CN114116792A - 困难人员预警方法、装置及电子设备 - Google Patents

Abstract

本发明适用于大数据分析技术领域，提供了一种困难人员预警方法、装置及电子设备，所述方法包括：监测目标人员的人员特征；当监测到目标人员的某个人员特征的等级发生变化时，从预设的关联规则库中查找该人员特征当前等级对应的强关联规则；若该人员特征当前等级存在对应的强关联规则，则根据该人员特征当前等级对应的强关联规则更新其他人员特征的等级；根据最新的目标人员的各个人员特征的等级确定目标人员的生活水平以对目标人员进行困难预警。本发明能够对人员的困难程度进行准确预测、预警。

Description

困难人员预警方法、装置及电子设备

技术领域

本发明属于大数据分析技术领域，尤其涉及一种困难人员预警方法、装置及电子设备。

背景技术

对社会救助管理系统中各个困难人员的生活状态进行监测，当人员特征发生变化，例如失业、患病等情况发生时，准确预测人员的困难程度进行预警，有助于合理分配救助资源、保障人们的生活，具有十分重要的意义。

目前，社会救助管理系统仅能够根据人员当前各项特征来判断人员当前的困难程度，无法对困难程度进行预警，亟需进行功能扩展。

发明内容

有鉴于此，本发明实施例提供了一种困难人员预警方法、装置及电子设备，以解决现有技术中社会救助管理系统无法对人员困难程度进行预警的问题。

本发明实施例的第一方面提供了一种困难人员预警方法，包括：

监测目标人员的人员特征；其中，人员特征包括职业收入、患病情况和劳动能力，每个人员特征均划分为多个等级；

当监测到目标人员的某个人员特征的等级发生变化时，从预设的关联规则库中查找该人员特征当前等级对应的强关联规则；该人员特征当前等级对应的强关联规则为该人员特征当前等级对其他人员特征的等级影响规则；

若该人员特征当前等级存在对应的强关联规则，则根据该人员特征当前等级对应的强关联规则更新其他人员特征的等级；

根据最新的目标人员的各个人员特征的等级确定目标人员的生活水平，并基于生活水平对目标人员进行困难预警。

可选的，某个人员特征等级对应的强关联规则的确定方法为：

将该人员特征等级确定为第一人员特征等级，将每个其他人员特征的每个等级均确定为第二人员特征等级，将第一人员特征等级分别与各个第二人员特征等级进行关联，得到多个关联规则；其中，每个关联规则定义为第一人员特征等级发生将导致该关联规则中第二人员特征等级发生；

获取人员特征数据集，人员特征数据集中包含多个人员的人员特征；

基于人员特征数据集，分别计算各个关联规则的支持度、置信度和兴趣度，并根据各个关联规则的支持度、置信度和兴趣度从各个关联规则中筛选出该人员特征等级对应的强关联规则。

可选的，计算某个关联规则的支持度，包括：

计算人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与人员特征数据集中人员总数量的比值，得到该关联规则的支持度。

可选的，计算某个关联规则的置信度，包括：

计算人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与人员特征数据集中具备该关联规则中第一人员特征等级的人员数量的比值，得到该关联规则的置信度。

可选的，计算某个关联规则的兴趣度，包括：

计算人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与人员特征数据集中具备该关联规则中第一人员特征等级的人员数量的比值，得到第一比值；

计算人员特征数据集中具备该关联规则中第一人员特征等级的人员数量与人员特征数据集人员总数量的比值，得到第二比值；

计算人员特征数据集中具备该关联规则中第二人员特征等级的人员数量与人员特征数据集中人员总数量的比值，得到第三比值；

根据

计算该关联规则的兴趣度；其中，μ为兴趣度，P(A,B)为第一比值，P(A)为第二比值，P(B)为第三比值。

可选的，根据各个关联规则的支持度、置信度和兴趣度从各个关联规则中筛选出该人员特征等级对应的强关联规则，包括：

若某个关联规则同时满足以下条件，则确定该关联规则为强关联规则：

该关联规则的支持度大于预设的支持度阈值；

该关联规则的置信度大于预设的置信度阈值；

该关联规则的兴趣度大于零。

可选的，基于生活水平对目标人员进行困难预警，包括：

若生活水平低于预设阈值，则对目标人员进行困难预警。

本发明实施例的第二方面提供了一种困难人员预警装置，包括：

监测模块，用于监测目标人员的人员特征；其中，人员特征包括职业收入、患病情况和劳动能力，每个人员特征均划分为多个等级；

查找模块，用于当监测到目标人员的某个人员特征的等级发生变化时，从预设的关联规则库中查找该人员特征当前等级对应的强关联规则；该人员特征当前等级对应的强关联规则为该人员特征当前等级对其他人员特征的等级影响规则；

更新模块，用于若该人员特征当前等级存在对应的强关联规则，则根据该人员特征当前等级对应的强关联规则更新其他人员特征的等级；

预警模块，用于根据最新的目标人员的各个人员特征的等级确定目标人员的生活水平，并基于生活水平对目标人员进行困难预警。

本发明实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述困难人员预警方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述困难人员预警方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：

本发明实施例通过监测人员的各项特征，当监测到人员的某个特征发生变化时，根据预先挖掘的各项特征之间的关联关系，预测与该特征相关联特征的变化，进而根据预测结果预测人员的生活水平，并基于生活水平对人员进行困难预警。本发明能够对人员的困难程度进行准确预测、预警。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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是本发明实施例提供的困难人员预警方法的实现流程示意图；

图2是本发明实施例提供的关联规则挖掘方法的实现流程示意图；

图3是本发明实施例提供的困难人员预警方法装置的结构示意图；

图4是本发明实施例提供的电子设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

目前的社会救助管理系统仅能够根据人员当前各项特征来判断人员当前的困难程度，无法对困难程度进行预警。本申请的发明人发现，人员的各项特征之间是具有相互联系的，例如，某个人员患病时，通常会导致其职业收入下降等。基于这些联系，就可以实现对人员的困难程度进行预测、预警。

参见图1所示，本发明实施例提供了一种困难人员预警方法，该方法包括以下步骤：

步骤S101，监测目标人员的人员特征；其中，人员特征包括职业收入、患病情况和劳动能力，每个人员特征均划分为多个等级。

在本发明实施例中，可以将职业收入划分为低等收入、中等收入、高等收入三个等级，患病情况可以根据疾病严重程度等划分为多个等级，同样，劳动能力也可以划分为多个等级。需要指出的是，本发实施例仅对人员的职业收入、患病情况和劳动能力三个典型特征进行分析，在实际应用中，还可以添加其他特征，包括但不限于残疾情况、家庭人均收入等。

步骤S102，当监测到目标人员的某个人员特征的等级发生变化时，从预设的关联规则库中查找该人员特征当前等级对应的强关联规则；

其中，该人员特征当前等级对应的强关联规则为该人员特征当前等级对其他人员特征的等级影响规则。

在本发明实施例中，人员的各项特征之间通常具有一定联系，例如，人员患重病时，其职业收入、劳动能力通常会降低。人员特征等级对应的强关联规则即为，当该人员特征等级发生时，通常会导致某一人员特征等级发生。

步骤S103，若该人员特征当前等级存在对应的强关联规则，则根据该人员特征当前等级对应的强关联规则更新其他人员特征的等级。

当人员某一项特征发生变化时，与其关联的特征可能不会立即发生变化。例如，当人员患病时，可能在病发前或病情加重前仍能够工作，因此只在社会救助管理系统中更新了患病情况。本发明实施例在人员特征发生变化时，通过预先挖掘的特征与特征之间的强关联规则，预测其他受影响特征的变化，进而为后续的人员生活水平预测、困难预警提供依据。

步骤S104，根据最新的目标人员的各个人员特征的等级确定目标人员的生活水平，并基于生活水平对目标人员进行困难预警。

在本发明实施例中，每个人员特征都会对人员的生活水平造成影响。可以设置评分表，评分表中包含每个人员特征的每个等级对应的评分，根据各个人员特征的评分综合确定人员的生活水平进行困难预警。

可见，本发明实施例通过监测人员的各项特征，当监测到人员的某个特征发生变化时，根据预先挖掘的各项特征之间的关联关系，预测与该特征相关联特征的变化，进而根据预测结果预测人员的生活水平，并基于生活水平对人员进行困难预警。本发明能够对人员的困难程度进行准确预测、预警。

可选的，在一种可能的实现方式中，参见图2所示，某个人员特征等级对应的强关联规则的确定方法为：

步骤S201、将该人员特征等级确定为第一人员特征等级，将每个其他人员特征的每个等级均确定为第二人员特征等级，将第一人员特征等级分别与各个第二人员特征等级进行关联，得到多个关联规则；其中，每个关联规则定义为第一人员特征等级发生将导致该关联规则中第二人员特征等级发生；

步骤S202、获取人员特征数据集，人员特征数据集中包含多个人员的人员特征；

步骤S203、基于人员特征数据集，分别计算各个关联规则的支持度、置信度和兴趣度，并根据各个关联规则的支持度、置信度和兴趣度从各个关联规则中筛选出该人员特征等级对应的强关联规则。

现有技术中，关联规则通常从所有出现的项集中寻找频繁项集。而在本发明实施例中，仅寻找一对一的项集，即仅考虑一个特征发生变化时分别对其他各个特征的影响，一方面，降低了计算量，提高了计算速度，另一方面，便于后续对其他特征的预测分析。同时，为了提高预测准确率，在筛选关联规则时，还加入了兴趣度作为筛选条件，保证前一特征对后一特征具有积极影响。

可选的，在一种可能的实现方式中，步骤S203中，计算某个关联规则的支持度，可以详述为：

计算人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与人员特征数据集中人员总数量的比值，得到该关联规则的支持度。

可选的，在一种可能的实现方式中，步骤S203中，计算某个关联规则的兴趣度，可以详述为：

计算人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与人员特征数据集中具备该关联规则中第一人员特征等级的人员数量的比值，得到该关联规则的置信度。

可选的，计算某个关联规则的兴趣度，包括：

计算人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与人员特征数据集中具备该关联规则中第一人员特征等级的人员数量的比值，得到第一比值；

计算人员特征数据集中具备该关联规则中第一人员特征等级的人员数量与人员特征数据集人员总数量的比值，得到第二比值；

计算人员特征数据集中具备该关联规则中第二人员特征等级的人员数量与人员特征数据集中人员总数量的比值，得到第三比值；

根据

计算该关联规则的兴趣度；其中，μ为兴趣度，P(A,B)为第一比值，P(A)为第二比值，P(B)为第三比值。

可选的，在一种可能的实现方式中，步骤S203中，根据各个关联规则的支持度、置信度和兴趣度从各个关联规则中筛选出该人员特征等级对应的强关联规则，可以详述为：

若某个关联规则同时满足以下条件，则确定该关联规则为强关联规则：

该关联规则的支持度大于预设的支持度阈值；

该关联规则的置信度大于预设的置信度阈值；

该关联规则的兴趣度大于零。

在本发明实施例中，关联规则挖掘是数据挖掘技术的重要组成部分，主要用于发现大量数据之间的关联性，从而描述一个事物某些属性同时出现的规律和模式。关联规则的强度一般由支持度和置信度来度量。支持度是指在事务数据集D中同时包含A和B项集的事务个数占事务总数的百分比，记作

而置信度是指在事务数据集D中同时包含A和B项集的事务个数占包含事务A个数的百分比，记作

通常情况下，同时满足给定的最小支持度阈值和最小置信度阈值的规则称作强关联规则。本申请为了提高预测准确率，还引入了兴趣度的概念。即考虑到在A出现情况下出现B的概率大于B单独出现的概率，才认为A对B有积极影响，从而得到上述兴趣度公式。根据上述兴趣度公式，μ的取值为[-1,1]。当μ的取值大于零时，则认为关联规则中第一人员特征等级对第二人员特征等级有积极影响，为强关联规则；当μ的取值小于零时，则认为关联规则中第一人员特征等级对第二人员特征等级有消极影响，不是强关联规则。

可选的，在一种可能的实现方式中，步骤S104中，基于生活水平对目标人员进行困难预警，可以详述为：

若生活水平低于预设阈值，则对目标人员进行困难预警。

在本发明实施例中，当目标人员的生活水平低于一定阈值时，可确定目标人员生活困难，预计需要进行救助，可以进行困难预警。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

参见图3所示，本发明实施例提供了一种困难人员预警装置，该装置30包括：

监测模块31，用于监测目标人员的人员特征；其中，人员特征包括职业收入、患病情况和劳动能力，每个人员特征均划分为多个等级。

查找模块32，用于当监测到目标人员的某个人员特征的等级发生变化时，从预设的关联规则库中查找该人员特征当前等级对应的强关联规则；该人员特征当前等级对应的强关联规则为该人员特征当前等级对其他人员特征的等级影响规则。

更新模块33，用于若该人员特征当前等级存在对应的强关联规则，则根据该人员特征当前等级对应的强关联规则更新其他人员特征的等级。

预警模块34，用于根据最新的目标人员的各个人员特征的等级确定目标人员的生活水平，并基于生活水平对目标人员进行困难预警。

可选的，在一种可能的实现方式中，查找模块32还用于根据以下方法确定某个人员特征等级对应的强关联规则：

将该人员特征等级确定为第一人员特征等级，将每个其他人员特征的每个等级均确定为第二人员特征等级，将第一人员特征等级分别与各个第二人员特征等级进行关联，得到多个关联规则；其中，每个关联规则定义为第一人员特征等级发生将导致该关联规则中第二人员特征等级发生；

获取人员特征数据集，人员特征数据集中包含多个人员的人员特征；

基于人员特征数据集，分别计算各个关联规则的支持度、置信度和兴趣度，并根据各个关联规则的支持度、置信度和兴趣度从各个关联规则中筛选出该人员特征等级对应的强关联规则。

可选的，在一种可能的实现方式中，查找模块32还用于根据以下方法计算某个关联规则的支持度：

计算人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与人员特征数据集中人员总数量的比值，得到该关联规则的支持度。

可选的，在一种可能的实现方式中，查找模块32还用于根据以下方法计算某个关联规则的置信度：

计算人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与人员特征数据集中具备该关联规则中第一人员特征等级的人员数量的比值，得到该关联规则的置信度。

可选的，在一种可能的实现方式中，查找模块32还用于根据以下方法计算某个关联规则的兴趣度：

计算人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与人员特征数据集中具备该关联规则中第一人员特征等级的人员数量的比值，得到第一比值；

计算人员特征数据集中具备该关联规则中第一人员特征等级的人员数量与人员特征数据集人员总数量的比值，得到第二比值；

计算人员特征数据集中具备该关联规则中第二人员特征等级的人员数量与人员特征数据集中人员总数量的比值，得到第三比值；

根据

计算该关联规则的兴趣度；其中，μ为兴趣度，P(A,B)为第一比值，P(A)为第二比值，P(B)为第三比值。

可选的，在一种可能的实现方式中，查找模块32还用于：

若某个关联规则同时满足以下条件，则确定该关联规则为强关联规则：

该关联规则的支持度大于预设的支持度阈值；

该关联规则的置信度大于预设的置信度阈值；

该关联规则的兴趣度大于零。

可选的，在一种可能的实现方式中，预警模块34用于：

若生活水平低于预设阈值，则对目标人员进行困难预警。

图4是本发明实施例提供的电子设备40的示意图。如图4所示，该实施例的电子设备40包括：处理器41、存储器42以及存储在存储器42中并可在处理器41上运行的计算机程序43，例如困难人员预警程序。处理器41执行计算机程序43时实现上述各个困难人员预警方法实施例中的步骤，例如图1所示的步骤S101至S104。或者，处理器41执行计算机程序43时实现上述各装置实施例中各模块的功能，例如图3所示模块31至34的功能。

示例性的，计算机程序43可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器42中，并由处理器41执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序43在电子设备40中的执行过程。例如，计算机程序43可以被分割成监测模块31、查找模块32、更新模块33、预警模块34(虚拟装置中的模块)，各模块具体功能如下：

监测模块31，用于监测目标人员的人员特征；其中，人员特征包括职业收入、患病情况和劳动能力，每个人员特征均划分为多个等级。

查找模块32，用于当监测到目标人员的某个人员特征的等级发生变化时，从预设的关联规则库中查找该人员特征当前等级对应的强关联规则；该人员特征当前等级对应的强关联规则为该人员特征当前等级对其他人员特征的等级影响规则。

更新模块33，用于若该人员特征当前等级存在对应的强关联规则，则根据该人员特征当前等级对应的强关联规则更新其他人员特征的等级。

预警模块34，用于根据最新的目标人员的各个人员特征的等级确定目标人员的生活水平，并基于生活水平对目标人员进行困难预警。

电子设备40可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。电子设备40可包括，但不仅限于，处理器41、存储器42。本领域技术人员可以理解，图4仅仅是电子设备40的示例，并不构成对电子设备40的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子设备40还可以包括输入输出设备、网络接入设备、总线等。

所称处理器41可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器42可以是电子设备40的内部存储单元，例如电子设备40的硬盘或内存。存储器42也可以是电子设备40的外部存储设备，例如电子设备40上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器42还可以既包括电子设备40的内部存储单元也包括外部存储设备。存储器42用于存储计算机程序以及电子设备40所需的其他程序和数据。存储器42还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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，或者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方案的目的。

另外，在本发明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。

集成的模块/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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种困难人员预警方法，其特征在于，包括：

监测目标人员的人员特征；其中，所述人员特征包括职业收入、患病情况和劳动能力，每个人员特征均划分为多个等级；

当监测到所述目标人员的某个人员特征的等级发生变化时，从预设的关联规则库中查找该人员特征当前等级对应的强关联规则；该人员特征当前等级对应的强关联规则为该人员特征当前等级对其他人员特征的等级影响规则；

若该人员特征当前等级存在对应的强关联规则，则根据该人员特征当前等级对应的强关联规则更新其他人员特征的等级；

根据最新的所述目标人员的各个人员特征的等级确定所述目标人员的生活水平，并基于所述生活水平对所述目标人员进行困难预警。

2.如权利要求1所述的困难人员预警方法，其特征在于，某个人员特征等级对应的强关联规则的确定方法为：

将该人员特征等级确定为第一人员特征等级，将每个其他人员特征的每个等级均确定为第二人员特征等级，将所述第一人员特征等级分别与各个第二人员特征等级进行关联，得到多个关联规则；其中，每个关联规则定义为所述第一人员特征等级发生将导致该关联规则中第二人员特征等级发生；

获取人员特征数据集，所述人员特征数据集中包含多个人员的人员特征；基于所述人员特征数据集，分别计算各个关联规则的支持度、置信度和兴趣度，并根据各个关联规则的支持度、置信度和兴趣度从各个关联规则中筛选出该人员特征等级对应的强关联规则。

3.如权利要求2所述的困难人员预警方法，其特征在于，计算某个关联规则的支持度，包括：

计算所述人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与所述人员特征数据集中人员总数量的比值，得到该关联规则的支持度。

4.如权利要求2所述的困难人员预警方法，其特征在于，计算某个关联规则的置信度，包括：

计算所述人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与所述人员特征数据集中具备该关联规则中第一人员特征等级的人员数量的比值，得到该关联规则的置信度。

5.如权利要求2所述的困难人员预警方法，其特征在于，计算某个关联规则的兴趣度，包括：

计算所述人员特征数据集中同时具备该关联规则中第一人员特征等级、第二人员特征等级的人员数量与所述人员特征数据集中具备该关联规则中第一人员特征等级的人员数量的比值，得到第一比值；

计算所述人员特征数据集中具备该关联规则中第一人员特征等级的人员数量与所述人员特征数据集人员总数量的比值，得到第二比值；

计算所述人员特征数据集中具备该关联规则中第二人员特征等级的人员数量与所述人员特征数据集中人员总数量的比值，得到第三比值；

根据

计算该关联规则的兴趣度；其中，μ为兴趣度，P(A,B)为第一比值，P(A)为第二比值，P(B)为第三比值。

6.如权利要求2所述的困难人员预警方法，其特征在于，根据各个关联规则的支持度、置信度和兴趣度从各个关联规则中筛选出该人员特征等级对应的强关联规则，包括：

若某个关联规则同时满足以下条件，则确定该关联规则为强关联规则：

该关联规则的支持度大于预设的支持度阈值；

该关联规则的置信度大于预设的置信度阈值；

该关联规则的兴趣度大于零。

7.如权利要求1-6任一项所述的困难人员预警方法，其特征在于，基于所述生活水平对所述目标人员进行困难预警，包括：

若所述生活水平低于预设阈值，则对所述目标人员进行困难预警。

8.一种困难人员预警装置，其特征在于，包括：

检测模块，用于监测目标人员的人员特征；其中，所述人员特征包括职业收入、患病情况和劳动能力，每个人员特征均划分为多个等级；

查找模块，用于当监测到所述目标人员的某个人员特征的等级发生变化时，从预设的关联规则库中查找该人员特征当前等级对应的强关联规则；该人员特征当前等级对应的强关联规则为该人员特征当前等级对其他人员特征的等级影响规则；

更新模块，用于若该人员特征当前等级存在对应的强关联规则，则根据该人员特征当前等级对应的强关联规则更新其他人员特征的等级；

预警模块，用于根据最新的所述目标人员的各个人员特征的等级确定所述目标人员的生活水平，并基于所述生活水平对所述目标人员进行困难预警。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。

Images