健康状态评测方法、装置和计算机设备与流程

1.本技术涉及大数据技术领域，特别是涉及一种健康状态评测方法、装置和计算机设备。


背景技术：

2.在当前疫情防控中，判断一个人是否涉及疫情或者是否健康主要通过查看其健康码或者行程卡来判断该人员是否健康，但是，健康码和行程卡的精度较低，无法依照这两种信息准确的定位出该人员是否真正涉疫。这种传统方式主要适用于商场、机场、高铁等对用户防范要求相对较低的公共场合。
3.在企业内部，由于员工长时间共同处于密闭的空间进行办公，因此，在疫情期间对于人员健康判断提出了更高的要求，仅仅依靠健康码和行程卡这两项指标无法高准确体现出其健康状态，导致健康状态评测的准确度较低。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够准确判断企业员工当前健康状态的健康状态评测方法、装置和计算机设备。
5.第一方面，本技术提供了一种健康状态评测方法，所述方法包括：
6.获取目标用户在预设时间段的健康状态信息；
7.将所述健康状态信息和当前的疫情防控信息进行匹配，并根据匹配结果确定所述目标用户对应的健康特征数据；
8.将所述健康特征数据输入至健康状态评测模型，得到所述目标用户的健康度评测数值；
9.基于所述健康度评测数值和预设健康度阈值，确定所述目标用户对应的健康评测结果，并输出所述健康评测结果对应的提示信息。
10.在其中一个实施例中，所述目标用户在预设时间段的健康状态信息包括：所述目标用户在所述预设时间段的行程信息、所述目标用户在所述预设时间段的健康状态、所述目标用户的关联用户在所述预设时间段的行程信息和所述目标用户的关联用户在所述预设时间段的健康状态。
11.在其中一个实施例中，所述当前的疫情防控信息包括目标行程信息和目标健康信息；
12.所述将所述健康状态信息和当前的疫情防控信息进行匹配，并根据匹配结果确定所述目标用户对应的健康特征数据，包括：
13.分别将所述目标用户在所述预设时间段的行程信息、以及所述目标用户的关联用户在所述预设时间段的行程信息与所述目标行程信息进行匹配，得到第一匹配结果和第二匹配结果，并确定所述第一匹配结果对应的第一数据、以及所述第二匹配结果对应的第二数据；
14.分别将所述目标用户在所述预设时间段的健康状态、以及所述目标用户的关联用户在所述预设时间段的健康状态与所述目标健康信息进行匹配，得到第三匹配结果和第四匹配结果，并确定所述第三匹配结果对应的第三数据、以及所述第四匹配结果对应的第四数据；
15.所述健康特征数据包括所述第一数据、所述第二数据、所述第三数据和所述第四数据。
16.在其中一个实施例中，所述目标行程信息包括疫情地区信息，所述疫情地区信息预先配置有风险等级；
17.所述分别将所述目标用户在所述预设时间段的行程信息、以及所述目标用户的关联用户在所述预设时间段的行程信息与所述目标行程信息进行匹配，得到第一匹配结果和第二匹配结果，并确定所述第一匹配结果对应的第一数据、以及所述第二匹配结果对应的第二数据，包括：
18.将所述目标用户在所述预设时间段的行程信息和所述疫情地区信息进行匹配，基于与所述目标用户在所述预设时间段的行程信息相匹配的疫情地区的风险等级，确定所述第一数据；
19.将所述目标用户的关联用户在所述预设时间段的行程信息和所述疫情地区信息进行匹配，基于与所述目标用户的关联用户在所述预设时间段的行程信息相匹配的疫情地区的风险等级，确定所述第二数据。
20.在其中一个实施例中，所述目标健康信息包括目标症状信息，所述预设时间段的健康状态包括当前健康状态和预设历史时间内的健康状态；
21.所述分别将所述目标用户在所述预设时间段的健康状态、以及所述目标用户的关联用户在所述预设时间段的健康状态与所述目标健康信息进行匹配，得到第三匹配结果和第四匹配结果，并确定所述第三匹配结果对应的第三数据、以及所述第四匹配结果对应的第四数据，包括：
22.分别将所述目标用户的当前健康状态和所述目标用户的预设历史时间内健康状态与所述目标症状信息进行匹配，基于与所述目标用户的当前健康状态和所述目标用户的预设历史时间内健康状态相匹配的目标症状信息，确定所述第三数据；
23.分别将所述目标用户的关联用户的当前健康状态和所述目标用户的关联用户的预设历史时间内健康状态与所述目标症状信息进行匹配，基于与所述目标用户的关联用户的当前健康状态和所述目标用户的关联用户相匹配的目标症状信息，确定所述第四数据。
24.在其中一个实施例中，所述方法还包括：
25.获取样本数据集，所述样本数据集包含样本用户在所述预设时间段的所述健康状态信息和所述样本用户的健康度真实数值；
26.将所述样本用户对应的健康状态信息和所述预设的疫情防控信息进行匹配，并根据所述匹配结果确定所述样本用户对应的所述健康特征数据；
27.将所述样本用户对应的健康特征数据输入至初始模型，再输入至激活函数，获得健康度预测数值，所述初始模型包括神经网络模型和激活函数；
28.将所述健康度真实数值和所述健康度预测数值输入至损失函数，获得损失函数值；
29.根据所述损失函数值对所述初始模型进行训练，得到所述健康状态评测模型；所述健康状态评测模型用于进行健康状态评测。
30.第二方面，本技术提供了一种健康状态评测装置，所述装置包括：
31.获取模块，用于获取目标用户在预设时间段的健康状态信息；
32.确定模块，用于将所述健康状态信息和当前的疫情防控信息进行匹配，并根据匹配结果确定所述目标用户对应的健康特征数据；
33.评测模块，将所述健康特征数据输入至健康状态评测模型，得到所述员工的健康度评测数值；
34.输出模块，用于基于所述健康度评测数值和预设健康度阈值，确定所述目标用户对应的健康评测结果，并输出所述健康评测结果对应的提示信息。
35.在其中一个实施例中，所述目标用户在预设时间段的健康状态信息包括：所述目标用户在所述预设时间段的行程信息、所述目标用户在所述预设时间段的健康状态、所述目标用户的关联用户在所述预设时间段的行程信息和所述目标用户的关联用户在所述预设时间段的健康状态。
36.在其中一个实施例中，所述当前的疫情防控信息包括目标行程信息和目标健康信息；所述确定模块，具体用于：
37.分别将所述目标用户在所述预设时间段的行程信息、以及所述目标用户的关联用户在所述预设时间段的行程信息与所述目标行程信息进行匹配，得到第一匹配结果和第二匹配结果，并确定所述第一匹配结果对应的第一数据、以及所述第二匹配结果对应的第二数据；
38.分别将所述目标用户在所述预设时间段的健康状态、以及所述目标用户的关联用户在所述预设时间段的健康状态与所述目标健康信息进行匹配，得到第三匹配结果和第四匹配结果，并确定所述第三匹配结果对应的第三数据、以及所述第四匹配结果对应的第四数据；
39.所述健康特征数据包括所述第一数据、所述第二数据、所述第三数据和所述第四数据。
40.在其中一个实施例中，所述目标行程信息包括疫情地区信息，所述疫情地区预先配置有风险等级；所述确定模块，具体用于：
41.将所述目标用户在所述预设时间段的行程信息和所述疫情地区信息进行匹配，基于与所述目标用户在所述预设时间段的行程信息相匹配的疫情地区的风险等级，确定所述第一数据；
42.将所述目标用户的关联用户在所述预设时间段的行程信息和所述疫情地区信息进行匹配，基于与所述目标用户的关联用户在所述预设时间段的行程信息相匹配的疫情地区的风险等级，确定所述第二数据。
43.在其中一个实施例中，所述目标健康信息包括目标症状信息，所述预设时间段的健康状态包括当前健康状态和预设历史时间内的健康状态；所述确定模块，具体用于：
44.分别将所述目标用户的当前健康状态和所述目标用户的预设历史时间内健康状态与所述目标症状信息进行匹配，基于与所述目标用户的当前健康状态和所述目标用户的预设历史时间内健康状态相匹配的目标症状信息，确定所述第三数据；
45.分别将所述目标用户的关联用户的当前健康状态和所述目标用户的关联用户的预设历史时间内健康状态与所述目标症状信息进行匹配，基于与所述目标用户的关联用户的当前健康状态和所述目标用户的关联用户相匹配的目标症状信息，确定所述第四数据。
46.在其中一个实施例中，所述装置还包括：
47.样本获取模块，用于获取样本数据集，所述样本数据集包含样本用户在所述预设时间段的所述健康状态信息和所述样本用户的健康度真实数值；
48.样本确定模块，用于将所述样本用户对应的健康状态信息和预设的疫情防控信息进行匹配，并根据所述匹配结果确定所述样本用户对应的健康特征数据；
49.样本预测模块，用于将所述样本用户对应的健康特征数据输入至初始模型，获得健康度预测数值，所述初始模型包括神经网络模型和激活函数；
50.损失函数模块，用于将所述健康度真实数值和所述健康度预测数值输入至损失函数，获得损失函数值；
51.训练模块，用于根据所述损失函数值对所述初始模型进行训练，得到所述健康状态评测模型；所述健康状态评测模型用于进行健康状态评测。
52.第三方面，本技术还提供了一种计算机设备。所述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第一方面所述的步骤。
53.第四方面，本技术还提供了一种计算机可读存储介质。所述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第一方面所述的步骤。
54.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面所述的步骤。
55.本技术涉及一种健康状态评测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标用户在预设时间段的健康状态信息；将所述健康状态信息和当前的疫情防控信息进行匹配，并根据匹配结果确定所述目标用户对应的健康特征数据；将所述健康特征数据输入至健康状态评测模型，得到所述员工的健康度评测数值；基于所述健康度评测数值和预设健康度阈值，确定所述目标用户对应的健康评测结果，并输出所述健康评测结果对应的提示信息。本方法通过获取目标用户在预设时间段的健康状态信息，并将其与当前的疫情防控信息进行匹配，利用健康评测模型获得目标对象的健康度评测值，可以更加准确的判断员工当前的健康状态。
附图说明
56.图1为一个实施例中健康状态评测方法的流程示意图；
57.图2为一个实施例中健康状态评测方法中健康状态评测模型训练过程的流程示意图；
58.图3为一个实施例中健康状态评测装置的结构框图；
59.图4为一个实施例中计算机设备的内部结构图。
具体实施方式
60.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对
本技术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技术，并不用于限定本技术。
61.在一个实施例中，如图1所示，提供了一种健康状态评测方法，本实施例以该方法应用于终端(可称为管理终端)进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。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。本实施例中，该方法包括以下步骤：
62.步骤101，获取目标用户在预设时间段的健康状态信息。
63.其中，目标用户可以为企业中的员工，预设时间段可以为近14天，目标用户在预设时间段的健康状态信息包括：目标用户在预设时间段的行程信息、目标用户在预设时间段的健康状态、目标用户的关联用户在预设时间段的行程信息和目标用户的关联用户在预设时间段的健康状态。
64.在本技术的一个实施例中，用户可以通过客户端上传目标用户的每日健康状态信息至健康状态数据库，管理终端可以从健康状态数据库中获取目标用户在预设时间段的健康信息。
65.步骤102，将健康状态信息和当前的疫情防控信息进行匹配，并根据匹配结果确定目标用户对应的健康特征数据。
66.其中，当前疫情防控信息包括已发布的的疫情防控相关信息，管理终端可以从预设网站实时获取已发布的疫情防控相关信息。已发布的疫情防控相关信息可以包括当前已发布的全部中高风险地区信息、以及已发布的疫情相关健康症状。
67.在本技术的一个实施例中，管理终端可以获取目标用户的健康状态信息和当前疫情防控信息，然后，管理终端将目标用户的健康状态信息与当前疫情防控信息进行对比，管理终端可以根据健康状态信息是否包括当前疫情防控信息，判断健康状态信息和当前疫情状态信息的匹配结果。若健康状态信息包括当前疫情防控信息，则匹配成功，管理终端可以基于匹配成功的结果，确定目标用户健康状态信息对应的健康特征数据；若健康状态信息不包括当前疫情防控信息，则匹配失败，管理终端可以基于匹配失败的结果，确定目标用户健康状态信息对应的健康特征数据。
68.具体的，管理终端可以获取目标用户的多个健康状态信息，终端可以将目标用户的多个状态信息分别与当前疫情防控信息进行匹配，得到每个健康状态信息对应的匹配结果。对于一个健康状态信息而言，若管理终端判断该健康状态信息包括当前疫情防控信息，则该健康状态信息匹配成功，管理终端可以基于匹配成功的结果，确定目标用户的该健康状态信息对应的健康特征数据；若该健康状态信息不包括当前疫情防控信息，则该健康状态信息匹配失败，管理终端可以基于匹配失败的结果，确定目标用户该健康状态信息对应的健康特征数据。由于管理终端可获取目标用户的多个健康状态信息，因此，对每个健康状态信息而言，管理终端都可确定其对应的健康特征数据。然后，管理终端将多个健康状态信息对应的多个健康特征数据，构成健康特征数组。
69.步骤103，将健康特征数据输入至健康状态评测模型，得到目标用户的健康度评测
数值。
70.其中，健康特征数据可以为包括多个健康特征数据的健康特征数组。
71.在本技术的一个实施例中，健康状态评测模型可以包括神经网络和激活函数。管理终端可以将目标用户的健康特征数据输入健康评测模型中的神经网络后，再将神经网络的输出结果输入至激活函数，最终，可以获得目标用户的健康度评测数值。管理终端利用激活函数对神经网络的输出结果进行缩放，最终获得健康评测数值，该健康评测数值可以为0至1区间内的一个数值。激活函数输出的数值表示事件发生的概率，输出值越靠近1，该事件发生的概率越大；输出值越靠近0，该事件发生的概率越小。具体地，健康度评测数值越接近于1，表示目标用户符合入园要求的概率越大。
72.步骤104，基于健康度评测数值和预设健康度阈值，确定目标用户对应的健康评测结果，并输出健康评测结果对应的提示信息。
73.其中，预设健康度阈值可以为0至1区间内的一个数值。具体的，预设健康度阈值可以为0.8。
74.在本技术的一个实施例中，管理终端可以将目标用户的健康度评测数值和预设健康度阈值进行比较，若目标用户的健康度评测值大于预设健康度阈值，则确定目标用户对应的健康评测结果为符合进入园区的要求，输出允许进入园区的提示信息；若目标用户的健康度评测值小于或等于预设健康度阈值，则确定目标用户对应的健康评测结果为不符合进入园区的要求，输出禁止进入园区的提示信息。
75.在本技术的一个实施例中，管理终端可以将提示信息发送至用户显示装置，用户显示装置将提示信息显示给目标用户，以便提前告知员工是否符合进入园区的要求。进一步地，终端也可以将目标用户的提示信息发送给园区显示装置，园区显示装置实时将目标用户的提示信息显示在园区入口，便于标识目标用户是否符合进入园区要求，也便于园区管理人员进行限流入园操作。园区管理人员可以根据园区显示装置显示的提示信息直接判断员工的是否符合入园要求，大大降低通过人工查看员工健康码和行程码判断员工是否可以入园时，可能存在传染接触的风险。
76.进一步地，本技术的一个实施例中，管理终端还可以将目标用户的健康度评测值、目标用户的提示信息存储至预设存储单元，以便目标用户或园区管理人员可以随时查看目标用户的健康状态。
77.上述健康状态评测方法中，获取目标用户在预设时间段的健康状态信息；将健康状态信息和当前的疫情防控信息进行匹配，并根据匹配结果确定目标用户对应的健康特征数据；将健康特征数据输入至健康状态评测模型，得到员工的健康度评测数值；基于健康度评测数值和预设健康度阈值，确定目标用户对应的健康评测结果，并输出健康评测结果对应的提示信息。本方法通过获取目标用户在预设时间段的健康状态信息，并将其与当前的疫情防控信息进行匹配，利用健康评测模型获得目标对象的健康度评测值，可以更加准确的判断员工当前的健康状态。本方法适用于多种类型的目标用户，通用性好，并且本方法可以实施过程完全自动化，无需人工干预，管理效率高。除此之外，通过健康度评测方法，可以直接评测出目标用户是否符合进入园区的要求并输出提示信息，无需人工查验，大大降低在人工查验健康码或者行程码过程中，可能存在的接触感染的风险。
78.在本技术的一个实施例中，目标用户在预设时间段的健康状态信息包括：目标用
户在预设时间段的行程信息、目标用户在预设时间段的健康状态、目标用户的关联用户在预设时间段的行程信息和目标用户的关联用户在预设时间段的健康状态。
79.其中，目标用户在预设时间段的行程信息可以包括员工的近14天日常轨迹、员工家庭住址、员工办公地址以及员工近14天请假出行目的地，上述目标用户的行程信息可以由目标用户每日填写上报，目标用户的行程信息需精确至具体的县、区、街道、小区等。目标用户在预设时间段的健康状态包括员工近14天的身体状态，身体状态可以为健康或者出现当前发生感冒、发烧、咳嗽等症状之一，上述目标用户的健康状态可以由目标用户每日填写上报。
80.具体的，目标用户的关联用户指的是目标用户的同住人员。目标用户可以是企业员工，因此，目标用户的关联用户可以是企业员工的同住人员。目标用户的关联用户在预设时间段的行程信息可以包括员工同住人员的近14天日常轨迹、员工同住人员办公地址以及员工同住人员近14天请假出行目的地，上述目标用户的关联用户的行程信息可以由目标用户每日填写上报，目标用户的关联用户的行程信息需精确至具体的县、区、街道、小区等。目标用户的关联用户在预设时间段的健康状态包括员工的同住人员近14天的身体状态，身体状态可以为健康或者出现当前发生感冒、发烧、咳嗽等症状之一，上述目标用户的关联用户的健康状态可以由目标用户每日填写上报。
81.本技术实施例提供了一种基于多因子的健康状态评测方法，通过对人员轨迹、身体状态，同住人员等其他因素的综合分析，可以更加准确的判断员工当前的健康状态。并且可以根据提示信息对员工进行提前告知、限制入园等操作，大大降低人工查验、审核员工是否符合进入园区要求等过程中可能存在的感染风险。
82.在本技术的一个实施例中，当前的疫情防控信息包括目标行程信息和目标健康信息；相应的，上述步骤102，将健康状态信息和当前的疫情防控信息进行匹配，并根据匹配结果确定目标用户对应的健康特征数据的具体处理过程，包括：
83.分别将目标用户在预设时间段的行程信息、以及目标用户的关联用户在预设时间段的行程信息与目标行程信息进行匹配，得到第一匹配结果和第二匹配结果，并确定第一匹配结果对应的第一数据、以及第二匹配结果对应的第二数据；
84.分别将目标用户在预设时间段的健康状态、以及目标用户的关联用户在预设时间段的健康状态与目标健康信息进行匹配，得到第三匹配结果和第四匹配结果，并确定第三匹配结果对应的第三数据、以及第四匹配结果对应的第四数据；
85.健康特征数据包括第一数据、第二数据、第三数据和第四数据。
86.具体地，目标用户在预设时间段的行程信息可以包括多个地区信息，如员工的近14天日常轨迹、员工家庭住址、员工办公地址以及员工近14天请假出行目的地。管理终端可以获取到目标用户的行程信息后，可以提取该行程信息所包含的地区信息，得到第一地区信息集合。终端还可以提取目标行程信息包含的地区信息，得到第二地区信息集合。然后，管理终端可以判断第一地区信息集合和第二地区信息集合中，是否包含相同的地区信息。如果包含相同的地区信息，则管理终端判定匹配结果(即第一匹配结果)为匹配成功，如果不包含相同的地区信息，则管理终端判定匹配结果(即第一匹配结果)为匹配失败。然后，终端可以根据预设的特征数据生成策略和确定出的匹配结果，得到该匹配结果对应的特征数据(即第一数据)。基于与上述类似的过程，管理终端还可以将目标用户的关联用户在预设
时间段的行程信息与目标行程信息进行匹配，得到第二匹配结果，进而确定第二匹配结果对应的第二数据。
87.具体地，目标用户在预设时间段的健康状态可以包括多个症状信息，如健康无症状或者出现当前发生感冒、发烧、咳嗽等症状之一。管理终端可以获取到目标用户的健康状态后，可以提取该健康状态所包含的症状信息，得到第一症状信息集合。终端还可以提取目标健康信息包含的症状信息，得到第二症状信息集合。然后，管理终端可以判断第一症状信息集合和第二症状信息集合中，是否包含相同的症状信息。如果包含相同的症状信息，则管理终端判定匹配结果(即第三匹配结果)为匹配成功，如果不包含相同的地区信息，则判定匹配结果(即第三匹配结果)为匹配失败。然后，管理终端可以根据预设的特征数据生成策略和确定出的匹配结果，得到该匹配结果对应的特征数据(即第三数据)。基于与上述类似的过程，管理终端还可以将目标用户的关联用户在预设时间段的健康状态与目标健康信息进行匹配，得到第四匹配结果，进而确定第四匹配结果对应的第四数据。
88.综上，本技术实施里中健康状态的评测方法需依据目标用户的多个因子要素进行评测，通过对人员轨迹、身体状态，密接人员等其他因素的综合分析，可以更加准确的判断员工当前的健康状态，并且申请实施例的方法可以适配多种类型的人群，通用性较好。
89.在本技术的一个实施例中，目标行程信息包括疫情地区信息，疫情地区信息预先配置有风险等级；
90.分别将目标用户在预设时间段的行程信息、以及目标用户的关联用户在预设时间段的行程信息与目标行程信息进行匹配，得到第一匹配结果和第二匹配结果，并确定第一匹配结果对应的第一数据、以及第二匹配结果对应的第二数据，包括：
91.将目标用户在预设时间段的行程信息和疫情地区信息进行匹配，基于与目标用户在预设时间段的行程信息相匹配的疫情地区的风险等级，确定第一数据；
92.将目标用户的关联用户在预设时间段的行程信息和疫情地区信息进行匹配，基于与目标用户的关联用户在预设时间段的行程信息相匹配的疫情地区的风险等级，确定第二数据。
93.具体的，疫情地区信息中的地区预先配置有风险等级，包括第一风险等级的地区、第二风险等级的地区和第三风险等级的地区。另外，管理终端中还可以预先存储风险等级和特征数值的对应关系表，其中，第一风险等级对应的特征数值为第一数值，第二风险等级对应的特征数值为第二数值，第三风险等级对应的特征数值为第三数值。
94.进一步地，管理终端可以获取到目标用户在预设时间段的行程信息后，可以提取该行程信息所包含的地区信息，得到第一信息集合。终端还可以提取疫情地区信息包含的地区信息，得到第二信息集合。然后，管理终端可以判断出第一信息集合和第二地区信息集包含的相同的地区信息，管理终端可以通过查询的方式查找两集合包含的相同的地区信息对应的风险等级。最后，管理终端可以在上述对应关系表中，查询将该地区的风险等级对应的特征数值，作为第一数据。基于与上述类似的过程，管理终端还可以将目标用户的关联用户在预设时间段的行程信息与疫情地区信息进行匹配，管理终端还可以通过查询方式，确定与目标用户的关联用户在预设时间段的行程信息相匹配的疫情地区的风险等级对应的特征数值为第二数据。
95.在本技术的一个实施例中，第一风险等级的地区可以为疫情地区信息中的高风险
地区；第二风险等级的地区可以为疫情地区信息中的中风险地区；第三风险等级的地区可以为疫情地区信息中的低风险地区。第一数值、第二数值、第三数值为三个互不相同的数值。
96.在本技术的一个实施例中，第一数值为1、第二数值为0.5、第三数值为0。管理终端可以将目标用户的办公地址与疫情地区信息进行对比，如果目标用户的办公地址包括疫情地区信息中高风险地区，则第一数据为1；如果目标用户的办公地址包括疫情地区信息的中风险地区，则第一数据为0.5，如果目标用户的办公地址包括疫情地区信息的低风险地区，则第一数据为0。
97.综上，本技术实施里中健康状态的评测方法以疫情地区信息和疫情地区风险信息为依据，将目标用户的多个因子要素与疫情地区信息和疫情地区风险风险信息进行匹配，对目标用户的行程信息和目标用户的关联用户的行程信息进行精准分析，可以更加准确的判断目标用户及目标用户的关联用户在预设时间段的行程所具备的风险，以便更好地对目标用户的健康状态进行评测。
98.在本技术的一个实施例中，目标健康信息包括目标症状信息，预设时间段的健康状态包括当前健康状态和预设历史时间内的健康状态；
99.分别将目标用户在预设时间段的健康状态、以及目标用户的关联用户在预设时间段的健康状态与目标健康信息进行匹配，得到第三匹配结果和第四匹配结果，并确定第三匹配结果对应的第三数据、以及第四匹配结果对应的第四数据，包括：
100.分别将目标用户的当前健康状态和目标用户的预设历史时间内健康状态与目标症状信息进行匹配，基于与目标用户的当前健康状态和目标用户的预设历史时间内健康状态相匹配的目标症状信息，确定第三数据；
101.分别将目标用户的关联用户的当前健康状态和目标用户的关联用户的预设历史时间内健康状态与目标症状信息进行匹配，基于与目标用户的关联用户的当前健康状态和目标用户的关联用户相匹配的目标症状信息，确定第四数据。
102.具体的，目标症状信息包括发生感冒、发烧、咳嗽等感染者可能出现的相关症状。预设时间段的健康状态包括当前健康状态和预设历史时间内的健康状态，预设历史时间内的健康状态可以为近14天但不包括今日的健康状态。
103.管理终端可以根据目标症状信息，得到目标症状集合。管理终端获取到目标用户的当前健康状态后，可以提取目标用户的当前健康状态所包含的症状信息，得到目标用户当前症状信息集合；管理终端获取到目标用户的预设历史时间内健康状态后，可以提取目标用户的预设历史时间内健康状态所包含的症状信息，得到目标用户的历史症状信息集合。管理终端可以先将判断目标用户的当前症状信息集合和目标症状信息集合中，是否包含相同的症状信息。之后，管理终端还可以判断历史症状信息集合和目标症状信息集合中，是否包含相同的症状信息。若目标用户的当前症状信息集合和目标症状信息集合中包含相同的症状信息，则管理终端确定第三数据为第一预设数值。若目标用户的当前症状信息集合和目标症状信息集合中不包含相同的症状信息，且目标用户的历史症状信息集合和目标症状信息集合中包含相同的症状信息，则管理终端确定第三数据为第二预设数值。若目标用户的当前症状信息集合和目标症状信息集合中不包含相同的症状信息，且目标用户的历史症状信息集合和目标症状信息集合中不包含相同的症状信息，则管理终端确定第三数据
为第三预设数值。基于与上述类似的过程，管理终端还可以获取到目标用户的关联用户的当前健康状态后，可以提取关联用户得当前健康状态所包含的症状信息，得到关联用户的当前症状信息集合；管理终端获取到关联用户的预设历史时间内健康状态后，可以提取关联用户的预设历史时间内健康状态所包含的症状信息，得到关联用户的历史症状信息集合，管理终端可以先将判断关联用户的当前症状信息集合和目标症状信息集合中，是否包含相同的症状信息。之后，管理终端还可以判断关联用户的历史症状信息集合和目标症状信息集合中，是否包含相同的症状信息。若关联用户的当前症状信息集合和目标症状信息集合中包含相同的症状信息，则管理终端确定第四数据为第一预设数值。若关联用户的当前症状信息集合和目标症状信息集合中不包含相同的症状信息，且关联用户的历史症状信息集合和目标症状信息集合中包含相同的症状信息，则管理终端确定第四数据为第二预设数值。若关联用户的当前症状信息集合和目标症状信息集合中不包含相同的症状信息，且关联用户的历史症状信息集合和目标症状信息集合中不包含相同的症状信息，则管理终端确定第四数据为第三预设数值。
104.在本技术的一个实施例中，第一子数据、第二子数据和第三子数据为三个不相同的数。第一预设数值可以为1；第二预设数值可以为0.5；第三预设数值为0。
105.如果目标用户当前发生感冒、发烧、咳嗽等与目标症状信息包括的症状，则第三数据为1；如果目标用户近14天发生过感冒、发烧、咳嗽等与目标症状信息包括的症状，且目前已经康复，则第三数据为0.5，如果目标用户近14天未发生目标症状信息包括的症状，则第三数据为0。
106.综上，本技术实施里中健康状态的评测方法以发生感冒、发烧、咳嗽等感染者可能出现的相关症状的目标症状信息为依据，将目标用户的当前健康状态、目标用户的预设历史时间内健康状态、目标用户的关联用户的当前健康状态和目标用户的关联用户的预设历史时间内健康状态与目标症状信息进行匹配，对目标用户的预设时间段的健康状态进行精准分析，可以更加准确的判断目标用户及目标用户的关联用户在预设时间段的健康状态是否出现感染的风险，以便更好地对目标用户的健康状态进行评测。
107.在本技术的一个实施例中，如图2所示，健康状态评测方法中还包括健康状态评测模型训练过程，具体过程包括以下步骤：
108.步骤201，获取样本数据集，样本数据集包含样本用户在预设时间段的健康状态信息和样本用户的健康度真实数值。
109.具体的，样本数据集中包括多个样本用户在预设时间段的健康状态信息。
110.在本技术的一个实施例中，用户终端上传样本用户的每日健康状态信息至健康状态数据库，获取终端设置有预设时间段，获取终端根据预设时间段从健康状态数据库中获取样本用户在预设时间段的健康信息。人工标定样本用户的健康度真实数值，并将健康度真实数值输入至终端。
111.在本技术的一个实施例中，若样本用户当前的健康状态符合入园标准，则人工标定样本用户的健康度真实数值为1；若样本用户当前的健康状态不符合入园标准，则人工标定样本用户的健康度真实数值为0。
112.步骤202，将样本用户对应的健康状态信息和预设的疫情防控信息进行匹配，并根据匹配结果确定样本用户对应的健康特征数据。
113.其中，当前疫情防控信息包括实时更新的疫情防控信息，当前疫情防控信息包括多个当前疫情防控信息。
114.在本技术的一个实施例中，将样本用户的多个健康状态信息与多个当前疫情防控状态信息进行匹配，根据匹配结果可以确定样本用户的多个健康特征数据，构成样本用户的健康特征数组。
115.步骤203，将样本用户对应的健康特征数据输入至初始模型后，再输入至激活函数，获得健康度预测数值，所述初始模型包括神经网络模型和激活函数。
116.其中，健康特征数据包括多个健康特征数据，多个健康特征数据构成健康特征数组作为样本数据。
117.在本技术的一个实施例中，采用全连接神经网络对样本数据进行训练，神经网络的输出层通过激活函数后可以输出健康度预测数值，表述该样本数据属于正类的概率。激活函数可以为sigmod函数。本技术实施例中采用的神经网络包括但不限于6层全连接神经网络。sigmod函数的核心功能就是将输入的值通过sigmod函数公式将其压缩成0-1范围内。其中0表述未激活状态，1表述激活状态。神经网络通过sigmod激活函数对隔层神经网络的输入进行缩放，最终输出越靠近1，事件发生的概率越大；越靠近0，事件发生的概率越小。具体地，健康度评测数值越接近于1，表示目标用户符合入园要求的概率越大。
118.步骤204，将健康度真实数值和健康度预测数值输入至损失函数，获得损失函数值。
119.具体的，在一个实施例中，损失函数可以为交叉熵损失函数，将健康度真实数值和健康度预测数值输入至交叉熵损失函数，可获得损失函数值。
120.步骤205，根据损失函数值对初始模型进行训练，得到健康状态评测模型；健康状态评测模型用于进行健康状态评测。
121.具体的，根据损失函数值，对初始模型中的神经网络不断训练，直至损失函数值降低至预设值，便可得到健康状态评测模型，该健康状态评测模型用于对目标用户进行健康状态评测。
122.上述健康状态评测方法中，获取样本数据集，样本数据集包含样本用户在预设时间段的健康状态信息和样本用户的健康度真实数值；将健康状态信息和当前的疫情防控信息进行匹配，并根据匹配结果确定样本用户对应的健康特征数据；将健康特征数据输入至神经网络后，再输入至激活函数，获得健康度预测数值；将健康度真实数值和健康度预测数值输入至损失函数，获得损失函数值；根据损失函数值对神经网络进行训练，得到健康状态评测模型；健康状态评测模型用于进行健康状态评测。本方法通过获取样本用户在预设时间段的健康状态信息，并将其与当前的疫情防控信息进行匹配，利用神经网络和激活函数获得健康度预测数值，并通过损失函数获得损失函数值，根据损失函数值对神经网络进行训练，得到健康状态评测模型。本方法获得的健康状态评测模型适用于多种类型的样本用户，通用性好，并且本方法可以实施过程完全自动化，无需人工干预，管理效率高。
123.应该理解的是，虽然如上的各实施例所涉及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，如上的各实施例所涉及的流程图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。
124.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的健康状态评测方法的健康状态评测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个健康状态评测装置实施例中的具体限定可以参见上文中对于健康状态评测方法的限定，在此不再赘述。
125.如图3所示，在本技术的一个实施例中，提供了一种健康状态评测装置300，包括：获取模块310、确定模块320、评测模块330和输出模块340，其中：
126.获取模块310，用于获取目标用户在预设时间段的健康状态信息；
127.确定模块320，用于将健康状态信息和当前的疫情防控信息进行匹配，并根据匹配结果确定目标用户对应的健康特征数据；
128.评测模块330，将健康特征数据输入至健康状态评测模型，得到员工的健康度评测数值；
129.输出模块340，用于基于健康度评测数值和预设健康度阈值，确定目标用户对应的健康评测结果，并输出健康评测结果对应的提示信息。
130.在本技术的一个实施例中，目标用户在预设时间段的健康状态信息包括：目标用户在预设时间段的行程信息、目标用户在预设时间段的健康状态、目标用户的关联用户在预设时间段的行程信息和目标用户的关联用户在预设时间段的健康状态。
131.在本技术的一个实施例中，当前的疫情防控信息包括目标行程信息和目标健康信息；确定模块320，具体用于：
132.分别将目标用户在预设时间段的行程信息、以及目标用户的关联用户在预设时间段的行程信息与目标行程信息进行匹配，得到第一匹配结果和第二匹配结果，并确定第一匹配结果对应的第一数据、以及第二匹配结果对应的第二数据；
133.分别将目标用户在预设时间段的健康状态、以及目标用户的关联用户在预设时间段的健康状态与目标健康信息进行匹配，得到第三匹配结果和第四匹配结果，并确定第三匹配结果对应的第三数据、以及第四匹配结果对应的第四数据；
134.健康特征数据包括第一数据、第二数据、第三数据和第四数据。
135.在本技术的一个实施例中，目标行程信息包括疫情地区信息，疫情地区预先配置有风险等级；确定模块320，具体用于：
136.将目标用户在预设时间段的行程信息和疫情地区信息进行匹配，基于与目标用户在预设时间段的行程信息相匹配的疫情地区的风险等级，确定第一数据；
137.将目标用户的关联用户在预设时间段的行程信息和疫情地区信息进行匹配，基于与目标用户的关联用户在预设时间段的行程信息相匹配的疫情地区的风险等级，确定第二数据。
138.在本技术的一个实施例中，目标健康信息包括目标症状信息，预设时间段的健康状态包括当前健康状态和预设历史时间内的健康状态；确定模块320，具体用于：
139.分别将目标用户的当前健康状态和目标用户的预设历史时间内健康状态与目标症状信息进行匹配，基于与目标用户的当前健康状态和目标用户的预设历史时间内健康状
态相匹配的目标症状信息，确定第三数据；
140.分别将目标用户的关联用户的当前健康状态和目标用户的关联用户的预设历史时间内健康状态与目标症状信息进行匹配，基于与目标用户的关联用户的当前健康状态和目标用户的关联用户相匹配的目标症状信息，确定第四数据。
141.在本技术的一个实施例中，健康状态评测装置还包括：
142.样本获取模块，用于获取样本数据集，样本数据集包含样本用户在预设时间段的健康状态信息和样本用户的健康度真实数值；
143.样本确定模块，用于将健康状态信息和当前的疫情防控信息进行匹配，并根据匹配结果确定样本用户对应的健康特征数据；
144.样本预测模块，用于将健康特征数据输入至神经网络后，再输入至激活函数，获得健康度预测数值；
145.损失函数模块，用于将健康度真实数值和健康度预测数值输入至损失函数，获得损失函数值；
146.训练模块，用于根据损失函数值对神经网络进行训练，得到健康状态评测模型；健康状态评测模型用于进行健康状态评测。
147.上述健康状态评测装置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。
148.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终端，其内部结构图可以如图4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、通信接口、显示屏和输入装置。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和计算机程序。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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种量表问题生成模型的训练方法或量表问题生成方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
149.本领域技术人员可以理解，图4中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术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。
150.在一个实施例中，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。
151.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，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。
152.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，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。
153.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人
信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
154.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，上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，本技术所提供的各实施例中所使用的对存储器、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、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。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等。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。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
155.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。
156.以上实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。