随着人们对健康的重视程度加大和医疗水平的提升,目前已得出防控慢性病的最佳公认结论:“保合理膳食,持良好生活”。然而,治疗费用高昂、周期漫长等因素造成临床康复效果较差,而大数据时代又带来健康数据量大、关系类型多以及解决方案复杂等问题,从而导致仅通过临床医学来快速减少因慢性病造成的死亡显然不现实。因此,辅助医疗多学科交叉运用数据挖掘（DM）、深度学习（DL）、知识图谱（KG）等成熟的应用技术来防控慢性病已成为当下关注热点,从而开展面向健康饮食营养挖掘与推荐关键技术的研究具有重大理论意义和应用前景。本文主要对健康饮食中的营养挖掘、知识图谱嵌入（KE）和个性化营养食谱推荐（PNRR）等三大内容展开研究:第一,围绕食物、食谱、营养、疾病四者的关系分别从营养、食谱和疾病三个角度开展食物与慢性病的关联挖掘、机器学习环境中营养食谱的科学制作和基于多因素挖掘的疾病分类等技术研究;第二,利用擅长揭示实体之间关系且能自动发掘知识动态关联的KG技术对前面研究内容进行深入挖掘;第三,利用挖掘出的健康知识展开PNRR关键技术的研究。本文具体研究工作和主要贡献概括如下:一、健康饮食营养挖掘技术研究。（1）从营养角度开展饮食食物与慢性病的关联挖掘工作。首先,利用多种爬虫技术抓取大量疾病数据,并融入健康病例构建健康大数据知识库H-bdkb。运用DM相关技术（如信息熵）提出多个方案找出食物中有益于慢性病康复的营养素。其次,基于粗糙集提出了一种符合健康数据特性的属性约简改进算法CVNDARed,来更加准确地挖掘出对疾病起决定性作用的营养成分。最后,选择性能较优的提出方法采用投票机制进行融合,进而提升挖掘准确率。（2）从食谱角度开展机器学习环境中营养食谱的科学制作工作。在H-bdkb中填充大量食谱数据,通过核典型相关分析法证明营养成分与食谱之间存在内链关系。对于同种食物在不同食谱中的重要度差异,本文提出了一种新颖食谱表达方法EDexp。应用自动编码器进行食谱的制作,并提出了一种堆栈自动编码器融合方法FSAE。围绕非负矩阵分解过拟合和不稳定问题,本文提出了使用Frobenius表达目标函数和引入平滑系数的FSNMF方法。对于相似食物具有相近味道但其营养成分差异较大,本文提出利用营养成分矩阵作为两步正则最小二乘方法中的一个核矩阵,以避免食谱制作过程中类似食物容易组合的问题。（3）从疾病角度开展基于多因素挖掘的疾病分类工作。本文通过分析各因素对疾病的制约影响,采用分层思想提出了一种基于数据驱动可拓展的强健疾病分类框架d-DC。为结构化和非结构化数据设计了一个数据收集模型,既可以实现数据自动补充又能够有效解决模型冷启动问题。本文首次将KG与DL结合应用于疾病分类,通过KE对医学文本进行向量化为计算机辅助医学提供了技术支撑。针对结果不一致问题,本文通过构建的专家系统给出解决方案,并利用KG技术直观展示多关系推理结果。二、健康饮食中的知识图谱嵌入技术研究。本文主要围绕KE过程中对存在多关系环、复杂关系下辅助信息高效提取和相似度量方式选择等三个问题的求解展开。本文对多关系环进行定义和建模,提出了一种基于PageRank算法计算节点权重和传递能量的TransEE翻译模型。指出十余种不同度量方式在翻译模型中有较大结果差异,并采用矩阵分解思想提出了两种嵌入方法（sMFE和tMFE）来增强结果。引入传递能量将嵌入求解转换为图上挖掘问题,本文提出了一种基于传递能量和卷积神经网络的CNNe模型,在确保模型性能不减的同时降低了引入额外信息成本。完全关联矩阵（CIM）具有图最全面的拓扑性质,本文提出了一种基于CIM的知识嵌入方法ComInE,拓宽了图内部结构特征提取表示学习。三、健康饮食个性化营养食谱推荐技术研究。在前文挖掘出的健康知识基础上,为终端防控慢性病提供具体营养膳食而开展个性化食谱推荐工作。一方面,由于用户需求多目的性、兴趣多样性,PNRR在需求不明确且无合理解释的情况下会出现难以精准问题,本文首先采用多模态和分层思想构建了以用户底层更加细粒度的多个因素为中心的食谱图谱RcpKG,并提出了一种基于多模态和KG的多角度图节点表示与多关系抽取的双阶段处理食谱推荐模型RcpMKR。它不但可以充分顾及食谱图结构的全局信息,还能考虑其内部分层用户的不同关注点以及食谱内部的局部关联。另一方面,本文应用了多个基于BERT的多模态模型和生成式对抗网络,结合图片和视频生成较为合理的健康饮食推荐解释。通过在真实数据上进行大量实验,说明了本文提出的方法在提高PNRR性能和生成健康文本解释两方面具有很好的优越性。此外,本文提出的三模态食谱推荐框架KG3MRR不仅能够为慢性病防控提供应用可能性,还可以推动整个个性化推荐理论体系的研究。