CN112669188A - 危机事件预警模型构建、危机事件预警方法和电子设备 - Google Patents

Abstract

本申请提供了一种危机事件预警模型构建、危机事件预警方法和电子设备，其中，该方法包括：获取危机事件人员的特征信息，所述特征信息包括个人信息、心理信息、生理信息和行为信息中的至少之一；对所述特征信息进行聚类分析，得到特征集合组，其中，危机事件对应一个或多个所述特征集合组；基于每个特征集合组的属性确定预测阈值和所述预测阈值对应的危机事件概率，构建所述危机事件预警模型。可以实现无需主动上报，通过待测人员的特征信息即可完成对于危机事件发生概率进行预测，能够快速缩小危机人员人群范围，预测潜在群体，并且准确快速的预测危机事件发生的概率，帮助有关部门获得动态数据，进行更好的人员管理。

Description

危机事件预警模型构建、危机事件预警方法和电子设备

技术领域

本申请涉及人工智能领域，尤其涉及一种危机事件预警模型构建、危机事件预警方法和电子设备。

背景技术

危机事件包括自杀、伤害他人、暴力、欲违法犯罪、反社会等。

由于其私密性，有关部门很难通过发生危机的人员主动上报的方式知晓其所在，发现机制非常被动。由于社会群体的体量极大，如果没有一种快速缩小范围，甄别预警危机事件的方式，则会浪费大量的社会资源，难以遏制社会不稳定因素。

因此，如何快速稳定的预警危机事件的发生成为亟待解决的技术问题。

发明内容

本申请提供了一种危机事件预警模型构建、危机事件预警方法和电子设备，以至少解决相关技术中存在如何快速稳定的预警危机事件的发生成为亟待解决的技术问题。

根据本申请实施例的一个方面，提供了一种危机事件预警模型构建方法，包括：获取危机事件人员的特征信息，所述特征信息包括个人信息、心理信息、生理信息和行为信息中的至少之一；对所述特征信息进行聚类分析，得到特征集合组，其中，危机事件对应一个或多个所述特征集合组；基于每个特征集合组的属性确定预测阈值和所述预测阈值对应的危机事件概率，构建所述危机事件预警模型。

可选地，所述获取危机事件人员的特征信息包括：基于大数据和/或人机交互获取所述待测人员的特征信息。

可选地，所述获取危机事件人员的特征信息包括：获取危机事件人员的历史记录数据；对所述历史记录数据进行特征统计，得到大数据特征信息；获取危机事件人员的人机交互结果；对所述人机交互结果中的特征进行统计，得到人机交互特征信息；根据所述大数据特征信息和所述人机交互特征信息得到所述危机人员的特征信息。

可选地，所述根据所述大数据特征信息和所述人机交互特征信息得到所述危机人员的特征信息，将所述大数据特征信息和所述人机交互特征信息进行相互对比分析，得到各个维度特征的确信度；基于确信度整合所述大数据特征信息和人机交互特征信息，得到所述危机人员的特征信息。

可选地，所述对所述特征信息进行聚类分析包括：获取危机事件的类别；利用聚类分析算法分别对每一类危机事进行特征信息聚类，得到每一类危机事件对应的特征信息集合组。

可选地，所述属性包括特征集合组对应的危机事件的类别和所述特征集合组中的特征信息的数量；所述基于每个特征集合组的属性确定预测阈值和所述预测阈值对应的危机事件概率，构建所述危机事件预警模型包括：基于所述特征集合组中的特征信息的数量确定预测阈值的档位数量；基于所述特征集合组所属的危机事件的类别确定每个档位的预设阈值的数值和以及每个档位的预设阈值对应的危机事件的概率的数值。

根据第二方面，本发明实施例提供了一种危机事件预警方法，包括：获取待测人员的特征信息，所述特征信息包括个人信息、心理信息、生理信息和行为信息中的至少之一；将所述特征信息输入至预警模型，得到所述待测人员发生危机事件的概率，所述预警模型基于对所述危机人员特征信息进行聚类分析，得到特征集合组，并基于不同的特征集合组的预测阈值和所述预测阈值对应的危机事件概率构建而成。

可选地，在所述将特征信息输入至预警模型之后包括：获取待测人员发生危机事件的类别和每个类别的危机事件的发生概率；针对所述待测人员发生危机事件的类别和每个类别的危机事件发生的概率确定心理辅导方案生成条件和所述生成条件的权重，其中，所述生成条件与所述危机事件的类别对应，所述权重与所述危机事件发生的概率对应。

根据第三方面，本申请实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；其中，存储器，用于存储计算机程序；处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的方法步骤。

根据第四方面，本申请实施例还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一实施例中的方法步骤。

在本实施例中，通过获取危机人员的特征信息，并基于危机人员的特征信息的聚类分析，基于聚类结果确定对应的预测阈值和预测阈值对应的危机事件发生的概率，从而构建危机事件预警模型以对待测人员发生危机事件的概率进行预测，可以实现无需主动上报，通过待测人员的特征信息即可完成对于危机事件发生概率进行预测，能够快速缩小危机人员人群范围，预测潜在群体，并且准确快速的预测危机事件发生的概率，帮助有关部门获得动态数据，进行更好的人员管理。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例的一种可选的危机事件预警模型构建/危机事件预警方法的硬件环境的示意图；

图2是根据本申请实施例的一种可选的危机事件预警模型构建方法的流程示意图；

图3是根据本申请实施例的一种可选的危机事件预警方法的示意图；

图4是根据本申请实施例的另一种可选的危机事件预警模型构建装置的结构框图；

图5是根据本申请实施例的一种可选的危机事件预警装置的结构框图；

图6是根据本申请实施例的一种可选的电子设备的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本申请实施例的一个方面，提供了一种危机事件预警模型构建方法。可选地，在本实施例中，上述危机事件预警模型构建方法可以应用于如图1所示的硬件环境中。如图1所示，

根据本申请实施例的一个方面，提供了一种危机事件预警模型构建方法。可选地，在本实施例中，上述危机事件预警模型构建方法可以应用于如图1所示的由终端102和服务器104所构成的硬件环境中。如图1所示，服务器104通过网络与终端102进行连接，可用于为终端或终端上安装的客户端提供服务(如游戏服务、应用服务等)，可在服务器上或独立于服务器设置数据库，用于为服务器104提供数据存储服务，还可以用于处理云服务，上述网络包括但不限于：广域网、城域网或局域网，终端102并不限定于PC、手机、平板电脑等。本申请实施例的危机事件预警模型构建方法可以由服务器104来执行，也可以由终端102来执行，还可以是由服务器104和终端102共同执行。其中，终端102执行本申请实施例的……方法也可以是由安装在其上的客户端来执行。以由服务器104来执行本实施例中的危机事件预警模型构建方法为例，图2是根据本申请实施例的一种可选的危机事件预警模型构建方法的流程示意图，如图2所示，该方法的流程可以包括以下步骤：

步骤S202，获取危机事件人员的特征信息，所述特征信息包括个人信息、心理信息、生理信息和行为信息中的至少之一。作为示例性的实施例，所称的个人信息可以包括：年龄、性别、居住地、职业、学历、收入水平、家庭情况、婚姻状况等信息。所称心理信息可以包括心理困扰、心理状态、心理危机情况、心理特质、心理能力、心理倾向、心理疾病史等信息。所称生理信息可以包括身高、体重、血型、血压、血糖、血脂、生理疾病史等信息。所称用户行为信息(行为轨迹、行动方式、操作方式、聊天语句等信息。具体的获取方式可以采用利用大数据对危机事件人员的特征进行统计，具体的，可以基于相关部门的档案记载的实际数据，例如，医疗机构记录的病例数据，危机人员所在单位/社区/学校等机构记录的个人信息等。作为可选地实施例，还可以通过人机交互的方式获取危机事件人员的特征信息，例如，可以以预设题库的方式进行人机交互，通过预设的问题，可以累积获取用户的特征信息，当然也可以采用其他的人机交互方式，例如，可以采用通过对用户交互的内容进行识别，从而基于用户的交互内容自动生成机器人的交互内容，从而形成与用户的人机交互，进而累积用户的特征信息。

步骤S204，对所述特征信息进行聚类分析，得到特征集合组，其中，危机事件对应一个或多个所述特征集合组。作为示例性的实施例，聚类分析可以采用划分聚类，例如K-means算法、K-中心点算法等；也可以采用层次聚类，例如DIANA算法、BIRCH算法；还可以采用模糊聚类，例如EM算法；还可以采用基于密度聚类，例如，OPTICS算法、DBSCAN算法等。针对每一种危机事件，通过数据聚类分析方法，对这类事件的所属人员进行特征的统计聚类。得到该类型的人员显著的特征集合组。针对每一种危机事件，形成其单独的特征集合组。

步骤S206，基于每个特征集合组的属性确定预测阈值和所述预测阈值对应的危机事件概率，构建所述危机事件预警模型。作为示例性的实施例，不同的危机事件所对应的危机人员的特征不同，因此，针对每一种事件具有一个或多个特征集，基于该特征集对应的危机事件以及特征集本身的属性可以确定该特征集对应的预测阈值，示例性的，针对自杀这一危机事件，特征集可以包括有用户行为的特征集，心理特征集，可以基于自杀这一危机事件和特征集的属性进行阈值的制定，用户行为特征集合心理特征集的阈值可以不同的阈值，自杀事件针对的用户行为特征集与暴力对应的用户行为特征的阈值也不同。在本申请实施例中，对每个特征集合组的预测阈值可以分为多档，不同档的预测阈值对应的危机事件几率不同。在进行预测时，可以计算用户的特征集所在的阈值档位(范围)，以确定对应的危机事件发生的概率。作为可选地实施例，所述基于每个特征集合组的属性确定预测阈值和所述预测阈值对应的危机事件概率可以包括：基于所述特征集合组中的特征信息的数量确定预测阈值的档位数量；基于所述特征集合组所属的危机事件的类别确定每个档位的预设阈值的数值和以及每个档位的预设阈值对应的危机事件的概率的数值。示例性的，预测阈值的档位可以基于特征信息的数量，例如，特征信息集合组中所有的特征的数量为100个，示例性的可以为分为十个档位，基于满足某个危机事件的特征信息的数量确定预设阈值的档位，进而确定危机事件的概率。作为可选地实施例，还可以基于某一危机事件的特征集合组中特征集合的数量，具体的，一个危机事件对应的特质集合组中特征集合的数量为10个，示例性的可以分为十个档位，在满足某一危机事件的特征集合的数量确定预设阈值的档位，进而确定危机事件的概率。

在本实施例中，通过获取危机人员的特征信息，并基于危机人员的特征信息的聚类分析，基于聚类结果确定对应的预测阈值和预测阈值对应的危机事件发生的概率，从而构建危机事件预警模型以对待测人员发生危机事件的概率进行预测，可以实现无需主动上报，通过待测人员的特征信息即可完成对于危机事件发生概率进行预测，能够快速缩小危机人员人群范围，预测潜在群体，并且准确快速的预测危机事件发生的概率，帮助有关部门获得动态数据，进行更好的人员管理。

作为示例性的实施例，在获取危机人员的特征信息时，可以获取危机事件人员的历史记录数据，例如，学校、单位、社区、医疗机构等记录的危机人员的个人信息、生理信息、心理信息、用户行为信息等。并对该历史数据进行统计，得到通过大数据得到的大数据特征信息，在得到特征信息之后，可以通过人机交互的方式获取危机事件人员的人机交互结果，具体的可以参见上述实施例中对于人机交互获取交互结果的描述，对人机交互结果进行特征统计得到人机交互特征信息，作为示例性的实施例，可以在人机交互结果中通过关键词提取的方式获取特征信息，也可以通过其他方式获取与危机事件相关的特征信息，在获取到大数据特征信息和人机交互特征信息之后，可以对大数据特征信息和人机交互特征信息进行合并，进而得到危机人员的特征信息。具体的，具体的可以取大数据特征信息和人机交互特征信息的交集/并集作为最终的特征信息。由于统计的大数据特征信息记录较为全面和真实，实时特征信息可能由于当时环境、心态等影响，造成一些偏差，因此还可以将人机交互特征信息作为实时特征信息，将大数据特征信息作为历史特征信息，基于历史特征信息对实时特征信息进行校正，最终得到危机人员的特征信息。在本实施例中，还可以通过实施例通过人机交互特征信息作为补充，对大数据历史信息进行补充，得到更为丰富的特征信息。

作为示例性的实施例，在得到人机交互特征信息和大数据特征信息之后，可以将同一维度的人机交互特征信息和大数据特征信息进行对比分析，示例性的，特征信息中的个人信息中的年龄、性别、居住地、职业、学历、收入水平、家庭情况、婚姻状况等，可以对比人机交互特征信息和大数据特征信息，并基于对比结果确定各个维度的特征信息的确信度，示例性的，通过大数据统计的危机事件人员的婚姻状况99％为已婚，通过人机交互得到危机事件人员的婚姻状况为未婚，因此，可以得到大数据中的特征信息确信度高于人机交互特征信息中的确信度，因此，可以基于确信度整合所述大数据特征信息和人机交互特征信息，得到所述危机人员的特征信息。在将各个特征均进行对比之后，整合大数据特征信息和人机交互特征信息最终得到的危机人员的特征信息为较为准确的特征信息。

本发明提供了一种危机事件预警方法，如图3所示，该方法可以包括如下步骤：

步骤S302，获取待测人员的特征信息，所述特征信息包括个人信息、心理信息、生理信息和行为信息中的至少之一。作为示例性的实施例，待测人员的特征信息的获取可以采用实施例中对于危机人员的特征信息获取的方式进行获取。

S304，将所述特征信息输入至预警模型，得到所述待测人员发生危机事件的概率，所述预警模型基于对所述危机人员特征信息进行聚类分析，得到特征集合组，并基于不同的特征集合组的预测阈值和所述预测阈值对应的危机事件概率构建而成。作为示例性的实施例，预警模型可以采用通过上述实施例的危机事件预警模型构建方法构建的预警模型。作为示例性的实施例，当该用户的特征信息与某类危机事件的所属人员特征集合组中的单个集合组特征命中数超过阈值时，认为该用户有一定几率(危机事件发生的概率与预测阈值的档位对应)是该类特殊人员。

在本实施例中，通过构建的危机事件预警模型以对待测人员发生危机事件的概率进行预测，可以实现无需主动上报，通过待测人员的特征信息即可完成对于危机事件发生概率进行预测，能够快速缩小危机人员人群范围，预测潜在群体，并且准确快速的预测危机事件发生的概率，帮助有关部门获得动态数据，进行更好的人员管理。

在预测得到发生危机事件概率之后，可以针对预测结果对待测人员进行心理干预，具体的，可以获取待测人员发生危机事件的类别和每个类别的危机事件的发生概率；针对所述待测人员发生危机事件的类别和每个类别的危机事件发生的概率确定心理辅导方案生成条件和所述生成条件的权重，其中，所述生成条件与所述危机事件的类别对应，所述权重与所述危机事件发生的概率对应。作为示例性的实施例，对于待测人员的预测结果可能同时存在多种危机事件的概率，针对不同的危机事件应该存在不同的心理辅导方案，因此，可以将危机事件的类型作为生成心理辅导方案的条件，将该类型的危机事件发生的概率作为对应的生成条件的权重，生成综合的心理辅导方案，这样可以兼顾待测人员各方面的心理问题，降低危机事件发生的可能。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM(Read-Only Memory，只读存储器)/RAM(Random Access Memory，随机存取存储器)、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

根据本申请实施例的另一个方面，还提供了一种用于实施上述危机事件预警模型构建方法的危机事件预警模型构建装置。图4是根据本申请实施例的一种可选的危机事件预警模型构建装置的示意图，如图4所示，该装置可以包括：

(1)第一获取单元402，用于获取危机事件人员的特征信息，所述特征信息包括个人信息、心理信息、生理信息和行为信息中的至少之一；

(2)聚类单元404，与第一获取单元402相连，用于对所述特征信息进行聚类分析，得到特征集合组，其中，危机事件对应一个或多个所述特征集合组；

(3)模型构建单元406，与聚类单元404相连，用于基于每个特征集合组的属性确定预测阈值和所述预测阈值对应的危机事件概率，构建所述危机事件预警模型。

需要说明的是，该实施例中的第一获取单元402可以用于执行上述步骤S202，该实施例中的聚类单元404可以用于执行上述步骤S204，该实施例中的模型构建单元406可以用于执行上述步骤S206。

根据本申请实施例的另一个方面，还提供了一种用于实施上述危机事件预警方法的危机事件预警装置。图5是根据本申请实施例的一种可选的危机事件预警装置的示意图，如图5所示，该装置可以包括：

(1)第二获取单元502，用于获取待测人员的特征信息，所述特征信息包括个人信息、心理信息、生理信息和行为信息中的至少之一；

(2)预测单元504，与第一获取单元502相连，用于将所述特征信息输入至预警模型，得到所述待测人员发生危机事件的概率，所述预警模型基于对所述危机人员特征信息进行聚类分析，得到特征集合组，并基于不同的特征集合组的预测阈值和所述预测阈值对应的危机事件概率构建而成。

需要说明的是，该实施例中的第一获取单元502可以用于执行上述步骤S302，该实施例中的预测单元504可以用于执行上述步骤S304。

此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在如图1所示的硬件环境中，可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。

根据本申请实施例的又一个方面，还提供了一种用于实施上述危机事件预警模型构建方法和/或危机事件预测方法的电子设备，该电子设备可以是服务器、终端、或者其组合。

图6是根据本申请实施例的一种可选的电子设备的结构框图，如图6所示，包括处理器602、通信接口604、存储器606和通信总线608，其中，处理器602、通信接口604和存储器606通过通信总线608完成相互间的通信，其中，

存储器606，用于存储计算机程序；

处理器602，用于执行存储器606上所存放的计算机程序时，实现上述实施例中的危机事件预警模型构建方法和/或危机事件预警方法。

可选地，在本实施例中，上述的通信总线可以是PCI(Peripheral ComponentInterconnect，外设部件互连标准)总线、或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括RAM，也可以包括非易失性存储器(non-volatile memory)，例如，至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述处理器可以是通用处理器，可以包含但不限于：CPU(Central ProcessingUnit，中央处理器)、NP(Network Processor，网络处理器)等；还可以是DSP(DigitalSignal Processing，数字信号处理器)、ASIC(Application Specific IntegratedCircuit，专用集成电路)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例在此不再赘述。

本领域普通技术人员可以理解，图6所示的结构仅为示意，实施上述危机事件预警模型构建/危机事件预警方法的设备可以是终端设备，该终端设备可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile InternetDevices，MID)、PAD等终端设备。图6其并不对上述电子装置的结构造成限定。例如，终端设备还可包括比图6中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图6所示的不同的配置。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、ROM、RAM、磁盘或光盘等。

根据本申请实施例的又一个方面，还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于执行设备投屏的方法的程序代码。

可选地，在本实施例中，上述存储介质可以位于上述实施例所示的网络中的多个网络设备中的至少一个网络设备上。

可选地，在本实施例中，存储介质被设置为存储用于执行上述实施例中的危机事件预警模型构建方法和/或危机事件预警方法的代码。

可选地，本实施例中的具体示例可以参考上述实施例中所描述的示例，本实施例中对此不再赘述。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、ROM、RAM、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例中所提供的方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种危机事件预警模型构建方法，其特征在于，包括：

获取危机事件人员的特征信息，所述特征信息包括个人信息、心理信息、生理信息和行为信息中的至少之一；

对所述特征信息进行聚类分析，得到特征集合组，其中，危机事件对应一个或多个所述特征集合组；

基于每个特征集合组的属性确定预测阈值和所述预测阈值对应的危机事件概率，构建所述危机事件预警模型。

2.如权利要求1所述的危机事件预警模型构建方法，其特征在于，所述获取危机事件人员的特征信息包括：

基于大数据和/或人机交互获取所述待测人员的特征信息。

3.如权利要求1所述的危机事件预警模型构建方法，其特征在于，所述获取危机事件人员的特征信息包括：

获取危机事件人员的历史记录数据；

对所述历史记录数据进行特征统计，得到大数据特征信息；

获取危机事件人员的人机交互结果；

对所述人机交互结果中的特征进行统计，得到人机交互特征信息；

根据所述大数据特征信息和所述人机交互特征信息得到所述危机人员的特征信息。

4.如权利要求1所述的危机事件预警模型构建方法，其特征在于，所述根据所述大数据特征信息和所述人机交互特征信息得到所述危机人员的特征信息，

将所述大数据特征信息和所述人机交互特征信息进行相互对比分析，得到各个维度特征的确信度；

基于确信度整合所述大数据特征信息和人机交互特征信息，得到所述危机人员的特征信息。

5.如权利要求1所述的危机事件预警模型构建方法，其特征在于，所述对所述特征信息进行聚类分析包括：

获取危机事件的类别；

利用聚类分析算法分别对每一类危机事进行特征信息聚类，得到每一类危机事件对应的特征信息集合组。

6.如权利要求5所述的危机事件预警模型构建方法，其特征在于，所述属性包括特征集合组对应的危机事件的类别和所述特征集合组中的特征信息的数量；

所述基于每个特征集合组的属性确定预测阈值和所述预测阈值对应的危机事件概率，构建所述危机事件预警模型包括：

基于所述特征集合组中的特征信息的数量确定预测阈值的档位数量；

基于所述特征集合组所属的危机事件的类别确定每个档位的预设阈值的数值和以及每个档位的预设阈值对应的危机事件的概率的数值。

7.一种危机事件预警方法，其特征在于，包括：

获取待测人员的特征信息，所述特征信息包括个人信息、心理信息、生理信息和行为信息中的至少之一

将所述特征信息输入至预警模型，得到所述待测人员发生危机事件的概率，所述预警模型基于对所述危机人员特征信息进行聚类分析，得到特征集合组，并基于不同的特征集合组的预测阈值和所述预测阈值对应的危机事件概率构建而成。

8.如权利要求7所述的预警方法，其特征在于，在所述将特征信息输入至预警模型之后包括：

获取待测人员发生危机事件的类别和每个类别的危机事件的发生概率；

针对所述待测人员发生危机事件的类别和每个类别的危机事件发生的概率确定心理辅导方案生成条件和所述生成条件的权重，其中，所述生成条件与所述危机事件的类别对应，所述权重与所述危机事件发生的概率对应。

9.一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信，其特征在于，

所述存储器，用于存储计算机程序；

所述处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行权利要求1至6中任一项所述的危机事件预警模型构建方法步骤和/或权利要求7或8所述的危机事件预警方法的步骤。

10.一种计算机可读的存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至6中任一项所述的危机事件预警模型构建方法步骤和/或权利要求7或8所述的危机事件预警方法的步骤。

Images