糖尿病饮食推荐系统是人工智能发展的产物,它能够根据医生和营养师的推荐经验,结合患者饮食偏好,有效地为糖尿病患者推荐饮食。传统糖尿病饮食推荐方法是根据患者对食物评分记录实现推荐,但实际由于评分数据的缺失导致推荐结果失真的情况时有发生。异构信息网络是一种多维度的数据网络,能够对数据间的关系进行多角度、深层次的分析。理论上将异构信息网络用于糖尿病饮食推荐系统中可以弥补传统方法的不足。基于此,本文对异构信息网络技术实现糖尿病饮食推荐的可行性进行研究。本文通过深入分析糖尿病患者饮食推荐过程,定义患者类型P、患者症状A、推荐原则T、推荐方案F为异构信息网络的四个数据类型,并对数据类型包含的属性选取进行说明,同时对数据类型之间的潜在关系进行分析,构建以患者为中心的糖尿病饮食异构信息网络。构建的网络作为本文饮食推荐实现的理论基础。接下来基于糖尿病饮食异构信息网络建立推荐系统的模型。阐述了利用异构信息网络为糖尿病患者推荐饮食的思想,构建了糖尿病饮食推荐系统模型框架,再通过实际案例对推荐系统模型流程进行说明。其中模型采用传统聚类与异构信息网络排序相结合的方法实现患者聚类,进而得到饮食推荐方案。本文共设置聚类分析实验和对比实验。在聚类分析中,通过相对熵、紧凑度、多维空间验证、聚类精度来评价聚类的效果。结果表明当迭代进行到第14次时,聚类效果趋于稳定,实现患者聚类。在对比实验中,通过分析推荐结果本文推荐模型在推荐方案受欢迎度、方案医学准确性以及方案的多样性指标中均高于传统推荐方法。综上所述,本模型在提高聚类精度的同时,弥补了传统推荐方法的不足。并利用LabVIEW跨平台开发的功能,搭建包括患者端模块、推荐模块、数据库管理模块和医务端模块的糖尿病饮食推荐系统,系统实现饮食推荐和饮食记录的功能,从而验证了本文所提出推荐模型的可行性。