传染病预测和训练方法、装置、设备及介质制造方法及图纸

本申请公开了一种传染病预测和训练方法、装置、设备及介质，属于人工智能领域。所述预测方法包括：获取第一用户的第一生理信息和第一位置信息；基于第一生理信息和第一位置信息，在传染病的基础图网络中添加第一用户节点，得到更新后的图网络；基础图网络包括至少一个用户节点和/或至少一个地区节点，用户节点标识疑似患有传染病的用户，地区节点标识疑似患有传染病的用户所在的地区；将更新后的图网络输入图卷积神经网络，预测得到第一用户的第一用户特征向量；以及，基于第一用户特征向量，通过概率计算网络预测第一用户患有传染病的概率。上述方案提高了传染病预测的准确率。上述方案提高了传染病预测的准确率。上述方案提高了传染病预测的准确率。

【技术实现步骤摘要】
传染病预测和训练方法、装置、设备及介质


[0001]本申请涉及人工智能领域，特别涉及一种传染病预测和训练方法、装置、设备及介质。

技术介绍

[0002]在医学领域，传染病预测在传染病的防控过程中起着至关重要的作用。
[0003]相关技术中，通过判断疑似患者的症状是否为目标传染病的症状，对疑似患者患有目标传染病的概率进行预测；如，疑似患者表现出咳嗽症状(目标传染病的症状)，相关技术将疑似患者标记为高风险人员。
[0004]然而，相关技术通过症状信息无法与其他相似疾病进行鉴别，如，相关技术可能将实际患有感冒的患者(咳嗽也为感冒的症状)标记为目标传染病的高风险人员，通过相关技术进行传染病预测的准确率较低。

技术实现思路

[0005]本申请提供了一种传染病预测和训练方法、装置、设备及介质，能够提高传染病预测的准确率。所述技术方案如下：
[0006]根据本申请的一个方面，提供了一种传染病预测方法，所述方法包括：
[0007]获取第一用户的第一生理信息和第一位置信息，第一生理信息是第一用户与传染病相关的生理信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种传染病预测方法，其特征在于，所述方法包括：获取第一用户的第一生理信息和第一位置信息，所述第一生理信息是所述第一用户与所述传染病相关的生理信息，所述第一位置信息指示所述第一用户所在的位置；基于所述第一生理信息和所述第一位置信息，在所述传染病的基础图网络中添加第一用户节点，得到更新后的图网络；所述基础图网络包括至少一个用户节点和/或至少一个地区节点，所述用户节点标识疑似患有所述传染病的用户，所述地区节点标识疑似患有所述传染病的用户所在的地区；将所述更新后的图网络输入图卷积神经网络，预测得到所述第一用户节点的第一用户特征向量；以及，基于所述第一用户特征向量，通过概率计算网络预测所述第一用户患有所述传染病的概率。2.根据权利要求1所述的方法，其特征在于，所述基础图网络包括第一地区节点，所述更新后的图网络包括第一图网络，所述第一地区节点标识疑似患有所述传染病的用户所在的第一地区；所述基于所述第一生理信息和所述第一位置信息，在所述传染病的基础图网络中添加第一用户节点，得到更新后的图网络，包括：基于所述第一生理信息，在所述基础图网络中生成第一用户节点；在所述第一位置信息指示的所述第一用户所在的位置落入所述第一地区的情况下，在所述基础图网络中将所述第一用户节点与所述第一地区节点进行连边操作，形成第一图网络。3.根据权利要求2所述的方法，其特征在于，所述图卷积神经网络包括k个图卷积层；所述将更新后的图网络输入图卷积神经网络，预测得到所述第一用户的第一用户特征向量，包括：基于所述第一图网络中所述第一地区节点携带的历史患病信息，得到所述初始地区特征向量；基于所述第一图网络中所述第一用户节点携带的第一生理信息，得到初始用户特征向量；基于所述初始地区特征向量和所述初始用户特征向量，计算得到第1层地区特征向量；基于所述初始地区特征向量和所述初始用户特征向量，计算得到第1层用户特征向量；基于第i
‑
1层地区特征向量和第i
‑
1层用户特征向量，计算得到第i层地区特征向量；基于所述第i
‑
1层地区特征向量和所述第i
‑
1层用户特征向量，计算得到第i层用户特征向量；将第k层用户特征向量输出为所述第一用户特征向量，k为大于1的整数，i为大于0且小于k的整数。4.根据权利要求1所述的方法，其特征在于，所述基础图网络包括第一地区节点和与所述第一地区节点相连的第二地区节点，所述更新后的图网络包括第二图网络，所述第一地区节点标识疑似患有所述传染病的用户所在的第一地区，所述第二地区节点标识疑似患有所述传染病的用户所在的第二地区；所述基于所述第一生理信息和所述第一位置信息，在所述传染病的基础图网络中添加第一用户节点，得到更新后的图网络，包括：基于所述第一生理信息，在所述基础图网络中生成第一用户节点；在所述第一位置信息指示的所述第一用户所在的位置落入所述第一地区的情况下，在
所述基础图网络中将所述第一用户节点与所述第一地区节点进行连边操作，形成第二图网络；其中，所述第二地区节点与所述第一地区节点之间的人口流动数量达到数量阈值，和/或，所述第二地区节点与所述第一地区节点分别指示的地区之间的距离低于第一距离阈值。5.根据权利要求4所述的方法，其特征在于，所述图卷积神经网络包括k个图卷积层；所述将更新后的图网络输入图卷积神经网络，预测得到所述第一用户的第一用户特征向量，包括：基于所述第二图网络中所述第一地区节点携带的历史患病信息，得到所述第一地区节点的初始地区特征向量；基于所述第二图网络中所述第二地区节点携带的历史患病信息，得到所述第二地区节点的初始地区特征向量；基于所述第二图网络中所述第一用户节点携带的第一生理信息，得到初始用户特征向量；基于所述第一地区节点的初始地区特征向量、所述第二地区节点的初始地区特征向量和所述初始用户特征向量，结合第一权重，计算得到所述第一地区节点的第1层地区特征向量，所述第一权重与所述第一地区节点和所述第二地区节点之间的人口流动数量相关联；基于所述第一地区节点的初始地区特征向量和所述初始用户特征向量，计算得到第1层用户特征向量；基于所述第一地区节点的第i
‑
1层地区特征向量、所述第二地区节点的第i
‑
1层地区特征向量和第i
‑
1层用户特征向量，结合所述第一权重，计算得到所述第一地区节点的第i层地区特征向量；基于所述第一地区节点的第i
‑
1层地区特征向量和所述第i
‑
1层用户特征向量，计算得到第i层用户特征向量；将第k层用户特征向量输出为所述第一用户特征向量，k为大于1的整数，i为大于0且小于k的整数。6.根据权利要求1所述的方法，其特征在于，所述基础图网络包括第一地区节点和与所述第一地区节点相连的第二用户节点，所述更新后的图网络包括第三图网络，所述第一地区节点标识疑似患有所述传染病的用户所在的第一地区，所述第二用户节点标识疑似患有所述传染病的第二用户；所述基于所述第一生理信息和所述第一位置信息，在所述传染病的第一图网络中添加第一用户节点，得到处理后的图网络，包括：基于所述第一生理信息，在所述基础图网络中生成第一用户节点；在所述第一位置信息指示的所述第一用户所在的位置落入所述第一地区的情况下，在所述基础图网络中将所述第一用户节点与所述第一地区节点进行连边操作，形成第三图网络；其中，所述第二用户节点指示的第二用户所在的位置落入所述第一地区。7.根据权利要求6所述的方法，其特征在于，所述图卷积神经网络包括k个图卷积层；所述将所述更新后的图网络输入图卷积神经网络，预测得到所述第一用户的第一用户特征向量，包括：基于所述第三图网络中所述第一地区节点携带的历史患病信息，得到初始地区特征向量；基于所述第三图网络中所述第一用户节点携带的所述第一生理信息，得到所述第一用
户节点的初始用户特征向量；基于所述第三图网络中所述第二用户节点携带的第二生理信息，得到所述第二用户节点的初始用户特征向量；基于所述初始地区特征向量、所述第一用户节点的初始用户特征向量和所述第二用户节点的初始用户特征向量，计算得到第1层地区特征向量；基于所述初始地区特征...

【专利技术属性】
技术研发人员：黄予，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：