心血管疾病与糖尿病等为代表的慢性非传染性疾病患者群体日益增长,慢病患者对专业化、标准化、个性化的慢病管理需求不断提升,因此有效的慢病管理模式与相关技术的研究已成为国际学术界和工业界共同关注的焦点。针对新时代慢病管理过程中患者健康信息的异质化、碎片式、无法有效整合利用等问题,基于慢病数据的用户画像模型成为亟需研究的前沿课题。本文以慢病患者为主要研究对象,通过克服患者健康数据碎片化的困难,建立并设计了基于慢病数据的用户画像模型及相应的动态更新方法,实现对患者信息的统一整合与展示,从长期与短期的角度分别反映出患者的疾病发展情况,最终针对不同的患者特点完成慢病健康知识的匹配推荐,具体研究内容如下:（1）针对慢病患者的疾病特性与管理方式,采用多维度分层的思想,分析慢病患者的属性及特征间关联逻辑属性,建立了一个面向慢病患者并包含自然人口属性、健康属性和社交属性三个维度的慢病患者画像模型,实现对不同患者信息的抽象与刻画。（2）在慢病患者画像的基础上提出了一种基于循环门单元神经网络和动态生理指标预测模型的慢病用户画像动态更新方法,该方法能够根据患者通过可穿戴设备产生的实时生理指标数据精确地预测出该指标在短期内的变化情况,并以此结果产生相应的动态标签,完成对原始画像的动态更新操作。（3）针对慢病管理过程中实时性不强、管理成本较高等问题,提出了一种基于用户画像的慢病健康知识推荐方法,该方法能够有效利用患者的画像信息与待推荐知识进行匹配,实现健康知识的精准推荐。