本技術涉及信息處理，具體而言，涉及一種老年人的社交圖譜構建與異常行為預警方法。

背景技術：

1、目前，在養(yǎng)老機構中，為了保障行動不便老年人的安全，廣泛部署了基于低功耗穿戴標簽的室內定位系統(tǒng)。這些系統(tǒng)主要功能是記錄老年人的位置信息，以便在緊急情況下快速定位。然而，隨著養(yǎng)老服務精細化需求的提升，機構需要更深入地了解老年人的社交互動模式，以優(yōu)化照護服務和活動安排，尤其是用于預測老年人是否出現(xiàn)社會隔離風險以防范老年人作出異常行為。直接觀察或人工記錄社交互動的方式存在耗時及效率低下的劣勢，并且可能侵犯老年人隱私。利用知識圖譜技術從定位數(shù)據(jù)中挖掘社交信息成為一種潛在可行的方案。

2、盡管知識圖譜技術具備語義增強能力，但直接從基礎定位數(shù)據(jù)中推斷社交互動仍然面臨諸多挑戰(zhàn)?；A定位數(shù)據(jù)僅能反映物理位置的接近，而位置接近并不完全等同于真實的社交互動。例如，在走廊或非社交場所的位置重合可能并不代表社交行為的發(fā)生。此外，養(yǎng)老機構通常缺乏專業(yè)技術人員，且對數(shù)據(jù)隱私保護有極高的要求。如何在不增加額外硬件投入、不侵犯老年人隱私的前提下，經濟有效地從已有的低功耗定位數(shù)據(jù)中挖掘出能夠準確反映老年人真實社交互動情況的信息，并構建社群社交圖譜，成為了當前養(yǎng)老機構所共同面臨的一個亟待解決的技術難題。

3、針對上述問題，目前尚未有有效的技術解決方案。

技術實現(xiàn)思路

1、本技術的目的在于提供一種老年人的社交圖譜構建與異常行為預警方法，以基于老年人的位置數(shù)據(jù)更深層次地挖掘老年人之間的社交互動關系，進而構建更加準確的社交圖譜。

2、第一方面，本技術提供了一種老年人的社交圖譜構建方法，用于對老年人群體的社交關系進行分析，所述方法包括以下步驟：

3、s1、持續(xù)采集老年人位置數(shù)據(jù)；

4、s2、獲取預先構建的場所語義知識圖譜，圖譜節(jié)點包括場所區(qū)域編碼，每個場所區(qū)域編碼預設有場所社交功能權重、場所類型調整系數(shù)和場所功能信息；

5、s3、針對每兩位老年人，分析兩者在多個連續(xù)時間段內的位置數(shù)據(jù)所對應的場所區(qū)域編碼相同的共現(xiàn)頻率和持續(xù)時長，以判定兩者是否存在位置共現(xiàn)關系，并在存在位置共現(xiàn)關系時，根據(jù)所述共現(xiàn)頻率、所述持續(xù)時長和所述場所類型調整系數(shù)計算位置共現(xiàn)強度；

6、s4、根據(jù)所述位置共現(xiàn)強度和所述場所社交功能權重計算老年人之間的社交互動強度得分；

7、s5、根據(jù)所述社交互動強度得分和所述場所功能信息，構建老年人社群社交圖譜。

8、本技術的老年人的社交圖譜構建方法利用場所語義知識圖譜對老年人位置數(shù)據(jù)進行語義增強，克服了單純位置接近不等同于社交互動的局限性，更準確地挖掘老年人之間的真實社交互動信息，并構建社群社交圖譜，用于分析老年人群體的社交關系。其中，該方法利用持續(xù)采集的老年人位置數(shù)據(jù)作為數(shù)據(jù)基礎，結合能為位置數(shù)據(jù)賦予場所語義信息的預先構建的場所語義知識圖譜，來分析不同老人之間的位置共現(xiàn)關系，并計算獲取社交互動強度得分，能有效地從老年人位置數(shù)據(jù)中挖掘出社交互動信息，進而結合場所功能信息構建出能用于分析老年人群體的社交關系的老年人社群社交圖譜，以更準確地識別和量化老年人之間的真實社交互動，為養(yǎng)老機構優(yōu)化照護服務和活動安排提供了數(shù)據(jù)支持。

9、所述的一種老年人的社交圖譜構建方法，其中，所述針對每兩位老年人，分析兩者在多個連續(xù)時間段內的位置數(shù)據(jù)所對應的場所區(qū)域編碼相同的共現(xiàn)頻率和持續(xù)時長，以判定兩者是否存在位置共現(xiàn)關系的步驟包括：

10、s31、針對每兩位老年人，統(tǒng)計兩者在多個連續(xù)時間段內的位置數(shù)據(jù)所對應的場所區(qū)域編碼相同的共現(xiàn)頻率和持續(xù)時長，并根據(jù)所述共現(xiàn)頻率和所述持續(xù)時長初步判定兩者是否存在位置共現(xiàn)關系；

11、s32、在初步判定兩者存在位置共現(xiàn)關系時，根據(jù)位置數(shù)據(jù)統(tǒng)計該多個連續(xù)時間段內兩位老年人的距離小于交互距離閾值的有效共現(xiàn)頻率和有效共現(xiàn)時長；

12、s33、根據(jù)所述有效共現(xiàn)頻率和所述有效共現(xiàn)時長最終判定兩者是否存在位置共現(xiàn)關系。

13、上述處理方式通過引入交互距離閾值和有效共現(xiàn)頻率、有效共現(xiàn)時長，可以排除場所區(qū)域編碼相同但實際距離較遠的情況，更精確地判定老年人之間是否存在位置共現(xiàn)關系，能有效避免僅僅基于場所區(qū)域編碼相同進行判定引起的判斷不準確的問題。因為僅僅場所區(qū)域編碼相同，不代表兩位老年人之間存在實際的社交互動。在判斷老年人之間是否存在位置共現(xiàn)關系時，上述處理方式不僅考慮了場所區(qū)域編碼的共現(xiàn)頻率和持續(xù)時長，還考慮了老年人之間的實際距離，使得位置共現(xiàn)關系的判斷更加準確，更符合老年人真實的社交互動情況，其中，步驟s31起到初步篩選的作用，步驟s32通過交互距離閾值進行精確判斷，步驟s33給出最終判定結果。這三個步驟協(xié)同作用，提高了位置共現(xiàn)關系判定的準確性，使得后續(xù)構建的社交圖譜更加準確可靠。

14、所述的一種老年人的社交圖譜構建方法，其中，所述交互距離閾值的確定過程包括：

15、a1、根據(jù)場所區(qū)域編碼對應的場所功能信息，從場所功能信息與距離閾值映射關系表獲取交互距離閾值。

16、通過這種方式，在不同場所下，交互距離閾值可以自適應調整，從而更準確地判定老年人是否存在位置共現(xiàn)關系。由此，位置共現(xiàn)關系判定的準確性被提高，能有效提升老年人社群社交圖譜構建的精確性。

17、所述的一種老年人的社交圖譜構建方法，其中，每個場所區(qū)域編碼還預設有場所面積信息；所述交互距離閾值的確定過程還包括：

18、a2、根據(jù)場所區(qū)域編碼對應的場所面積信息調整所述交互距離閾值。

19、所述的一種老年人的社交圖譜構建方法，其中，所述根據(jù)所述共現(xiàn)頻率、所述持續(xù)時長和所述場所類型調整系數(shù)計算位置共現(xiàn)強度的步驟包括：

20、s34、根據(jù)所述持續(xù)時長拆分獲取每兩位老年人在多個連續(xù)時間段內，各個時間段內的子共現(xiàn)時長；

21、s35、根據(jù)場所類型調整系數(shù)，為各個時間段設置關于時序衰減的時間衰減因子序列；

22、s36、基于時間衰減因子序列，加權各個時間段內的子共現(xiàn)時長，得到加權共現(xiàn)時長；

23、s37、將加權共現(xiàn)時長乘以共現(xiàn)頻率，得到位置共現(xiàn)強度。

24、所述的一種老年人的社交圖譜構建方法，其中，步驟s4包括：

25、s41、獲取老年人的年齡評分和身體能力評分；

26、s42、基于位置共現(xiàn)關系根據(jù)年齡評分和身體能力評分調整場所社交功能權重；

27、s43、根據(jù)調整后的場所社交功能權重和所述位置共現(xiàn)強度計算老年人之間的社交互動強度得分。

28、所述的一種老年人的社交圖譜構建方法，其中，步驟s5包括：

29、s51、根據(jù)所述社交互動強度得分，構建初始老年人社群社交圖譜，圖譜節(jié)點表示老年人，邊的權重初始化為社交互動強度得分；

30、s52、基于場所區(qū)域編碼引導，對所述初始老年人社群社交圖譜的邊匹配所述場所功能信息所對應的社交互動類型，以形成所述老年人社群社交圖譜。

31、第二方面，本技術還提供了一種老年人的異常行為預警方法，所述方法包括以下步驟：

32、b1、基于社群發(fā)現(xiàn)算法對基于第一方面提供的一種老年人的社交圖譜構建方法獲取的老年人社群社交圖譜進行分析，獲取社群結構信息；

33、b2、根據(jù)所述社群結構信息獲取社群參數(shù)信息；

34、b3、針對老年人所在社群結構信息中的位置，結合所述社群參數(shù)信息動態(tài)評估各個老年人的社會隔離風險等級及其變化趨勢；

35、b4、根據(jù)所述社會隔離風險等級及其變化趨勢預測各個老年人的社交行為是否出現(xiàn)異常。

36、本技術的老年人的異常行為預警方法基于第一方面提供的老年人的社交圖譜構建方法獲取的老年人社群社交圖譜進行分析，以識別老年人群體中的社群結構信息并提取社群參數(shù)信息，從而能針對每個老年人在社群結構中的節(jié)點，并結合社群參數(shù)信息，動態(tài)評估各個老年人的社會隔離風險等級及其變化趨勢，以判斷是否存在社會隔離風險，從而預測老年人未來社交行為是否異常，實現(xiàn)了對老年人異常行為的預警，為養(yǎng)老機構提供了技術支持，有助于提升養(yǎng)老服務質量。

37、所述的一種老年人的異常行為預警方法，其中，步驟b1包括：

38、b11、采用模塊度優(yōu)化的louvain算法對所述老年人社群社交圖譜進行社群發(fā)現(xiàn)，其中，所述louvain算法的解析度參數(shù)通過以下方式自適應尋優(yōu)：

39、b111、構建解析度參數(shù)的候選參數(shù)集合，采用網(wǎng)格搜索方法，在候選參數(shù)集合中選擇不同的解析度參數(shù)值，運行l(wèi)ouvain算法對所述老年人社群社交圖譜進行社群劃分；

40、b112、針對每次社群劃分結果，計算社群劃分的輪廓系數(shù)，選擇輪廓系數(shù)最大時對應的解析度參數(shù)作為最優(yōu)解析度參數(shù)；

41、b113、基于最優(yōu)解析度參數(shù)下的社群劃分結果，提取社群結構信息。

42、通過上述處理方式，louvain算法的解析度參數(shù)能夠自適應地調整到最優(yōu)狀態(tài)，使得社群發(fā)現(xiàn)的準確性和魯棒性得以提升。

43、所述的一種老年人的異常行為預警方法，其中，所述社群參數(shù)信息包括社群規(guī)模、社群連接強度和節(jié)點中心性指標，其中，社群規(guī)模采用社群內節(jié)點數(shù)量表征，社群連接強度采用社群內節(jié)點之間連接邊的平均權重表征，節(jié)點中心性指標采用度中心性指標表征。

44、由上可知，本技術提供了一種老年人的社交圖譜構建與異常行為預警方法，其中，老年人的社交圖譜構建方法利用場所語義知識圖譜對老年人位置數(shù)據(jù)進行語義增強，克服了單純位置接近不等同于社交互動的局限性，更準確地挖掘老年人之間的真實社交互動信息，并構建社群社交圖譜，用于分析老年人群體的社交關系。其中，該方法利用持續(xù)采集的老年人位置數(shù)據(jù)作為數(shù)據(jù)基礎，結合能為位置數(shù)據(jù)賦予場所語義信息的預先構建的場所語義知識圖譜，來分析不同老人之間的位置共現(xiàn)關系，并計算獲取社交互動強度得分，能有效地從老年人位置數(shù)據(jù)中挖掘出社交互動信息，進而結合場所功能信息構建出能用于分析老年人群體的社交關系的老年人社群社交圖譜，以更準確地識別和量化老年人之間的真實社交互動，為養(yǎng)老機構優(yōu)化照護服務和活動安排提供了數(shù)據(jù)支持。