基于捐精合格率的捐精者禁欲天数确定方法和装置

摘要

本申请涉及一种基于捐精合格率的捐精者禁欲天数确定方法和装置。所述方法包括：对精子库中历史捐精者每次捐精行为对应的初始参数分别进行权重配置，得到目标参数；根据每次捐精行为对应的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为各自对应的标记参数；基于多次捐精行为各自对应的标记参数，训练得到目标合格率预测模型；将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自对应的捐精合格率，将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。采用本方法能够提高禁欲天数指导数据的准确性。

说明书

技术领域

本申请涉及计算机技术领域，特别是涉及一种基于捐精合格率的捐精者禁欲天数确定方法和装置。

背景技术

在精子库的构建过程中，对每一个新的捐精者均配置3次捐精机会，3次捐精机会中只要有一次捐精质量达标，即可成为合格供精者。对于捐精质量虽不达标，但非严重不达标的捐精者，在3次捐精机会以内，提供下一次的捐精机会，并给捐精者提供相应的捐精指导以提高捐精合格率。

由于针对不同的捐精者，其捐精行为的参数数据量较少，对于计算机而言，难以基于少量的参数为捐精者提供合适的禁欲天数指导数据，存在指导数据准确性较低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高禁欲天数指导数据准确性的基于捐精合格率的捐精者禁欲天数确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种基于捐精合格率的捐精者禁欲天数确定方法。所述方法包括：

对精子库中历史捐精者每次捐精行为对应的初始参数分别进行权重配置，得到目标参数，初始参数中至少包括捐精者的禁欲天数与捐精合格评估参数；

根据每次捐精行为对应的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为各自对应的标记参数；

基于多次捐精行为各自对应的标记参数，训练得到目标合格率预测模型；

将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自对应的捐精合格率，将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。

在其中一个实施例中，每次捐精行为均对应多个初始参数，每一初始参数均对应一种参数类型，对精子库中历史捐精者每次捐精行为对应的初始参数分别进行权重配置，得到目标参数包括：

对各初始参数进行统计分析，获得每种参数类型各自对应的多个统计值；

对各初始参数进行相关性分析，获得多种参数类型之间的相关系数；

基于统计值与相关系数，对各初始参数分别进行权重配置，得到每次捐精行为对应的更新参数；

对更新参数分别进行参数过滤，得到每次捐精行为对应的目标参数。

在其中一个实施例中，对更新参数分别进行参数过滤，得到每次捐精行为对应的目标参数包括：

将每次捐精行为对应的更新参数中数值为空的更新参数去除，获得初步参数过滤结果；

将初步参数过滤结果中数值异常的更新参数去除，获得每次捐精行为对应的目标参数。

在其中一个实施例中，根据每次捐精行为对应的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记包括：

针对每次捐精行为对应的目标参数，当目标参数中的多个捐精合格评估参数均满足各自对应的合格条件时，将满足合格条件的多个捐精合格评估参数对应的捐精行为，确定为合格捐精行为；

将合格捐精行为对应的目标参数均标记为捐精合格。

在其中一个实施例中，基于多次捐精行为各自对应的标记参数，训练得到目标合格率预测模型包括：

将多次捐精行为各自对应的标记参数，输入多个备选合格率预测模型，以从多个备选合格率预测模型中筛选满足预测条件的初始合格率预测模型；

基于多次捐精行为各自对应的标记参数，对初始合格率预测模型进行迭代优化，获得目标合格率预测模型。

在其中一个实施例中，将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自对应的捐精合格率包括：

将当前捐精者在当前捐精行为对应的初始参数输入目标合格率预测模型，获得当前捐精者在下一次捐精行为的捐精合格率，当前捐精者在当前捐精行为对应的初始参数中至少包括当前捐精者的当前禁欲天数；

在目标合格率预测模型中，将当前捐精者的当前禁欲天数依次调整为多个备选禁欲天数，以对当前捐精者在下一次捐精行为的捐精合格率进行调整，获得各备选禁欲天数各自对应的捐精合格率。

第二方面，本申请还提供了一种基于捐精合格率的捐精者禁欲天数确定装置。所述装置包括：

目标参数获得模块，用于对精子库中历史捐精者每次捐精行为对应的初始参数分别进行权重配置，得到目标参数，初始参数中至少包括捐精者的禁欲天数与捐精合格评估参数；

标记参数获得模块，用于根据每次捐精行为对应的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为各自对应的标记参数；

合格率预测模型获得模块，用于基于多次捐精行为各自对应的标记参数，训练得到目标合格率预测模型；

目标禁欲天数确定模块，用于将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自对应的捐精合格率，将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

对精子库中历史捐精者每次捐精行为对应的初始参数分别进行权重配置，得到目标参数，初始参数中至少包括捐精者的禁欲天数与捐精合格评估参数；

根据每次捐精行为对应的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为各自对应的标记参数；

基于多次捐精行为各自对应的标记参数，训练得到目标合格率预测模型；

将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自对应的捐精合格率，将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。

第四方面，本申请还提供了一种计算机可读存储介质。所述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以下步骤：

对精子库中历史捐精者每次捐精行为对应的初始参数分别进行权重配置，得到目标参数，初始参数中至少包括捐精者的禁欲天数与捐精合格评估参数；

根据每次捐精行为对应的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为各自对应的标记参数；

基于多次捐精行为各自对应的标记参数，训练得到目标合格率预测模型；

将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自对应的捐精合格率，将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

对精子库中历史捐精者每次捐精行为对应的初始参数分别进行权重配置，得到目标参数，初始参数中至少包括捐精者的禁欲天数与捐精合格评估参数；

根据每次捐精行为对应的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为各自对应的标记参数；

基于多次捐精行为各自对应的标记参数，训练得到目标合格率预测模型；

将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自对应的捐精合格率，将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。

上述基于捐精合格率的捐精者禁欲天数确定方法、装置、计算机设备、存储介质和计算机程序产品，先对精子库中历史捐精者每次捐精行为的初始参数分别进行权重配置，得到目标参数，其中，初始参数中至少包括捐精者的禁欲天数与捐精合格评估参数，再根据每次捐精行为的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为的标记参数，再基于多次捐精行为的标记参数，训练得到目标合格率预测模型，即基于精子库中的大量历史数据得到目标合格率预测模型，可以确保目标合格率预测模型所输出预测值的准确性，再将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自的捐精合格率，将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。整个过程中，基于精子库中的大量历史数据以及当前捐精者的参数，可以准确获得针对当前捐精者的禁欲天数指导数据，从而能够提高禁欲天数指导数据的准确性。

附图说明

图1为一个实施例中基于捐精合格率的捐精者禁欲天数确定方法的流程示意图；

图2为一个实施例中展示禁欲天数指导数据的页面窗口示意图；

图3为另一个实施例中基于捐精合格率的捐精者禁欲天数确定方法的流程示意图；

图4为一个实施例中基于捐精合格率的捐精者禁欲天数确定装置的结构框图；

图5为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，如图1所示，提供了一种基于捐精合格率的捐精者禁欲天数确定方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：

步骤102，对精子库中历史捐精者每次捐精行为对应的初始参数分别进行权重配置，得到目标参数，初始参数中至少包括捐精者的禁欲天数与捐精合格评估参数。

其中，每次捐精行为均对应多个初始参数，每次捐精行为对应的初始参数可以包括精液量、禁欲天数、精子密度与精子活力。每次捐精行为均对应多个捐精合格评估参数，捐精合格评估参数可以包括精子密度与精子活力。

可选地，服务器可以先确定每一初始参数的权重配置方式，在获取历史捐精者每次捐精行为对应的初始参数后，根据初始参数的权重配置方式，对初始参数分别进行权重配置，将各初始参数均转换为配置有相应权重的目标参数。

示例性地，服务器可以将获取的历次捐精行为对应的初始参数存储于原始数据集中，通过对原始数据集中的初始参数分别进行权重配置，得到目标参数以及由目标参数构建的目标数据集。

步骤104，根据每次捐精行为对应的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为各自对应的标记参数。

其中，标记参数为携带有捐精合格标记或者捐精不合格标记的目标参数。

可选地，服务器可以根据每次捐精行为对应的捐精合格评估参数，对每次捐精行为是否合格进行判断，得到每次捐精行为的判断结果，并基于每次捐精行为的判断结果，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为各自对应的标记参数。

示例性地，服务器可以通过对目标数据集中的目标参数是否合格，分别进行标记，得到标记参数以及由标记参数构建的标记数据集。

步骤106，基于多次捐精行为各自对应的标记参数，训练得到目标合格率预测模型。

可选地，服务器可以将标记参数所构建的标记数据集，输入合格率预测模型训练框架，以基于多次捐精行为各自对应的标记参数，对合格率预测模型训练框架中的多个合格率预测模型进行迭代训练，直至得到目标合格率预测模型。

步骤108，将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自对应的捐精合格率，将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。

其中，满足筛选条件表征：该备选禁欲天数所对应的捐精合格率，是各备选禁欲天数所对应捐精合格率中最高的。

可选地，服务器可以将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自对应的捐精合格率，并对各备选禁欲天数各自对应的捐精合格率进行对比，获得捐精合格率对比结果，以基于捐精合格率对比结果，从各备选禁欲天数中，筛选出捐精合格率满足筛选条件的备选禁欲天数，并将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数，以将目标禁欲天数作为准确的指导数据。

上述基于捐精合格率的捐精者禁欲天数确定方法中，先对精子库中历史捐精者每次捐精行为的初始参数分别进行权重配置，得到目标参数，其中，初始参数中至少包括捐精者的禁欲天数与捐精合格评估参数，再根据每次捐精行为的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为的标记参数，再基于多次捐精行为的标记参数，训练得到目标合格率预测模型，即基于精子库中的大量历史数据得到目标合格率预测模型，可以确保目标合格率预测模型所输出预测值的准确性，再将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自的捐精合格率，将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。整个过程中，基于精子库中的大量历史数据以及当前捐精者的参数，可以准确获得针对当前捐精者的禁欲天数指导数据，从而能够提高禁欲天数指导数据的准确性。

在其中一个实施例中，每次捐精行为均对应多个初始参数，每一初始参数均对应一种参数类型，对精子库中历史捐精者每次捐精行为对应的初始参数分别进行权重配置，得到目标参数包括：

对各初始参数进行统计分析，获得每种参数类型各自对应的多个统计值；

对各初始参数进行相关性分析，获得多种参数类型之间的相关系数；

基于统计值与相关系数，对各初始参数分别进行权重配置，得到每次捐精行为对应的更新参数；

对更新参数分别进行参数过滤，得到每次捐精行为对应的目标参数。

其中，每种参数类型各自对应的多个统计值具体可以为：每种参数类型的最小值、最大值、均值与标准差。

可选地，服务器可以通过对各初始参数进行统计分析，获得每种参数类型各自对应的多个统计值，再基于相关系数函数，对各初始参数进行相关性分析，获得多种参数类型之间的相关系数，然后，通过回归算法，基于统计值与相关系数，确定每种参数类型所对应的权重，以基于每种参数类型所对应的权重，对各初始参数分别进行权重配置，得到每次捐精行为对应的更新参数，再对更新参数分别进行参数过滤，得到每次捐精行为对应的目标参数。其中，相关系数函数可以为Pandas的corr算法函数，回归算法可以为Lasso算法。

示例性地，以每次捐精行为所对应初始参数中的精液量、禁欲天数、精子密度与精子活力为例进行说明，服务器可以先确定精液量、禁欲天数、精子密度与精子活力这四种参数类型，并通过回归算法，基于统计值与相关系数，确定每种参数类型所对应的权重，从而对每次捐精行为中精液量、禁欲天数、精子密度与精子活力各自的权重分别进行配置。

本实施例中，通过对每次捐精行为所对应初始参数的权重分别进行配置，实现了将每种初始参数对捐精合格率的影响程度进行分层，然后，基于同样配置有相应权重的标记参数训练得到目标合格率预测模型，能够提高目标合格率预测模型的预测准确率，以便提供准确的禁欲天数指导数据。

在其中一个实施例中，对更新参数分别进行参数过滤，得到每次捐精行为对应的目标参数包括：

将每次捐精行为对应的更新参数中数值为空的更新参数去除，获得初步参数过滤结果；

将初步参数过滤结果中数值异常的更新参数去除，获得每次捐精行为对应的目标参数。

其中，数值异常表征该参数明显不符合常规的精液检查数值(并非数值为空)。

可选地，服务器可以先将每次捐精行为对应的更新参数中数值为空的更新参数去除，获得初步参数过滤结果，再构建初步参数过滤结果中各更新参数的数据分布图，基于数据分布图，将初步参数过滤结果中数值异常的更新参数去除，获得每次捐精行为对应的目标参数。其中，数据分布图可以用于很直观地从大量数据中找出异常数据。

本实施例中，通过对更新参数进行参数过滤，能够避免非正常的数据对后续的模型训练过程造成干扰，能够提高目标合格率预测模型的预测准确率，以便提供准确的禁欲天数指导数据。

在其中一个实施例中，根据每次捐精行为对应的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记包括：

针对每次捐精行为对应的目标参数，当目标参数中的多个捐精合格评估参数均满足各自对应的合格条件时，将满足合格条件的多个捐精合格评估参数对应的捐精行为，确定为合格捐精行为；

将合格捐精行为对应的目标参数均标记为捐精合格。

其中，以捐精合格评估参数中精子密度与精子活力各自对应的合格条件为例进行说明，当某次捐精行为对应的精子密度大于或等于60×10

可选地，针对每次捐精行为对应的目标参数，服务器可以对目标参数中的多个捐精合格评估参数依次进行判断，判断各捐精合格评估参数是否满足各自的合格条件，当目标参数中的多个捐精合格评估参数均满足各自对应的合格条件时，将满足合格条件的多个捐精合格评估参数对应的捐精行为，确定为合格捐精行为，并将合格捐精行为对应的目标参数均标记为捐精合格。

示例性地，以捐精合格评估参数由精子密度与精子活力组成为例进行说明，针对每次捐精行为对应的目标参数，服务器可以先对目标参数中的精子密度是否满足密度合格条件进行判断，当精子密度满足密度合格条件时，将该捐精行为对应的目标参数均标记为密度合格，否则，标记为密度不合格。然后，对目标参数中的精子活力是否满足活力合格条件进行判断，当精子活力满足活力合格条件时，将该捐精行为对应的目标参数均标记为活力合格，否则，标记为活力不合格。对同时满足密度合格条件与活力合格条件的捐精行为，将该捐精行为对应的目标参数均标记为捐精合格。

本实施例中，通过对每次捐精行为的目标参数是否合格进行标记，以便后续可以将目标参数作为训练模型的输入，将目标参数的标记作为训练模型的输出，从而可以提高训练所得的目标合格率预测模型的预测准确率，以便提供准确的禁欲天数指导数据。

在其中一个实施例中，基于多次捐精行为各自对应的标记参数，训练得到目标合格率预测模型包括：

将多次捐精行为各自对应的标记参数，输入多个备选合格率预测模型，以从多个备选合格率预测模型中筛选满足预测条件的初始合格率预测模型；

基于多次捐精行为各自对应的标记参数，对初始合格率预测模型进行迭代优化，获得目标合格率预测模型。

其中，满足预测条件表征：该备选合格率预测模型的预测效果最佳

可选地，服务器可以基于多种机器学习算法，构建不同的备选合格率预测模型，且每一备选合格率预测模型均对应一种机器学习算法。进一步的，服务器可以将标记参数所构建的标记数据集，输入由不同的备选合格率预测模型所构建的合格率预测模型训练框架，对多个备选合格率预测模型分别进行训练，获得每个备选合格率预测模型的预测效果。然后，基于预配置评估指标，对多个备选合格率预测模型的预测效果进行对比评估，以基于评估结果，从多个机器学习算法中筛选出预测效果最佳的算法，即从多个备选合格率预测模型中筛选预测效果最佳的初始合格率预测模型。最后，基于多次捐精行为各自对应的标记参数，对初始合格率预测模型进行迭代优化，获得目标合格率预测模型。

其中，预配置评估指标具体可以为四个回归评价指标：MSE(Mean Squared Error，均方误差)、RMSE(Root Mean Squard Error，均方根误差)、MAE(平均绝对误差)、R-Squared(决定系数)。

示例性地，在基于多次捐精行为各自对应的标记参数，对初始合格率预测模型进行迭代优化的过程中，服务器可以按照预配置的划分比例，将多次捐精行为各自对应的标记参数划分为训练集与测试集，并通过训练集与测试集，基于十折交叉算法，对基于目标算法所构建的模型(初始合格率预测模型)进行迭代训练与迭代优化，直至获得目标合格率预测模型。其中，预配置的划分比例具体可以为：按照9:1的比例将标记参数划分为训练集与测试集。十折交叉算法即十折交叉验证，可以用来测试算法模型的准确性。

可选地，用于构建不同备选合格率预测模型的机器学习算法包括但不限定于K邻近、极度随机多树、极端梯度提升、随机森林算法、自适应提升算法、极度随机树、梯度提升算法等。在本实施例中，多个机器学习算法中预测效果最佳的算法为随机森林算法。

示例性地，在确定基于随机森林算法构建的模型为初始合格率预测模型后，服务器可以在目标合格率模型的输出层后，增加转换算法层，以将目标合格率预测模型所预测的捐精合格概率(数值形式)，转换为文字表述。假设目标合格率预测模型输出的数值为46.07％，可以通过转换算法层，转换为文字表述“下次捐精合格概率为：46.07％”。

本实施例中，通过从多个机器学习算法中，筛选出预测效果最佳的算法，即从多个备选合格率预测模型中，筛选预测效果最佳的初始合格率预测模型，从而目标合格率预测模型，能够提高目标合格率预测模型的预测准确率，以便可以基于目标合格率预测模型，获得准确的禁欲天数指导数据。

在其中一个实施例中，将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自对应的捐精合格率包括：

将当前捐精者在当前捐精行为对应的初始参数输入目标合格率预测模型，获得当前捐精者在下一次捐精行为的捐精合格率，当前捐精者在当前捐精行为对应的初始参数中至少包括当前捐精者的当前禁欲天数；

在目标合格率预测模型中，将当前捐精者的当前禁欲天数依次调整为多个备选禁欲天数，以对当前捐精者在下一次捐精行为的捐精合格率进行调整，获得各备选禁欲天数各自对应的捐精合格率。

其中，多个备选禁欲天数可以结合精液自然变化规律选取，如1～7天。

可选地，服务器可以将当前捐精者在当前捐精行为对应的初始参数输入目标合格率预测模型，以预测当前捐精者在下一次捐精行为的捐精合格率，然后，在目标合格率预测模型中，自动将当前捐精者的当前禁欲天数依次调整为多个备选禁欲天数，以对当前捐精者在下一次捐精行为的捐精合格率进行调整，获得各备选禁欲天数各自对应的捐精合格率。进一步的，对各备选禁欲天数各自对应的捐精合格率进行对比，并将捐精合格率最高的备选禁欲天数，确定为捐精合格率满足筛选条件的备选禁欲天数，即将捐精合格率最高的备选禁欲天数确定为目标禁欲天数，即将目标禁欲天数作为当前捐精者在本次捐精行为结束后，下一捐精行为之前的禁欲天数指导数据。

示例性地，如图2所示，提供了一种展示禁欲天数指导数据的页面窗口示意图，通过上述基于捐精合格率的捐精者禁欲天数确定方法，服务器可以直观地向精子库工作人员展示所确定的目标禁欲天数、目标禁欲天数所对应的捐精合格率(下一次捐精行为的最高捐精合格率)。其中，图2中的浓度表征精子密度，PR百分率表征精子活力，体积表征精液量。

本实施例中，将能最大程度确保下一次捐精合格率最高的目标禁欲天数作为禁欲天数指导数据，能够尽可能地提高当前捐精者下一次捐精行为的合格率，同时，还能减少精子库与捐精者的成本支出。

在另一个实施例中，如图3所示，提供了另一种基于捐精合格率的捐精者禁欲天数确定方法的流程示意图，主要包括以下步骤：

步骤302，对各初始参数进行统计分析，获得每种参数类型各自对应的多个统计值，并对各初始参数进行相关性分析，获得多种参数类型之间的相关系数，基于统计值与相关系数，对各初始参数分别进行权重配置，得到每次捐精行为对应的更新参数；

步骤304，将每次捐精行为对应的更新参数中数值为空的更新参数去除，获得初步参数过滤结果，并将初步参数过滤结果中数值异常的更新参数去除，获得每次捐精行为对应的目标参数；

步骤306，针对每次捐精行为对应的目标参数，当目标参数中的多个捐精合格评估参数均满足各自对应的合格条件时，将满足合格条件的多个捐精合格评估参数对应的捐精行为，确定为合格捐精行为；

步骤308，将合格捐精行为对应的目标参数均标记为捐精合格，获得多次捐精行为各自对应的标记参数；

步骤310，将多次捐精行为各自对应的标记参数，输入多个备选合格率预测模型，以从多个备选合格率预测模型中筛选满足预测条件的初始合格率预测模型；

步骤312，基于多次捐精行为各自对应的标记参数，对初始合格率预测模型进行迭代优化，获得目标合格率预测模型；

步骤314，通过将当前捐精者在当前捐精行为的初始参数输入目标合格率预测模型，获得当前捐精者在下一次捐精行为的捐精合格率；

步骤316，在目标合格率预测模型中，将当前捐精者的当前禁欲天数依次调整为多个备选禁欲天数，以对当前捐精者在下一次捐精行为的捐精合格率进行调整，获得各备选禁欲天数各自对应的捐精合格率，并将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于捐精合格率的捐精者禁欲天数确定方法的基于捐精合格率的捐精者禁欲天数确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个基于捐精合格率的捐精者禁欲天数确定装置实施例中的具体限定可以参见上文中对于基于捐精合格率的捐精者禁欲天数确定方法的限定，在此不再赘述。

在一个实施例中，如图4所示，提供了一种基于捐精合格率的捐精者禁欲天数确定装置，包括：目标参数获得模块402、标记参数获得模块404、合格率预测模型获得模块406和目标禁欲天数确定模块408，其中：

目标参数获得模块402，用于对精子库中历史捐精者每次捐精行为对应的初始参数分别进行权重配置，得到目标参数，初始参数中至少包括捐精者的禁欲天数与捐精合格评估参数；

标记参数获得模块404，用于根据每次捐精行为对应的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为各自对应的标记参数；

合格率预测模型获得模块406，用于基于多次捐精行为各自对应的标记参数，训练得到目标合格率预测模型；

目标禁欲天数确定模块408，用于将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自对应的捐精合格率，将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。

上述基于捐精合格率的捐精者禁欲天数确定装置中，先对精子库中历史捐精者每次捐精行为的初始参数分别进行权重配置，得到目标参数，其中，初始参数中至少包括捐精者的禁欲天数与捐精合格评估参数，再根据每次捐精行为的捐精合格评估参数，对每次捐精行为的目标参数是否合格进行标记，获得多次捐精行为的标记参数，再基于多次捐精行为的标记参数，训练得到目标合格率预测模型，即基于精子库中的大量历史数据得到目标合格率预测模型，可以确保目标合格率预测模型所输出预测值的准确性，再将当前捐精者在当前捐精行为对应的初始参数与多个备选禁欲天数输入目标合格率预测模型，获得各备选禁欲天数各自的捐精合格率，将捐精合格率满足筛选条件的备选禁欲天数确定为目标禁欲天数。整个过程中，基于精子库中的大量历史数据以及当前捐精者的参数，可以准确获得针对当前捐精者的禁欲天数指导数据，从而能够提高禁欲天数指导数据的准确性。

在其中一个实施例中，目标参数获得模块还用于对各初始参数进行统计分析，获得每种参数类型各自对应的多个统计值，再对各初始参数进行相关性分析，获得多种参数类型之间的相关系数，然后，基于统计值与相关系数，对各初始参数分别进行权重配置，得到每次捐精行为对应的更新参数，最后，对更新参数分别进行参数过滤，得到每次捐精行为对应的目标参数。

在其中一个实施例中，基于捐精合格率的捐精者禁欲天数确定装置中还包括参数过滤模块，参数过滤模块用于将每次捐精行为对应的更新参数中数值为空的更新参数去除，获得初步参数过滤结果，然后，将初步参数过滤结果中数值异常的更新参数去除，获得每次捐精行为对应的目标参数。

在其中一个实施例中，标记参数获得模块还用于针对每次捐精行为对应的目标参数，当目标参数中的多个捐精合格评估参数均满足各自对应的合格条件时，将满足合格条件的多个捐精合格评估参数对应的捐精行为，确定为合格捐精行为，将合格捐精行为对应的目标参数均标记为捐精合格。

在其中一个实施例中，合格率预测模型获得模块还用于将多次捐精行为各自对应的标记参数，输入多个备选合格率预测模型，以从多个备选合格率预测模型中筛选满足预测条件的初始合格率预测模型，再基于多次捐精行为各自对应的标记参数，对初始合格率预测模型进行迭代优化，获得目标合格率预测模型。

在其中一个实施例中，目标禁欲天数确定模块还用于通过将当前捐精者在当前捐精行为对应的初始参数输入目标合格率预测模型，获得当前捐精者在下一次捐精行为的捐精合格率，然后，在目标合格率预测模型中，将当前捐精者的当前禁欲天数依次调整为多个备选禁欲天数，以对当前捐精者在下一次捐精行为的捐精合格率进行调整，获得各备选禁欲天数各自对应的捐精合格率。

上述基于捐精合格率的捐精者禁欲天数确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于捐精合格率的捐精者禁欲天数确定数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于捐精合格率的捐精者禁欲天数确定方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。