[发明专利]预测用户状态变化的方法和装置

权利要求书

1.一种预测用户状态变化的方法，其特征在于，包括：

确定第一时间范围内的多个预设状态用户的目标体征数据和所述多个预设状态用户的用户状态；

将所述多个预设状态用户的目标体征数据以及所述多个预设状态用户的用户状态作为训练样本，采用极限梯度增强自适应算法对用户状态预测模型进行训练得到所述用户状态预测模型，包括：

构建初始的分类树，根据所述多个预设状态用户的目标体征数据从所述初始的分类树上确定与所述多个预设状态用户中各个用户匹配的叶子节点，一个叶子节点对应一个初始权重系数；

基于所述各个用户匹配的叶子节点对应的初始权重系数对所述各个预设状态用户的目标体征数据进行计算，得到所述各个用户的总权重系数；

根据预设的对应关系将所述各个用户的总权重系数转化为预设范围的状态转移概率，分别将所述状态转移概率与所述各个用户状态的真实值相比较，得到判断结果；

根据所述判断结果调整所述初始的分类树中各个叶子节点的权重系数，得到分类树模型；

将所述分类树模型确定为所述用户状态预测模型；

获取预设状态用户的多个体征数据，所述体征数据包括动态体征参数的特征数据和静态体征参数对应的数据，包括：分别获取所述预设状态用户在第二时间范围内各个动态体征参数对应的时序数据；分别对各个动态体征参数对应的时序数据进行数据处理得到所述各个动态体征参数的特征数据，进而确定多个动态体征参数的特征数据，所述动态体征参数用于指示在一段时间内数据呈动态变化且反映用户的身体机能或身体状况的特征参数；

根据所述多个体征数据以及参数相关性确定至少一个目标体征数据，其中，所述参数相关性为所述动态体征参数与所述静态体征参数之间的相关性；

根据所述至少一个目标体征数据以及所述用户状态预测模型预测所述预设状态用户的状态变化发生概率，包括：

根据所述至少一个目标体征数据在每棵分类树上找到匹配所述用户的叶子节点，将匹配所述用户的所有叶子节点对应的概率相加，得到所述预设状态用户的状态变化概率；

输出所述预设状态用户的状态变化发生概率。

2.根据权利要求1所述的方法，其特征在于，所述动态体征参数的特征数据包括：动态体征参数对应的时序数据的平均值、动态体征参数对应的时序数据的最大值、动态体征参数对应的时序数据的最小值、动态体征参数对应的时序数据的方差以及动态体征参数对应的时序数据的标准差中的至少一种特征数据。

3.根据权利要求1所述的方法，其特征在于，所述根据所述多个体征数据以及参数相关性确定至少一个目标体征数据包括：

根据所述多个体征数据构建N维数据，其中，N等于所述动态体征参数的特征数据的数量与所述静态体征参数对应的数据的数量之和；

根据所述参数相关性对所述N维数据进行降维处理得到M维数据，其中，M为正整数且小于N；

将所述M维数据中的各个数据确定为目标体征数据。

4.根据权利要求3所述的方法，其特征在于，所述根据所述参数相关性对所述N维数据进行降维处理得到M维数据包括：

根据所述参数相关性采用主成分分析算法或自编码算法对所述N维数据进行降维处理得到M维数据。

5.根据权利要求3所述的方法，其特征在于，所述根据所述参数相关性对所述N维数据进行降维处理得到M维数据包括：

根据所述参数相关性将所述N维数据划分为M个数据分组；

分别保留所述M个数据分组中的一个数据得到M维数据。

6.根据权利要求1所述的方法，其特征在于，所述输出所述预设状态用户的状态变化发生概率包括：

在所述状态变化发生概率大于预设阈值的情况下，以告警提示的方式输出所述预设状态用户的状态变化发生概率。