本发明提供了一种基于健康数据的健康风险自测量表推荐方法。本发明从数据驱动的角度出发，融合大数据技术、深度学习技术加速健康数据挖掘的落地，提供健康自测的应用场景。堆叠交叉模型（DeepFM with Stacked Self‑Attentive，简称ADFM）通过计算用户对候选量表的风险指数，找到用户风险指数较高的量表，从用户被动查询健康信息到主动推荐健康测试量表，最后根据用户自测结果推送干预方案，达到减少用户健康风险的目的。