跨境隐存高危因子风险智能分析系统

摘要

本申请提出了一种跨境隐存高危因子风险智能分析系统，其可用于通过智能算法对跨境生物因子进行风险分析以进行生物安全决策管理，该跨境隐存高危因子风险智能分析系统包括数据采集模块、数据清理模块、数据处理模块、风险评估模块和可视化输出模块。通过根据本申请的用于跨境隐存高危因子风险的智能分析系统，其基于智能技术，根据跨境因子清单采集与多个跨境因子有关的基础数据，并对采集到的基础数据进行清理，基于清理后的基础数据对跨境隐存因子的风险进行定性和定量评估，从而聚焦潜在跨境隐存高危因子，并对该跨境隐存高危因子的进入风险和定殖风险分别进行预测和综合评判，还能够对预测结果进行可视化输出。

说明书

技术领域

本申请涉及有害生物风险分析领域，具体地涉及数据的收集、清洗、处理、评估和可视化系统集成的跨境隐存高危因子风险智能分析系统。

背景技术

跨境生物可能对中国的公共卫生、粮食安全、生态系统等造成巨大危害。此外，跨境生物种群还可能改变入侵地生态系统结构，极大威胁当地生物多样性。因此，需要对跨境生物(“跨境生物因子”或者“跨境因子”，以下称“跨境因子”)风险进行分析，具体地，进行跨境因子进入入侵地区的繁殖体压力分析，从而确定其进入风险大小；在被入侵地区的适生性分析，确定其在被入侵地区定殖的可能性及适生范围和程度等，并识别具有较高风险的跨境隐存高危因子，从而基于此制定相应的防控措施。

目前存在大量关于跨境隐存高危因子风险分析的研究与应用，但是尚不存在这样一种用于跨境隐存高危因子风险的智能分析系统，其基于智能算法，根据跨境因子清单采集与多个跨境因子有关的基础数据，并对采集到的基础数据进行清理，基于清理后的基础数据对跨境隐存因子的风险进行定性和定量评估，从而识别跨境隐存高危因子，并对该跨境隐存高危因子的进入风险和定殖风险进行预测和综合评判，以及能够对预测结果进行可视化输出。

发明内容

根据本申请，提出了一种跨境隐存高危因子风险智能分析系统，用于通过智能算法对跨境因子进行风险分析以进行生物安全决策管理，跨境隐存高危因子风险智能分析系统包括数据采集模块、数据清理模块、数据处理模块、风险评估模块和可视化输出模块，其中，数据采集模块根据跨境因子清单通过智能算法采集与多个跨境因子有关的基础数据；数据清理模块通过智能算法对数据采集模块采集的基础数据进行清理；数据处理模块包括数据处理前处理子模块和数据处理后处理子模块；数据处理前处理子模块通过智能算法对经数据清理模块清理的基础数据进行处理，以确定多个跨境因子各自的进入风险和定殖风险；数据处理后处理子模块根据多个跨境因子各自的进入风险和定殖风险确定跨境高危因子，通过采用智能算法并基于确定的跨境高危因子对应的基础数据建立跨境高危因子的繁殖体压力模型和物种分布模型，以及基于建立的繁殖体压力模型和物种分布模型对跨境高危因子的风险进行预测并确定跨境高危因子的进入风险和定殖风险；风险评估模块基于经数据清理模块清理的基础数据、数据处理前处理子模块确定的多个跨境因子各自的进入风险和定殖风险、和/或数据处理后处理子模块确定的跨境高危因子的进入风险和定殖风险并根据风险评价指标体系通过智能算法进行风险定性或定量评估，从而确定风险综合评价值；可视化输出模块对数据清理模块清理的基础数据、数据处理前处理子模块确定的多个跨境因子各自的进入风险和定殖风险、数据处理后处理子模块确定的跨境高危因子的进入风险和定殖风险、和/或风险评估模块确定的风险综合评价值通过智能算法进行可视化输出。

在根据本申请的实施方式的跨境隐存高危因子风险智能分析系统中，数据清理模块还根据数据采集模块采集的基础数据确定跨境隐存因子，以及基于确定的跨境隐存因子对跨境因子清单进行更新以使得更新的跨境因子清单中包含跨境隐存因子。

在根据本申请的实施方式的跨境隐存高危因子风险智能分析系统中，数据采集模块通过外部数据库以及内部数据库采集基础数据；和/或数据采集模块通过网络爬虫算法从互联网采集基础数据。

在根据本申请的实施方式的跨境隐存高危因子风险智能分析系统中，数据采集模块还基于数据采集模块采集的基础数据、数据清理模块清理的基础数据、数据处理前处理子模块确定的多个跨境因子各自的进入风险和定殖风险、数据处理后处理子模块确定的跨境高危因子的进入风险和定殖风险、和/或风险评估模块确定的风险综合评价值建立内部存储数据库。

在根据本申请的实施方式的跨境隐存高危因子风险智能分析系统中，基础数据至少包括跨境因子的地理分布数据、生物学数据、环境气候数据、寄主数据、贸易数据、和/或地理信息数据；和/或基础数据至少包括跨境因子的分布状况、跨境因子的危害信息、跨境因子的移动信息、跨境因子的危害管理信息、和寄主信息。

在根据本申请的实施方式的跨境隐存高危因子风险智能分析系统中，至少基于目标区域确定跨境因子清单；至少基于跨境因子进入可能性、定殖可能性与潜在损失程度确定多个跨境因子各自的进入风险和定殖风险；至少基于进入的频次和种群大小确定所述跨境高危因子的进入风险；至少基于适生性分析的空间范围和程度确定的跨境高危因子的定殖风险；风险评估模块还基于外部数据库和内部数据库的基础数据对风险评价指标体系确定量化指标，并根据确定的量化指标计算风险综合评价值；至少基于跨境因子的分布状况、跨境因子的危害性、跨境因子的移动可能性、跨境因子的危害管理难度、和寄主的经济重要性确定风险评价指标体系。

在根据本申请的实施方式的跨境隐存高危因子风险智能分析系统中，数据处理前处理子模块用于通过聚类算法对经数据清理模块清理的基础数据进行处理，以确定多个跨境因子各自的进入风险和定殖风险；数据处理后处理子模块用于通过机器学习算法建立跨境高危因子的繁殖体压力模型和物种分布模型，或者数据处理后处理子模块用于通过@Risk风险分析软件建立所述繁殖体压力模型和数据处理后处理子模块用于通过Maxent软件建立跨境高危因子的物种分布模型。

在根据本申请的实施方式的跨境隐存高危因子风险智能分析系统中，数据清理模块还根据跨境因子的地理分布数据将与目标区域不对应的跨境因子从目标跨境因子清单中去除；数据清理模块采集的基础数据进行清理，从而将不属于对应跨境因子的基础数据去除；风险评估模块通过查找内部数据库以确定内部数据库中是否存在跨境隐存高危因子的综合风险评价值，如果存在，则将内部数据库中的跨境隐存高危因子的综合风险评价值作为结果输出；可视化输出模块通过地图软件进行可视化输出，或者可视化输出模块能够向预先确定的决策者发送可视化输出结果。

在根据本申请的实施方式的跨境隐存高危因子风险智能分析系统中，数据清理模块还根据跨境因子的地理分布数据将与目标区域不对应的跨境因子从目标跨境因子清单中去除；数据清理模块采集的基础数据进行清理，从而将不属于对应跨境因子的基础数据去除；风险评估模块通过查找内部数据库以确定内部数据库中是否存在跨境隐存高危因子的综合风险评价值，如果存在并经评估仍然科学合理，则将内部数据库中的跨境隐存高危因子的综合风险评价值作为结果输出；可视化输出模块通过地图软件进行可视化输出，或者可视化输出模块能够向预先确定的决策者发送可视化输出结果。

数据处理前处理子模块通过人工神经网络算法对基础数据进行处理以确定多个跨境因子各自的进入风险和定殖风险；或者数据处理前处理子模块通过无监督人工神经网络算法、k-means算法或者层次聚类算法对基础数据进行处理以确定多个跨境因子各自的进入风险和定殖风险。

在根据本申请的实施方式的跨境隐存高危因子风险智能分析系统中，数据处理后处理子模块通过最大似然估计算法建立所述跨境高危因子的繁殖体压力模型和最大熵算法建立跨境高危因子的物种分布模型；数据处理后处理子模块还将跨境高危因子对应的基础数据中的第一部分基础数据作为训练数据集以用于建立物种分布模型，并将跨境高危因子对应的基础数据中的第二部分基础数据作为测试数据集以对建立的物种分布模型进行测试，第一部分基础数据在跨境高危因子对应的基础数据的比例为90％，以及第二部分基础数据在跨境高危因子对应的基础数据的比例为10％；数据处理后处理子模块还基于AUC(Area Under the Curve，即，ROC曲线下的面积)对建立的物种分布模型进行评估。

通过根据本申请的用于跨境隐存高危因子风险的智能分析系统，其基于智能技术，根据跨境因子清单采集与多个跨境因子有关的基础数据，并对采集到的基础数据进行清理，基于清理后的基础数据对跨境隐存因子的风险进行定性和定量评估，从而聚焦潜在跨境隐存高危因子，并对该跨境隐存高危因子的进入风险和定殖风险进行预测和综合评判，还能够对预测结果进行可视化输出。

附图说明

图1示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统的框图；

图2示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的数据采集模块的框图；

图3示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的数据清理模块的框图；

图4示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的数据清理模块另一实施方式的框图；

图5示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的数据处理模块的框图；

图6示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的风险评估模块的框图；

图7示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的数据采集模块另一实施方式的框图；以及

图8示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的可视化输出模块的框图。

具体实施例

下面结合附图和实施方式对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本申请的限制。为简明起见，在本申请各实施方式的描述中，对于相同或者类似的装置/方法步骤，使用相同或者相似的附图标记。

需要说明的是，在不冲突的情况下，本申请中的实施方式及实施方式中的特征可以相互组合。

根据本申请，提出了一种跨境隐存高危因子风险智能分析系统。图1示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统的框图。如图1所示，跨境隐存高危因子风险智能分析系统10用于通过智能算法对跨境因子风险进行分析，以进行生物安全决策管理，跨境隐存高危因子风险智能分析系统10包括数据采集模块110、数据清理模块120、数据处理模块130、风险评估模块140和可视化输出模块150。数据采集模块根据跨境因子清单通过智能算法采集与多个跨境因子有关的基础数据；数据清理模块通过智能算法对数据采集模块采集的基础数据进行清理；数据处理模块包括数据处理前处理子模块和数据处理后处理子模块，其中，数据处理前处理子模块通过智能算法对经数据清理模块清理的基础数据进行处理，以确定多个跨境因子各自的进入风险和定殖风险；以及数据处理后处理子模块根据多个跨境因子各自的进入风险和定殖风险确定跨境高危因子，通过采用智能算法并基于确定的跨境高危因子对应的基础数据建立跨境高危因子的繁殖体压力模型和物种分布模型，以及基于建立的繁殖体压力模型和物种分布模型对跨境高危因子的进入风险和定殖风险分别进行预测并确定跨境高危因子的进入风险和定殖风险；风险评估模块基于经数据清理模块清理的基础数据、数据处理前处理子模块确定的多个跨境因子各自的定殖风险、和/或数据处理后处理子模块确定的跨境高危因子的定殖风险并根据风险评价指标体系通过智能算法进行风险定性或定量评估，从而确定风险综合评价值；以及可视化输出模块对数据清理模块清理的基础数据、数据处理前处理子模块确定的多个跨境因子各自的进入风险和定殖风险、数据处理后处理子模块确定的跨境高危因子的进入风险和定殖风险、和/或风险评估模块确定的风险综合评价值通过智能算法进行可视化输出。

该跨境隐存高危因子风险智能分析系统，采用智能技术，根据跨境因子清单采集与多个跨境因子有关的基础数据，并对采集到的基础数据进行清理，基于清理后的基础数据对跨境隐存因子的风险进行定性和定量评估，从而聚焦潜在跨境隐存高危因子，并对该跨境隐存高危因子的进入风险和定殖风险进行预测和综合评判，还能够对预测结果进行可视化输出。

以下结合图2-图8，对根据本申请的跨境隐存高危因子风险智能分析系统进行详细描述。

图2示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的数据采集模块的框图。如图2所示，数据采集模块110根据跨境因子清单通过智能算法采集与多个跨境因子有关的基础数据。在根据本申请的一个实施方式中，数据采集模块可以至少基于目标区域确定跨境因子清单。

数据采集模块可以通过各种合适的方式对基础数据进行采集。在根据本申请的一个实施方式中，数据采集模块可通过外部数据库采集基础数据，外部数据库可包括海关数据库、中国检验检疫科学院动植物检疫信息资源共享服务平台、国内外公开发表的相关论文及物种分布数据库GBIF和CABI等。例如，对于环境气候数据，可以通过WorldClim(http://www.worldclim.org/)提供的数据库获得；对于地图数据，则可以通过国家基础地理信息系统获得1:400万的中国国界和省界以及县界行政区划图，或者从Natural Earth(http:www.naturalearth-data.com)获得1:1000万的世界矢量地图；还可以通过中国植物志(http://frps.eflora.cn/sheng)获得寄主信息；或者从FAO(http://faostat3.fao.org/)获得有关种植面积和总产量数据信息。

在根据本申请的另一实施方式中，数据采集模块还可以通过网络爬虫算法从互联网采集基础数据。

在根据本申请的又一实施方式中，数据采集模块还可以基于跨境多载体隐存高危生物因子数据处理方法建立的内部数据库(又称为本底库)采集基础数据。申请人在2019年05月14日递交的第CN201910396568.2号中国专利申请(CN110276518A)，该专利申请涉及生物识别、信息处理技术领域，特别是一种跨境多载体隐存高危生物因子数据的处理方法，该方法包括：采集跨境载体中生物信息，跨境载体包括如下一种或几种：跨境人群及携带物、跨境货物及电商、跨境交通工具、和/或气溶胶压舱水，生物包括如下一种或几种：害虫、杂草、病原微生物、软体动物或其他预先选定的有害生物；对跨境截获的生物开展风险分析，以确定是否为检疫性生物及需要采取的风险管理措施；对需要进行检疫处理的生物进行查验和/或监测，以及相应检疫处理。该专利申请实现了跨境有害生物的识别及处理措施，可对有害的跨境生物进行有效的防治和灭除，降低跨境生物恶性传播的几率，有助于更好地保护农林生产和自然生态环境。在该专利申请中记载了跨境多载体隐存高危生物因子数据的处理方法，该方法包括采集跨境载体中生物信息，跨境载体包括如下一种或几种：跨境人群及携带物、跨境货物及电商、跨境交通工具、和/或气溶胶压舱水，生物包括如下一种或几种：害虫、杂草、病原微生物、软体动物和其他预先选定的有害生物；对生物信息进行风险分析，以确定是否为检疫性生物及需要采取的风险管理措施；对需要进行检疫处理的生物进行查验和/或监测，以及相应的检疫处理。采集跨境载体中生物信息的步骤之后，将跨境载体中生物信息保存在第一数据库中；根据第一数据库中的第一生物信息中的预先选定的标识信息，查询一个或多个指定的数据库，以更新该第一生物信息的标识信息，然后将更新后的该第一生物信息的标识信息保存在第二数据库中；将风险分析的结果、查验和/或监测的结果、以及检疫处理的结果保存到第二数据库中；将采集到的生物信息实时传送给计算机；计算机提取有害生物信息，将有害生物信息与预先指定的第一数据库中预存的跨境生物的数据进行匹配，以确定是否存在跨境生物因子；在匹配成功时，计算机控制开展有害生物查验和/或监测；计算机记录监测和/或查验有害生物的时间、有害生物的标识信息，并利用记录的信息构建第二数据库；对第二数据库中数据进行搜索操作，在进行搜索操作时采用数据库索引、内存及缓存加速、或者搜索引擎中的一种或多种加速方式。

该专利中第二数据库为自建的数据库，在进行跨境多载体隐存高危生物因子数据的处理的过程中，涉及不同路径查询、对比、获取多种信息，将这些信息进行存储，同步建立数据更为完善的第二数据库，第二数据库经不断地更新完善，在后续的隐存高危生物因子数据处理过程中，可仅用第二数据库，或则使用更少的数据库，即可完成隐存高危生物因子数据处理，从而提高处理效率，以及处理的精准度。该专利申请中的第二数据库即为本申请实施方式中的内部数据库。

所采集的基础数据可以包括跨境因子的地理分布数据、生物学数据、环境气候数据、寄主数据、贸易数据、地理信息数据、跨境因子的分布状况、跨境因子的危害信息、跨境因子的移动信息、跨境因子的危害管理信息、和寄主信息等。

图3示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的数据清理模块的框图。如图3所示，数据清理模块120可通过智能算法对数据采集模块110采集的基础数据进行清理。通过对基础数据进行清理，可以对采集到的基础数据中明显错误的数据进行处理，从而提高数据的可靠性以及合理性。

在本申请的一个实施例中，在进行清理时，可以进行如下操作：判断基础数据是否与跨境因子有关，即判断基础数据的可靠性，并将不属于对应跨境因子的基础数据去除。例如，通过清理，可以避免将橘小实蝇的分布数据作为橘大实蝇的基础数据。

在根据本申请的一个实施例中，还通过判断基础数据存在合理性，并根据跨境因子的地理分布数据将与目标区域不对应的跨境因子从目标跨境因子清单中去除。例如，通过清理，可以避免出现陆生生物的分布出现在海里、热带地区的生物分布在寒带的情况。此外，例如可以通过制定这样的规则进行清理：在一定经纬度范围内只保留一个点，其余点的数据则清理。

图4示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的数据清理模块另一实施方式的框图。如图4所示，作为本申请的另一个具体实施方式，数据清理模块120可根据数据采集模块110采集的基础数据确定跨境隐存因子，以及基于确定的跨境隐存因子对跨境因子清单进行更新以使得更新的跨境因子清单中包含跨境隐存因子。

图5示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的数据处理模块的框图。如图5所示，数据处理模块130包括数据处理前处理子模块1310和数据处理后处理子模块1320；数据处理前处理子模块1310通过智能算法对经数据清理模块120清理的基础数据进行处理，以确定多个跨境因子各自的进入风险和定殖风险；数据处理前处理子模块1310以聚类分析作为基本算法，对应多组基础数据进行数据挖掘，确定各隐存因子的进入风险和定殖风险，从而可以根据多个跨境因子各自的进入风险和定殖风险选定高危因子(即确定跨境因子的进入风险和定殖风险)；作为一个具体实施方式，数据处理前处理子模块1310通过人工神经网络算法对基础数据进行处理，人工神经网络算法为无监督人工神经网络算法、k-means算法或者层次聚类算法。

继续参考图5，如图所示，数据处理后处理子模块1320根据多个跨境因子各自的进入风险和定殖风险确定跨境高危因子，通过采用智能算法并基于确定的跨境高危因子对应的基础数据建立跨境高危因子的繁殖体压力模型和物种分布模型，以及基于建立的繁殖体压力模型和物种分布模型对跨境高危因子的进入风险和定殖风险分别进行预测并确定跨境高危因子的进入风险和定殖风险；作为一个具体实施方式，数据处理后处理子模块1320基于通过机器学习算法建立跨境高危因子的繁殖体压力模型和物种分布模型，或者数据处理后处理子模块用于通过风险模型分析软件建立的繁殖体压力模型和数据处理后处理子模块和/或用于通过Maxent软件建立跨境高危因子的物种分布模型。在根据本申请的其他实施方式中，数据处理后处理子模块还用于通过除机器学习智能算法以外的其他智能算法建立跨境高危因子的繁殖体压力模型和物种分布模型。作为本申请的一个具体实施例，数据处理后处理子模块基于通过风险模型分析软件建立的繁殖体压力模型中所使用的风险模型分析软件可以是@Risk软件、自编软件或其他商用的风险模型分析软件。

作为本申请的另一个具体实施方式，数据处理后处理子模块通过最大似然估计算法建立跨境高危因子的繁殖体压力模型和最大熵算法建立跨境高危因子的物种分布模型；数据处理后处理子模块还可将跨境高危因子对应的基础数据中的第一部分基础数据作为训练数据集以用于建立物种分布模型，并将跨境高危因子对应的基础数据中的第二部分基础数据作为测试数据集以对建立的物种分布模型进行测试，第一部分基础数据在跨境高危因子对应的基础数据的比例为90％，以及第二部分基础数据在跨境高危因子对应的基础数据的比例为10％；数据处理后处理子模块还可基于AUC对建立的物种分布模型进行评估。在本申请的实施方式中，第一部分基础数据和第二部分基础数据在跨境高危因子对应的基础数据的比例还可以为其他满足要求的范围，例如，作为本申请的一个具体实施例，第一部分基础数据在跨境高危因子对应的基础数据的比例为80％，以及第二部分基础数据在跨境高危因子对应的基础数据的比例则为20％。

以上两个基本处理(数据处理前处理、数据处理后处理)顺序设置在数据处理模块中，数据处理前处理子模块(数据处理前处理)起到筛选的作用，从大量的跨境隐存因子中筛选出具有潜在高进入风险和定殖风险的隐存因子，作为隐存高危因子；数据处理后处理子模块(数据处理后处理)则针对隐存高危因子进行进入风险和定殖风险评估。

图6示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的风险评估模块的框图。如图6所示，风险评估模块140基于经数据清理模块120清理的基础数据、数据处理前处理子模块1310确定的多个跨境因子各自的进入风险和定殖风险、数据处理后处理子模块1320确定的跨境高危因子的进入风险和定殖风险并根据风险评价指标体系通过智能算法进行风险定性或定量评估，从而确定风险综合评价值，采用上述进入风险/定殖风险和风险综合评价值，或者三者选其一用于风险评估。作为一个具体实施方式，至少基于跨境因子进入可能性、定殖可能性与潜在损失程度确定多个跨境因子各自的进入风险和定殖风险；至少基于进入的频次和种群大小确定跨境高危因子的进入风险；至少基于适生性分析的空间范围和程度确定的跨境高危因子的定殖风险；至少基于跨境因子的分布状况、跨境因子的危害性、跨境因子的移动可能性、跨境因子的危害管理难度、和寄主的经济重要性确定风险评价指标体系。风险评估模块140还基于外部数据库和内部数据库的基础数据对风险评价指标体系确定量化指标，并根据确定的量化指标计算风险综合评价值，风险评估模块140通过查找内部数据库以确定内部数据库中是否存在跨境隐存高危因子的综合风险评价值，如果存在，则将内部数据库中的跨境隐存高危因子的综合风险评价值作为结果输出，例如，新的跨境因子具有与先前已经评价的跨境因子的数据相似，那么就可以自动判断该新的跨境因子的风险与已经评价的跨境因子的风险为相似风险。

图7示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的数据采集模块另一实施方式的框图。如图7所示，根据本申请的另一个实施方式，数据采集模块110还基于数据采集模块110采集的基础数据、数据清理模块120清理的基础数据、数据处理前处理子模块1310确定的多个跨境因子各自的进入风险和定殖风险、数据处理后处理子模块1320确定的跨境高危因子的进入风险和定殖风险、风险评估模块140确定的风险综合评价值中的一组或多组数据建立内部数据库。

图8示出根据本申请实施方式的跨境隐存高危因子风险智能分析系统中的可视化输出模块的框图。如图8所示，可视化输出模块150对数据清理模块120清理的基础数据、数据处理前处理子模块1310确定的多个跨境因子各自的进入风险和定殖风险、数据处理后处理子模块1320确定的跨境高危因子的进入风险和定殖风险或风险评估模块确定的风险综合评价值中的至少一个数值通过智能算法进行可视化输出。作为一个具体实施方式，可视化输出模块150通过地图软件进行可视化输出，或者可视化输出模块150能够向预先确定的决策者发送可视化输出结果。

在本说明书的描述中，参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例/方式或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本申请，而并非是对本申请的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本申请的范围内。