功能介绍与功能对比

1. 唤醒食物核心价值区——AI食疗的完全访问权限（不含PubMed实验报告）。

2. 唤醒食物核心价值区——补充剂大观的完全访问权限（不含PubMed实验报告）。

3. 唤醒食物核心价值区——补充剂大观中的功效与作用领域的完全访问权限。

4. 在营养速查榜中可对46种类黄酮细分成分进行双向排序。

5. 在营养组合榜中可进行多达10种营养成分的组合排序。

6. 食物营养成分页中的类黄酮细分成分。

7. 在食物对比中可对多达10种食物进行对比。

至尊会员特权包含高级会员的所有特权，并增加以下强大特权：

1. 唤醒食物核心价值区——AI食疗中PubMed实验报告的完全访问权限。

2. 唤醒食物核心价值区——补充剂大观中PubMed实验报告的完全访问权限。

3. 以中英文双语方式浏览全部PubMed实验报告的标题和摘要。

4. 在显示PubMed实验报告列表时按照相关度从高到低排序。

5. 强大食物与功能食物——食物功能性的完全访问权限。

6. 在不饱和脂肪酸速查榜中可对26种不饱和脂肪酸细分成分进行双向排序。

仅根据双键数量对脂肪酸进行分组（即饱和脂肪酸、单不饱和脂肪酸和多不饱和脂肪酸）的约定存在固有的局限性。与总脂肪、脂肪酸和人类健康相关的大量流行病学证据应用了这些分组，并表明脂肪酸的主要分组是与不同的健康影响有关的。同时，健康咨询专家认识到脂肪酸的每一大类中的每一种单独的脂肪酸都具有独特的生物学特性和健康影响。

因此，唤醒食物提供了包括DHA、EPA、DPA、α-亚麻酸、花生四烯酸、共轭亚油酸、亚油酸、油酸、神经酸等等在内的26种全面的不饱和脂肪酸细分成分。您可对超过7000种食物进行这26种不饱和脂肪酸成分含量的双向排序。

7. 超过7000种食物的不饱和脂肪酸细分成分。

8. 唤醒食物核心价值区——PubMed实验报告数。

在权重这一维度外，又提供PubMed实验报告这一新维度的意义。

权重的AI算法的基础数据是源自美国及全球科研机构公开发布的补充剂实验报告（PubMed及其他权威医学期刊）、维基百科英文、维基百科中文，以及中医名著。

这些基础数据的来源是可靠的，但由于基础数据的来源众多，其中由公众参与编辑的数据源可能含有少量质量不高的信息，中医名著中也可能含有少量已被现代医学否定或替代的信息。因此，唤醒食物通过在权重这一维度之外，提供另一个维度来解决这个问题。这个新的维度就是PubMed实验报告。

PubMed实验报告由PubMed实验报告数和报告比重两部分构成。

PubMed实验报告数指的是补充剂与当前诉求相关的实验报告数。PubMed实验报告数是完全基于现代医学实验的单一数据源PubMed进行计算得到。由于PubMed的实验报告的总信息量极其庞大，并且部分实验报告的完整文档无法在线获得。因此，唤醒食物采用一套新的简化的AI算法基于PubMed的实验报告的标题和摘要进行运算，以便能够实时处理数千万份PubMed实验报告，得到PubMed实验报告数这一维度。

PubMed实验报告数不能取代权重，而是对权重起到重要的佐证和强力纠偏的作用。比如，当几种补充剂对某一诉求的权重相同或接近时，拥有更多PubMed实验报告数的那种补充剂会更有效。

再比如，当某种补充剂对某一诉求的权重较低，但其PubMed实验报告数却很多时，则这种低权重通常是由于AI算法的分批数据预处理导致的数据滞后引起的，这种补充剂对该诉求很可能具有更大的作用。相反，如果某种补充剂对某一诉求的权重很高，但其PubMed实验报告数却很少时，这意味着该补充剂对该诉求的权重并没有得到现代医学文献的佐证和支持。

9. 唤醒食物核心价值区——PubMed实验报告比重。

报告比重指的是补充剂与当前诉求相关的实验报告数占该补充剂总实验报告数的百分比。

报告比重反映了补充剂中有多大比例的实验报告是直接与当前诉求相关的。报告比重越高表明补充剂与当前诉求的相关度越高。

报告比重是对补充剂实验报告总数和补充剂知名度的一种制衡。比如，知名度越高的补充剂，会在全球范围内得到更多的实验报告，这会使得该补充剂的实验报告总数激增，也使得该补充剂与任何诉求的相关实验报告数激增。但这种实验报告数的激增并不会使该补充剂与任何诉求的报告比重增加。报告比重会在因补充剂知名度导致的实验报告数激增中保持稳定，从而可以让你更客观地了解补充剂与当前诉求的真实相关性。

10. 唤醒食物核心价值区——至尊补充剂的访问权限。

11. 唤醒食物核心价值区——家庭营养结构。

利用AI分析充分掌握自家饮食结构存在的问题。为您的家庭重建均衡营养给出明确的指导。

如果您的家庭中的每个家庭成员的饮食结构存在较大差别，则每一个家庭成员可以单独进行分析，从而得到针对每个人的更准确的营养结构分析。

12. 补充剂的拉丁学名。

全部补充剂的拉丁学名。根据多方权威文献严格校对。

13. 补充剂中植物的全球分布图。

以直观的地图形式（A型地图）显示大部分植物在全球的分布图。

在分布图中，绿色表示该植物的原产地，紫色表示该植物的引种地。例如，下图是覆盆子的全球分布图。

少部分植物，无法以A型地图来显示其全球分布图。对于这些植物，企业会员可以通过使用B型地图来显示其全球分布图。

企业会员适合：

1. 从事新保健品、新药研发的企事业单位及个人。

2. 想要全视野深入探究补充剂对诉求与疾病的作用的企事业单位及个人。

3. 想要发现对诉求与疾病有效，却在有效性权重中被遗漏的补充剂的企事业单位及个人。

由于权重计算所用到的AI算法、NLP与模式识别，其深度学习的过程需要进行数据预处理。PubMed的实验报告达数千万份，其数据预处理是分批进行并定期更新的，这会导致周期性的数据滞后。

这种周期性的数据滞后可能导致原本应该获得一个权重的补充剂暂时没有获得权重，或者原本应该获得一个相当高权重的补充剂暂时只获得一个比较低的权重。当一个补充剂暂时没有获得权重或获得的权重较低时，它可能无法出现在对当前诉求最有效的补充剂列表中。因为只有在三种补充剂（营养素、天然提取物、中草药）中权重值排名前15名的补充剂才会出现在对当前诉求最有效的补充剂列表中。

为了解决这一问题并尽量减少数据滞后，AI食疗中的“PubMed补充剂全排序”采用了简化的AI算法，以便能够实时处理数千万份PubMed实验报告。计算每一种补充剂和当前诉求之间的实验报告数和报告比重。此功能可以让您实时并先行获得最完整的信息和更广阔的视野，确保不会遗漏对当前诉求与疾病有效的补充剂。

企业会员可在新保健品和新药研发的两个重要的阶段提供帮助与提高效率：

1. 药物靶点确认。

2. 先导化合物/药物实体筛选。

企业会员特权包含至尊会员的所有特权，并增加以下强大特权：

1. 唤醒食物核心价值区——AI食疗中的PubMed补充剂全排序。

您可以看到针对每一个诉求，完全按照PubMed实验报告数对全部补充剂进行排序的结果。对于任何一个诉求而言，这可以让您一目了然地看到与该诉求高度相关的补充剂，并进而从中筛选出先导化合物/药物实体。同时，这也可以让您发现对该诉求有效但却在有效性权重中被遗漏的补充剂。

PubMed补充剂全排序提供三种排序方式：按数量排序、按比重排序和按加权排序。

按数量排序是指按报告数量排序。这里的报告数量指的是补充剂与当前诉求相关的实验报告数量。报告数量多意味着补充剂与当前诉求的研究基础较广。

按比重排序是指按报告比重排序。这里的报告比重指的是补充剂与当前诉求相关的实验报告数占该补充剂总实验报告数的百分比。报告比重往往比报告数量更能反映补充剂与当前诉求的相关性。

按加权排序是指同时考虑报告数量和报告比重这两个因素的排序。报告数量和报告比重这两个因素都很重要，因此，将这两个因素结合起来构建一个加权模型再对其进行排序，其排序结果会更具有全局观和决策意义。

点击实验报告列的实验报告数，可以中英文双语查看和阅读与当前诉求和当前补充剂相关的全部PubMed实验报告（包括实验报告标题、实验报告原始出处，以及实验报告摘要）。

2. 唤醒食物核心价值区——补充剂大观中的PubMed全景矩阵。

基于人工智能给出补充剂大观中任何一种补充剂在全部PubMed实验报告中与任何诉求大类别（及其麾下的诉求）的相关度图谱。

PubMed全景矩阵由直观的气泡全景图和诉求矩阵共同构成。

在诉求矩阵中，您可以看到针对每一种补充剂，完全按照PubMed实验报告数对全部诉求进行排序的结果。对于任何一种补充剂而言，这可以让您一目了然地看到与该补充剂高度相关的诉求，并进而确认该补充剂真正有效的诉求方向。同时，这也可以让您发现该补充剂对其有效但却在有效性权重中被遗漏的诉求。

点击诉求矩阵中实验报告列的实验报告数，可以中英文双语查看和阅读与当前补充剂和当前诉求相关的全部PubMed实验报告（包括实验报告标题、实验报告原始出处，以及实验报告摘要）。

利用全景矩阵，可迅速对补充剂大观中任何一种补充剂的功效与作用领域或副作用有直观且全面的认识。

PubMed全景矩阵是中药配方研发、保健食品配方研发、功能食品配方研发、补充剂配方研发的决策支持系统与效率工具。

3. 唤醒食物核心价值区——实时生成PubMed全景矩阵。

PubMed全景矩阵是强大的工具，但它只能对补充剂大观中已存在的补充剂生成PubMed全景矩阵。

实时生成PubMed全景矩阵是PubMed全景矩阵的增强版。它可以实时生成任何一种食物、补充剂、食品添加剂、药品在全部PubMed实验报告中与任何诉求大类别（及其麾下的诉求）的相关度图谱。

实时生成PubMed全景矩阵由直观的气泡全景图和诉求矩阵共同构成。

利用实时生成全景矩阵，可迅速对任何一种食物、补充剂、食品添加剂、药品的功效与作用领域或副作用有直观且全面的认识。

实时生成PubMed全景矩阵是中药配方研发、保健食品配方研发、功能食品配方研发、补充剂配方研发的决策支持系统与效率工具。

4. 唤醒食物核心价值区——补充剂大观中查看一种补充剂与多个诉求相关的全部PubMed实验报告。

设想这样一种情况，您想要开发一种抗衰老的产品。您通过AI食疗的“抗衰老”诉求找到了儿茶素这一补充剂。接下来，您想要进一步查看儿茶素与抗衰老相关的所有实验报告。

但与抗衰老相关的不仅仅只有抗衰老这么一个诉求，还有延长寿命、皮肤松弛等几个诉求，而且儿茶素与这几个抗衰老相关诉求有关的大部分实验报告都是重复的，如果您看完儿茶素与抗衰老有关的所有实验报告，再看儿茶素与延长寿命有关的所有实验报告，然后再看儿茶素与皮肤松弛有关的所有实验报告。这会导致阅读大量重复的实验报告，浪费大量的时间。

使用这个功能，您可以一次性将多个相关诉求同时选中，然后查看该补充剂与这多个诉求相关的经去重的全部实验报告，从而可以为您节省下大量的时间。

5. 在显示PubMed实验报告列表时按照相关度从高到低排序。

6. 定制服务———对唤醒食物中目前尚未建立的诉求或补充剂提供定制服务。

7. 唤醒食物核心价值区——PubMed中文版。

8. 唤醒食物核心价值区——补充剂的拉丁异名与英文名。

全部补充剂的与其拉丁学名对应的拉丁异名和英文名。根据多方权威文献严格校对。

随着包括DNA测序、RAPD在内的生物分类技术的不断发展，对生物的认识不断加深，导致经常有生物的拉丁学名被更改。一旦生物的拉丁学名被更改，它曾经的拉丁学名就变成了拉丁异名。

这使得文献中使用拉丁异名变得很常见，而且对于某些生物补充剂而言，使用其拉丁异名的文献要比使用其最新的拉丁学名的文献多得多。因此，了解生物补充剂的拉丁异名和英文名对于获取该生物补充剂的全部文献意义重大。

基于实用性考虑，对于拉丁异名和英文名，只选取目前依然在使用中的或曾经被常用过的。

此外，如果一种生物补充剂有多种基原生物可作为来源的话，则除了最常用或最典型的那种基原生物的拉丁学名被作为该生物补充剂的拉丁学名外，其余的基原生物的拉丁学名及其各自所对应的拉丁异名和英文名也会被作为该生物补充剂的拉丁异名和英文名给出。

9. 补充剂中生物的全球分布图。

以直观的地图形式显示每一种生物在全球的分布图。

对于大部分植物，采用A型地图来显示其全球分布图。在分布图中，绿色表示该植物的原产地，紫色表示该植物的引种地。例如，下图是覆盆子的全球分布图。

对于少部分植物和所有非植物生物，采用B型地图来显示其全球分布图。在分布图中，六边形的点表示该生物在该地区被观察和记录到。点的颜色从淡黄色到深红色变化。颜色越深表示该生物在该地区被观察和记录到的次数越多。例如，下图是刺猬的全球分布图。

地图可任意缩小和放大，以便你更清楚地看到这些点的精确位置。例如，下图是刺猬的全球分布图局部放大后的呈现。

10. 补充剂中植物的同属物种。

给出补充剂中植物的同属物种。

同属植物具有相似的药理活性。全面的同属物种列表为寻找植物补充剂的替代物种提供方便。例如，下图是当归的同属物种列表。

11. 食物的拉丁学名。

全部生物食物的拉丁学名。根据多方权威文献严格校对。

若使用某生物食物的拉丁学名无法在PubMed中检索出任何文献，则使用其拉丁异名或英文名来替代其拉丁学名。

超级会员适合：

1. 从事新保健品、新药、新功能食品研发的企事业单位及个人。

2. 想要全视野深入探究食物、补充剂、药品对诉求与疾病的作用的企事业单位及个人。

3. 想要发现对诉求与疾病有效，却在有效性权重中被遗漏的食物、补充剂、药品的企事业单位及个人。

4. 想要启发和定位任何一种疾病或诉求的发病机制和治疗机制的企事业单位及个人。

5. 想要探测和定位对任何一种疾病或诉求有效的食物、补充剂和药品的企事业单位及个人。

超级会员特权包含企业会员的所有特权，并增加以下强大特权：

1. 唤醒食物核心价值区——全能食物与矿物食物。

全能食物指营养全面且丰富的食物。矿物食物指矿物质含量全面且丰富的食物。

全能食物和矿物食物是利用深度神经网络对食物全部营养成分的所有维度进行深度学习后得到。

2. 唤醒食物核心价值区——补充剂的语义级知识图谱（基于健康与疾病相关文献）。

使用唤醒食物开发的语义级知识图谱——大泽矩阵引擎（基于NLP与卷积神经网络）给出任何一种补充剂与疾病和健康相关度最高的2000篇PubMed文献的语义级知识图谱。

通过补充剂的语义级知识图谱，您可以直观迅速地了解到该补充剂与哪些疾病或诉求相关度最高，以及该补充剂有哪些功效与作用。

通过物种名识别功能，您可以知道该补充剂经常与哪些补充剂或天然药物一起使用，或经常与哪些补充剂或天然药物用作对比。

关于语义级知识图谱——大泽矩阵的详细功能介绍，您可点击这里阅读。

3. 唤醒食物核心价值区——AI食疗的语义级知识图谱（基于全域文献）。

使用唤醒食物开发的语义级知识图谱——大泽矩阵引擎（基于NLP与卷积神经网络）给出任何一种疾病或诉求的相关度最高的2000篇全域PubMed文献的语义级知识图谱。

通过AI食疗的语义级知识图谱的物种名识别功能和补充剂识别功能，您可以直观迅速地了解到该疾病或诉求与哪些补充剂或天然药物的相关度最高。相关度最高的补充剂或天然药物通常就是治疗该疾病或满足该诉求最有效的补充剂或天然药物。

关于语义级知识图谱——大泽矩阵的详细功能介绍，您可点击这里阅读。

4. 唤醒食物核心价值区——食物的语义级知识图谱（基于全域文献）。

使用唤醒食物开发的语义级知识图谱——大泽矩阵引擎（基于NLP与卷积神经网络）给出任何一种食物的相关度最高的2000篇全域PubMed文献的语义级知识图谱。

通过食物的语义级知识图谱，您可以直观迅速地了解到该食物与哪些疾病或诉求相关度最高，以及该食物有哪些功效与作用。

通过物种名识别功能和补充剂识别功能，您可以知道该食物经常与哪些补充剂或天然药物一起使用，或经常与哪些补充剂或天然药物用作对比。

关于语义级知识图谱——大泽矩阵的详细功能介绍，您可点击这里阅读。

5. 唤醒食物核心价值区——实时生成补充剂全排序。

PubMed补充剂全排序是强大的工具，但它只能对AI食疗中已存在的诉求生成PubMed补充剂全排序。

实时生成补充剂全排序是PubMed补充剂全排序的超级增强版。它可以实时生成任何一种用户自定义诉求的PubMed补充剂全排序。

比如，你可以实时生成抗氧化的补充剂全排序。

补充剂全排序提供三种排序方式：按数量排序、按比重排序和按加权排序。

按数量排序是指按报告数量排序。这里的报告数量指的是补充剂与当前诉求相关的实验报告数量。报告数量多意味着补充剂与当前诉求的研究基础较广。

按比重排序是指按报告比重排序。这里的报告比重指的是补充剂与当前诉求相关的实验报告数占该补充剂总实验报告数的百分比。报告比重往往比报告数量更能反映补充剂与当前诉求的相关性。

按加权排序是指同时考虑报告数量和报告比重这两个因素的排序。报告数量和报告比重这两个因素都很重要，因此，将这两个因素结合起来构建一个加权模型再对其进行排序，其排序结果会更具有全局观和决策意义。

AI系统将基于您为诉求指定的诉求名称（关键字），来为您分析和生成该诉求的补充剂全排序。

在指定诉求名称（关键字）时，你可以使用英文或中文。并且，无论您使用英文还是中文，均可指定多个名称（关键字）。

比如，如果你要生成抗氧化的补充剂全排序，则你可以使用中文：

抗氧化, 抗氧化作用

或使用英文：

antioxidant, antioxidation

6. 唤醒食物核心价值区——食物的拉丁异名与英文名。

全部生物食物的与其拉丁学名对应的拉丁异名和英文名。根据多方权威文献严格校对。

随着包括DNA测序、RAPD在内的生物分类技术的不断发展，对生物的认识不断加深，导致经常有生物的拉丁学名被更改。一旦生物的拉丁学名被更改，它曾经的拉丁学名就变成了拉丁异名。

这使得文献中使用拉丁异名变得很常见，而且对于某些生物食物而言，使用其拉丁异名的文献要比使用其最新的拉丁学名的文献多得多。因此，了解生物食物的拉丁异名和英文名对于获取该生物食物的全部文献意义重大。

基于实用性考虑，对于拉丁异名和英文名，只选取目前依然在使用中的或曾经被常用过的。

此外，如果一种生物食物有多种基原生物可作为来源的话，则除了最常用或最典型的那种基原生物的拉丁学名被作为该生物食物的拉丁学名外，其余的基原生物的拉丁学名及其各自所对应的拉丁异名和英文名也会被作为该生物食物的拉丁异名和英文名给出。

7. 唤醒食物核心价值区——AI食疗中的PubMed食物全排序。

基于食物中所含的功效成分与活性成分，您可以看到针对每一个诉求，完全按照PubMed实验报告数对全部食物进行排序的结果。

对于任何一个诉求而言，这可以让您一目了然地看到与该诉求高度相关的食物，为保健食品、功能食品、食疗提供配方设计的思路与决策支持。同时，这也可以让您发现对该诉求有效但却在有效性权重中因仅考虑食物中所含的营养素而被遗漏的食物。

PubMed食物全排序提供三种排序方式：按数量排序、按比重排序和按加权排序。

按数量排序是指按报告数量排序。这里的报告数量指的是食物与当前诉求相关的实验报告数量。报告数量多意味着食物与当前诉求的研究基础较广。

按比重排序是指按报告比重排序。这里的报告比重指的是食物与当前诉求相关的实验报告数占该食物总实验报告数的百分比。报告比重往往比报告数量更能反映食物与当前诉求的相关性。

按加权排序是指同时考虑报告数量和报告比重这两个因素的排序。报告数量和报告比重这两个因素都很重要，因此，将这两个因素结合起来构建一个加权模型再对其进行排序，其排序结果会更具有全局观和决策意义。

点击实验报告列的实验报告数，可以中英文双语查看和阅读与当前诉求和当前食物相关的全部PubMed实验报告。

食物全排序不仅支持对全部食物进行排序，也支持按食物类别进行分类排序。比如，你可以对谷类食物进行减肥的食物全排序。

8. 唤醒食物核心价值区——实时生成食物全排序。

PubMed食物全排序是强大的工具，但它只能对AI食疗中已存在的诉求生成PubMed食物全排序。

实时生成食物全排序是PubMed食物全排序的超级增强版。它可以实时生成任何一种用户自定义诉求的PubMed食物全排序。

比如，你可以实时生成抗氧化的食物全排序。

食物全排序提供三种排序方式：按数量排序、按比重排序和按加权排序。

按数量排序是指按报告数量排序。这里的报告数量指的是食物与当前诉求相关的实验报告数量。报告数量多意味着食物与当前诉求的研究基础较广。

按比重排序是指按报告比重排序。这里的报告比重指的是食物与当前诉求相关的实验报告数占该食物总实验报告数的百分比。报告比重往往比报告数量更能反映食物与当前诉求的相关性。

按加权排序是指同时考虑报告数量和报告比重这两个因素的排序。报告数量和报告比重这两个因素都很重要，因此，将这两个因素结合起来构建一个加权模型再对其进行排序，其排序结果会更具有全局观和决策意义。

AI系统将基于您为诉求指定的诉求名称（关键字），来为您分析和生成该诉求的食物全排序。

在指定诉求名称（关键字）时，你可以使用英文或中文。并且，无论您使用英文还是中文，均可指定多个名称（关键字）。

比如，如果你要生成抗氧化的食物全排序，则你可以使用中文：

抗氧化, 抗氧化作用

或使用英文：

antioxidant, antioxidation

9. 唤醒食物核心价值区——语义级知识图谱（语义级词频）。

语义级词频，基于自然语言处理（NLP）的命名实体识别（NER）、词性分析、词根提取、TF-IDF来分析文献的真实词频。从而让您迅速发现海量文献中蕴含的真正重要的术语和信息。

语义级词频分析分为两种：一种是针对文献的标题和摘要进行分析；另一种是针对文献的关键字与医学主题词（MeSH）进行分析。两种词频分析均以中英文双语的形式给出，以方便阅读和对照。

语义级词频提供三种表现形式：一种条形图和两种词云。

10. 唤醒食物核心价值区——语义级知识图谱（物种名识别）。

物种名识别，基于唤醒食物创建的全球物种库和卷积神经网络（CNN），识别出海量文献中所提及的所有现存的物种，并对识别出的物种名进行词频排序。

事实上，该功能不仅可以准确地识别出所有现存的物种，而且还能够识别未来新发现的物种名。物种名，也称物种的学名、拉丁名、科学名、双名命名法、二名法、林奈名。唤醒食物创建的全球物种库已收录超过28万个属，超195万个物种。

本质上，对于一种疾病或诉求关键字而言，物种名识别功能可以让你在全球物种中发现对治疗该疾病或解决该诉求最有效的物种。

识别出的全部物种名，均以中英文双语的形式给出，以方便查看和对照。

11. 唤醒食物核心价值区——语义级知识图谱（补充剂识别）。

补充剂识别，基于唤醒食物创建的全球补充剂库和卷积神经网络（CNN），识别出海量文献中所提及的所有现存的补充剂，并对识别出的补充剂进行词频排序。

事实上，该功能不仅可以准确地识别出所有现存的补充剂，而且还能够识别未来新发现的补充剂。唤醒食物创建的全球补充剂库已收录超过3.6万种补充剂。

本质上，对于一种疾病或诉求关键字而言，补充剂识别功能可以让你在全球补充剂中发现对治疗该疾病或解决该诉求最有效的补充剂。

识别出的全部补充剂，均以中英文双语的形式给出，以方便查看和对照。

12. 唤醒食物核心价值区——语义级知识图谱（疾病名识别）。

疾病名识别，基于国际疾病分类（ICD）创建的全球疾病名称库和卷积神经网络（CNN），识别出海量文献中所提及的所有现存的疾病名称，并对识别出的疾病名称进行词频排序。

事实上，该功能不仅可以准确地识别出所有现存的疾病名称，而且还能够识别未来新发现的疾病名称。全球疾病名称库已收录超过6.6万种疾病名称。

本质上，对于一种物种或补充剂关键字而言，疾病名识别功能可以让你在全球疾病名称中发现该物种或补充剂对治疗哪些疾病最有效。

识别出的全部疾病名称，均以中英文双语的形式给出，以方便查看和对照。

12. 唤醒食物核心价值区——语义级知识图谱（关键字语境）。

关键字语境，当你在语义级词频、物种名识别、补充剂识别和疾病名识别中，发现一个你感兴趣的术语、物种、补充剂或疾病名称后，你当然希望知道该术语、物种、补充剂或疾病名称是在文献中怎样的语境（即上下文环境）中出现的。

你只需在语义级词频、物种名识别、补充剂识别和疾病名识别中点击该术语、物种、补充剂或疾病名称，然后点击关键字语境，即可以短语、分句、全句、缩写这四种方式来查看该术语、物种、补充剂或疾病名称在文献中出现的语境。其中，缩写是按照语法结构对全句进行解析后重构的缩写形式。

除了四种语境外，还对该术语、物种、补充剂或疾病名称提供条形图和语义级词云两种方式的超解析。四种语境的完整数据以纯文本文件提供下载。

13. 唤醒食物核心价值区——语义级知识图谱（生成关系图）。

生成关系图，你可以把该功能看作是关键字语境中缩写方式的图形版本。

比如，你已经生成了抗氧化的知识图谱，在物种名识别中你发现了灵芝。这时，你点击生成关系图，你会看到生成的关系动词列表中以词频排序出现了used和concluded这样一些引起兴趣的动词。

现在，你只需在动词列表中点击used，然后点击生成关系图，就会生成以灵芝作为主题，以used作为关系，以从全句缩写中解析出的任何实体作为目标所形成的关系图。

采集的文献越多，生成的关系图也会越复杂。

14. 唤醒食物核心价值区——语义级知识图谱（实时搜索PubMed）。

语义级知识图谱的数据（文献），是通过实时搜索全球最大的生物医学文献数据库PubMed来获得的。

语义级知识图谱直接调用PubMed API，支持全部PubMed搜索布尔运算符及括号与双引号。这可以让你组合和构建从最简单易用到最复杂强大的关键字搜索逻辑，并且关键字支持全中文、全英文，以及中英文混合搜索。

唤醒食物的语义级知识图谱——大泽矩阵，是你寻找疾病与诉求的天然治疗物种和补充剂的强大AI工具；是你迅速掌握和了解任何术语、物种和补充剂的重要信息的强大AI工具；是你查询任何一种药品、补充剂、食物、食品添加剂的功效与作用领域及副作用的强大AI工具。

15. 唤醒食物核心价值区——超级语义级知识图谱（超级数据、超级分析、超级物种、超级补充与超级疾病）。

语义级知识图谱的数据（文献），是通过实时搜索全球最大的生物医学文献数据库PubMed来获得的。对于任何关键字组合，默认会从PubMed检索到的全部符合要求的文献中，采用Best match排序，提取相关度最高的2000份文献。语义级知识图谱将基于这2000份文献进行分析和构建。

（1） 超级数据

对于有些关键字组合，从PubMed检索到的全部符合要求的文献数可能远远超过2000份。比如，当你使用antioxidant or "anti-oxidant"这个关键字组合来生成抗氧化的语义级知识图谱时，PubMed返回的符合要求的文献数会超过70万份。在这种情况下，仅仅使用2000份文献进行数据分析，其分析结果显然不够全面。因此，你会希望基于更大的文献数量进行语义级知识图谱的分析和构建。

大泽矩阵通过提供超级数据与超级分析来满足你的这个需求。要突破2000份文献的限制，你需要使用超级数据。

超级数据通过批次检索和获取机制，突破了PubMed API 1万条记录的限制。无论检索到的符合要求的文献数是几万、十几万、几十万，甚至上百万，都可以全部获取到。

（2） 超级分析

结合超级数据的批次检索和获取机制，超级分析通过批次处理机制，能够高效地生成几十万份文献的超级语义级知识图谱（超级语义分析、超级物种识别、超级补充识别、超级疾病识别、超级关键语境）。

（3） 超级物种与超级补充

当大泽矩阵完成全部数据批次时，基于唤醒食物创建的全球物种库、全球补充剂库和卷积神经网络（CNN），可以为您找到针对当前诉求和疾病的最有效的超级物种和超级补充剂。

（4） 超级疾病

当大泽矩阵完成全部数据批次时，基于全球疾病名称库和卷积神经网络，可以让您看到当前物种或补充剂对治疗哪些疾病最有效的完整图谱。

（5） 批次检索和获取机制

超级数据通过批次检索和获取机制，也使得您不必完成全部数据批次就可以随时基于目前已经完成的数据批次生成超级分析结果、超级物种结果、超级补充结果和超级疾病结果。并且，随着您完成更多的数据批次，您可以看到生成的超级分析结果、超级物种结果、超级补充结果和超级疾病结果也在随之发生变化。当您完成全部数据批次时，您可以生成最终的决定性的超级分析结果、超级物种结果、超级补充结果和超级疾病结果。

（6） 基本算力、算力20与算力100

使用超级数据时，对于每一组关键字，超级会员自带 6000 份文献的基本算力。当需要获取和分析的文献超过 6000 份时，可根据需要，购买算力 20 超分包或算力 100 超分包。

算力 20 超分包，对文献数不超过 3 万份的，会全部处理。对文献数超过 3 万份的，会处理其 20% 的文献数。

算力 100 超分包，能够处理 100% 的全部文献数。

举个例子，某个关键字组合检索出 500000 份文献，算力 20 超分包会处理 100000 份文献，算力 100 超分包会处理 500000 份文献。

算力 20 超分包，年度1.5万元，终身6万元。算力 100 超分包，年度5万元，终身20万元。

16. 唤醒食物核心价值区——超级AI食疗。

针对任何一种疾病或诉求，在全球超195万个物种与超3.6万种补充剂中，找出最有效的物种与补充剂。

（1） 超级AI食疗

针对任何一种疾病或诉求，在全球超195万个物种与超3.6万种补充剂中，找出最有效的物种与补充剂。

利用大泽矩阵的物种名识别和补充剂识别，实现超级AI食疗功能。基于唤醒食物创建的全球物种库、全球补充剂库和卷积神经网络（CNN），识别出海量文献中所提及的所有现存的物种和补充剂，并对识别出的物种名和补充剂进行词频排序。

（2） 与普通AI食疗功能相比

超级AI食疗功能，能够在针对任何一种疾病或诉求选择最有效的物种与补充剂时，将物种与补充剂的选择范围从唤醒食物已经收录的1284种直接扩展至全球超195万个物种+全球超3.6万种补充剂。

（3） 自定义疾病与诉求

同时，使用普通AI食疗功能，你无法自定义疾病与诉求，你只能查询唤醒食物已经创建的310种疾病与诉求。而使用超级AI食疗功能，你可以自定义任何疾病与诉求。

使用超级AI食疗，可为下列诉求与疾病在全球范围内找出最有效的物种与补充剂：

• 抗衰老
• 延长寿命
• 提高智商
• 增强记忆力
• 抗癌
• 阿尔茨海默病（老年痴呆症）
• 糖尿病
• 焦虑症
• 抑郁症
• 减肥
• 长高
• 失眠
• 抗氧化
• 延长端粒
• ……
• 更多您自定义的诉求

（4） 诉求与子诉求

对于每一个诉求与疾病，既可以将其视为一个整体，也可以根据需要，将其细分为多个子诉求。比如，对于增强记忆力，你可以将其视为一个整体，你也可以将其细分为提高认知能力、增强空间记忆、增加脑供血、提高注意力、神经保护、神经再生、促进神经元增殖、抗氧化应激多个子诉求。

再比如，对于延长端粒，你可以将其视为一个整体，你也可以将其细分为抗氧化（对抗氧化应激对端粒的损害）、抗焦虑与抗抑郁（压力会加速端粒的缩短）、DNA修复、激活端粒酶（过度激活端粒酶会导致癌症风险增加，因此，要在抑制癌症的前提下激活端粒酶）多个子诉求。

（5） 关键字支持

只需输入诉求或疾病关键字（或关键字组），超级AI食疗就会为你在全球超195万个物种与全球超3.6万种补充剂中找出最有效的物种与补充剂。无论您正在分析的是诉求（比如增强记忆力）还是子诉求（比如增强记忆力中的神经保护），或者是疾病及其并发症和继发病，超级AI食疗都会实时获取分析海量PubMed文献并迅速为您提供答案。

关键字支持全中文、全英文，以及中英文混合。同时，支持全部PubMed搜索布尔运算符及括号与双引号。这可以让你组合和构建从最简单易用到最复杂强大的关键字搜索逻辑，准确获取所需的文献。

（6） 消除幻觉

超级AI食疗采用NLP+领域NLP+卷积神经网络模型，有效消除大语言模型（LLM）在分析文献时的幻觉问题。

超级会员基本算力、算力20、算力100在除下述区别外的所有功能上完全相同。

基本算力、算力20与算力100的区别

使用语义级知识图谱——大泽矩阵的超级数据时，对于每一组关键字，超级会员自带 6000 份文献的基本算力。当需要获取和分析的文献超过 6000 份时，可根据需要，购买算力 20 超分包或算力 100 超分包。

算力 20 超分包，对文献数不超过 3 万份的，会全部处理。对文献数超过 3 万份的，会处理其 20% 的文献数。

算力 100 超分包，能够处理 100% 的全部文献数。

举个例子，某个关键字组合检索出 500000 份文献，算力 20 超分包会处理 100000 份文献，算力 100 超分包会处理 500000 份文献。

算力 20 超分包，年度1.5万元，终身6万元。算力 100 超分包，年度5万元，终身20万元。

超级会员基本算力、算力20、算力100在除下述区别外的所有功能上完全相同。

基本算力、算力20与算力100的区别

使用语义级知识图谱——大泽矩阵的超级数据时，对于每一组关键字，超级会员自带 6000 份文献的基本算力。当需要获取和分析的文献超过 6000 份时，可根据需要，购买算力 20 超分包或算力 100 超分包。

算力 20 超分包，对文献数不超过 3 万份的，会全部处理。对文献数超过 3 万份的，会处理其 20% 的文献数。

算力 100 超分包，能够处理 100% 的全部文献数。

举个例子，某个关键字组合检索出 500000 份文献，算力 20 超分包会处理 100000 份文献，算力 100 超分包会处理 500000 份文献。

算力 20 超分包，年度1.5万元，终身6万元。算力 100 超分包，年度5万元，终身20万元。