元数据，对查询内容进行理解并整合相关数据。
[0004] 中本聪在2009年提出
比特币概念后，其背后的区块链技术得到广泛关注。区块链有着去中心化、无需信托机构等特点，在金融、生产、工业等各个领域均提供了新的技术方案。利用区块链，可以有效保护用户隐私、进行产品溯源，让数据共享利用提供了新的思路。利用区块链，把用户在不同平台上的健康数据进行共享分析，能够让系统更好地把握用户状态，提供更精细化的服务。
发明内容
[0005] 本发明目的是旨在提供了一种基于区块链的中医健康个性化问卷智能生成与加密系统，通过健康语义知识图谱，Attention-lstm模型学习各体质下的实体与情感状态关系，利用VAE生成技术，智能生成问卷图像。按类别生成问卷给用户填写后，通过建立基于Gibbs抽样的随机题库
抽取方法，让结果收敛于稳定的体质推断状态上，对填写结果进行分类判断，利用区块链，把各个平台、设备的数据进行链接、结合，提供更精细化的健康管理服务。
[0006] 为实现上述技术目的，本发明采用的技术方案如下：
[0007] 一种基于区块链的中医健康个性化问卷智能生成与加密系统，包括
服务器、与服务器通讯连接的客户端，服务器将问卷发送至客户端，客户端将问卷答案发回至服务器，所述服务器包括，
[0008] 问卷自动生成工具，根据题库数据，采用主题模型和健康语义知识图谱，自动生成图文并茂的多模态问卷内容；
[0009] 用户体质分类工具，利用基于gibbs抽样的随机题库抽取方法，收敛于稳定的体质推断状态上，在收到问卷答案时，利用基于
支持向量机模型计算快速对用户体质进行分类；
[0010] 信息推送工具，根据用户体质提供相关信息推送。
[0011] 进一步的，还包括区块链的多平台数据连接加密模块，用于将各个健康设备、平台的数据链接在一起，每个设备、平台设置一个区块，共同记录用户饮食、运动、作息、医疗记录等不同维度的健康数据，对用户身份进行加密，保护用户隐私同时又能利用这些个人健康数据进行分析。把各个平台的数据链接后，从而快速在海量数据中提取与用户关联的数据进行分析处理。
[0012] 进一步的，所述问卷自动生成工具对题目题库进行预处理，对题库题目进行标注，利用Attention-lstm模型学习实体情感关系。具体包括如下两步骤：
[0013] Step1.标注题目实体(entity)与情感(sentiment)的关系(relation)；
[0014] Step2.利用Attention-lstm模型学习各种体质分类下对应的实体情感关系。
[0015] 进一步的，问卷自动生成工具基于中医健康以及饮食兴趣，构建健康语义知识图谱，基于VAE生成技术，智能生成问卷内容与图像描述，其过程包括：
[0016] Step1.收集中医养生健康以及饮食兴趣等数据(食谱、食物药性、功效、体质效果等)；
[0017] Step2.对相关图片、食谱数据进行
整理，把图片素材作为VAE生成模型
训练数据，通过神经网络训练
编码器(Encoder)；
[0018] Step3.通过Step2的编码器计算原始数据(实体图片)的平均向量(mean vector)及标准偏差向量(standard deviation vector)；
[0019] Step4.在Step3
基础上计算潜在向量(simple latent vector)，并通过另一个神经网络训练
解码器(decoder)；
[0020] Step5.对完成分类标签的问卷数据以及图片等数据进行实体链指，挖掘文本与图片之间的对应关系，构建信息抽取系统，获得题目与题目之间的关联；
[0021] Step6.根据知识图谱的关系，利用Step4得到的VAE解码器根据选取的题目内容自动生成图文并茂的多模态问卷内容。
[0022] 进一步的，用户获取问卷后，填写返回选项后，建立基于Gibbs抽样的随机题库抽取方法，使结果快速收敛于稳定的体质推断状态上。具体的问卷题目生成过程如下：
[0023] Step1.随机选择一种中医体质H；
[0024] Step2.根据选择的体质类型和生成的实体——情感关系模型，相应选择该体质类别下的一个实体(entity)，并生成对应的状态情感(sentiment)选项X，利用VAE解码器生成对应的实体状态图片，用户填写后问卷后，计算该用户属于该设定体质的后验概率P(H|X)～Pt。
[0025] 如果后验概率达到一个
阈值，再次利用上述的方法生成同体质的不同题目，并再次计算其后验概率Pt+1,当|Pt+1-Pt|<δ足够小时，对应的体质分类置予一个较大的权重。如果后验概率与阈值相差较大，则选取其他体质并重新执行上述的过程。当已答题量超过题量阈值，或者预测概率超过概率阈值，停止作答并给出最终分析结果，取权重最高的体质分类结果，结果通过结合用户身份，利用双LSTM自动生成一句分析结果诊断。
[0026] 进一步的，所述客户端通过调用网络
访问内核给服务器发送URLConnect
请求，服务器将问卷发送至用户客户端，客户端再把用户问卷答案发送至服务器。发送问卷至客户端，加载问卷页面，获取相应的用户选项。
[0027] 进一步的，用户体质分类工具将用户体质分为平和质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、淤血质、气郁质、特禀质，其中平和质与其他八种体质为互斥体质。
[0028] 进一步的，(1)每一用户需在客户端答题至少一轮，其中第一轮题目包括八道，除平和质外每一种体质均有一道题目；
[0029] (2)将上一轮答题的结果根据额外抽题标识符判断是否需要抽题，需要抽取哪些体质的题目，如果需要抽题，将抽取相应体质的题目各一题，组成第二轮题目；
[0030] (3)根据预先设置的题量阈值和概率阈值，判断是否结束答题，若没有达到题量阈值和概率阈值，则继续重复(2)中的操作进行答题，如果达到题量阈值和概率阈值，则结束答题。
[0031] 由上述可知，系统模拟正常用户请求，通过主题模型学习问卷数据之间的联系并构建知识图谱，对原素材进行训练得到VAE生成模型的编码器及解码器参数，利用解码器根据需求自动生成调查问卷图文内容，在保证可靠性的前提下把问卷数据发送至服务器，利用Gibbs抽样方法，让分类结果快速收敛到某一体质。系统提供了一套基于用户体验设计的前端
接口系统。本系统在基于人性化用户体验的基础上，根据用户特质自动生成问卷题目，并根据用户的选择，快速判断用户体质分类，通过区块链的数据链接加密技术，从不同平台、设备获取有效可信的健康数据，通过区块链的加密技术，屏蔽用户与具体行为的直接关联，并利用知识图谱为用户推荐个性化的食谱方案，提供更加精细的健康数据管理服务。由于用户行为已经被区块链链接到一起，因此，可以通过区块链的记录快速从海量数据中找到与用户相关联的数据，从而提高数据的有效利用。
附图说明
[0032] 本发明可以通过附图给出的非限定性
实施例进一步说明；
[0033] 图1为本发明的结构示意图；
[0034] 图2为自动生成问卷模型图；
[0035] 图3为区块链多平台数据链接结构示意图；
[0036] 图4为本发明判断答题者体质类型的逻辑图；
具体实施方式
[0037] 为了使本领域的技术人员可以更好地理解本发明，下面结合附图和实施例对本发明技术方案进一步说明。
[0038] 如图1-3所示，一种基于区块链的中医健康个性化问卷智能生成与加密系统，包括服务器、与服务器通讯连接的客户端，服务器将问卷发送至客户端，客户端将问卷答案发回至服务器，所述服务器包括，
[0039] 问卷自动生成工具，根据题库数据，采用主题模型和健康语义知识图谱，自动生成图文并茂的多模态问卷内容；
[0040] 用户体质分类工具，利用基于gibbs抽样的随机题库抽取方法，收敛于稳定的体质推断状态上，在收到问卷答案时，利用基于支持向量机模型计算快速对用户体质进行分类；
[0041] 信息推送工具，根据用户体质提供相关信息推送。
[0042] 进一步的，还包括区块链的多平台数据连接加密模块，用于将各个健康设备、平台的数据链接在一起，每个设备、平台设置一个区块，共同记录用户饮食、运动、作息、医疗记录等不同维度的健康数据，对用户身份进行加密，保护用户隐私同时又能利用这些个人健康数据进行分析。把各个平台的数据链接后，从而快速在海量数据中提取与用户关联的数据进行分析处理。
[0043] 进一步的，所述问卷自动生成工具对题目题库进行预处理，对题库题目进行标注，利用Attention-lstm模型学习实体情感关系。具体包括如下两步骤：
[0044] Step1.标注题目实体(entity)与情感(sentiment)的关系(relation)；
[0045] Step2.利用Attention-lstm模型学习各种体质分类下对应的实体情感关系。
[0046] 进一步的，问卷自动生成工具基于中医健康以及饮食兴趣，构建健康语义知识图谱，基于VAE生成技术，智能生成问卷内容与图像描述，其过程包括：
[0047] Step1.收集中医养生健康以及饮食兴趣等数据(食谱、食物药性、功效、体质效果等)；
[0048] Step2.对相关图片、食谱数据进行整理，把图片素材作为VAE生成模型训练数据，通过神经网络训练编码器(Encoder)；
[0049] Step3.通过Step2的编码器计算原始数据(实体图片)的平均向量(mean vector)及标准偏差向量(standard deviation vector)；
[0050] Step4.在Step3基础上计算潜在向量(simple latent vector)，并通过另一个神经网络训练解码器(decoder)；
[0051] Step5.对完成分类标签的问卷数据以及图片等数据进行实体链指，挖掘文本与图片之间的对应关系，构建信息抽取系统，获得题目与题目之间的关联；
[0052] Step6.根据知识图谱的关系，利用Step4得到的VAE解码器根据选取的题目内容自动生成图文并茂的多模态问卷内容。
[0053] 进一步的，用户获取问卷后，填写返回选项后，建立基于Gibbs抽样的随机题库抽取方法，使结果快速收敛于稳定的体质推断状态上。具体的问卷题目生成过程如下：
[0054] Step1.随机选择一种中医体质H；
[0055] Step2.根据选择的体质类型和生成的实体——情感关系模型，相应选择该体质类别下的一个实体(entity)，并生成对应的状态情感(sentiment)选项X，利用VAE解码器生成对应的实体状态图片，用户填写后问卷后，计算该用户属于该设定体质的后验概率P(H|X)～Pt。
[0056] 如果后验概率达到一个阈值，再次利用上述的方法生成同体质的不同题目，并再次计算其后验概率Pt+1,当|Pt+1-Pt|<δ足够小时，对应的体质分类置予一个较大的权重。如果后验概率与阈值相差较大，则选取其他体质并重新执行上述的过程。当已答题量超过题量阈值，或者预测概率超过概率阈值，停止作答并给出最终分析结果，取权重最高的体质分类结果，结果通过结合用户身份，利用双LSTM自动生成一句分析结果诊断。
[0057] 进一步的，所述客户端通过调用网络访问内核给服务器发送URLConnect请求，服务器将问卷发送至用户客户端，客户端再把用户问卷答案发送至服务器。发送问卷至客户端，加载问卷页面，获取相应的用户选项。
[0058] 进一步的，用户体质分类工具将用户体质分为平和质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、淤血质、气郁质、特禀质，其中平和质与其他八种体质为互斥体质。
[0059] 进一步的，(1)每一用户需在客户端答题至少一轮，其中第一轮题目包括八道，除平和质外每一种体质均有一道题目；
[0060] (2)将上一轮答题的结果根据额外抽题标识符判断是否需要抽题，需要抽取哪些体质的题目，如果需要抽题，将抽取相应体质的题目各一题，组成第二轮题目；
[0061] (3)根据预先设置的题量阈值和概率阈值，判断是否结束答题，若没有达到题量阈值和概率阈值，则继续重复(2)中的操作进行答题，如果达到题量阈值和概率阈值，则结束答题。
[0062] 在中医体质的智能问卷中，答题者需要根据八种体质(平和质除外)的题分轮次进行答题。其中，平和质的题目的含义与其他八种体质相反，在本问卷中不单独出题。然后根据这一轮的答题结果进行分析，从而开始下一轮的答题。一轮的题量在一到八之间。
[0063] 如图4所示，具体做法是：
[0064] (1)由《中医体质分类与判定》自测表的66道题组成问卷题目
数据库，通过主题模型及知识图谱，挖掘题目之间的联系。
[0065] (2)问卷生成时，自动生成各类型的题目给用户测试，组成第一轮的八道题。由答题者回答。题库去除已经回答的八道题。
[0066] (3)根据第一轮的题目结果，按照图2的逻辑预测答题者的体质类型。并把预测结果更新到体质类型预测计数器，即表格一。
[0067] (4)在题库中，根据预测的体质类型各抽取一题组成第二轮答题的题目。
[0068] (5)得到答题者第二轮的答题结果。按照图2预测用户的体质类型，并更新表格一的数据。
[0069] (6)根据预先设置的题量阈值和概率阈值，判断是否结束答题。若不结束答题则按照第3，4,5步开始新一轮的答题。其中，结束答题的条件为，已答题量超过题量阈值，预测概率超过概率阈值。注意，平和质与其他八种体质存在互斥关系，并不会一起出现在预测结果，需做预测结果的调整。
[0070] 表格一
[0071] 平和质 气虚质 阳虚质 阴虚质 痰湿质 湿热质 瘀血质 气郁质 特禀质
是
倾向是
[0072] 图2中预测答题者体质类型的具体方法为：
[0073] 将每一题下面设置四个选项，每一个选项分别为1、2、3、4分，答题者根据自己的情况判断该题自己达到几分，越相似得分越高。
[0074] 在第一轮答题中，如果答题结果有大于3的，对应体质的计数器中“是”的数量加一，平和质标志符为False,本轮额外抽题标志符为True，并把本次答题中答题结果为3的，在对应体质类型的计数器中“倾向是”的数量加一；若果答题结果全部小于3，则平和质标志符为True,本轮额外抽题标志符为False；其余情况，则本轮额外抽题标志符为True。
[0075] 然后根据额外抽题标志符判断是否进行抽题，当标志符为False时，结束答题，得出平和质结论；当标志符为True时，进行额外抽题，额外抽题的体质类型为上轮答题答案结果为3之外的体质类型，判断额外抽题的体质类型数量是否为0。
[0076] 如果等于0，则计数器中“是”的数量加一，“平和质”的标志符为True，结束答题。如果不等于0，进行额外抽题，并判断额外抽题的体质类型数量是小于8还是等于8，如果小于8，若在本轮额外抽题的题目答案都是3，则“平和质”计数器中“倾向是”的数量加一，“平和质”的标志符为True；如果等于8，分类处理额外抽题的答题的最大值，当小于3，“平和质”计数器中“是”的数量加一，“平和质”的标志符为True；等于3，“平和质”计数器中“倾向是”的数量加一，“平和质”的标志符为True；答题结果大于3的体质类型的计数器中“是”的数量加一，并把该体质类型加入下次抽题的队列中，把“平和质”的标志符为False。
[0077] 以上对本发明提供的一种基于区块链的中医健康个性化问卷智能生成与加密系统进行了详细介绍。具体实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明
权利要求的保护范围内。
