[發明專利]基于人工智能的疫情預測方法、裝置、存儲介質及服務器

在審

• 申請號: 202111525060.1
• 申請日: 2021-12-14
• 公開（公告）號: CN114168835A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 宋威
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/33;G06N3/04;G06N3/08;G16H50/80
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 劉永康

1.一種基于人工智能的疫情預測方法，其特征在于，包括：

根據預設的疫情關鍵詞從互聯網中爬取在預設的第一時段內與疫情相關的新聞文章序列；

使用預設的語言表征模型對所述新聞文章序列進行特征信息提取，得到與所述新聞文章序列對應的特征信息序列；

從預設的數據庫中獲取在所述第一時段內的疫情確診人數序列；

對所述疫情確診人數序列進行差分計算，得到與所述疫情確診人數序列對應的差分序列；

使用預設的疫情預測模型對所述特征信息序列和所述差分序列進行預測分析，得到在預設的第二時段內的疫情確診人數預測序列。

2.根據權利要求1所述的疫情預測方法，其特征在于，所述根據預設的疫情關鍵詞從互聯網中爬取在預設的第一時段內與疫情相關的新聞文章序列，包括：

根據所述疫情關鍵詞從互聯網中爬取在所述第一時段內與疫情相關的各篇新聞文章；

將爬取的各篇新聞文章按照發布日期劃分為N個新聞文章集合；其中，N為所述第一時段的總天數，同一發布日期的新聞文章被劃分至同一新聞文章集合中；

將劃分的N個新聞文章集合按照發布日期升序排列，形成所述新聞文章序列。

3.根據權利要求2所述的疫情預測方法，其特征在于，所述使用預設的語言表征模型對所述新聞文章序列進行特征信息提取，得到與所述新聞文章序列對應的特征信息序列，包括：

使用所述語言表征模型對所述新聞文章序列中的各篇新聞文章分別進行特征信息提取，得到所述新聞文章序列中的各篇新聞文章的第一特征信息向量；

對第n個新聞文章集合中的各篇新聞文章的第一特征信息向量進行均值計算，得到第n個新聞文章集合的第二特征信息向量，1≤n≤N；

將所述新聞文章序列中的各個新聞文章集合的第二特征信息向量按照發布日期升序排列，形成所述特征信息序列。

4.根據權利要求3所述的疫情預測方法，其特征在于，所述使用所述語言表征模型對所述新聞文章序列中的各篇新聞文章分別進行特征信息提取，得到所述新聞文章序列中的各篇新聞文章的第一特征信息向量，包括：

對目標新聞文章進行分割處理，得到所述目標新聞文章的符號序列；其中，所述目標新聞文章為所述新聞文章序列中的任意一篇新聞文章；

根據所述符號序列生成所述目標新聞文章的疊加序列；

從所述疊加序列中選取與預設的第一符號對應的向量作為所述目標新聞文章的第一特征信息向量。

5.根據權利要求4所述的疫情預測方法，其特征在于，所述根據所述符號序列生成所述目標新聞文章的疊加序列，包括：

分別生成與所述符號序列對應的詞嵌入序列、分段嵌入序列和位置嵌入序列；其中，所述詞嵌入序列中包括所述符號序列中各個符號的詞向量，所述分段嵌入序列中包括所述符號序列中各個符號所屬的分段信息，所述位置嵌入序列中包括所述符號序列中各個符號的位置信息；

對所述詞嵌入序列、所述分段嵌入序列和所述位置嵌入序列進行疊加，生成所述疊加序列。

6.根據權利要求1所述的疫情預測方法，其特征在于，所述對所述疫情確診人數序列進行差分計算，得到與所述疫情確診人數序列對應的差分序列，包括：

根據下式分別計算所述第一時段內每天的疫情確診人數變化率：

R_m＝(P_m-P_m-1)/P_m-1

其中，P_m為所述第一時段內的第m天的疫情確診人數，1≤m≤M，M為所述第一時段的總天數，R_m為所述第一時段內的第m天的疫情確診人數變化率；

將所述第一時段內每天的疫情確診人數變化率按照時間升序排列，形成所述差分序列。