本成果依托2020年广东省普通高校特色创新项目(自然科学类),随着互联网技术的飞速发展和全球公共卫生事件的频发，新发突发传染病频发，基于互联网大数据的传染病监测预警技术成为传染病防控领域的研究热点，本成果在对公共卫生领域的实际需求和技术进步的结合的背景下进行研究的。本成果立足于国家治理体系和治理能力现代化建设，基于国内外传染病监测预警体系研究进展及实践经验，将新发传染病监测和“关口前移”作为研究目标，选取互联网症状搜索、医疗系统诊疗、传染病报告等多种数据作为研究对象，综合地理信息、气候环境、时空等因素，从理论层面解析多源异构数据对新发传染病监测的影响机理，分析不同数据之间的效应及影响因素，构建新发传染病监测的数学模型和原型系统。主|要研究内容：研究手足口病、新冠和腮腺炎等传染病的单变量和多变量模型进行研究、基于改进K-means聚类的协同过滤推荐算法以及小批量梯度下降方法的智能推荐模型研究。主要特色：①创造性：突破了传统传染病监测预警系统的局限性，实现了数据的实时、全面和高效处理。通过挖掘互联网大数据中的|有价值信息，该技术为传染病防控提供了新的思路和方法；②先进性：利用人工智能和机器学习等技术|,实现传染病监测预警的智能化；通过对多源数据的深度挖掘和分析，提高传染病监测预警的精准化程度：大数据技术能够实时处理海量数据，提高预警的时效性。主要建树：①本研究建立了手足口病和腮腺炎的单变量ARIMA按周预测和多变量LSTM按周预测模型，并应用于重庆疾控领域；②基于改进K-means聚类的协同过滤推荐算法研究；③小批量梯度下降方法的智能推荐模型研究；④研究成果以论文、专利的形式发布，已发表论文6篇，专利授权2项，获得计算机软件著作权1项。