1.一种基于疾病加权和食品类别约束的食品-疾病关联预测方法，其特征在于包括以下步骤：步骤1、利用国际疾病分类数据构建疾病加权关系；

步骤2、利用成分表构建食品相似度网络；

步骤3、利用食品分类系统构造食品组关系；

步骤4、构造已知的二元食品-疾病关联网络；

步骤5、随机初始化食品和疾病在潜在空间的表示；

步骤6、引入疾病加权关系和食品组关系，学习食品和疾病潜在空间的表示；

步骤7、利用食品和疾病潜在空间的表示，输出预测食品和疾病的关联结果，从而增强食品疾病关联预测的准确性；

所述步骤6的具体实现方法为：

将食品-疾病关联矩阵R分解为食品向量U和疾病向量V的乘积，则分解目标函数定义为：定义疾病加权后的层次结构关系，将具有邻接父子关系的两个疾病限制在潜在空间保持比较近的距离：其中tr(·)表示括号中·所对应的矩阵的迹，S′1是疾病的对称关系矩阵；对角矩阵(D′1)ii＝∑j(S′1)ij，图拉普拉斯算子L1＝D'1-S′1，||A||2是A矩阵的L2正则化值；V.i、V.j为V矩阵中第i、第j列的列向量；AT是指A矩阵的转置；

将普通图拉普拉斯算子应用于食品相似度中：

S2为食品相似度网络，(D2)ii＝∑j(S2)ij，D2是对角矩阵且对角线上元素是S2的行和，L2＝D2-S2；

引入食品组关系，将潜在空间中所有食品的几何中心点作为组中心点，并且该组中的所有组成员应该接近于组中心点；在每次迭代中，用已发生的最后一次迭代中使用的U和V来计算每个组的中心点，这些点在当前迭代中用作固定变量；以组为中心的约束表示如下：其中 是食品组G中第j个元素， 是食品组G的几何中心； 表

示一个组G中的成员j和其所在组中心点的欧氏距离；将R0、R1、R2合并到基础的矩阵分解目标 中，得到目标函数如下：s.t.U≥0，V≥0

其中λ0、λ1和λ2为人为指定的参数，选值范围为：λ0和λ1从集合{0，0.001，0.01，0.1，1，

10，100，1000}中选择，λ2从集合{1，10，100，1000}中选择，利用梯度下降的方法，求解得到食品和疾病潜在空间的表示U和V。

2.根据权利要求1所述的基于疾病加权和食品类别约束的食品-疾病关联预测方法，其特征在于：所述步骤1的具体实现方法为：首先，利用国际疾病分类数据，构造疾病相关度矩阵S1，如果两种疾病的表述在国际疾病分类中为父子关系，则设置疾病相关度矩阵中的元素Sij＝1,否则Sij＝0，其中，疾病i为疾病j的父目录，疾病j为疾病i的具体亚类；

然后，定义父结点i的深度depth(i,j)、父结点i和子结点j所构成的边所处深度的权重C(depth(i,j))，定义如下：C(depth(i,j))＝1+log(depth(i,j))

最后，基于层次结构加权后，疾病的相关度矩阵表示如下：

(S′1)ij＝(S1)ij*C(depth(i，j))。

3.根据权利要求1所述的基于疾病加权和食品类别约束的食品-疾病关联预测方法，其特征在于：所述步骤2的具体实现方法为：在食品相似度网络中，每一个节点为“食品-量-食用方法”的组合；在“量-食用方法”不同的情况下，两两节点关系置为0；在“量-使用方法”相同的情况下，根据食品成分表，利用余弦公式，计算两两食品之间的相似度，作为节点关系值，得到食品相似度网络S2。

4.根据权利要求1所述的基于疾病加权和食品类别约束的食品-疾病关联预测方法，其特征在于：所述步骤3的具体实现方法为：根据国家规定的食品分类系统构造食品的关系并使用具体分类的20类；将同量同食用方法同分类的食品分做一组，即每一个元素为一个“食品名-量-食用方法”的三元组；根据食品性状、成分的比例的不同将食品归纳在不同的食品组中。

5.根据权利要求1所述的基于疾病加权和食品类别约束的食品-疾病关联预测方法，其特征在于：所述步骤4的具体实现方法为：将已知的食品-疾病关联用二进制矩阵R(n×m)表示，将“食品名-量-食用方法”作为食品的细化项，利用“食品名-量-食用方法-疾病”进行建模，将已验证关联的四元组设置为1，否则为0，其中矩阵中行为n个“食品名-量-食用方法”，列为m个疾病。

6.根据权利要求1所述的基于疾病加权和食品类别约束的食品-疾病关联预测方法，其特征在于：所述步骤5的具体实现方法为：随机初始化食品和疾病在潜在空间的表示Rn×K和VK×m：通过对两个矩阵中的每一个值赋予0-1之间的任意数作为初始化。

7.根据权利要求1所述的基于疾病加权和食品类别约束的食品-疾病关联预测方法，其特征在于：所述步骤7的具体实现方法为：通过食品潜在空间的表示U中第i行与疾病潜在空间的表示V中的第j列做点乘，得到“食品-量-食用方法”i与疾病j之间可能的关系值。