[发明专利]感染人群预测模型训练的方法、预测的方法、装置、设备

说明书

本发明实施例公开了一种感染人群预测模型训练的方法、预测的方法、装置、设备。通过获取多个待测用户的特征信息，所述特征信息包括在预设时间段内待测用户处于感染基站覆盖区域的次数，待测用户的年龄，待测用户是否为感染用户的属性信息，待测用户的消费信息中的至少一种；基于所述多个待测用户的特征信息，训练初始模型作为感染人群预测模型。本发明实施例解决了无法及时准确预测感染者的问题，提高了预测感染者的速度和精确度。

技术领域

本发明涉及网络安全领域，尤其涉及一种感染人群预测模型训练的方法、预测的方法、装置、设备及存储介质。

背景技术

目前针对易感染人群识别的主要方案是从寻找与已感染者密切接触的人员出发，基于个人的历史位置轨迹数据，寻找易感染高危人群，以下为目前的两种方案：

第一种方案，通过专家经验法，依靠专家经验确定易感染高危人群。

第二种方案，通过采集已感染者的视频图像序列，依靠图像识别技术确定易感染高危人群。

但是，在现有的方案中，专家综合评价法，受人为主观因素干扰较大，缺乏一定的客观性，回溯已感染用户的信息，实时预测能力也比较弱。

此外，依靠图像识别技术来确定易感染高危人群的方法，感染用户出现的地方可能处于监控死角或乡村等位置，不能完全采集到用户的图像信息，造成可操作性上有一定局限。

因此，现有的技术方案中存在无法及时准确预测感染者的问题。

发明内容

本发明实施例提供了一种感染人群预测模型训练的方法、预测的方法、装置、设备及存储介质，解决了无法及时准确预测感染者的问题，提高了预测感染者的速度和精确度。

为了解决上述技术问题，本发明：

第一方面，提供了一种感染人群预测模型训练的方法，该方法包括：

获取多个待测用户的特征信息，特征信息包括在预设时间段内待测用户处于感染基站覆盖区域的次数，待测用户的年龄，待测用户是否为感染用户的属性信息，待测用户的消费信息中的至少一种；

基于多个待测用户的特征信息，训练初始模型作为感染人群预测模型。

在第一方面的一些实现方式中，初始模型包括第一层模型和第二层模型，其中，第一层模型包括至少一个逻辑回归模型和至少一个分类算法模型；该方法包括：

将多个待测用户的特征信息输入初始模型的第一层模型中；

第一层模型中的逻辑回归模型对待测用户进行计算得到第一数值；

根据第一预设阈值与第一数值确定待测用户对应的第二预测结果；

第一层模型中的分类算法模型对待测用户进行计算得到第二数值；

根据第一预设阈值与第二数值确定待测用户对应的第三预测结果。

在第一方面的一些实现方式中，第二预测结果包括感染或未感染中的至少一种；第三预测结果包括感染或未感染中的至少一种；第二层模型根据第二预测结果和第三预测结果确定待测用户的第一预测结果，包括：

第二层模型根据第二预测结果和第三预测结果中感染结果的总个数与未感染结果的总个数确定待测用户的感染率；

当感染率大于第二预设阈值时，确定待测用户的第一预测结果为感染；

当感染率不大于第二预设阈值时，确定待测用户的第一预测结果为未感染。

在第一方面的一些实现方式中，该方法还包括：

根据初始模型确定的待测用户的第一预测结果与待测用户的属性信息，调整初始模型的参数；