[发明专利]基于人工智能的疫情预测方法、装置、存储介质及服务器

说明书

本发明属于人工智能技术领域，尤其涉及一种基于人工智能的疫情预测方法、装置、计算机可读存储介质及服务器。所述方法包括：根据预设的疫情关键词从互联网中爬取在预设的第一时段内与疫情相关的新闻文章序列；使用预设的语言表征模型对所述新闻文章序列进行特征信息提取，得到与所述新闻文章序列对应的特征信息序列；从预设的数据库中获取在所述第一时段内的疫情确诊人数序列；对所述疫情确诊人数序列进行差分计算，得到与所述疫情确诊人数序列对应的差分序列；使用预设的疫情预测模型对所述特征信息序列和所述差分序列进行预测分析，得到在预设的第二时段内的疫情确诊人数预测序列，更加全面地体现出疫情变化的趋势，提高了预测结果的精确度。

技术领域

本发明属于人工智能技术领域，尤其涉及一种基于人工智能的疫情预测方法、装置、计算机可读存储介质及服务器。

背景技术

新型冠状病毒肺炎(Corona Virus Disease 2019，COVID-19)，简称“新冠肺炎”，世界卫生组织命名为“2019冠状病毒病”，是指2019新型冠状病毒感染导致的肺炎。疫情防控除了尽量对患病人群进行全覆盖检测，还需对疫情整体发展趋势进行精准评估，从而才能从宏观上进行科学防控。

针对新冠肺炎的确诊人数趋势预测，目前为止使用最广泛的是传统的传染病传播模型(例如SIR、SIRS、SEIR等)，但在这些模型中只考虑了传染病传播的相关因素，对于其他因素的影响则没有考虑，预测结果的精确度较低。

发明内容

有鉴于此，本发明实施例提供了一种基于人工智能的疫情预测方法、装置、计算机可读存储介质及服务器，以解决现有技术存在的预测结果精确度较低的问题。

本发明实施例的第一方面提供了一种基于人工智能的疫情预测方法，可以包括：

根据预设的疫情关键词从互联网中爬取在预设的第一时段内与疫情相关的新闻文章序列；

使用预设的语言表征模型对所述新闻文章序列进行特征信息提取，得到与所述新闻文章序列对应的特征信息序列；

从预设的数据库中获取在所述第一时段内的疫情确诊人数序列；

对所述疫情确诊人数序列进行差分计算，得到与所述疫情确诊人数序列对应的差分序列；

使用预设的疫情预测模型对所述特征信息序列和所述差分序列进行预测分析，得到在预设的第二时段内的疫情确诊人数预测序列。

在第一方面的一种具体实现方式中，所述根据预设的疫情关键词从互联网中爬取在预设的第一时段内与疫情相关的新闻文章序列，可以包括：

根据所述疫情关键词从互联网中爬取在所述第一时段内与疫情相关的各篇新闻文章；

将爬取的各篇新闻文章按照发布日期划分为N个新闻文章集合；其中，N为所述第一时段的总天数，同一发布日期的新闻文章被划分至同一新闻文章集合中；

将划分的N个新闻文章集合按照发布日期升序排列，形成所述新闻文章序列。

在第一方面的一种具体实现方式中，所述使用预设的语言表征模型对所述新闻文章序列进行特征信息提取，得到与所述新闻文章序列对应的特征信息序列，可以包括：

使用所述语言表征模型对所述新闻文章序列中的各篇新闻文章分别进行特征信息提取，得到所述新闻文章序列中的各篇新闻文章的第一特征信息向量；

对第n个新闻文章集合中的各篇新闻文章的第一特征信息向量进行均值计算，得到第n个新闻文章集合的第二特征信息向量，1≤n≤N；

将所述新闻文章序列中的各个新闻文章集合的第二特征信息向量按照发布日期升序排列，形成所述特征信息序列。