[发明专利]疫情防控效果预测方法、装置、服务器及存储介质

权利要求书

1.一种疫情防控效果预测方法，其特征在于，包括：

获取在第一预设时间范围之前的目标时间范围内各日期的新媒体数据和疫情数据，以及所述目标时间范围的下一时间范围内各日期的负面新闻数据和疫情感染数据；

利用归因分析模型根据第一预设时间范围之前的时间范围内各日期的新媒体数据和疫情数据以及所述目标时间范围的下一时间范围内各日期的负面新闻数据和疫情感染数据，从多个评估指标中确定出用于疫情防控效果预测的目标评估指标；所述评估指标根据疫情防控相关信息加工得到；

从互联网数据中筛选出所述目标评估指标在第一预设日期范围内各日期的新媒体数据和疫情数据；

统计第一预设日期范围内各日期的新媒体数据和疫情数据，所述新媒体数据包括负面新闻数据和其它新媒体数据，所述疫情数据包括疫情感染数据；所述负面新闻数据包括以下至少一项：疫情期间负面新闻数和疫情期间负面新闻增长率；所述其它新媒体数据包括每种发布方式对应的新媒体平台的受众人群类别、为所述新媒体平台发布的疫情相关数据标注的标签、所述新媒体平台发布的疫情相关数据在每类标签对应的新闻数量；

调用疫情防控效果预测模型，并根据所述新媒体数据和所述疫情数据对疫情防控效果进行预测，得到预测结果，所述预测结果包括第二预设日期范围内各日期的负面新闻数据和疫情感染数据，所述第二预设日期范围在所述第一预设日期范围之后；

将所述预测结果发送至终端设备，以便终端设备展示所述预测结果；

当所述疫情防控效果预测模型为预训练的第二机器学习模型时，所述调用疫情防控效果预测模型，并根据所述新媒体数据和所述疫情数据对疫情防控效果进行预测，得到预测结果，包括：

通过预训练的第二机器学习模型中的卷积神经网络，根据所述新媒体数据和所述疫情数据提取空间特征；

通过所述预训练的第二机器学习模型中的深度神经网络和长短期记忆网络，根据所述新媒体数据和所述疫情数据提取时序特征；

对所述空间特征和所述时序特征进行融合处理，得到时空特征；

根据所述时空特征对负面新闻增长趋势和传染病流行趋势进行预测，得到预测结果；

所述通过预训练的第二机器学习模型中的卷积神经网络，根据所述新媒体数据和所述疫情数据提取空间特征，包括：

将第一预设时间范围内的各日期的新媒体信息数据和疫情数据按时间顺序以天为时间单位进行特征提取，组成总长度为N的特征向量；

将每个时间单位的特征向量作为预训练的第二机器学习模型中的卷积神经网络的输入，由所述卷积神经网络根据所述每个时间单位的特征向量输出空间特征。

2.根据权利要求1所述的方法，其特征在于，

所述其它新媒体数据还包括以下至少一项：疫情相关数据的发布方式、所述新媒体平台的活跃性数据；

所述疫情数据包括疫情感染数据，所述疫情感染数据包括以下至少一项：疫情感染人数和疫情感染人数增长率。

3.根据权利要求1所述的方法，其特征在于，所述通过所述预训练的第二机器学习模型中的深度神经网络和长短期记忆网络，根据所述新媒体数据和所述疫情数据提取时序特征，包括：

将所述新媒体数据和所述疫情数据输入所述预训练的第二机器学习模型中的第一层深度神经网络，得到所述第一层深度神经网络的输出；

将所述第一层深度神经网络的输出作为所述预训练的第二机器学习模型中的第二层长短期记忆网络的输入，得到所述第二层长短期记忆网络的输出；

将所述第二层长短期记忆网络的输出作为所述预训练的第二机器学习模型中的第三层长短期记忆网络的输出，由所述第三层长短期记忆网络输出时序特征。

4.根据权利要求1所述的方法，其特征在于，所述根据所述时空特征对负面新闻增长趋势和传染病流行趋势进行预测，得到预测结果，包括：

将所述时空特征作为所述预训练的第二机器学习模型中的第四层深度神经网络的输入，得到所述第四层深度神经网络的输出；

将所述第四层深度神经网络的输出输入到所述预训练的第二机器学习模型中的输出层，由所述输出层输出预测结果。