CN111524612B - 传染病溯源方法、装置、计算机设备和存储介质 - Google Patents
传染病溯源方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111524612B CN111524612B CN202010338767.0A CN202010338767A CN111524612B CN 111524612 B CN111524612 B CN 111524612B CN 202010338767 A CN202010338767 A CN 202010338767A CN 111524612 B CN111524612 B CN 111524612B
- Authority
- CN
- China
- Prior art keywords
- historical
- target
- origin
- infection
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请涉及一种传染病溯源方法、装置、计算机设备和存储介质,所述方法包括:获取初期感染者的第一历史位置轨迹信息,以及目标感染者的第二历史位置轨迹信息;将第一历史位置轨迹信息中包含的地理位置点确定为发源候选地;根据第一历史位置轨迹信息,确定初期感染者在各发源候选地的停留期间的第一感染相关参数,根据第二历史位置轨迹信息,确定目标感染者在各发源候选地的停留期间的第二感染相关参数;根据第一感染相关参数以及第二感染相关参数,确定各发源候选地为发源地的综合概率;根据各发源候选地的概率,确定所述传染病的潜在发源地。上述方法可以帮助快速分析定位到有较大可能是发源地的潜在发源地,可以提升传染病溯源工作的效率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种传染病溯源方法、装置、计算机设备和存储介质。
背景技术
传染病(Infectious Diseases)是由各种病原体引起的能在人与人、动物与动物或人与动物之间相互传播的一类疾病。传染病能够经过各种途径传染给另一个人或物种。通常这种疾病可借由直接接触已感染之个体、感染者之体液及排泄、感染者所污染到的物体,可以通过空气传播、水源传播、食物传播、接触传播、土壤传播、垂直传播(母婴传播)、体液传播、粪口传播等。
当出现未知传染病时,为了尽可能多的了解到该传染病的相关信息,通常需要对传染病进行溯源,找到传染病的发源地进行相关的调查,目前采用的传染病溯源方法中通常是依靠对患者的行为轨迹进行统计分析,来进行定位,然而这样的方式数据汇总,分析出结果效率较低,且数据的真实性依赖患者本身的描述,可靠性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高效率和可靠性的传染病溯源方法、装置、计算机设备和存储介质。
一种传染病溯源方法,所述方法包括:
获取初期感染者的第一历史位置轨迹信息,以及目标感染者的第二历史位置轨迹信息;
将所述第一历史位置轨迹信息中包含的地理位置点确定为发源候选地;
根据所述第一历史位置轨迹信息,确定所述初期感染者在各所述发源候选地的停留期间的第一感染相关参数,根据所述第二历史位置轨迹信息,确定所述目标感染者在各所述发源候选地的停留期间的第二感染相关参数;
根据所述第一感染相关参数以及所述第二感染相关参数,确定各所述发源候选地为发源地的综合概率;
根据各所述发源候选地的概率,确定所述传染病的潜在发源地。
一种传染病溯源装置,所述装置包括:
位置轨迹信息获取模块,用于获取初期感染者的第一历史位置轨迹信息,以及目标感染者的第二历史位置轨迹信息;
发源候选地确定模块,用于将所述第一历史位置轨迹信息中包含的地理位置点确定为发源候选地;
感染相关参数确定模块,用于根据所述第一历史位置轨迹信息,确定所述初期感染者在各所述发源候选地的停留期间的第一感染相关参数,根据所述第二历史位置轨迹信息,确定所述目标感染者在各所述发源候选地的停留期间的第二感染相关参数;
概率计算模块,用于根据所述第一感染相关参数以及所述第二感染相关参数,确定各所述发源候选地为发源地的综合概率;
潜在发源地确定模块,用于根据各所述发源候选地的概率,确定所述传染病的潜在发源地。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述传染病溯源方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述传染病溯源方法的步骤。
上述传染病溯源方法、装置、计算机设备和存储介质,分别获取初期感染者和目标感染者的第一历史位置轨迹信息和第二历史位置轨迹信息,读取初期感染者的第一历史位置轨迹信息中包含的地理位置点,确定为发源候选地,并通过第一历史位置轨迹信息和第二历史位置轨迹信息分别确定初期感染者和目标感染者各自在各发源候选地的历史停留期间的第一感染相关参数、第二感染相关参数,并根据各发源候选地的第一感染相关参数、第二感染相关参数确定各发源候选地为发源地对应的概率,进而根据各概率确定传染病的潜在发源地;上述方法通过读取感染者的历史位置轨迹信息,可以帮助快速分析定位到有较大可能是发源地的潜在发源地,可以提升传染病溯源工作的效率。
附图说明
图1为一个实施例中区块链的结构示意图;
图2为一个实施例中传染病溯源方法的流程示意图;
图3为另一个实施例中传染病溯源方法的流程示意图;
图4为另一个实施例中传染病溯源方法的流程示意图;
图5为一个实施例中区块链用户相关的用户信息示意图;
图6为一个具体实施例中用户行为数据的具体信息示意图;
图7为一个实施例中传染病溯源装置的结构框图;
图8为另一个实施例中传染病溯源装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一些实施例中,本申请提供的传染病溯源方法涉及分析服务器和数据存储服务器;分析服务器分别从数据存储服务器中获取初期感染者和目标感染者的第一历史位置轨迹信息和第二历史位置轨迹信息,读取初期感染者的第一历史位置轨迹信息中包含的地理位置点,确定为发源候选地,并通过第一历史位置轨迹信息和第二历史位置轨迹信息分别确定初期感染者和目标感染者各自在各发源候选地的历史停留期间的第一感染相关参数、第二感染相关参数,并根据各发源候选地的第一感染相关参数、第二感染相关参数确定各发源候选地为发源地对应的概率,进而根据各概率确定传染病的潜在发源地。其中,分析服务器和数据存储服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在另一个实施例中,上述分析服务器和数据存储服务器均为区块链的节点服务器,本实施例中,感染者的历史位置轨迹信息均存储在区块链中,当需要进行传染病溯源时,区块链的节点服务器读取初期感染者和目标感染者的历史位置轨迹信息,并基于该历史位置轨迹信息进行分析确定传染病的潜在发源地。在一个实施例中,如图1所示为一个实施例中区块链的结构示意图,该区块链为数据共享系统,数据共享系统100是指用于进行节点与节点之间数据共享的系统,该数据共享系统中可以包括多个节点101,多个节点101可以是指数据共享系统中各个客户端。
在一个实施例中,如图2所示,提供了一种传染病溯源方法,包括步骤S210至步骤S250。
步骤S210,获取初期感染者的第一历史位置轨迹信息,以及目标感染者的第二历史位置轨迹信息。
其中,初期感染者指的是在发生传染病时最早期的预设时间段内确认的感染者,例如可以是最早10天内发现的感染者,或者也可以是指最先确认的预设数目位感染者,如最早发现的50名感染者。目标感染者是指在初期感染者之后预设时间段或者预设数目位感染者。初期感染者因为是发生在传染病的最早期的一段时间内,这些感染者很有可能是因与发源地有关联而导致感染该传染病,而目标感染者的传染病发生在初期感染者之后的一段时间内,目标感染者有可能是与发源地关联或者与初期感染者(或者其他感染者)有接触而导致的被感染。可以理解地,本实施例中所涉及的预设时间和预设数目均可以根据实际情况进行设置。
历史位置轨迹信息是指感染者在过去的一段历史时间内到访过的位置的记录,在一个实施例中,历史位置轨迹信息包括感染者到访的位置以及到访各位置的相关的时间节点(如到达时间、离开时间以及停留时间等)等等,在另一个实施例中,历史位置轨迹信息中还包括了感染者在过去一段历史时间内出行时乘坐的公共交通信息等等,如几点趟次的火车高铁飞机、几路公交车、或者的士网约车等等,还可以包括出发地址、目的地址等等。在本实施例中,对于用户的位置轨迹信息进行收集并存储,当出现传染病的感染者时,可以根据感染者的用户标识等身份信息查找到该感染者的位置轨迹信息,即历史位置轨迹信息。其中,历史位置轨迹信息中的位置可能是例如小区、商场、机场、医院、药店、菜市场或者景点等等。在一个实施例中,读取初期感染者和目标感染者的历史位置轨迹信息为预设历史时间段内的位置轨迹信息。同时本实施例中为了区分,将读取的初期感染者的历史位置轨迹信息记为第一历史位置轨迹信息,将目标感染者的历史位置轨迹记为第二历史位置轨迹信息。
在一个实施例中,位置轨迹信息存储在区块链中,从存储位置轨迹信息的区块链节点中读取感染者的历史位置轨迹信息。在一个实施例中,通过区块链节点采集并记录每个用户在公共场合的行为轨迹,对于用户的历史行为的统计不完全依赖病人的诚信,提高了解到的用户的行为轨迹信息的真实性;通过大数据自动计算潜在的接触者,降低召回成本和防止人为遗漏;能够计算每个人的风险等级,并及时发出预警和监控。由于存储在区块链中的数据具备不可被篡改的特性,因此读取到的感染者的历史位置轨迹信息可确保真实性。
步骤S220,将第一历史位置轨迹信息中包含的地理位置点确定为发源候选地。
第一历史位置轨迹信息为初期感染者历史时间段内到访过的位置,因此在本实施例中,将第一历史位置轨迹信息中包含的地理位置点确定为发源候选地。
步骤S230,根据第一历史位置轨迹信息,确定初期感染者在各发源候选地的停留期间的第一感染相关参数,根据第二历史位置轨迹信息,确定目标感染者在各发源候选地的停留期间的第二感染相关参数。
其中,感染相关参数是指与感染传染病相关的参数,传染病的传播通常跟与传染源的接触时间、接触方式等等有着较为密切的联系,通过历史位置轨迹信息可以知晓感染者到访的各位置、各位置的到达时间点以及在各位置的离开时间点等等,进而根据到达时间点和离开时间点可以确定感染者在该位置的停留时间,结合该位置的位置标识,可以获取到该位置例如空间的大小以及密闭性等相关的参数信息;在一个实施例中,感染相关参数包括感染者在各发源候选地的停留时间、该发源候选地的空间信息。
进一步地,在一个实施例中,感染相关参数包括感染者在发源候选地的停留时间、以及感染者在发源候选地的停留空间参数;感染相关参数包括第一感染相关参数和第二感染相关参数,感染者包括初期感染者和目标感染者。其中,停留空间参数包括该位置的空间密闭性、空间大小等;假设某发源候选地是具备传染性的,那么用户在该地是否被传染与停留时间、该位置的空间密闭性、空间大小均存在一定的关联;相反当已知用户为感染者时,通过感染者到过的各发源候选地的停留时间、空间大小空间密闭性等参数,可以反映出用户是否是在各发源候选地被传染或者被感染的信息。
对于初期感染者在各发源候选地的停留期间的感染相关参数、和目标感染者在各发源候选地的停留时间的感染相关参数可以是通过相同的方式确定的,在本实施例中为了区分,将初期感染者在各发源候选地的停留期间的感染相关参数记为第一感染相关参数,将目标感染者在各发源候选地的停留时间的感染相关参数记为第二感染相关参数。
步骤S240,根据第一感染相关参数以及第二感染相关参数,确定各发源候选地为发源地的综合概率。
在一个实施例中,根据第一感染相关参数以及第二感染相关参数,确定各发源候选地为发源地的综合概率,包括:根据第一感染相关参数确定各发源候选地为发源地的第一概率;根据第二感染相关参数确定各发源候选地为发源地的第二概率;根据各第一概率、第二概率确定各发源候选地为发源地的综合概率。
感染相关参数可以反映出感染者在该发源候选地被感染的可能性,本实施例中通过感染相关参数确定发源候选地是否为发源地的综合概率,同时为了区分将初期感染者的第一感染相关参数确定的概率确定为第一概率,将目标感染者的第二感染相关参数确定的概率确定为第二概率。
进一步地,在一个具体实施例中,根据第一感染相关参数确定各发源候选地为发源地的第一概率包括:将第一感染相关参数中各参数值进行归一化,获得对应的数值,根据为第一感染相关参数各参数分配的预设权重对该数值进行加权求和,获得的和值确定为第一概率。同理,对于第二感染相关参数确定第二概率的方式可以与确定第一概率相同,在此不再赘述。
在一个具体实施例中,根据各第一概率、第二概率确定各发源候选地为发源地的综合概率包括:将第一概率与第二概率相乘获得的乘积确定为该发源候选地为发源地的综合概率。综合概率体现了该发源候选地为发源地的可能性。
进一步地,在一个实施例中,上述传染病溯源方法在根据第二感染相关参数确定各发源候选地为发源地的第二概率之前,还包括:根据第一历史位置轨迹信息和第二历史位置轨迹信息确定目标感染者是否与任何初期感染者接触过,将未接触过初期感染者的目标感染者确定为发源地接触感染者;进一步地,在一个实施例中,根据第二感染相关参数确定各发源候选地为发源地的第二概率包括:根据发源地接触感染者对应的第二感染相关参数确定各发源候选地为发源地的第二概率。需要说明的是这里所说的发源地接触感染者仅为从数据分析确定的更有可能是通过接触发源地被感染的感染者,并不表示该目标感染者一定是通过接触发源地感染。在本实施例中,首先根据第一历史位置轨迹信息和第二历史位置轨迹信息确定目标感染者是否更有可能是接触发源地被感染,仅通过发源地接触感染者的第二感染相关参数计算第二概率,可以提高第二概率的精准性,使其反映出该发源候选地是否为发源地的可能性更为准确。
在本实施例中,根据感染者与各发源候选地之间关联的感染相关参数确定各发源候选地为发源地的综合概率,分别获得初期感染者对应的第一概率,目标感染者的第二概率,然后再根据第一概率和第二概率确定各发源候选地的综合概率,以获得各发源候选地为发源地的综合概率,由于感染相关参数中包含了可以反映感染者是否在该地被感染或者被传染的参数信息,所以根据感染相关参数确定的概率可以从一定程度上反映出该候选地是否为发源地的可能性,概率较大的候选地更有可能是发源地。在通过感染相关参数计算得到各发源候选地对应的概率之后,可以结合其它调查或者其它与传染病的相关信息来具体确定是否正确,即采用本申请的方法可以快递定位到可能为发源地的候选地,帮助提高发源地溯源的效率。
步骤S250,根据各发源候选地的综合概率,确定传染病的潜在发源地。
上述传染病溯源方法,分别获取初期感染者和目标感染者的第一历史位置轨迹信息和第二历史位置轨迹信息,读取初期感染者的第一历史位置轨迹信息中包含的地理位置点,确定为发源候选地,并通过第一历史位置轨迹信息和第二历史位置轨迹信息分别确定初期感染者和目标感染者各自在各发源候选地的历史停留期间的第一感染相关参数、第二感染相关参数,并根据各发源候选地的第一感染相关参数、第二感染相关参数确定各发源候选地为发源地对应的概率,进而根据各概率确定传染病的潜在发源地;上述方法通过读取感染者的历史位置轨迹信息,可以帮助快速分析定位到有较大可能是发源地的潜在发源地,可以提升传染病溯源工作的效率。
进一步地,在一个实施例中,根据各发源候选地的概率确定传染病的潜在发源地,包括:对各发源候选地对应的综合概率进行排序;将各综合概率中最大的前预设数目对应的发源候选地确定为传染病的潜在发源地。
其中,潜在发源地是指有较大可能为发源地的位置,上述实施例中已经通过初期感染者和目标感染者的感染相关参数确定了发源候选地为发源地的综合概率,该综合概率反映出该发源候选地为发源地的可能性,综合概率较大的更有可能为发源地,因此本实施例中通过取更大综合概率值对应的发源候选地作为潜在发源地。
在其中一个实施例中,各发源候选地对应的综合概率进行排序包括:对各综合概率进行数值大小排序,可以是从大到小进行排序,也可以是从小到大进行排序。将各综合概率中最大的前预设数目对应的发源候选地确定为传染病的潜在发源地,其中,预设数目可以根据实际情况进行设置。在另一个实施例中,也可以将综合概率大于阈值的发源候选地确定为潜在发源地。
在本实施例中,通过各发源候选地对应的综合概率确定潜在发源地,综合概率值较大的发源候选地确定为潜在发源地,可以快速筛选出有较大可能为发源地的一个或多个候选地,进而防疫工作者可以结合其它相关信息来排查出发源地,提高了排查出发源地工作的效率,节省一定时间。
在一个实施例中,如图3所示,上述传染病溯源方法在根据各发源候选地对应的概率,确定传染病的潜在发源地之后,还包括步骤S310,根据第一历史轨迹信息和第二历史位置轨迹信息,确定目标感染者与初期感染者的历史接触信息,根据第二历史位置轨迹信息确定目标感染者在潜在发源地的历史访问信息;步骤S320,基于历史接触信息以及历史访问信息,确定目标感染者的感染方式。
其中,目标感染者与初期感染者的历史接触信息反映了目标感染者是否有过与初期感染者的接触历史,由于第一历史轨迹信息中包含了初期感染者的历史时间段内到过的位置、乘坐过的公共交通等等信息,而第二历史轨迹信息中包含了目标感染者的历史时间段内到过的位置、乘坐过的公共交通等等信息,因此通过比对第一历史轨迹信息、第二历史轨迹信息可以确定该目标感染者是否有过与初期感染者的接触历史。目标感染者在潜在发源地的历史访问信息反映的是该目标感染者是否在历史时间段内到访过潜在发源地,以及到访过该潜在发源地时,在该潜在发源地的逗留时间、接触程度等等信息;由于第二历史轨迹信息中包含了目标感染者的历史时间段内到过的位置、乘坐过的公共交通等等信息,通过查询该第二历史轨迹信息中是否出现过潜在发源地,可以确定目标感染者是否在历史时间段内到访过潜在发源地,以及到访过该潜在发源地时,在该潜在发源地的逗留时间、接触程度等等信息。
由于历史接触信息反映了目标感染者是否与初期感染者接触过,历史访问信息反映了目标感染者是否到访过潜在发源地,因此基于目标感染者对应的历史接触信息以及历史访问信息,可以确定目标感染者的感染方式,需要说明的是,在本实施例中所涉及的感染方式仅表示该目标感染者较大可能的感染方式,例如当根据历史接触信息确定目标感染者与初期感染者接触过,而根据历史访问信息确定目标感染者未访过潜在发源地,则很有可能该感染者是通过与初期感染者进行接触而被感染。
在本实施例中,通过确定目标感染者的历史接触信息、历史访问信息,进而确定目标感染者的感染方式,了解后期的感染者的感染方式可以用于推进人类对于传染病的了解,了解到可能的传染方式从而可以做出相应的防范措施,以尽量降低传染病的传播,对于防疫工作有一定的推动效果。
在另一个实施例中,确定传染方式可以不局限于在目标感染者中使用,对于所有的传染病感染者均可适用;而对于目标感染者的历史接触信息,也可以不局限于与初期感染者的接触,可以是根据目标感染者与任何一个感染者的接触信息确定。
进一步地,在一个实施例中,基于历史接触信息以及历史访问信息,确定目标感染者的感染方式,包括:当基于历史接触信息确定目标感染者未接触过初期感染者,且基于历史访问信息确定目标感染者访问过潜在发源地时,确定目标感染者的感染方式为发源地接触感染;当基于历史接触信息确定目标感染者接触过初期感染者,且基于历史访问信息确定目标感染者未访问过潜在发源地时,确定目标感染者的感染方式为患者接触感染;当基于历史接触信息确定目标感染者接触过初期感染者,且基于历史访问信息确定目标感染者访问过潜在发源地时,根据历史接触信息确定目标感染者为患者接触感染的第一目标概率,根据历史访问信息确定目标感染者为发源地接触感染的第二目标概率;基于第一目标概率和第二目标概率确定目标感染者的感染方式。
可以理解地,在本实施例中,若目标感染者未到过潜在发源地但接触过初期感染者,则将该目标感染者的感染方式确定为患者接触感染;而如果目标感染者未接触过初期感染者但是历史时间段内到过潜在发源地,则将该目标感染者的感染方式确定为发源地接触感染。
当目标感染者在历史时间段内到过潜在发源地,同时也接触过初期感染者,则根据目标感染者与初期感染者的历史接触信息确定接触时间、接触所在的空间大小、密闭性等,进而确定目标感染者为患者接触感染的概率,本实施例中记为第一目标概率;同时根据目标感染者在潜在发源地的历史访问信息确定目标感染者在该潜在发源地的停留时间、空间大小及空间密闭性等信息,进而确定目标感染者为发源地接触感染的概率,本实施例中记为第二目标概率。进一步地,通过比较第一目标概率和第二目标概率的大小,将概率值较大的感染方式确定为该目标感染者的感染方式。在一个实施例中也有可能目标感染者是在潜在发源地与初期感染者接触的,则这一目标感染者是发源地接触感染或者患者接触感染的可能性均较大,即第一目标概率和第二目标概率的概率值接近或者相等,此时对于该目标感染者的感染方式可以确定为患者接触感染或者发源地接触感染。
在另一个实施例中,也有可能目标感染者在历史时间段内并未接触过初期感染者也未到过潜在发源地,则该目标感染者为特例,无法确定该目标感染者的感染方式,此时可根据该目标感染者生成提示信息,将该特例的目标感染者的相关信息发送给相关工作人员,提醒工作人员对其进行进一步地调查,以尽量查找出导致无法确定感染方式的原因,以减少对于传染病溯源或者感染方式确定的工作的失误。
进一步地,在一个实施例中,确定各目标感染者的感染方式后,对所有数据进行汇总,统计所有感染者中发源地接触感染和患者接触感染的概率期望值,可以判断该传染病是否出现有人传人的方式。本实施例中通过统计数据并进行分析,可以帮助防疫工作的开展。
在一个实施例中,如图4所示,获取初期感染者的第一历史位置轨迹信息,以及目标感染者的第二历史位置轨迹信息,包括步骤S410,从区块链节点中获取初期感染者的第一历史位置轨迹信息,以及目标感染者的第二历史位置轨迹信息。在本实施例中,上述传染病溯源方法在根据各发源候选地对应的概率确定传染病的潜在发源地之后,还包括步骤S420:将潜在发源地上传至区块链节点。
在本实施例中,感染者的历史位置轨迹信息存储在区块链中,可以确保感染者历史位置轨迹信息的真实性。区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。
在另一实施例中,上述方法还包括将目标感染者的感染方式上传至区块链节点。
在确定潜在发源地之后,将其上传至区块链中进行存储,并广播至区块链其它节点,疾控中心的区块链节点接收到潜在发源地、目标感染者的感染方式的信息时,可按照预定的程序发出预警,并做出相应措施,可以提高数据汇总的速度和效率。
在一个具体实施例中,上述传染病溯源方法应用于区块链中。需要说明的是,通过区块链节点实现传染病溯源方法的实施例中,用户均需注册为区块链的用户,区块链节点包括但不限于设置在预设位置的第一类信息采集设备(如设置在公共交通工具、物业单位等位置的信息采集设备),设置在医疗相关机构的第二类信息采集设备(如设置在医院、药店或者疾控单位的信息采集设备),以及用于接收各信息采集设备采集的用户行为数据的统计节点。其中,统计节点接收多个信息采集设备采集的用户行为数据,并选取关键词对用户行为数据进行聚合,获得用户行为轨迹信息,包括用户的历史位置轨迹信息,并将用户行为轨迹信息存储至区块链中。进一步地,当需要进行传染病溯源时,区块链的分析节点通过读取初期感染者的历史位置轨迹信息即可进行分析。其中,在一个具体实施例中,用户注册为区块链用户,如图5所示为区块链用户相关的用户信息,包括但不限于:用户标识,用户属性:性别、年龄、家庭成员,其它信息:人脸信息、手机号码以及其它等等信息。
本实施例中,在疫情期间,用户乘坐公共交通工具(包括但不限于公共交通、网约私家车等)交通工具需进行实名认证,实名认证可采取人脸识别,用户区块链账号验证,指纹识别等能定位到自然人的方法。记录用户乘坐公共交通工具的车次/车牌、时间,座位号等信息。用户进入物业单位同样需进入实名认证,并记录用户在物业单位内的位置(包括但不限于进入的电梯,楼层,房间等)。因此可以通过采集的信息可以获得用户的行为轨迹信息(其中包括历史位置轨迹信息),当需要进行传染病溯源时,可通过感染者的历史轨迹信息进行分析。
在其中的一个实施例中,区块链中的信息采集节点采集用户行为数据后,将用户行为数据上传至区块链中,上传的信息包括如图6所示的信息。区块链网络中所有节点会收集一段时间收到的行为轨迹信息整合在一起,形成网络上存储的区块结构,并扩散至全网;任意节点收到网络中的数据后,会将其与自己保存的数据进行比较,对相同的数据去重,并选择最新的数据,并分别按照用户标识为关键词(key)进行聚合,形成以用户标识为关键词的数据集合即为用户的位置轨迹信息,由各区块链节点对其共识后同步至全网。
区块链中的分析节点定期读取到用户的位置轨迹信息,按照已知传染病或者未知传染病,进行如下操作:对于每位初期感染者的历史位置轨迹信息,确定为发源候选地之一;并根据初期感染者在该发源候选地的逗留时间,接触程度等确定该发源候选地为发源地的第一概率:第一概率x:发源候选地1:第一概率1,发源候选地2:第一概率2,……,发源候选地N:第一概率N。
对于指定时间段内的感染者记为目标感染者,根据感染时间以及与初期患者的接触历史和是否到访过发源候选地的访问历史,确定该目标感染者是否为接触发源地感染;若目标感染者为接触发源地感染,并根据该目标感染者接触发源候选地其历史位置的逗留时间,接触程度等,计算各发源候选地位发源地的第二概率,假设该目标感染者接触发源候选地源头的概率为Pn:发源候选地1:第二概率P1,发源候选地2:概率第二概率P2,……,发源候选地N:第二概率Pn。
进一步地,根据第一概率和第二概率确定各发源候选地的综合概率,具体为第一概率与第二概率的乘积确定为该发源候选地的综合概率。各发源候选地的综合概率为:位置1:第一概率1*第二概率P1,位置2:第一概率2*第二概率P2,……,位置N:第一概率N*第二概率Pn。
对各个发源候选地的综合概率进行归一化并排序,将综合概率最大的前预设数目个发源候选地确定为潜在发源地。
在本实施例中,区块链的分析节点基于上述潜在发源地的推断,并结合各感染者的历史位置轨迹信息以及接触历史信息,可分析得出每个感染者的传染方式,具体根据以下情况计算:只接触过潜在发源地未接触过病感染者将该目标感染者确定为发源地接触感染;未接触过源头接触过感染者,将该目标感染者确定为患者接触感染;既接触过源头也接触过病例,则依照具体情况(接触程度,逗留时间等计算其感染方式和概率),进而确定该目标感染者的感染方式。进一步地,基于以上各感染者的感染方式进行数据汇总,统计各感染者中为发源地基础感染的概率期望值,可以得到该传染病是否出现人传人的结论。
上述传染病溯源方法中,通过读取初期感染者和指定时间段内目标感染者的历史位置轨迹信息,可以能够快速汇总数据,自动分析潜在发源地,帮助提高传染病溯源的工作效率。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种传染病溯源装置,该装置可以采用软件模块或硬件模块,或者是二者的结合成为计算机设备的一部分,该装置具体包括:位置轨迹信息获取模块710、发源候选地确定模块720、感染相关参数确定模块730、概率计算模块740和潜在发源地确定模块750,其中:
位置轨迹信息获取模块710,用于获取初期感染者的第一历史位置轨迹信息,以及目标感染者的第二历史位置轨迹信息;
发源候选地确定模块720,用于将第一历史位置轨迹信息中包含的地理位置点确定为发源候选地;
感染相关参数确定模块730,用于根据第一历史位置轨迹信息,确定初期感染者在各发源候选地的停留期间的第一感染相关参数,根据第二历史位置轨迹信息,确定目标感染者在各发源候选地的停留期间的第二感染相关参数;
概率计算模块740,用于根据第一感染相关参数以及第二感染相关参数,确定各发源候选地为发源地的综合概率;
潜在发源地确定模块750,用于根据各发源候选地的综合概率,确定传染病的潜在发源地。
上述传染病溯源装置,分别获取初期感染者和目标感染者的第一历史位置轨迹信息和第二历史位置轨迹信息,读取初期感染者的第一历史位置轨迹信息中包含的地理位置点,确定为发源候选地,并通过第一历史位置轨迹信息和第二历史位置轨迹信息分别确定初期感染者和目标感染者各自在各发源候选地的历史停留期间的第一感染相关参数、第二感染相关参数,并根据各发源候选地的第一感染相关参数、第二感染相关参数确定各发源候选地为发源地对应的概率,进而根据各概率确定传染病的潜在发源地;上述装置通过读取感染者的历史位置轨迹信息,可以帮助快速分析定位到有较大可能是发源地的潜在发源地,可以提升传染病溯源工作的效率。
在一个实施例中,概率计算模块740包括:第一概率计算单元,用于根据第一感染相关参数确定各发源候选地为发源地的第一概率;第二计算单元,用于根据第二感染相关参数确定各发源候选地为发源地的第二概率;第三概率计算单元,用于根据各第一概率、第二概率确定各发源候选地为发源地的综合概率。
进一步地,在一个实施例中,潜在发源地确定模块750包括:排序单元,用于对各发源候选地对应的概率进行排序;在本实施例中,潜在发源地确定模块750具体用于将各综合概率中最大的前预设数目对应的发源候选地确定为传染病的潜在发源地。
在一个实施例中,如图8所示,上述传染病溯源装置还包括:历史信息分析模块810,用于根据第一历史轨迹信息和第二历史位置轨迹信息,确定目标感染者与初期感染者的历史接触信息,根据第二历史位置轨迹信息确定目标感染者在潜在发源地的历史访问信息;感染方式确定模块820,用于基于历史接触信息以及历史访问信息,确定目标感染者的感染方式。
进一步地,在一个实施例中,感染方法确定模块具体用于当基于历史接触信息确定目标感染者未接触过初期感染者,且基于历史访问信息确定目标感染者访问过潜在发源地时,确定目标感染者的感染方式为发源地接触感染;当基于历史接触信息确定目标感染者接触过初期感染者,且基于历史访问信息确定目标感染者未访问过潜在发源地时,确定目标感染者的感染方式为患者接触感染;当基于历史接触信息确定目标感染者接触过初期感染者,且基于历史访问信息确定目标感染者访问过潜在发源地时,根据历史接触信息确定目标感染者为患者接触感染的第一目标概率,根据历史访问信息确定目标感染者为发源地接触感染的第二目标概率;基于第一目标概率和第二目标概率确定目标感染者的感染方式。
在一个实施例中,位置轨迹信息获取模块710具体用于从区块链节点中获取第一历史位置轨迹信息、第二历史位置轨迹信息;在本实施例中,上述传染病溯源装置还包括:数据上传模块,用于将潜在发源地上传至区块链节点。
在一个实施例中,感染相关参数包括感染者在发源候选地的停留时间、以及感染者在发源候选地的停留空间参数;感染相关参数包括第一感染相关参数和第二感染相关参数,感染者包括初期感染者和目标感染者。
关于传染病溯源装置的具体限定可以参见上文中对于传染病溯源方法的限定,在此不再赘述。上述传染病溯源装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户的位置轨迹信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种传染病溯源方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (15)
1.一种传染病溯源方法,其特征在于,所述方法包括:
获取初期感染者的第一历史位置轨迹信息,以及目标感染者的第二历史位置轨迹信息;所述目标感染者的传染病发生在所述初期感染者之后的一段时间内;
将所述第一历史位置轨迹信息中包含的地理位置点确定为发源候选地;
根据所述第一历史位置轨迹信息,确定所述初期感染者在各所述发源候选地的停留期间的第一感染相关参数,根据所述第二历史位置轨迹信息,确定所述目标感染者在各所述发源候选地的停留期间的第二感染相关参数;感染相关参数包括感染者在所述发源候选地的停留时间、以及所述感染者在所述发源候选地的停留空间参数;所述感染相关参数包括所述第一感染相关参数和第二感染相关参数,所述感染者包括所述初期感染者和所述目标感染者;
根据所述第一感染相关参数确定各所述发源候选地为发源地的第一概率;根据所述第二感染相关参数确定各所述发源候选地为发源地的第二概率;针对每一所述发源候选地,根据所述发源候选地为发源地的第一概率和第二概率,确定所述发源候选地为发源地的综合概率;
根据各所述发源候选地的综合概率,确定所述传染病的潜在发源地。
2.根据权利要求1所述的传染病溯源方法,其特征在于,所述根据所述第一感染相关参数确定各所述发源候选地为发源地的第一概率,包括:
将所述发源候选地对应的所述第一感染相关参数中,各参数的参数值进行归一化,获得对应的数值,根据为各所述参数分配的预设权重对各所述数值进行加权求和,获得和值;
将所述和值确定为所述发源候选地为发源地的第一概率。
3.根据权利要求1所述的传染病溯源方法,其特征在于,所述根据各所述发源候选地的综合概率,确定所述传染病的潜在发源地,包括:
对各所述发源候选地对应的综合概率进行排序;
将各所述综合概率中最大的前预设数目对应的发源候选地确定为所述传染病的潜在发源地。
4.根据权利要求1所述的传染病溯源方法,其特征在于,根据各所述发源候选地对应的概率,确定所述传染病的潜在发源地之后,还包括:
根据所述第一历史轨迹信息和所述第二历史位置轨迹信息,确定所述目标感染者与所述初期感染者的历史接触信息,根据所述第二历史位置轨迹信息确定所述目标感染者在所述潜在发源地的历史访问信息;
基于所述历史接触信息以及所述历史访问信息,确定所述目标感染者的感染方式。
5.根据权利要求4所述的传染病溯源方法,其特征在于,基于所述历史接触信息以及所述历史访问信息,确定所述目标感染者的感染方式,包括:
当基于所述历史接触信息确定所述目标感染者未接触过所述初期感染者,且基于所述历史访问信息确定所述目标感染者访问过所述潜在发源地时,确定所述目标感染者的感染方式为发源地接触感染;
当基于所述历史接触信息确定所述目标感染者接触过所述初期感染者,且基于所述历史访问信息确定所述目标感染者未访问过所述潜在发源地时,确定所述目标感染者的感染方式为患者接触感染;
当基于所述历史接触信息确定所述目标感染者接触过所述初期感染者,且基于所述历史访问信息确定所述目标感染者访问过所述潜在发源地时,根据所述历史接触信息确定所述目标感染者为患者接触感染的第一目标概率,根据所述历史访问信息确定所述目标感染者为发源地接触感染的第二目标概率;基于所述第一目标概率和第二目标概率确定所述目标感染者的感染方式。
6.根据权利要求1所述的传染病溯源方法,其特征在于,所述获取初期感染者的第一历史位置轨迹信息,以及目标感染者的第二历史位置轨迹信息,包括:从区块链节点中获取所述第一历史位置轨迹信息、第二历史位置轨迹信息;
在所述根据各所述发源候选地对应的概率确定所述传染病的潜在发源地之后,还包括:将所述潜在发源地上传至所述区块链节点。
7.根据权利要求1至6任意一项所述的传染病溯源方法,其特征在于:
所述停留空间参数包括空间密闭性和空间大小。
8.一种传染病溯源装置,其特征在于,所述装置包括:
位置轨迹信息获取模块,用于获取初期感染者的第一历史位置轨迹信息,以及目标感染者的第二历史位置轨迹信息;所述目标感染者的传染病发生在所述初期感染者之后的一段时间内;
发源候选地确定模块,用于将所述第一历史位置轨迹信息中包含的地理位置点确定为发源候选地;
感染相关参数确定模块,用于根据所述第一历史位置轨迹信息,确定所述初期感染者在各所述发源候选地的停留期间的第一感染相关参数,根据所述第二历史位置轨迹信息,确定所述目标感染者在各所述发源候选地的停留期间的第二感染相关参数;感染相关参数包括感染者在所述发源候选地的停留时间、以及所述感染者在所述发源候选地的停留空间参数;所述感染相关参数包括所述第一感染相关参数和第二感染相关参数,所述感染者包括所述初期感染者和所述目标感染者;
概率计算模块,用于根据所述第一感染相关参数确定各所述发源候选地为发源地的第一概率;根据所述第二感染相关参数确定各所述发源候选地为发源地的第二概率;针对每一所述发源候选地,根据所述发源候选地为发源地的第一概率和第二概率,确定所述发源候选地为发源地的综合概率;
潜在发源地确定模块,用于根据各所述发源候选地的综合概率,确定所述传染病的潜在发源地。
9.根据权利要求8所述的传染病溯源装置,其特征在于,所述概率计算模块具体用于:将所述发源候选地对应的所述第一感染相关参数中,各参数的参数值进行归一化,获得对应的数值,根据为各所述参数分配的预设权重对各所述数值进行加权求和,获得和值;将所述和值确定为所述发源候选地为发源地的第一概率。
10.根据权利要求8所述的传染病溯源装置,其特征在于,所述潜在发源地确定模块包括:
排序单元,用于对各所述发源候选地对应的综合概率进行排序;
所述潜在发源地确定模块具体用于将各所述综合概率中最大的前预设数目对应的发源候选地确定为所述传染病的潜在发源地。
11.根据权利要求8所述的传染病溯源装置,其特征在于,所述传染病溯源装置还包括:
历史信息分析模块,用于根据所述第一历史轨迹信息和所述第二历史位置轨迹信息,确定所述目标感染者与所述初期感染者的历史接触信息,根据所述第二历史位置轨迹信息确定所述目标感染者在所述潜在发源地的历史访问信息;
感染方式确定模块,用于基于所述历史接触信息以及所述历史访问信息,确定所述目标感染者的感染方式。
12.根据权利要求11所述的传染病溯源装置,其特征在于,所述感染方式确定模块具体用于:
当基于所述历史接触信息确定所述目标感染者未接触过所述初期感染者,且基于所述历史访问信息确定所述目标感染者访问过所述潜在发源地时,确定所述目标感染者的感染方式为发源地接触感染;
当基于所述历史接触信息确定所述目标感染者接触过所述初期感染者,且基于所述历史访问信息确定所述目标感染者未访问过所述潜在发源地时,确定所述目标感染者的感染方式为患者接触感染;
当基于所述历史接触信息确定所述目标感染者接触过所述初期感染者,且基于所述历史访问信息确定所述目标感染者访问过所述潜在发源地时,根据所述历史接触信息确定所述目标感染者为患者接触感染的第一目标概率,根据所述历史访问信息确定所述目标感染者为发源地接触感染的第二目标概率;基于所述第一目标概率和第二目标概率确定所述目标感染者的感染方式。
13.根据权利要求8所述的传染病溯源装置,其特征在于,所述位置轨迹信息获取模块具体用于从区块链节点中获取所述第一历史位置轨迹信息、第二历史位置轨迹信息;
所述传染病溯源装置还包括数据上传模块,用于将所述潜在发源地上传至所述区块链节点。
14.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
15.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338767.0A CN111524612B (zh) | 2020-04-26 | 2020-04-26 | 传染病溯源方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010338767.0A CN111524612B (zh) | 2020-04-26 | 2020-04-26 | 传染病溯源方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111524612A CN111524612A (zh) | 2020-08-11 |
CN111524612B true CN111524612B (zh) | 2023-04-07 |
Family
ID=71904558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010338767.0A Active CN111524612B (zh) | 2020-04-26 | 2020-04-26 | 传染病溯源方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111524612B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163705B (zh) * | 2020-09-29 | 2022-07-22 | 重庆邮电大学 | 基于cnn+seir和lstm的疫情预测预警方法 |
CN112786205B (zh) * | 2020-12-31 | 2022-02-11 | 医渡云(北京)技术有限公司 | 基于数据模型的症候群预警方法、装置、介质及设备 |
CN113808757A (zh) * | 2021-09-09 | 2021-12-17 | 济南浪潮智投智能科技有限公司 | 一种传染病登记溯源系统 |
CN113889284B (zh) * | 2021-09-16 | 2022-07-05 | 同济大学 | 一种基于公共交通知识图谱的传染病接触目标追踪方法 |
CN115587593B (zh) * | 2022-06-16 | 2023-06-13 | 中关村科学城城市大脑股份有限公司 | 信息抽取方法、装置、电子设备和计算机可读介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018164378A1 (en) * | 2017-03-09 | 2018-09-13 | Samsung Electronics Co., Ltd. | Electronic apparatus for compressing language model, electronic apparatus for providing recommendation word and operation methods thereof |
CN109509054A (zh) * | 2018-09-30 | 2019-03-22 | 平安科技(深圳)有限公司 | 海量数据下商品推荐方法、电子装置及存储介质 |
CN110263265A (zh) * | 2019-04-10 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 用户标签生成方法、装置、存储介质和计算机设备 |
CN110297848A (zh) * | 2019-07-09 | 2019-10-01 | 深圳前海微众银行股份有限公司 | 基于联邦学习的推荐模型训练方法、终端及存储介质 |
CN110363346A (zh) * | 2019-07-12 | 2019-10-22 | 腾讯科技(北京)有限公司 | 点击率预测方法、预测模型的训练方法、装置及设备 |
CN110609955A (zh) * | 2019-09-16 | 2019-12-24 | 腾讯科技(深圳)有限公司 | 一种视频推荐的方法及相关设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160350834A1 (en) * | 2015-06-01 | 2016-12-01 | Nara Logics, Inc. | Systems and methods for constructing and applying synaptic networks |
-
2020
- 2020-04-26 CN CN202010338767.0A patent/CN111524612B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018164378A1 (en) * | 2017-03-09 | 2018-09-13 | Samsung Electronics Co., Ltd. | Electronic apparatus for compressing language model, electronic apparatus for providing recommendation word and operation methods thereof |
CN109509054A (zh) * | 2018-09-30 | 2019-03-22 | 平安科技(深圳)有限公司 | 海量数据下商品推荐方法、电子装置及存储介质 |
CN110263265A (zh) * | 2019-04-10 | 2019-09-20 | 腾讯科技(深圳)有限公司 | 用户标签生成方法、装置、存储介质和计算机设备 |
CN110297848A (zh) * | 2019-07-09 | 2019-10-01 | 深圳前海微众银行股份有限公司 | 基于联邦学习的推荐模型训练方法、终端及存储介质 |
CN110363346A (zh) * | 2019-07-12 | 2019-10-22 | 腾讯科技(北京)有限公司 | 点击率预测方法、预测模型的训练方法、装置及设备 |
CN110609955A (zh) * | 2019-09-16 | 2019-12-24 | 腾讯科技(深圳)有限公司 | 一种视频推荐的方法及相关设备 |
Non-Patent Citations (2)
Title |
---|
Chen Xu 等.Privileged Features Distillation for E-Commerce Recommendations.《arXiv:1907.05171v1 [cs.IR] 》.2019,第1-8页. * |
Soma Minami 等 .Gradual Sampling Gate for Bidirectional Knowledge Distillation.《16th International Conference on Machine Vision Applications 》.2019,第1-6页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111524612A (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111524612B (zh) | 传染病溯源方法、装置、计算机设备和存储介质 | |
CN111524613B (zh) | 基于区块链的用户行为轨迹信息采集方法、装置和设备 | |
CN111341463B (zh) | 疫情排查方法、装置、计算机设备和存储介质 | |
McNeill et al. | Estimating local commuting patterns from geolocated Twitter data | |
Tildesley et al. | Accuracy of models for the 2001 foot-and-mouth epidemic | |
US9141762B2 (en) | System and method for analyzing and controlling epidemics | |
JP5204736B2 (ja) | 感染症患者行動履歴収集・分析システム | |
Wright et al. | Modelling misclassification in multi‐species acoustic data when estimating occupancy and relative activity | |
CN113539509A (zh) | 新发传染病发病风险预测方法、装置、终端设备及介质 | |
Willekens | Evidence-based monitoring of international migration flows in Europe | |
CN111461677A (zh) | 疫情期间人员管理方法、装置、终端及存储介质 | |
CN111460076A (zh) | 驾驶路线熟悉度确定方法、装置、计算机设备和存储介质 | |
CN115376672B (zh) | 一种医疗废弃物监控方法及系统 | |
CN113793690B (zh) | 传染病的区域风险评估方法、装置、存储介质及设备 | |
Wepulanon et al. | A real-time bus arrival time information system using crowdsourced smartphone data: a novel framework and simulation experiments | |
Zegras et al. | Assessing the representativeness of a smartphone-based household travel survey in Dar es Salaam, Tanzania | |
CN112738172A (zh) | 区块链节点的管理方法、装置、计算机设备和存储介质 | |
Derakhshan et al. | Smartphone locations reveal patterns of cooling center use as a heat mitigation strategy | |
CN113256405B (zh) | 欺诈用户集中区域的预测方法、装置、设备及存储介质 | |
CN111797181B (zh) | 用户职住地的定位方法、装置、控制设备及存储介质 | |
del Rio Vilas et al. | A case study of capture–recapture methodology using scrapie surveillance data in Great Britain | |
Schmidt et al. | The drop box location problem | |
Patronek | Mapping and measuring disparities in welfare for cats across neighborhoods in a large US city | |
CN115587128A (zh) | 一种用于小区的实有人口积分管理系统 | |
Kremer | A new web-based tool for RTO-focused animal shelter data analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |