CN107194209A - 信息的推送方法及装置 - Google Patents

Abstract

本发明提出一种信息的推送方法及装置，其中，该信息的推送方法包括：接收用户上传的肥胖基因检测结果；基于肥胖基因检测结果和预先训练的评分模型，确定用户在多个肥胖成因类别的评分；根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划；将个性化健康计划推送给用户。本发明的信息的推送方法，基于用户的基因检测结果有针对性的为用户提供个性化健康计划，为用户提供了精准的个性化健康计划，满足了用户的个性化需求。

Description

信息的推送方法及装置

技术领域

本发明涉及计算机技术领域，特别涉及一种信息的推送方法及装置。

背景技术

超重和肥胖是指可损害健康的异常或过量脂肪累积。在健康方面，肥胖与许多疾病的发生都有密切的联系，其中就包括心血管疾病，2型糖尿病、睡眠呼吸暂停综合征、某些癌症、退化性关节炎以及气喘等，由于上述疾病的缘故，研究显示肥胖者的预期余命较短。在社会文化方面，肥胖不仅对健康产生影响，也带来许多其他方面的问题，比方说就业困难。

目前肥胖症的临床治疗方法主要是饮食和运动疗法，但存在着碳水化合物、脂肪以及蛋白质摄入量控制“一刀切”和盲目采用减肥药物的非个体化治疗方式。由于至少有40％躯体脂肪量的差异是由遗传因素引起的，也就是说，有些肥胖与肥胖基因有关，所以很容易明确遗传对肥胖有很大影响，用户的基因发生改变时，引起一些生理上的变化，从而引起肥胖。因此，如何基于基因信息为用户提供个性化的健康计划信息以避免肥胖发生，对于用户十分重要。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的一个目的在于提出一种信息的推送方法，该方法基于用户的基因检测结果有针对性的为用户提供个性化健康计划，为用户提供了精准的个性化健康计划，满足了用户的个性化需求。

本发明的第二个目的在于提出一种信息的推送装置。

为达上述目的，本发明第一方面实施例提出了一种信息的推送方法，包括：接收用户上传的肥胖基因检测结果；基于所述肥胖基因检测结果和预先训练的评分模型，确定所述用户在多个肥胖成因类别的评分；根据所述用户在多个肥胖成因类别的评分，生成针对所述用户的个性化健康计划；将所述个性化健康计划推送给所述用户。

本发明实施例的信息的推送方法，接收用户上传的肥胖基因检测结果，基于肥胖基因检测结果和预先训练的评分模型，确定用户在多个肥胖成因类别的评分，根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划，以及将个性化健康计划推送给用户，由此，基于用户的基因检测结果有针对性的为用户提供个性化健康计划，为用户提供了精准的个性化健康计划，满足了用户的个性化需求。

为达上述目的，本发明第二方面实施例提出了一种使信息的推送装置，包括：第一接收模块，用于接收用户上传的肥胖基因检测结果；确定模块，用于基于所述肥胖基因检测结果和预先训练的评分模型，确定所述用户在多个肥胖成因类别的评分；生成模块，用于根据所述用户在多个肥胖成因类别的评分，生成针对所述用户的个性化健康计划；推送模块，用于将所述个性化健康计划推送给所述用户。

本发明实施例的信息的推送装置，接收用户上传的肥胖基因检测结果，基于肥胖基因检测结果和预先训练的评分模型，确定用户在多个肥胖成因类别的评分，根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划，以及将个性化健康计划推送给用户，由此，基于用户的基因检测结果有针对性的为用户提供个性化健康计划，为用户提供了精准的个性化健康计划，满足了用户的个性化需求。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明一个实施例的信息的推送方法的流程图；

图2为根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划的细化流程图一；

图3为根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划的细化流程图二；

图4为根据本发明另一个实施例的信息的推送方法的流程图；

图5为根据本发明又一个实施例的信息的推送方法的流程图；

图6为根据本发明再一个实施例的信息的推送方法的流程图；

图7为根据本发明一个实施例的信息的推送装置的结构示意图；

图8为根据本发明另一个实施例的信息的推送装置的结构示意图；

图9为根据本发明又一个实施例的信息的推送装置的结构示意图；

图10为根据本发明再一个实施例的信息的推送装置的结构示意图；

图11为根据本发明另一个实施例的信息的推送装置的结构示意图；

图12为根据本发明又一个实施例的信息的推送装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“多个”指两个或两个以上；术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

下面参考附图描述根据本发明实施例的信息的推送方法及装置。

图1为根据本发明一个实施例的信息的推送方法的流程图。其中，需要说明的是，该实施例从服务器侧进行描述。

如图1所示，根据本发明实施例的信息的推送方法，包括以下步骤。

S11，接收用户上传的肥胖基因检测结果。

在本发明的一个实施例中，用户可通过终端向服务器上传自己的肥胖基因检测结果。

其中，终端可以为计算机、平板电脑、智能手机等具有各种操作系统的硬件设备。

S12，基于肥胖基因检测结果和预先训练的评分模型，确定用户在多个肥胖成因类别的评分。

具体地，在获取用户的肥胖基因检测结果，将肥胖基因检测结果输入至预先训练的评分模型中，评分模型输出用户在多个肥胖成因类别的评分。也就是说，评分模型可根据用户的肥胖基因检测结果，确定出用户每个肥胖成因类别的评分，即，通过用预先训练好的评分模型，对用户的肥胖基因检测结果进行评分，以生成用户在各大肥胖成因类别的评分。

其中，肥胖成因类别是指基于肥胖基因检测结果所确定的引起肥胖的原因的分类。

举例而言，根据肥胖基因检测结果可以将肥胖成因类别分为食量大、偏好油腻食物、脂肪分解能力差、糖类脂肪代谢紊乱和运动减肥效果差等类别。又例如，假设肥胖成因类别分为食量大、偏好油腻食物、脂肪分解能力差、糖类脂肪代谢紊乱和运动减肥效果差。将肥胖基因检测结果输入至预先训练的评分模型中，评分模型根据肥胖基因检测结果获取用户在各个维度上的评分为：食量大类别得分为0.95分，偏好油腻食物的得分为0.78，脂肪分解能力差的得分为0.42，糖类脂肪代谢紊乱0.6，运动减肥效果差0.75。

其中，需要理解的是，该实施例中的评分模型是通过大量样本用户的肥胖基因训练数据和肥胖成因类别进行训练得到出的。

在本发明的一个实施例中，服务器可利用机器学习方法对大量样本用户的肥胖基因训练数据和肥胖成因类别进行训练，以获取肥胖基因与肥胖成因类别之间的关系，并肥胖基因与肥胖成因类别之间的关系建立评分模型。

作为一种示例性的实施方式，可利用随机森林算法对大量样本用户的肥胖基因训练数据和肥胖成因类别进行训练，以确定评分模型的模型参数，并根据所确定的模型参数建立评分模型。

作为另一种示例性的实施方式，可利用迭代决策树算法对对大量样本用户的肥胖基因训练数据和肥胖成因类别进行训练，以确定评分模型的模型参数，并根据所确定的模型参数建立评分模型。

其中，需要理解的是，为了提供高准确度的评分模型，即，为了使得评分模型可以准确确定用户在多个肥胖成因类别对应的评分，服务器可定期对肥胖基因训练数据和肥胖成因类别进行更新，并根据更新后的肥胖基因训练数据和肥胖成因类别对评分模型进行更新。

在本发明的一个实施例中，在训练评分模型的过程中，还可以获取样本用户的病例记录数据和/或体检报告数据，以调整评分模型的模型参数进行调整，从而提高评分模型的准确度。

例如，可获取样本用户的病例记录数据和体检报告数据，将病例记录数据和体检报告数据训练已有的评分模型，从而得到调整后的评分模型。

举例而言，假设根据样本用户的体检报告数据中确定样本用户的血糖血脂的评分为A，而根据评分模型确定出样本用户的糖脂代谢紊乱的评分为B，如确定A和B之间的评分差超过预设评分范围，则对评分模型的参数进行调整，以使根据调整后的评分模型所获得的糖脂代谢紊乱的评分与根据体检报告数据确定的血糖血脂的评分差在预设评分范围内，从而使得调整后的评分模型的准确度更高。

S13，根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划。

其中，个性化健康计划包括饮食规划和/或健身计划。

饮食规划中包括禁忌饮食、倡导饮食、每日饮食摄入热量、三大营养物质所占比例等信息。

S14，将个性化健康计划推送给用户。

在本发明的一个实施例中，在获取用户在多个肥胖成因类别的评分之后，在向用户推送个性化健康计划时，还可以将用户在多个肥胖成因类别的评分提供给用户，以方便用户对自己有一个全面的了解。

本发明实施例的信息的推送方法，接收用户上传的肥胖基因检测结果，然后，基于肥胖基因检测结果和预先训练的评分模型，确定用户在多个肥胖成因类别的评分，根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划，以及将个性化健康计划推送给用户，由此，基于用户的基因检测结果有针对性的为用户提供个性化健康计划，为用户提供了精准的个性化健康计划，满足了用户的个性化需求。

在本发明的一个实施例中，如图2所示，根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划可以包括如下步骤：

S21，按照评分由高到低的顺序对多个肥胖成因类别进行排序，并根据排序结果获取排名前N位的肥胖成因类别，其中，N为大于0的正整数。

其中，N是预先设置的。例如，N可以为2。

S22，根据预先保存的肥胖成因类别与健康计划的对应关系，分别获取排名前N位的肥胖成因类别所对应的健康计划。

S23，根据排名前N位的肥胖成因类别所对应的健康计划，生成针对用户的个性化健康计划。

举例而言，假设N为2，如果根据用户的肥胖基因检测结果确定用户多个肥胖成因类别为5个，假设用肥胖成因类别1、肥胖成因类别2、肥胖成因类别3、肥胖成因类别4和肥胖成因类别5表示这五个肥胖成因类别，如果按照评分由高到低对这5个肥胖成因类别的评分排序，所获得的排序结果为肥胖成因类别3、4、1、5、2。此时，所获得的排名前2位的肥胖成因类别为肥胖成因类别3和4。然后，根据预先保存的肥胖成因类别和健康计划的对应关系，分别获取肥胖成因类别3和4所对应的健康计划，然后肥胖成因类别3和4所对应的健康计划，生成针对用户的个性化健康计划。其中，需要理解的是，肥胖成因类别3和4所对应的健康计划中可能有一些重合的建议，为了方便用户查看个性化健康计划，可将重合的建议进行合并。

在本发明的另一个实施例中，在用户多个肥胖成因类别为多个时，如图3所示，根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划可以包括如下步骤：

S31，从多个肥胖成因类别中获取评分超过预设阈值的肥胖成因类别。

其中，预设阈值是预先设置的肥胖成因类别的评分的阈值。

S32，根据预先保存的肥胖成因类别与健康计划的对应关系，获取评分超过预设阈值的肥胖成因类别所对应的健康计划。

S33，根据评分超过预设阈值的肥胖成因类别所对应的健康计划，生成针对用户的个性化健康计划。

举例而言，假设预设阈值为20分，如果根据用户的肥胖基因检测结果确定用户多个肥胖成因类别为5个，假设用肥胖成因类别1、肥胖成因类别2、肥胖成因类别3、肥胖成因类别4和肥胖成因类别5表示这五个肥胖成因类别，如果根据这5个肥胖成因类别的评分确定评分超过20分的肥胖成因类别为肥胖成因类别2和3。此时，根据预先保存的肥胖成因类别和健康计划的对应关系，分别获取肥胖成因类别2和3所对应的健康计划，然后肥胖成因类别2和3所对应的健康计划，生成针对用户的个性化健康计划。其中，需要理解的是，肥胖成因类别2和3所对应的健康计划中可能有一些重合的建议，为了方便用户查看个性化健康计划，可将重合的建议进行合并。

其中，需要说明的是，在确定用户多个肥胖成因类别为一个时，可根据预先保存的肥胖成因类别与健康计划的对应关系，获取该肥胖成因类别所对应的健康计划，并将所获取的健康计划作为个性化健康计划推送给用户。

图4为根据本发明另一个实施例的信息的推送方法的流程图。

如图4所示，根据本发明实施例的信息的推送方法，包括以下步骤。

S41，接收用户上传的肥胖基因检测结果。

S42，基于肥胖基因检测结果和预先训练的评分模型，确定用户在多个肥胖成因类别的评分。

S43，根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划。

S44，将个性化健康计划推送给用户。

其中，需要说明的是，前述对步骤S11-S14的解释说明也适用于步骤S41-S44，此处不再赘述。

S45，接收用户发送的减肥反馈信息。

S46，根据减肥反馈信息调整预先推送的个性化健康计划。

具体地，在将个性化健康计划提供给用户后，如果用户确定个性化健康计划中的一些计划不符合自身的具体情况，用户可通过终端向服务器发送减肥反馈信息，服务器可根据用户反馈的减肥反馈信息调整预先推送的个性化健康计划，并将调整后的个性化健康计划提供给用户。

举例而言，在用户接收到服务器推送的个性化健康计划后，如果用户确定个性化健康计划中的饮食规划与自身的身体情况不符，为了使得服务器可根据用户的身体情况对个性化健康计划进行调整，用户可通过终端向服务器上传自己的体检报告数据，或者，病例记录数据，或者体检报告数据和病例记录数据，服务器将根据用户反馈的信息对预先推送的个性化健康计划进行调整，并将调整后的个性化健康计划提供给用户，从而为用户提供更加准确的个性化健康计划。

本发明实施例的信息的推送方法，根据用户的肥胖基因检测结果确定用户在多个肥胖成因类别的评分，并根据用户在多个肥胖成因类别的评分生成针对用户的个性化健康计划，将个性化健康计划推送给用户，以及根据用户反馈的个性化健康计划对预先推送的个性化健康计划进行调整，以为用户提供更加准确的个性化健康计划，满足了用户的个性化需求。

其中，需要理解的是，还可以保存用户的减肥反馈信息，并根据所保存的减肥反馈信息对预先保存的健康计划进行调整。

图5为根据本发明又一个实施例的信息的推送方法的流程图。

如图5所示，根据本发明实施例的信息的推送方法，包括以下步骤。

S51，接收用户上传的肥胖基因检测结果。

S52，基于肥胖基因检测结果和预先训练的评分模型，确定用户在多个肥胖成因类别的评分。

其中，需要说明的是，前述对步骤S11-S12的解释说明也适用于步骤S51-S52，此处不再赘述。

S53，获取用户的病例记录数据和/或体检报告数据。

S54，根据用户在多个肥胖成因类别的评分、病例记录数据和/或体检报告数据，生成针对用户的个性化健康计划。

作为一种示例性的实施方式，在获取用户在多个肥胖成因类别的评分后，可根据用户在多个肥胖成因类别的评分生成针对用户的初始个性化健康计划，然后，根据病例记录数据调整初始个性化健康计划，并将调整后的个性化健康计划作为针对用户的个性化健康计划。

作为一种示例性的实施方式，在获取用户在多个肥胖成因类别的评分后，可根据用户在多个肥胖成因类别的评分生成针对用户的初始个性化健康计划，然后，根据体检报告数据调整初始个性化健康计划，并将调整后的个性化健康计划作为针对用户的个性化健康计划。

作为一种示例性的实施方式，在获取用户在多个肥胖成因类别的评分后，可根据用户在多个肥胖成因类别的评分生成针对用户的初始个性化健康计划，然后，根据病例记录数据和体检报告数据调整初始个性化健康计划，并将调整后的个性化健康计划作为针对用户的个性化健康计划。

S55，将个性化健康计划推送给用户。

其中，需要理解的是，在获取用户的病例记录数据和/或体检报告数据，还可以将所获取的用户的病例记录数据和/或体检报告数据添加至样本集合中，以更新样本集合，以方便后续基于更新后的样本集合中的病例记录数据和/或体检报告数据对评分模型进行更新。

本发明实施例的信息的推送方法，根据用户的肥胖基因检测结果确定用户在多个肥胖成因类别的评分，并获取用户的病例记录数据和/或体检报告数据，并根据用户在多个肥胖成因类别的评分、病例记录数据和/或体检报告数据，生成针对用户的个性化健康计划，将个性化健康计划推送给用户。由此，有针对性的为用户提供个性化健康计划，为用户提供了精准的个性化健康计划，满足了用户的个性化需求。

在本发明的一个实施例中，为了更加准确地提高针对用户的个性化健康计划，在确定用户在多个肥胖成因类别的评分之后，还可以获取用户的信息，并根据用户在多个肥胖成因类别的评分和信息，生成针对用户的个性化健康计划。

其中，信息包括基本信息、饮食偏好信息和运动习惯信息中的至少一种。

其中，基本信息可以包括但不限用户的性别、身高、体重、工作性质等信息。

其中，需要理解的是，上述基本信息、饮食偏好信息和运动习惯信息可以通过多种方式获取。

作为一种示例，可向用户提供包含调查基本信息、饮食偏好信息和运动习惯信息的问卷调查，并根据用户在问卷调查中填写的内容获取用户的基本信息、饮食偏好信息和运动习惯信息。图6为根据本发明再一个实施例的信息的推送方法的流程图。其中，需说明的是，该实施例以信息包括基本信息、饮食偏好信息和运动习惯信息为例进行描述。

如图6所示，根据本发明实施例的信息的推送方法，包括以下步骤。

S61，接收用户上传的肥胖基因检测结果。

S62，基于肥胖基因检测结果和预先训练的评分模型，确定用户在多个肥胖成因类别的评分。

其中，需要说明的是，前述对步骤S11-S12的解释说明也适用于步骤S61-S62，此处不再赘述。

S63，获取用户的基本信息、饮食偏好信息和运动习惯信息。

S64，根据用户在多个肥胖成因类别的评分、基本信息、饮食偏好信息和运动习惯信息，生成针对用户的个性化健康计划。

作为一种示例性的实施方式，在获取用户在多个肥胖成因类别的评分后，可根据用户在多个肥胖成因类别的评分生成针对用户的初始个性化健康计划，然后，根据基本信息、饮食偏好信息和运动习惯信息调整初始个性化健康计划，并将调整后的个性化健康计划作为针对用户的个性化健康计划。

作为另一种示例性的实施方式，在获取用户在多个肥胖成因类别的评分后，可根据基本信息、饮食偏好信息和运动习惯信息调整用户在多个肥胖成因类别的评分，然后，用户在多个肥胖成因类别调整后的评分生成个性化健康计划。

S65，将个性化健康计划推送给用户。

举例而言，假设获取用户为身高173cm、体重67kg、年龄37周岁的男性，从事IT行业，喜欢跑步等数据。在根据预先训练的评分模型确定用户在多个肥胖成因类别的评分后，可根据多个肥胖成因类别的评分和所获得的上述数据生成对应的饮食规划信息和健身计划。饮食规划信息中包括每日饮食摄入的热量和/或每日的健康食谱信息，健身计划信息包括建议运动的类型，建议运动的时间信息，以及每日运动需消耗的热量。

本发明实施例的信息的推送方法，根据用户的肥胖基因检测结果确定用户在多个肥胖成因类别的评分，并获取用户的基本信息、饮食偏好信息和运动习惯信息，并根据用户在多个肥胖成因类别的评分、基本信息、饮食偏好信息和运动习惯信息，生成针对用户的个性化健康计划，将个性化健康计划推送给用户。由此，有针对性的为用户提供了精准的个性化健康计划，满足用户的个性化需求。

为了实现上述实施例，本发明还提出了一种信息的推送装置。

图7为根据本发明一个实施例的信息的推送装置的结构示意图。

如图7所示，该信息的推送装置包括第一接收模块110、确定模块120、生成模块130和推送模块140，其中：

第一接收模块110用于接收用户上传的肥胖基因检测结果。

确定模块120用于基于肥胖基因检测结果和预先训练的评分模型，确定用户在多个肥胖成因类别的评分。

生成模块130用于根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划。

推送模块140用于将个性化健康计划推送给用户。

在本发明的一个实施例中，在图7所示的基础上，如图8所示，生成模块130可以包括排序单元131、第一获取单元132、第二获取单元133和第一生成单元134，其中：

排序单元131用于按照评分由高到低的顺序对多个肥胖成因类别进行排序。

第一获取单元132用于根据排序结果获取排名前N位的肥胖成因类别，其中，N为大于0的正整数。

第二获取单元133用于根据预先保存的肥胖成因类别与健康计划的对应关系，分别获取排名前N位的肥胖成因类别所对应的健康计划。

第一生成单元134用于根据排名前N位的肥胖成因类别所对应的健康计划，生成针对用户的个性化健康计划。

在本发明的一个实施例中，在图7所示的基础上，如图9所示，生成模块130包括第三获取单元135、第四获取单元136和第二生成单元137，其中：

第三获取单元135用于从多个肥胖成因类别中获取评分超过预设阈值的肥胖成因类别。

第四获取单元136用于根据预先保存的肥胖成因类别与健康计划的对应关系，获取评分超过预设阈值的肥胖成因类别所对应的健康计划。

第二生成单元137用于根据评分超过预设阈值的肥胖成因类别所对应的健康计划，生成针对用户的个性化健康计划。

在本发明的一个实施例中，为了向用户提供更加针对用户自身情况的个性化健康计划，在图7所示的基础上，如图10所示，该装置还可以包括第一获取模块150，其中：

第一获取模块150用于获取用户的病例记录数据和/或体检报告数据；

生成模块130具体用于：根据用户在多个肥胖成因类别的评分、病例记录数据和/或体检报告数据，生成针对用户的个性化健康计划。

在本发明的一个实施例中，在图7所示的基础上，如图11所示，该装置还包括第二接收模块160和调整模块170，其中：

第二接收模块160用于接收用户发送的减肥反馈信息。

调整模块170用于根据减肥反馈信息调整预先推送的个性化健康计划。

在本发明的一个实施例中，为了向用户提供更加针对用户自身情况的个性化健康计划，在图7所示的基础上，如图12所示，该装置还可以包括第二获取模块180，其中，

第二获取模块180用于获取用户的信息。

其中，信息包括基本信息、饮食偏好信息和运动习惯信息中的至少一种。

其中，生成模块130具体用于：根据用户在多个肥胖成因类别的评分和信息，生成针对用户的个性化健康计划。

其中，需要说明的是，前述对信息的推送方法实施例的解释说明也适用于该实施例的信息的推送装置，此处不再赘述。

本发明实施例的信息的推送装置，接收用户上传的肥胖基因检测结果，基于肥胖基因检测结果和预先训练的评分模型，确定用户在多个肥胖成因类别的评分，根据用户在多个肥胖成因类别的评分，生成针对用户的个性化健康计划，以及将个性化健康计划推送给用户，由此，基于用户的基因检测结果有针对性的为用户提供了精准的个性化健康计划，满足了用户的个性化需求。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (12)

1.一种信息的推送方法，其特征在于，包括以下步骤：

接收用户上传的肥胖基因检测结果；

基于所述肥胖基因检测结果和预先训练的评分模型，确定所述用户在多个肥胖成因类别的评分；

根据所述用户在多个肥胖成因类别的评分，生成针对所述用户的个性化健康计划；

将所述个性化健康计划推送给所述用户。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述用户的病例记录数据和/或体检报告数据；

根据所述用户在多个肥胖成因类别的评分，生成针对所述用户的个性化健康计划，包括：

根据所述用户在多个肥胖成因类别的评分、所述病例记录数据和/或体检报告数据，生成针对所述用户的个性化健康计划。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

接收所述用户发送的减肥反馈信息；

根据所述减肥反馈信息调整预先推送的个性化健康计划。

4.如权利要求1所述的方法，其特征在于，根据所述用户在多个肥胖成因类别的评分，生成针对所述用户的个性化健康计划，包括：

按照评分由高到低的顺序对多个肥胖成因类别进行排序，并根据排序结果获取排名前N位的肥胖成因类别，其中，N为大于0的正整数；

根据预先保存的肥胖成因类别与健康计划的对应关系，分别获取排名前N位的肥胖成因类别所对应的健康计划；

根据排名前N位的肥胖成因类别所对应的健康计划，生成针对所述用户的个性化健康计划。

5.如权利要求1所述的方法，其特征在于，所述根据所述用户在多个肥胖成因类别的评分，生成针对所述用户的个性化健康计划，包括：

从多个肥胖成因类别中获取评分超过预设阈值的肥胖成因类别；

根据预先保存的肥胖成因类别与健康计划的对应关系，获取评分超过预设阈值的肥胖成因类别所对应的健康计划；

根据评分超过预设阈值的肥胖成因类别所对应的健康计划，生成针对所述用户的个性化健康计划。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述用户的信息，其中，所述信息包括基本信息、饮食偏好信息和运动习惯信息中的至少一种；

根据所述用户在多个肥胖成因类别的评分，生成针对所述用户的个性化健康计划，包括：

根据所述信息和所述用户在多个肥胖成因类别的评分，生成针对所述用户的个性化健康计划。

7.一种信息的推送装置，其特征在于，包括：

第一接收模块，用于接收用户上传的肥胖基因检测结果；

确定模块，用于基于所述肥胖基因检测结果和预先训练的评分模型，确定所述用户在多个肥胖成因类别的评分；

生成模块，用于根据所述用户在多个肥胖成因类别的评分，生成针对所述用户的个性化健康计划；

推送模块，用于将所述个性化健康计划推送给所述用户。

8.如权利要求7所述的装置，其特征在于，所述装置还包括：

第一获取模块，用于获取所述用户的病例记录数据和/或体检报告数据；

所述生成模块，具体用于：

根据所述用户在多个肥胖成因类别的评分、所述病例记录数据和/或体检报告数据，生成针对所述用户的个性化健康计划。

9.如权利要求7所述的装置，其特征在于，所述装置还包括：

第二接收模块，用于接收所述用户发送的减肥反馈信息；

调整模块，用于根据所述减肥反馈信息调整预先推送的个性化健康计划。

10.如权利要求7所述的装置，其特征在于，所述生成模块，包括：

排序单元，用于按照评分由高到低的顺序对多个肥胖成因类别进行排序；

第一获取单元，用于根据排序结果获取排名前N位的肥胖成因类别，其中，N为大于0的正整数；

第二获取单元，用于根据预先保存的肥胖成因类别与健康计划的对应关系，分别获取排名前N位的肥胖成因类别所对应的健康计划；

第一生成单元，用于根据排名前N位的肥胖成因类别所对应的健康计划，生成针对所述用户的个性化健康计划。

11.如权利要求7所述的装置，其特征在于，所述生成模块，包括：

第三获取单元，用于从多个肥胖成因类别中获取评分超过预设阈值的肥胖成因类别；

第四获取单元，用于根据预先保存的肥胖成因类别与健康计划的对应关系，获取评分超过预设阈值的肥胖成因类别所对应的健康计划；

第二生成单元，用于根据评分超过预设阈值的肥胖成因类别所对应的健康计划，生成针对所述用户的个性化健康计划。

12.如权利要求7所述的装置，其特征在于，所述装置还包括：

第二获取模块，用于获取所述用户的信息，其中，所述信息包括基本信息、饮食偏好信息和运动习惯信息中的至少一种；

所述生成模块，具体用于：

根据所述信息和所述用户在多个肥胖成因类别的评分，生成针对所述用户的个性化健康计划。