CN107563929A - 一种基于人物特性分析的多维度警报器 - Google Patents
一种基于人物特性分析的多维度警报器 Download PDFInfo
- Publication number
- CN107563929A CN107563929A CN201710625067.8A CN201710625067A CN107563929A CN 107563929 A CN107563929 A CN 107563929A CN 201710625067 A CN201710625067 A CN 201710625067A CN 107563929 A CN107563929 A CN 107563929A
- Authority
- CN
- China
- Prior art keywords
- index
- personage
- early warning
- data
- training module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明适用于安全预警的技术领域，公开了一种基于人物特性分析的多维度警报器，包括离线训练模块和在线训练模块，且离线训练模块和在线训练模块均基于心理学模型进行人物特性指数获取，通过引入独特的心理学模型，对关注人员的语言文字、图片、音视频、转载贴、表情等数据进行分析，得出该人员是否有情绪压抑、冒险敢为等性格再根据回归公式计算出该人员的犯罪指数，判别是否需要预警，此外还根据事实的反馈学习机制对各人物特性指数进行实时调整，使计算公式更加真实可靠，预警更加及时和可靠，能更好的实现多维度的预警。
Description
【技术领域】
本发明涉及安全预警的技术领域，特别涉及一种基于人物特性分析的多维度警报器。
【背景技术】
情感是态度这一整体中的一部分，它与态度中的内向感受、意向具有协调一致性，是态度在生理上一种较复杂而又稳定的生理评价和体验。人的情感中往往隐含着一些行为的倾向，通过分析人的情感我们能预测出他接下来可能做出的一些行为，这也让公共安全预警多了一种新的方法。之前的预警方法主要都是通过语言文本分析，或是视频行为分析来进行人员的行为预警，而且预警的方向较为单一，不能够全面且及时地对人物特性进行分析。为改善预警效果，增强预警的可靠性，有必要提出一种基于人物特性分析的多维度警报器。
【发明内容】
本发明的目的在于克服上述现有技术的不足，提供一种基于人物特性分析的多维度警报器，通过引入独特的心理学模型，对关注人员的语言文字、图片、音视频、转载贴、表情等数据进行分析，得出该人员是否有情绪压抑、冒险敢为等性格，再根据回归公式计算出该人员的犯罪指数，判别是否需要预警，并引入反馈学习机制又使计算的公式更加的真实可靠，更好的实现多维度的预警，其旨在解决现有技术中预警方法主要都是通过语言文本分析，或是视频行为分析来进行人员的行为预警，预警的方向较为单一，不能够全面且及时地对人物特性进行分析的技术问题。
为实现上述目的，本发明提出了一种基于人物特性分析的多维度警报器，包括离线训练模块和在线训练模块，所述的离线训练模块和在线训练模块均基于心理学模型进行人物特性指数的提取，
所述的离线训练模块对人物特性指数的提取步骤如下：
S1.1、从网络上获取关注人员发布和浏览的信息数据；
S1.2、对获取到的数据进行预处理整理，再进行分离分类；
S1.3、对每类中的所有数据进行标记处理；
S1.4、根据所标记的数据训练深度神经网络得到心理学模型，通过心理学模型得到人物特性指数；
所述的在线训练模块对人物特性指数的提取并预警的步骤如下：
S2.1、从网络上实时获取关注人员发布和浏览的信息数据；
S2.2、对获取到的数据进行预处理整理，再进行分离分类；
S2.3、每类数据采用离线训练模块中训练深度神经网络所得到心理学模型获取人物特性指数；
S2.4、根据人物特性指数采用相关情感计算公式获得人物特性的危险指数；
S2.5、根据危险指数判断是否需要预警，如果不需要预警，则取消预警，并重新回归步骤S2.4，获取最新的人物特性危险指数；如果需要预警，则发出相应的预警，同样重新回归步骤S2.4，获取最新的人物特性危险指数。
作为优选，所述的S1.1和S2.1中关注人员发布和浏览的信息数据的获取渠道包括微信、微博、朋友圈，信息数据包括文本、视频、图像、表情、转载贴数据。
作为优选，所述的S1.2和S2.2中数据分类后的类别包括文字、图片、视频、音频、网络标签、个性签名，所述的S1.2和S2.2中预处理整理包括去噪处理。
作为优选，所述的S1.3中标记方法包括：
a)、对文本数据采用关键词聚类标记法：采用心理学模型提取出文本数据的关键指标，提取文本中的词汇，建立词库，通过计算文本与词库中的词语的距离给文本打上标记；
b)、对非结构化数据通过数据关联标记：对同一人物特性的文本数据和非结构化数据进行关联处理，通过文本数据的标记对非结构化数据进行自动标记；
c)、人为标记法标记：由心理学专业人士对数据进行标记。
作为优选，所述的a)中文本数据包括文字、网络标签、个性签名，b)中非结构化数据包括图片、视频、音频，非结构化数据在关联处理之前先通过深度学习法提取特征。
作为优选，所述的S1.4和S2.3中以恐怖袭击预警为例，人物特性指数包括情绪压抑指数、冒险敢为指数、自我实现需求指数、恐怖性信息/政治性信息侵染指数、宗教狂热指数、心理失衡指数，S2.3中情绪压抑指数、冒险敢为指数、自我实现需求指数、恐怖性信息/政治性信息侵染指数、宗教狂热指数、心理失衡指数的初值是采用离线训练模块中得到的心理学模型在在线训练模块中训练获得，且情绪压抑指数、冒险敢为指数、自我实现需求指数、恐怖性信息/政治性信息侵染指数、宗教狂热指数、心理失衡指数的后续取值根据预警结果的可靠程度进行实时调整。
作为优选，所述的S2.4中以恐怖袭击预警为例，情感计算公式为：恐怖袭击指数＝α1情绪压抑指数+α2冒险敢为指数+α3自我实现需求指数+α4恐怖性信息/政治性信息侵染指数+α5宗教狂热指数+α6心理失衡指数，α1、α2、α3、α4、α5、α6的初值由心理学模型在在线模块中训练获得，后续数值根据预警结果的可靠程度进行实时调整。
作为优选，所述的多维度警报器能够对恐怖袭击预警、公共危险预警、自杀倾向预警、舆情危机预警、涉毒预警、涉赌预警、涉黄预警。
本发明的有益效果：与现有技术相比，本发明提供的一种基于人物特性分析的多维度警报器，包括离线训练模块和在线训练模块，且离线训练模块和在线训练模块均基于心理学模型进行人物特性指数获取，通过引入独特的心理学模型，对关注人员的语言文字、图片、音视频、转载贴、表情等数据进行分析，得出该人员是否有情绪压抑、冒险敢为等性格再根据回归公式计算出该人员的犯罪指数，判别是否需要预警，此外还根据事实的反馈学习机制对各人物特性指数进行实时调整，使计算的公式更加的真实可靠，预警更加及时和可靠，能更好的实现多维度的预警。
本发明的特征及优点将通过实施例结合附图进行详细说明。
【附图说明】
图1是本发明实施例的离线训练模块提取人物特性指数的流程示意图；
图2是本发明实施例的在线训练模块对人物特性指数的提取并预警的流程图。
【具体实施方式】
为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
本发明提供一种基于人物特性分析的多维度警报器，包括离线训练模块和在线训练模块，所述的离线训练模块和在线训练模块均基于心理学模型进行人物特性指数的提取，本发明一种基于人物特性分析的多维度警报器，能够对恐怖袭击预警、公共危险预警、自杀倾向预警、舆情危机预警、涉毒预警、涉赌预警、涉黄预警等。
本发明实施例以恐怖袭击预警为例：
先由离线训练模块对人物特性指数进行提取，获取情绪压抑指数、冒险敢为指数、自我实现需求指数、恐怖性信息/政治性信息侵染指数、宗教狂热指数、心理失衡指数等人物特性指数，离线训练模块对人物特性指数的提取步骤如下：
S1.1、从微信、微博、朋友圈等网络上获取关注人员发布和浏览的信息数据，包括文本、视频、图像、表情、转载贴等数据。
S1.2、对获取到的数据进行预处理整理，包括去噪处理，再进行分离分类，分类包括文字、图片、视频、音频、网络标签、个性签名。
S1.3、对每类中的所有数据进行标记处理，标记方法包括：
a)、对文本数据包括文字、网络标签、个性签名等采用关键词聚类标记法：采用心理学模型提取出文本数据的关键指标，提取文本中的词汇，建立词库，通过计算文本与词库中的词语的距离给文本打上标记。
b)、对非结构化数据包括图片、视频、音频等通过数据关联标记：对同一人物特性的文本数据和非结构化数据进行关联处理，通过文本数据的标记对非结构化数据进行自动标记。
c)、人为标记法标记：由心理学专业人士对数据进行标记。
S1.4、根据所标记的数据训练深度神经网络得到心理学模型，通过心理学模型得到人物特性指数。
数据首次标记可由心理学专业人士进行标记，待训练深度神经网络得到心理学模型后，可由心理学模型进行数据标记。b)中非结构化数据先通过深度学习法提取特征，再对同一人物特性的文本数据标记和非结构化数据特征进行关联，通过文本数据的标记对非结构化数据进行自动标记，实现非结构化数据的标记。
经过离线训练模块得到心理学模型以及人物特性各指数后，再由在线训练模根据心理学模型实时对各人物特性指数的系数进行提取并预警，具体步骤如下：
S2.1、从微信、微博、朋友圈等网络上实时获取关注人员发布和浏览的信息数据，包括文本、视频、图像、表情、转载贴等数据。
S2.2、对获取到的数据进行预处理整理，包括去噪处理，再进行分离分类，分类包括文字、图片、视频、音频、网络标签、个性签名。
S2.3、每类数据采用离线训练模块中训练深度神经网络所得到心理学模型获取人物特性指数。
S2.4、根据人物特性指数采用相关情感计算公式获得人物特性的危险指数，情感计算公式为：恐怖袭击指数＝α1情绪压抑指数+α2冒险敢为指数+α3自我实现需求指数+α4恐怖性信息/政治性信息侵染指数+α5宗教狂热指数+α6心理失衡指数，其中，α1、α2、α3、α4、α5、α6的初值由心理学模型确定，后续数值根据预警结果的可靠程度进行实时调整。
S2.5、根据危险指数判断是否需要预警，如果不需要预警，则取消预警，并重新回归步骤S2.4，获取最新的人物特性危险指数；如果需要预警，则发出相应的预警，同样重新回归步骤S2.4，获取最新的人物特性危险指数。
本发明一种基于人物特性分析的多维度警报器，包括离线训练模块和在线训练模块，且离线训练模块和在线训练模块均基于心理学模型进行人物特性指数获取，通过引入独特的心理学模型，对关注人员的语言文字、图片、音视频、转载贴、表情等数据进行分析，得出该人员是否有情绪压抑、冒险敢为等性格再根据回归公式计算出该人员的犯罪指数，判别是否需要预警，此外还根据事实的反馈学习机制对各人物特性指数进行实时调整，使计算的公式更加的真实可靠，预警更加及时和可靠，能更好的实现多维度的预警，能够对恐怖袭击、公共危险、自杀倾向、舆情危机、涉毒、涉赌、涉黄等进行预警，有助于提高公共安全。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于人物特性分析的多维度警报器，其特征在于：包括离线训练模块和在线训练模块，所述的离线训练模块和在线训练模块均基于心理学模型进行人物特性指数的提取，
所述的离线训练模块对人物特性指数的提取步骤如下：
S1.1、从网络上获取关注人员发布和浏览的信息数据；
S1.2、对获取到的数据进行预处理整理，再进行分离分类；
S1.3、对每类中的所有数据进行标记处理；
S1.4、根据所标记的数据训练深度神经网络得到心理学模型，通过心理学模型得到人物特性指数；
所述的在线训练模块对人物特性指数的提取并预警的步骤如下：
S2.1、从网络上实时获取关注人员发布和浏览的信息数据；
S2.2、对获取到的数据进行预处理整理，再进行分离分类；
S2.3、每类数据采用离线训练模块中训练深度神经网络所得到心理学模型获取人物特性指数；
S2.4、根据人物特性指数采用相关情感计算公式获得人物特性的危险指数；
S2.5、根据危险指数判断是否需要预警，如果不需要预警，则取消预警，并重新回归步骤S2.4，获取最新的人物特性危险指数；如果需要预警，则发出相应的预警，同样重新回归步骤S2.4，获取最新的人物特性危险指数。
2.如权利要求1所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的S1.1和S2.1中关注人员发布和浏览的信息数据的获取渠道包括微信、微博、朋友圈，信息数据包括文本、视频、图像、表情、转载贴数据。
3.如权利要求1所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的S1.2和S2.2中数据分类后的类别包括文字、图片、视频、音频、网络标签、个性签名，所述的S1.2和S2.2中预处理整理包括去噪处理。
4.如权利要求1所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的S1.3中标记方法包括：
a)、对文本数据采用关键词聚类标记法：采用心理学模型提取出文本数据的关键指标，提取文本中的词汇，建立词库，通过计算文本与词库中的词语的距离给文本打上标记；
b)、对非结构化数据通过数据关联标记：对同一人物特性的文本数据和非结构化数据进行关联处理，通过文本数据的标记对非结构化数据进行自动标记；
c)、人为标记法标记：由心理学专业人士对数据进行标记。
5.如权利要求4所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的a)中文本数据包括文字、网络标签、个性签名，b)中非结构化数据包括图片、视频、音频，非结构化数据在关联处理之前先通过深度学习法提取特征。
6.如权利要求1所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的S1.4和S2.3中以恐怖袭击预警为例，人物特性指数包括情绪压抑指数、冒险敢为指数、自我实现需求指数、恐怖性信息/政治性信息侵染指数、宗教狂热指数、心理失衡指数，S2.3中情绪压抑指数、冒险敢为指数、自我实现需求指数、恐怖性信息/政治性信息侵染指数、宗教狂热指数、心理失衡指数的初值是采用离线训练模块中得到的心理学模型在在线训练模块中训练获得，且情绪压抑指数、冒险敢为指数、自我实现需求指数、恐怖性信息/政治性信息侵染指数、宗教狂热指数、心理失衡指数的后续取值根据预警结果的可靠程度进行实时调整。
7.如权利要求1和6任意一项所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的S2.4中以恐怖袭击预警为例，情感计算公式为：恐怖袭击指数＝α1情绪压抑指数+α2冒险敢为指数+α3自我实现需求指数+α4恐怖性信息/政治性信息侵染指数+α5宗教狂热指数+α6心理失衡指数，α1、α2、α3、α4、α5、α6的初值由心理学模型在在线模块中训练获得，后续数值根据预警结果的可靠程度进行实时调整。
8.如权利要求1所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的多维度警报器能够对恐怖袭击预警、公共危险预警、自杀倾向预警、舆情危机预警、涉毒预警、涉赌预警、涉黄预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710625067.8A CN107563929A (zh) | 2017-07-27 | 2017-07-27 | 一种基于人物特性分析的多维度警报器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710625067.8A CN107563929A (zh) | 2017-07-27 | 2017-07-27 | 一种基于人物特性分析的多维度警报器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107563929A true CN107563929A (zh) | 2018-01-09 |
Family
ID=60974916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710625067.8A Pending CN107563929A (zh) | 2017-07-27 | 2017-07-27 | 一种基于人物特性分析的多维度警报器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107563929A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113837859A (zh) * | 2021-08-25 | 2021-12-24 | 天元大数据信用管理有限公司 | 一种小微企业画像构建方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104899335A (zh) * | 2015-06-25 | 2015-09-09 | 四川友联信息技术有限公司 | 一种对网络舆情信息进行情感分类的方法 |
| CN105138570A (zh) * | 2015-07-26 | 2015-12-09 | 吉林大学 | 网络言论数据疑似犯罪度计算方法 |
| US20150356623A1 (en) * | 2014-06-09 | 2015-12-10 | Korea Advanced Institute Of Science And Technology | System And Method For Recommending Customized Tourism Content Based On Collecting And Structurizing Of Unstructured Tourism Data |
| CN106202047A (zh) * | 2016-07-15 | 2016-12-07 | 国家计算机网络与信息安全管理中心 | 一种基于微博文本的人物性格刻画方法 |
| CN106295565A (zh) * | 2016-08-10 | 2017-01-04 | 中用环保科技有限公司 | 基于大数据的监控事件识别及实时犯罪预测方法 |
| CN106844636A (zh) * | 2017-01-21 | 2017-06-13 | 亚信蓝涛（江苏）数据科技有限公司 | 一种基于深度学习的非结构化数据处理方法 |
-
2017
- 2017-07-27 CN CN201710625067.8A patent/CN107563929A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150356623A1 (en) * | 2014-06-09 | 2015-12-10 | Korea Advanced Institute Of Science And Technology | System And Method For Recommending Customized Tourism Content Based On Collecting And Structurizing Of Unstructured Tourism Data |
| CN104899335A (zh) * | 2015-06-25 | 2015-09-09 | 四川友联信息技术有限公司 | 一种对网络舆情信息进行情感分类的方法 |
| CN105138570A (zh) * | 2015-07-26 | 2015-12-09 | 吉林大学 | 网络言论数据疑似犯罪度计算方法 |
| CN106202047A (zh) * | 2016-07-15 | 2016-12-07 | 国家计算机网络与信息安全管理中心 | 一种基于微博文本的人物性格刻画方法 |
| CN106295565A (zh) * | 2016-08-10 | 2017-01-04 | 中用环保科技有限公司 | 基于大数据的监控事件识别及实时犯罪预测方法 |
| CN106844636A (zh) * | 2017-01-21 | 2017-06-13 | 亚信蓝涛（江苏）数据科技有限公司 | 一种基于深度学习的非结构化数据处理方法 |
Non-Patent Citations (3)
| Title |
|---|
| PETE BURNAP ET AL: "Tweeting the terror: modelling the social media reaction to the Woolwich terrorist attack", 《SOCIAL NETWORK ANALYSIS & MINING》 * |
| 刘林: "面向论坛文本的大学生情绪识别研究", 《万方学位论文》 * |
| 赵桂芬: "个体恐怖分子的人格探究", 《中国人民公安大学学报（社会科学版）》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113837859A (zh) * | 2021-08-25 | 2021-12-24 | 天元大数据信用管理有限公司 | 一种小微企业画像构建方法 |
| CN113837859B (zh) * | 2021-08-25 | 2024-05-14 | 天元大数据信用管理有限公司 | 一种小微企业画像构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10706329B2 (en) | Methods for explainability of deep-learning models | |
| US20200105267A1 (en) | Processing speech signals in voice-based profiling | |
| Harwath et al. | Learning word-like units from joint audio-visual analysis | |
| Cummins et al. | Enhancing speech-based depression detection through gender dependent vowel-level formant features | |
| KR20220024217A (ko) | 음성 속성의 머신 러닝을 위한 시스템 및 방법 | |
| CN106919661A (zh) | 一种情感类型识别方法及相关装置 | |
| WO2019242155A1 (zh) | 基于声音识别的健康管理方法、装置和计算机设备 | |
| CN103531206B (zh) | 一种结合局部与全局信息的语音情感特征提取方法 | |
| CN108985813A (zh) | 广告编入装置和广告编入方法 | |
| CN113035232B (zh) | 一种基于语音识别的心理状态预测系统、方法及装置 | |
| Srivastava et al. | Deception detection using artificial neural network and support vector machine | |
| CN109086455A (zh) | 一种语音识别库的构建方法及学习设备 | |
| CN107563929A (zh) | 一种基于人物特性分析的多维度警报器 | |
| An et al. | Mental health detection from speech signal: A convolution neural networks approach | |
| US20140074478A1 (en) | System and method for digitally replicating speech | |
| Siegert et al. | Investigating the form-function-relation of the discourse particle “hm” in a naturalistic human-computer interaction | |
| Alshdaifat | The formation of nominal derivatives in the Arabic language with a view to computational linguistics | |
| Kadiri et al. | Discriminating neutral and emotional speech using neural networks | |
| Das et al. | A deep learning model for depression detection based on MFCC and CNN generated spectrogram features | |
| Mahmood et al. | Artificially intelligent recognition of Arabic speaker using voice print-based local features | |
| Stupavský et al. | A study of media texts in the Slovak language | |
| Harper et al. | The Johnny Depp and Amber Heard case in news media: a critical discourse analysis | |
| Truong et al. | An ‘open-set’detection evaluation methodology for automatic emotion recognition in speech | |
| CN111081261A (zh) | 一种基于lda的文本无关声纹识别方法 | |
| Qazi et al. | Sentiment analysis of nationwide lockdown amid COVID 19: evidence from Pakistan |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180109 |
|
| RJ01 | Rejection of invention patent application after publication |