[發明專利]一種疫情傳播追蹤方法及系統

有效

• 申請號: 202110059223.5
• 申請日: 2021-01-15
• 公開（公告）號: CN112786210B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 李衛紅;張可文;劉熠孟;楊孝銳;郭云健;劉國慶
• 申請（專利權）人: 華南師范大學
• 主分類號: G16H50/80
• 分類號: G16H50/80
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;顏希文

1.一種疫情傳播追蹤方法，其特征在于，包括：

根據獲取得到的公共安全領域大數據資源進行構建得到人員關系圖譜；

采用預先構建的個人密切接觸關系動態挖掘算法模型實時挖掘個人密切接觸關系，并將所述個人密切接觸關系實時更新至所述人員關系圖譜中；

基于預先訓練得到的人感染風險評估回歸分析模型對所述人員關系圖譜中的每一人員節點進行個人感染風險評估概率計算；

根據所述人員關系圖譜對預設的感染人員進行社團結構探測，繼而對所述人員關系圖譜進行社團結構劃分得到局部人員關系圖譜；

根據所述局部人員關系圖譜計算個人感染風險概率，結合所述個人感染風險評估概率與所述個人感染風險概率進行計算得到個人感染風險整體概率。

2.根據權利要求1所述的疫情傳播追蹤方法，其特征在于，所述根據獲取得到的公共安全領域大數據資源進行構建得到人員關系圖譜，具體包括：

獲取公共安全領域大數據資源；其中，所述公共安全領域大數據資源包括人員基礎數據、地址數據以及重點人員數據；

通過實體抽取及關系抽取方法對所述公共安全領域大數據資源進行領域專業知識融合；

采用圖數據庫Neo4j對所述領域專業知識進行存儲以構建得到所述人員關系圖譜。

3.根據權利要求1所述的疫情傳播追蹤方法，其特征在于，所述人感染風險評估回歸分析模型的訓練方式包括：

根據搜集的相關病例樣本數據，采用Pearson相關性分析算法對預先選取的所有風險因子進行篩選，得到相關系數絕對值大于預設閾值的目標風險因子；

根據獲取得到的人員真實樣本數據集，采用Kmeans-Boosting算法對所述人感染風險評估回歸分析模型進行訓練。

4.根據權利要求1所述的疫情傳播追蹤方法，其特征在于，所述根據所述人員關系圖譜對預設的感染人員進行社團結構探測，繼而對所述人員關系圖譜進行社團結構劃分得到局部人員關系圖譜，具體包括：

將預設的感染人員對應的節點作為社團結構中心；

基于所述社團結構中心采用預設的社團結構劃分算法進行路徑擴散；

以模塊度增量為判定指標將滿足所述判定指標的路徑節點并入所述社團結構，對所述路徑中的節點進行遍歷之后得到與所述預設的感染人員相對應的局部人員關系圖譜。

5.根據權利要求1所述的疫情傳播追蹤方法，其特征在于，所述根據所述局部人員關系圖譜計算個人感染風險概率，結合所述個人感染風險評估概率與所述個人感染風險概率進行計算得到個人感染風險整體概率，具體包括：

根據所述局部人員關系圖譜計算個人感染風險概率；

根據預設的權重，將所述個人感染風險評估概率與所述個人感染風險概率進行計算加權求和值，得到所述個人感染風險整體概率。

6.一種疫情傳播追蹤系統，其特征在于，包括：

圖譜構建模塊，用于根據獲取得到的公共安全領域大數據資源進行構建得到人員關系圖譜；

關系更新模塊，用于采用預先構建的個人密切接觸關系動態挖掘算法模型實時挖掘個人密切接觸關系，并將所述個人密切接觸關系實時更新至所述人員關系圖譜中；

第一概率計算模塊，用于基于預先訓練得到的人感染風險評估回歸分析模型對所述人員關系圖譜中的每一人員節點進行個人感染風險評估概率計算；

關系圖譜劃分模塊，用于根據所述人員關系圖譜對預設的感染人員進行社團結構探測，繼而對所述人員關系圖譜進行社團結構劃分得到局部人員關系圖譜；

第二概率計算模塊，用于根據所述局部人員關系圖譜計算個人感染風險概率，結合所述個人感染風險評估概率與所述個人感染風險概率進行計算得到個人感染風險整體概率。

7.根據權利要求6所述的疫情傳播追蹤系統，其特征在于，所述圖譜構建模塊具體用于：獲取公共安全領域大數據資源；其中，所述公共安全領域大數據資源包括人員基礎數據、地址數據以及重點人員數據；通過實體抽取及關系抽取方法對所述公共安全領域大數據資源進行領域專業知識融合；采用圖數據庫Neo4j對所述領域專業知識進行存儲以構建得到所述人員關系圖譜。