健康识别码的生成方法及装置、存储介质、电子设备

技术领域

本公开涉及数据处理技术领域，尤其涉及一种健康识别码的生成方法与健康识别码的生成装置、计算机可读存储介质及电子设备。

背景技术

当传染病疫情爆发时，整个国家会进入紧急状态。为了减少因人群聚集和密切接触扩散疫情的可能，关闭所有密闭式活动场所。但是这种停工停产居家隔离的状态，让社会经济和生活陷入“停摆”状态。

健康识别码的出现可以对个人健康的风险评估进行可视化的呈现，为全民的复工复产提供了一份有效可行安全保障。但是目前市场上的健康识别码的准确性与实时性不够，且生成的风险登记数据较为淡薄，无法及时展示所有用户的健康状态。

鉴于此，本领域亟需开发一种新的健康识别码的生成方法及装置。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种健康识别码的生成方法、健康识别码的生成装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服由于相关技术的限制而导致的无法根据用户风险等级生成健康识别码的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种健康识别码的生成方法，所述方法包括：

获取用于生成健康识别码的多维度数据，并利用所述多维度数据确定识别码维度以及所述识别码维度的特征数据；

利用所述识别码维度和所述特征数据构建健康识别码生成模型，并获取用户的健康填报数据；

将所述健康填报数据输入至所述健康识别码生成模型，以使所述健康识别码生成模型输出用于生成所述健康识别码的风险等级数据以及所述风险等级数据的风险因素；

按照所述风险等级数据和所述风险因素生成所述用户的健康识别码。

在本公开的一种示例性实施例中，所述方法还包括：

获取与所述风险因素对应的申诉处理数据，并计算与所述申诉处理数据对应的比例；

获取与所述比例对应的阈值，并根据所述比例与所述阈值的比较结果确定利用所述申诉处理数据更新所述健康识别码生成模型。

在本公开的一种示例性实施例中，所述阈值包括更新阈值和判断阈值；所述根据所述比例与所述阈值的比较结果确定利用所述申诉处理数据更新所述健康识别码生成模型，包括：

若所述比例大于或等于所述更新阈值，利用所述申诉处理数据更新所述健康识别码生成模型；

若所述比例大于所述判断阈值且小于所述更新阈值，判断是否利用所述申诉处理数据更新所述健康识别码生成模型；

若所述比例小于或等于所述判断阈值，不利用所述申诉处理数据更新所述健康识别码生成模型。

在本公开的一种示例性实施例中，所述方法还包括：

实时更新所述多维度数据，并利用更新后的所述多维度数据更新所述风险等级数据以及所述风险等级数据的风险因素。

在本公开的一种示例性实施例中，所述获取用于生成健康识别码的多维度数据，包括：

获取用于生成健康识别码的原始多维度数据，并对所述原始多维度数据进行预处理得到待使用多维度数据；

利用所述待使用多维度数据构建多源数据中心，并在所述多源数据中心中获取多维度数据。

在本公开的一种示例性实施例中，所述将所述健康填报数据输入至所述健康识别码生成模型，包括：

获取所述用户的信息数据，并利用所述信息数据生成所述用户的标识数据；

建立所述标识数据与所述多源数据中心中的所述多维度数据的关联关系；

根据所述标识数据和所述关联关系在所述多源数据中心中获取所述用户的目标多维度数据，并将所述健康填报数据和所述目标多维度数据输入至所述健康识别码生成模型中。

在本公开的一种示例性实施例中，所述方法还包括：

获取场景通行规则，并判断所述风险等级数据和所述风险因素是否满足所述场景通行规则；

若所述风险等级数据和所述风险因素满足所述场景通行规则，生成与所述场景通行规则对应的场景标识。

在本公开的一种示例性实施例中，所述识别码维度，包括：健康状况数据、既往慢性史数据、旅行史数据、密切接触史数据、职业维度数据和家庭维度数据。

根据本公开的一个方面，提供一种健康识别码的生成装置，所述装置包括：

数据获取模块，被配置为获取用于生成健康识别码的多维度数据，并利用所述多维度数据确定识别码维度以及所述识别码维度的特征数据；

模型构建模块，被配置为利用所述识别码维度和所述特征数据构建所述健康识别码生成模型，并获取用户的健康填报数据；

等级输出模块，被配置为将所述健康填报数据输入至所述健康识别码生成模型，以使所述健康识别码生成模型输出用于生成所述健康识别码的风险等级数据以及所述风险等级数据的风险因素；

识别码生成模块，被配置为按照所述风险等级数据和所述风险因素生成所述用户的健康识别码。

根据本公开的一个方面，提供一种电子设备，包括：处理器和存储器；其中，存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现上述任意示例性实施例的健康识别码的生成方法。

根据本公开的一个方面，提供一种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任意示例性实施例中的健康识别码的生成方法。

由上述技术方案可知，本公开示例性实施例中的健康识别码的生成方法、健康识别码的生成装置、计算机存储介质及电子设备至少具备以下优点和积极效果：

在本公开的示例性实施例提供的方法及装置中，通过多维度数据可以构建健康识别码生成模型，以满足生成用户风险等级数据的需求。一方面，利用多维度数据生成健康识别码生成模型，保证健康识别码生成模型的准确性、合理性和实时性，进一步的，利用健康识别码生成模型生成对应的健康识别码，为各个场景的决策提供有效依据；另一方面，利用健康识别码可以在传染病疫情期间为用户及时展示健康状态，避免在公共场合引起恐慌以及感染情况的发生。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出本公开示例性实施例中一种健康识别码的生成方法的流程示意图；

图2示意性示出本公开示例性实施例中一种获取多维度数据的方法的流程示意图；

图3示意性示出本公开示例性实施例中在健康识别码生成模型中输入健康填报数据的方法的流程示意图；

图4示意性示出本公开示例性实施例中更新健康识别码生成模型的方法的流程示意图；

图5示意性示出本公开示例性实施例中对进一步更新健康识别码生成模型的方法的流程示意图；

图6示意性示出本公开示例性实施例中生成场景标识的方法的流程示意图；

图7示意性示出本公开示例性实施例中一种健康识别码的生成装置的结构示意图；

图8示意性示出本公开示例性实施例中一种用于实现健康识别码的生成方法的电子设备；

图9示意性示出本公开示例性实施例中一种用于实现健康识别码的生成方法的计算机可读存储介质。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等；用语“第一”和“第二”等仅作为标记使用，不是对其对象的数量限制。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。

针对相关技术中存在的问题，本公开提出了一种健康识别码的生成方法。图1示出了健康识别码的生成方法的流程图，如图1所示，健康识别码的生成方法至少包括以下步骤：

步骤S110.获取用于生成健康识别码的多维度数据，并利用多维度数据确定识别码维度以及识别码维度的特征数据。

步骤S120.利用识别码维度和特征数据构建健康识别码生成模型，并获取用户的填报数据。

步骤S130.将填报数据输入至健康识别码生成模型，以使健康识别码生成模型输出用户的风险等级数据以及风险等级数据的风险因素。

步骤S140.按照风险等级数据和风险因素生成用户的健康识别码。

在本公开的示例性实施例中，通过多维度数据可以构建健康识别码生成模型，以满足生成用户风险等级数据的需求。一方面，利用多维度数据生成健康识别码生成模型，保证健康识别码生成模型的准确性、合理性和实时性，进一步的，利用健康识别码生成模型生成对应的健康识别码，为各个场景的决策提供有效依据；另一方面，利用健康识别码可以在传染病疫情期间为用户及时展示健康状态，避免在公共场合引起恐慌以及感染情况的发生。

下面对健康识别码的生成方法的各个步骤进行详细说明。

在步骤S110中，获取用于生成健康识别码的多维度数据，并利用多维度数据确定识别码维度以及识别码维度的特征数据。

在本公开的示例性实施例中，多维度数据的获取方式有多种，可以是从数据库中获取的，也可以是从其他来源处下载的，本示例性实施例对此不做特殊限定。

在可选的实施例中，图2示出了获取多维度数据的方法的流程示意图，如图2所示，该方法至少包括以下步骤：在步骤S210中，获取用于健康识别码的原始多维度数据，并对原始多维度数据进行预处理得到待使用多维度数据。

其中，该原始多维度数据可以是用来构建多源数据中心的。并且，可以通过接口或者读数据库的方式得到。

具体的，原始多维度数据包括人口普查数据、医疗系统数据、出入境管理数据、电信数据、公共场合的蓝牙数据、全球定位系统(Global Positioning System，简称GPS)活动轨迹数据、应用程序(Application，简称APP)端主动自筛/上报数据、家庭关系数据、高危职业等多维度数据。除此之外，原始多维度数据还可以包括其他维度的数据，本示例性实施例对此不做特殊限定。

为便于后续构建多源数据中心中，可以使构建多源数据中心的原始多维度数据具有相同或类似的格式。而获取到的原始多维度数据并不一定可以直接进行构建，因此可以对原始多维度数据进行预处理。

举例而言，预处理的方式可以是对原始多维度数据中json格式或者xml格式的数据进行解析和清洗处理。

具体的，解析可以是将json格式或者xml格式解析成一种类似json的格式，例如字典等，然后对该格式的数据进行字段设置，以统一数据格式。进一步的，对数据中存在标点的可以进行去标点处理，或者对存在none的数据进行统一赋值或其他处理，或者对时间格式进行统一处理，或者对数据中的内容，例如男和女的表示方式进行统一处理等数据清洗处理。除此之外，数据清洗处理还可以有其他清洗方式，本示例性实施例对此不做特殊限定。

在对原始数据进行预处理之后可以得到待使用多维度数据，亦即该待使用多维度数据就是可以用来构建多源数据中心的数据。

在步骤S220中，利用待使用多维度数据构建多源数据中心，并在多源数据中心中获取多维度数据。

针对获取到的待使用多维度数据可以按照不同的数据来源生成对应的数据库。举例而言，可以生成医疗系统数据库、出入境管理数据库、电信数据数据库等。进一步的，利用不同的数据库共同组成多源数据中心，亦即该多源数据中心可以是包含多个不同数据库的数据中心。

在构建多源数据中心之后，可以在多源数据中心中的获取多维度数据。

在本示例性实施例中，在构建的多源数据中心中获取多维度数据，具体了多维度数据的数据来源，并且保证了获取到的多维度数据的格式统一，便于后续提取特征等操作。

在得到多维度数据之后，可以利用多维度数据提取对应的识别码维度以及识别码维度的特征数据。

在可选的实施例中，识别码维度，包括：健康状况数据、既往慢性史数据、旅行史数据、密切接触史数据、职业维度数据和家庭维度数据。

进一步的，在这些识别码维度中对应有特征数据。举例而言，在健康状况数据中的特征数据可以是症状特征数据，具体的，可以对应有发热、咳嗽、流鼻涕等具体症状数据；在既往慢性史数据中的特征数据可以是各类慢性病，例如急性或慢性呼吸系统疾病、未治愈的癌症、糖尿病、心脑血管疾病等具体慢病数据；在旅行史数据中的特征数据可以包括所到旅行地等相关的数据；密切接触史数据可以包括是否和确诊病人有密切接触史以及何种接触方式等数据；职业维度数据包括是否为高危职业以及何种高危职业等数据，该高危职业可以包括隔离点工作的职业、航空机组工作、跨国运输工作和医生等；家庭维度数据包括家庭成员数量以及家庭成员的个人信息等数据。除此之外，也可以有其他维度数据或者其他对应的特征数据等，本示例性实施例对此不做特殊限定。

在步骤S120中，利用识别码维度和特征数据构建健康识别码生成模型，并获取用户的填报数据。

在本公开的示例性实施例中，在获取到识别码维度和对应的特征数据之后可以构建健康识别码生成模型。但是，为了丰富健康识别码生成模型以及使该健康识别码生成模型适应于各个不同的地区，可以进一步获取传染病的知识和当地临床专家提供的输入规则。

以新型冠状病毒肺炎为例，传染病的知识包括新型冠状病毒肺炎的传染途径、易感人群、流行病学史、症状表现、确诊病例和临床分型等。

具体的，传染途径包括经呼吸道飞沫和接触传播，并且在相对密闭的环境中长时间暴露于高浓度气溶胶情况下存在经气溶胶传播的可能；易感人群是所有人群；流行病学史包括发病前14天有高风险地区及周边地区或有病例报告社区旅行史或居住史，或发病前14天与新型冠状病毒感染者(核酸检测阳性者)有接触史，或发病前14天接触过来自高风险地区及周边地区，或来自有病例报告社区的发热或有呼吸道症状的患者，或聚集性发病；症状表现包括发热、乏力、干咳等，以及少数鼻塞、流涕、咽痛、肌痛和腹泻等症状；临床分型包括轻型、普通型、重型和危重型。对于不同国家和地区的对新型冠状病毒肺炎的知识构建不同，也存在些微差距，本示例性实施例对此不做特殊限定。

举例而言，当地临床专家提供的输入规则可以是当病人存在咳嗽等普通症状的第一天，确定该病人的风险等级为高风险；当第二天咳嗽的症状消失，进一步确定当天该病人的风险等级为中风险。若该病人在5天内连续2天有咳嗽的症状也可以确定该病人的风险等级为高风险。除此之外，根据不同国家和地区的规则划分，也可以存在其他规则，本示例性实施例对此不做特殊限定。

在获取到识别码维度和特征数据，以及对健康识别码生成模型要预估的传染病的知识和规则的数据之后，可以构建健康识别码生成模型。

该健康识别码生成模型可以是一种存在有多种风险预估规则的模型。具体的，以新型冠状病毒肺炎为例，症状特征数据可以分为4个典型症状和8个普通症状。具体的，4个典型症状分别为发热、咳嗽、呼吸困难和失去味觉和嗅觉；8个普通症状包括鼻塞、咽痛、肌痛、腹泻、流鼻涕、乏力、胸闷和呕吐。该风险预估规则可以是当用户在7天内有三个及以上的普通症状，确定该用户在健康状况数据上的风险等级为高风险；当用户在7天内有1-2个普通症状，确定该用户在健康状况数据上的风险等级为中风险；当用户在7天内有1个典型症状，确定该用户在健康状况数据上的风险等级为高风险；当用户无任何典型症状和普通症状时，确定该用户在健康状况数据上的风险等级为无风险。

为使健康识别码生成模型预测出的用户的风险等级可以进行可视化的展示，可以对应有不同颜色的健康识别码。该健康识别码可以包括5种颜色，分别是紫色、蓝色、红色、黄色和绿色。其中，紫色的健康识别码对应确诊在院患者，蓝色的健康识别码对应治愈出院患者，红色的健康识别码对应任意一个及以上识别码维度表现为高风险的用户或者任意三个及以上识别码维度表现为中风险的用户，黄色的健康识别码对应任意1-2个识别码维度为中风险的用户，绿色的健康识别码对应所有识别码维度均为无风险的用户。

当利用识别码维度和特征数据构建好健康识别码生成模型之后，可以获取用户上传的填报数据，以确定该用户的风险等级。

当用户上传填报数据时，可以在与健康识别码生成模型对应的应用程序上点击与风险预估对应的按钮，例如我的健康码按钮，并输入个人的基本信息以及授权其他来源数据进行应用计算。

为保证风险评估的时效性，可以要求用户每天以表单的形式填写个人健康状况、家人健康状态、旅行记录、密切接触记录和核酸检测情况等填报数据，完成后可以确认提交。

在步骤S130中，将填报数据输入至健康识别码生成模型，以使健康识别码生成模型输出用户的风险等级数据以及风险等级数据的风险因素。

在本公开的示例性实施例中，在接收到用户上传的填报数据之后，可以将填报数据输入到健康识别码生成模型中。

在可选的实施例中，图3示出了在健康识别码生成模型中输入填报数据的方法的流程示意图，如图3所示，该方法至少包括以下步骤：在步骤S310中，获取用户的信息数据，并利用信息数据生成用户的标识数据。

其中，该信息数据可以包括用户的身份证数据、护照数据、出生证数据和出生日期等。

在得到信息数据之后，对于成年人和未成年人来说有不同的标识数据的生成方式。该标识数据可以是用户的唯一标识，亦即一个用户对应有唯一一个标识数据。

具体的，对于成年人来说，身份证数据的优先级更高，可以根据身份证数据和出生日期生成用户的标识数据；当用户在国外的情况下，可以获取用户在有效期内的护照数据，以利用护照数据和出生日期生成该用户的标识数据。而未成年来还无法申请身份证，因此可以利用出生证数据和出生日期生成对应的标识数据。当然，当未成年人身处国外的时候，也可以获取在有效期内的护照数据，以利用护照数据和出生日期生成对应的标识数据。除此之外，也可以有其他的生成方式，本示例性实施例对此不做特殊限定。

在步骤S320中，建立标识数据与多源数据中心中的多维度数据的关联关系。

当生成每个用户的标识数据之后，可以建立建立标识数据与多源数据中心中的多维度数据的关联关系，以使用户在登录与健康识别码生成模型对应的应用程序时进行有效用户的校验，或者在用户要求预估风险等级时获取多源数据中心中的相关数据。

在步骤S330中，根据标识数据和关联关系在多源数据中心中获取用户的目标多维度数据，并将健康填报数据和目标多维度数据输入至健康识别码生成模型中。

在得到标识数据和关联关系之后，可以在多源数据中心中获取该用户的目标多维度数据。该目标多维度数据是在多源数据中心中存储的与该用户相关的所有维度的数据。

进一步的，可以将用户自身填报的标识数据和在多源数据中心中获取到的目标多维度数据共同输入至健康识别码生成模型中。

在本示例性实施例中，获取用户的目标多维度数据，并且与标识数据共同输入至健康识别码生成模型，丰富了用户风险评估的识别码维度，保证了用户风险评估的准确性和实时性。

将填报数据和目标多维度数据输入至健康识别码生成模型中之后，可以获取到健康识别码生成模型输出的用户的风险等级数据和风险因素。

其中，风险等级数据可以是表征用户处于高风险、中风险或无风险的数据，以便于利用风险等级数据可视化展示用户的风险等级。风险因素可以是确定用户风险等级数据的各个维度上的因素，以向用户展示得到该风险等级的原因，便于用户查看和审核。

在步骤S140中，按照风险等级数据和风险因素生成用户的健康识别码。

在本公开的示例性实施例中，为使健康识别码生成模型预测出的用户的风险等级可以进行可视化的展示，可以对应有不同颜色的健康识别码。该健康识别码可以包括5种颜色，分别是紫色、蓝色、红色、黄色和绿色。其中，紫色的健康识别码对应确诊在院患者，蓝色的健康识别码对应治愈出院患者，红色的健康识别码对应任意一个及以上识别码维度表现为高风险的用户或者任意三个及以上识别码维度表现为中风险的用户，黄色的健康识别码对应任意1-2个识别码维度为中风险的用户，绿色的健康识别码对应所有识别码维度均为无风险的用户。

并且，为了使用户确定生成的健康识别码的原因，同时利用风险因素生成健康识别码，还可以将主要的风险因素或者全部风险因素进行展示。

为进一步提高用户风险等级数据的实时性，可以动态捕捉各维度的实时数据对风险等级数据进行更新，以更新生成的健康识别码。

在可选的实施例中，实时更新多维度数据，并利用更新后的多维度数据更新风险等级数据以及风险等级数据的风险因素。

实时更新多维度数据的方式可以是动态捕捉医疗系统、蓝牙和基站等各个数据来源的实时数据，也可以有其他更新多维度数据的方式，本示例性实施例对此不做特殊限定。

当某个维度的数据更新之后，若对用户的风险等级数据产生影响，可以根据更新后的维度数据和健康识别码生成模型重新确定该用户的风险等级数据和对应的风险因素。

举例而言，当用户在上午主动上报填报数据之后，确定该用户的风险等级数据为表征无风险的数据，并且向该用户发放绿色的健康识别码。但是在13点整的时候蓝牙检测到该用户与确诊患者进行密切接触，可以利用检测到更新后的数据和健康识别码生成模型重新确定该用户的风险等级数据为表征高风险的数据，并向该用户重新发放红色的健康识别码。除此之外，还可以重新向用户展示更新后的风险因素，以便于用户采取隔离或就医等措施。

值得说明的是，在实际应用中，整个使用过程至多为10分钟，远远小于现有风险评估的时间，因此可以高效的实现风险等级数据更新的功能。

当向用户展示风险等级数据和风险因素之后，为提高健康识别码生成模型的人性化，还可以引入申诉通道。该申诉通道可以支持红色健康识别码和黄色健康识别码，亦即高风险等级和中风险等级的用户进行申诉。

具体的，用户在健康码结果界面点击申诉按钮，选择要申诉的风险因素及填写申诉原因，提交到后台由专门人员审核处理。在申诉处理后台，由专业人员进行数据和逻辑的核查判断，标明有问题的特征数据，给出通过、不通过的处理，写明处理原因，通过后的健康码可置为其他颜色。

为利用用户的申诉处理数据对健康识别码生成模型进行智能迭代升级，可以定期处理用户的申诉处理数据。一般的，该定期处理时长为一周，或者两周，也可以根据实际情况设定其他时长，本示例性实施例对此不做特殊限定。

在可选的实施例中，图4示出了更新健康识别码生成模型的方法的流程示意图，如图4所示，该方法至少包括以下步骤：在步骤S410中，获取与风险因素对应的申诉处理数据，并计算与申诉处理数据对应的比例。

该申诉处理数据包括每周获取到的申诉以及与申诉处理相关的数据。具体的，申诉处理数据可以包括申诉原因、申诉处理情况、审核状态、特征数据标注、处理后的健康码变化情况等多个维度的数据。

在得到申诉处理数据之后，可以对应计算在该识别码维度下申诉的人数占所有持有健康识别码的人数比例，亦即与申诉处理数据对应的比例。

在步骤S420中，获取与比例对应的阈值，并根据比例与阈值的比较结果确定利用申诉处理数据更新健康识别码生成模型。

其中，阈值包括更新阈值和判断阈值。当获取到与比例对应的更新阈值和判断阈值时，可以将比例与更新阈值和/或判断阈值进行比较，并根据比较结果确定是否更新该健康识别码生成模型。

在可选的实施例中，图5示出了进一步更新健康识别码生成模型的方法的流程示意图，如图5所示，该方法至少包括以下步骤：在步骤S510中，若比例大于或等于更新阈值，利用申诉处理数据更新健康识别码生成模型。

其中，该更新阈值可以设为10％，也可以根据实际情况设置为其他数值，本示例性实施例对此不做特殊限定。

当比例为12％，亦即申诉人数在整个持有健康识别码的人数的12％，且更新阈值为10％时，可以确定比例大于更新阈值，因此，可以对健康识别码生成模型中的对应风险评估规则进行调整，并测试在调整后影响的人数和数据，以供专家审核。当专家审核通过之后，可以利用申诉处理数据更新健康识别码生成模型。

举例而言，当申诉仅出现咳嗽症状则确定高风险等级，且发红色健康识别码的人数超过更新阈值时，可以对应调整该规则为发黄色健康识别码。进一步的，在测试该风险评估规则和专家审核通过之后，可以调整这一风险评估规则以更新健康识别码生成模型。

在步骤S520中，若比例大于判断阈值且小于更新阈值，判断是否利用申诉处理数据更新健康识别码生成模型。

其中，该判断阈值可以设为5％，也可以设置为其他数值，本示例性实施例对此不做特殊限定。

当比例为8％，判断阈值为5％，且更新阈值为10％时，可以确定比例大于判断阈值且小于更新阈值，因此可以人工判断该申诉是否具有更新健康识别码生成模型的价值。只有当人工判断有价值的情况下，才进行测试以及后续的专家审核等操作；若人工判断无价值，则不利用申诉处理数据更新健康识别码生成模型。

在步骤S530中，若比例小于或等于判断阈值，不利用申诉处理数据更新健康识别码生成模型。

当比例为2％，判断阈值为5％时，确定比例小于或等于判断阈值，因此该申诉对于更新健康识别码生成模型是毫无价值的，无需利用申诉处理数据更新健康识别码生成模型。

在本示例性实施例中，根据更新阈值和判断阈值可以对健康识别码生成模型进行智能化的迭代更新，提升了风险评估的准确性和人性化。

当健康识别码生成模型进入实际使用时，还可以针对商场活动、店铺营业、餐厅就餐、学校开学、健身房建设和公司复工等不同的实际场景，动态设置不同的通行规则，以支持在输出风险等级数据的基础上打上对应场景的场景标识。

在可选的实施例中，图6示出了生成场景标识的方法的流程示意图，如图6所示，该方法至少包括以下步骤：在步骤S610中，获取场景通行规则，并判断风险等级数据和风险因素是否满足场景通行规则。

其中，场景通行规则可以是根据不同实际场景生成的通信规则。举例而言，当风险等级数据表征无风险时可以通过所有场景；在餐厅就餐的场景下，还可以使由于既往慢性病史而持有黄色健康识别码的用户通行等。除此之外，也可以有其他场景通行规则，本示例性实施例对此不做特殊限定。

因此，在获取到对应场景的场景通行规则之后，可以利用风险等级数据和风险因素判断该用户时候满足对应的场景通行规则。

在步骤S620中，若风险等级数据和风险因素满足场景通行规则，生成与场景通行规则对应的场景标识。

举例而言，当风险等级数据表征为中风险等级的用户满足持有黄色健康识别码可进入餐厅就餐这一场景通行规则时，还可以进一步判断该用户持有黄色健康识别码的原因是否因为既往慢性病史。当该用户持有黄色健康识别码的原因是因为既往慢性病史，表明该用户命中场景就餐的场景通行规则，因此可以在该用户的黄色健康识别码上展示生成的场景标识，以便于用户通行。

在本示例性实施例中，根据场景通行规则为不同风险等级数据的用户提供不同场景下的通行便利，可以动态平衡场景管理，满足不同场景下对于风险等级数据的个性化需求，成为了复工复产的有效手段。

在本公开的示例性实施例中，通过多维度数据可以构建健康识别码生成模型，以满足生成用户风险等级数据的需求。一方面，利用多维度数据生成健康识别码生成模型，保证健康识别码生成模型的准确性、合理性和实时性，进一步的，利用健康识别码生成模型生成对应的健康识别码，为各个场景的决策提供有效依据；另一方面，利用健康识别码可以在传染病疫情期间为用户及时展示健康状态，避免在公共场合引起恐慌以及感染情况的发生。

此外，在本公开的示例性实施例中，还提供一种健康识别码的生成装置。图7示出了健康识别码的生成装置的结构示意图，如图7所示，健康识别码的生成装置700可以包括：数据获取模块710、模型构建模块720、等级输出模块730和识别码生成模块740。其中：

数据获取模块710，被配置为获取用于生成健康识别码的多维度数据，并利用多维度数据确定识别码维度以及识别码维度的特征数据；模型构建模块720，被配置为利用识别码维度和特征数据构建健康识别码生成模型，并获取用户的健康填报数据；等级输出模块730，被配置为将健康填报数据输入至健康识别码生成模型，以使健康识别码生成模型输出用于生成健康识别码的风险等级数据以及风险等级数据的风险因素；识别码生成模块740，被配置为按照风险等级数据和风险因素生成用户的健康识别码。

上述健康识别码的生成装置的具体细节已经在对应的健康识别码的生成方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了健康识别码的生成装置700的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

下面参照图8来描述根据本发明的这种实施例的电子设备800。图8显示的电子设备800仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800以通用计算设备的形式表现。电子设备800的组件可以包括但不限于：上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810)的总线830、显示单元840。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元810执行，使得所述处理单元810执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。

存储单元820可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)821和/或高速缓存存储单元822，还可以进一步包括只读存储单元(ROM)823。

存储单元820还可以包括具有一组(至少一个)程序模块825的程序/实用工具824，这样的程序模块825包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线830可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备800也可以与一个或多个外部设备1000(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备800交互的设备通信，和/或与使得该电子设备800能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口850进行。并且，电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器840通过总线830与电子设备800的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备800使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施例的描述，本领域的技术人员易于理解，这里描述的示例实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施例的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的步骤。

参考图9所示，描述了根据本发明的实施例的用于实现上述方法的程序产品900，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。