亚健康状态是介于健康和疾病之间的非健康非疾病的第三状态,我国约有70%的人都处于亚健康状态。如果不及时调整亚健康状态,就会患病,甚至会过劳死。因此,对亚健康状态的准确评估成为医学界的主要研究课题。由于现存亚健康状态评估方法均以中西医检查为基础,而目前亚健康状态检测指标参考值范围难以界定、个人保健意识欠缺和时间、金钱以及地域等条件的限制均会阻碍亚健康状态评估的发展。因此,为了克服以上问题,提出一种可以突破时间、地点和地域限制,简单便捷的亚健康状态评估模型具有重要意义。本文以亚健康状态中常见的脂溶性维生素缺乏和水溶性维生素缺乏为研究对象,使用问卷调查、因素分析和文本分类技术融合框架评估人体亚健康状态。主要工作如下:首先,在问卷调查阶段,制定并发放人体健康状态调查问卷,收集个人信息、身体状况和饮食习惯三方面信息。采用理论分析与前测分析的方法证明本问卷的有效性并针对问卷调查结果进行人体亚健康现状分析。在构建数据集阶段,邀请营养学专家根据问卷调查结果中的身体状况信息,确定调查对象的健康状态,并以问卷调查结果为数据,专家诊断结果为标签建立亚健康状态评估数据集。统计分析结果表明,在参与调查的人群中,有69%的人存在一种或多种营养素缺乏的状况。在人体亚健康状态评估数据集中,包含脂溶性维生素缺乏数据277条,水溶性维生素缺乏数据525条,健康状态数据250条,共1052条数据。其次,为研究不同饮食习惯对不同亚健康状态的影响,采用二元Logistic回归分析法辨别影响人体亚健康状态中营养素缺乏的饮食习惯因素。采用卡方值和显著性p值证明二元Logistic回归模型具有统计学意义,采用Hosmer和Lemeshow检验结果证明数据与回归模型拟合良好,最终根据回归方程中的变量信息找出影响亚健康状态的饮食因素。实验证明,不同饮食习惯会对体内水溶性维生素、脂溶性维生素和矿物质的含量产生影响。最后,针对现存的亚健康状态评估方法受时间、地点以及金钱的限制而难以普及的问题,提出了一种基于文本卷积神经网络（Text-CNN）的人体亚健康状态评估模型。首先,在问卷调查结果构建的人体亚健康状态评估数据集上构建基于Text-CNN的亚健康状态评估模型。然后,对比Text-CNN与Text-RNN、Text-RCNN和层级注意力网络在人体亚健康评估上的性能,结果表明本文提出的基于Text-CNN的人体亚健康状态评估模型性能最优,对于人体亚健康状态评估的准确率达到90.63%。最后,调整Text-CNN模型的超参数,进行超参数优化实验,结果表明当学习率在[0.0001,0.005]之间,批次大小为32,Epoch大小为300时,人体亚健康状态评估模型的准确率达到93.75%。本文提出的融合问卷调查、因素分析和文本分类技术的亚健康状态评估框架,为推广亚健康状态评估提供了解决方案,为解决我国人民日益增长的美好健康生活的需求与医疗健康服务业发展不平衡不充分矛盾提供新的思路。该框架还可推广至其他疾病的诊断与评估中。