CN108874767B - 一种用于公安系统的四维模型智能比对系统及方法 - Google Patents
一种用于公安系统的四维模型智能比对系统及方法 Download PDFInfo
- Publication number
- CN108874767B CN108874767B CN201810417170.8A CN201810417170A CN108874767B CN 108874767 B CN108874767 B CN 108874767B CN 201810417170 A CN201810417170 A CN 201810417170A CN 108874767 B CN108874767 B CN 108874767B
- Authority
- CN
- China
- Prior art keywords
- case
- information
- model
- data model
- data
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种用于公安系统的四维模型智能比对系统及方法,其中所述系统包括:语义分析模块,其通过数据接口与外围接报信息数据库连接、分别与所述语义分析模块连接的语义分类词库和案件模型数据库、分别与所述案件模型数据库连接的模型对比模块和案件串并模块、同时与所述模型对比模块和案件串并模块连接的结果分析模块、与所述模型对比模块连接的作案特征数据库、与所述语义分类词库连接的词库更新模块,以及与所述作案特征数据库连接的作案特征数据库更新模块。本发明立足“大数据”思维,结合案件基本信息、现场勘验、初期侦查过程中掌握到的案情信息数据,进行“四维比对”,析出符合特征的前科人员,缩小侦查视线,为案件侦破提供支撑。
Description
技术领域
本发明涉及一种用于公安系统的四维模型智能比对系统及方法。
背景技术
公安系统在侦破案件时,通常会将新案件与以往案件进行比对,以找出符合案件相关特征的前科人员,从而缩小侦查范围,提高破案效率。现有技术中,公安系统通常采用传统的人工方式实现案件比对,即,办案人员接到一起案子后,会根据自己的办案经验和以往对自己管理辖区内前科人员的记忆,找出相似的案子。因此,这种比对往往依赖于办案人员的工作经验和能力,也往往会有一些主观的意识在其中,而且,相对于计算机,办案人员无法记住所有的前科人员的案件数据,因此,在没有采用案件数据模型的情况下,大多都是凭感觉和经验来查询犯罪嫌疑人的。
因此,近年来,办案人员也开始通过一些辅助软件,查询之前保存的案件数据模型,再进行人工比对,找出可能的嫌疑犯。然而,此类案件数据模型的建立,通常是采用人工阅读案件信息的方法实现的,即,办案人员收到接报案件后,逐条读取案件的文章内容,然后理解文章中的含义,再把案件的要素信息整理,归纳到案件数据模型,最后进行保存。这种方法既费事费力,效率低,又容易出错,更无法及时得到最新的案件信息(需要人工实时去查询),从而浪费了大量的警力。在案件高发时期,面对每天成千上百的案件,办案人员往往会力不从心,苦不堪言。
为此,目前市场上也出现了一些相关的语义分析系统,办案人员可利用这些系统生成案件数据模型。然而,这些现有的系统存在着各种弊端,例如,有些系统是不开源的,需要联网使用,这对于公安系统这种保密要求很高的行业是不适合的;有些系统的分析准确率不高,由于自然语言在各个层次上广泛存在着各种各样的歧义性或多义性,除了词的本意之外,很可能包含了某些其他隐含的语义,甚至会分析出毫无相关的结果,因此也不适合公安系统使用;还有一些系统对一些不常用词或者新出现的网络词语无法识别,也无法通过人工手动添加的方式来优化词库,系统可维护性扩展性差,为使用者带来了很多不便。
上述情况同时也造成了案件串并的不确定性,这是因为现有的案件串并多局限于刑事案件,而且串并所依赖的案件特征多是通过人工比对分析比较得到的,因此存在不确定性,从而导致串并结果不够准确,并且容易浪费大量的公安人力和物力。
发明内容
为了解决上述现有技术存在的问题,本发明旨在提供一种用于公安系统的四维模型智能比对系统及方法,以自动准确地分析出符合案件特征的前科人员,提高办案人员的工作效率和准确性,为案件侦破提供技术支撑。
本发明之一所述的一种用于公安系统的四维模型智能比对系统,其包括:
一语义分析模块,其获取预存在一外围的接报信息数据库中的案件的案情信息数据,并根据一预设的语义分类词库对所述案件的案情信息数据进行解析分类,以生成对应的案件数据模型,并将其保存至一案件模型数据库;
一模型对比模块,其将所述案件模型数据库中的单个案件数据模型与预存在一作案特征数据库中的前科人员作案数据模型进行比对,并计算该案件数据模型与前科人员作案数据模型之间的相似度,按照相似度从高到低选择前N个所述前科人员作案数据模型,以获得包含在所述前N个前科人员作案数据模型中的前科人员基本信息;
一案件串并模块,其根据预设的筛选条件在所述案件模型数据库中选择对应的案件数据模型,并将选出的所述案件数据模型与在预设时间段内生成的案件数据模型相互比对,计算该些案件数据模型之间的相似度,并按照相似度从高到低将前M个所述案件数据模型对应的案件串并成一案件系列;以及
一结果分析模块,其一方面根据外围提供的前科人员实时信息对所述模型对比模块获得的与所述案件数据模型对应的前科人员基本信息进行过滤,并根据所述案件数据模型与前科人员作案数据模型的相似度对过滤后的前科人员基本信息进行排序以及按相似度从高到低显示排序结果,另一方面根据所述案件串并模块获得的所述案件系列中各个案件对应的案件数据模型之间的相似度对各个案件进行排序以及按相似度从高到低显示排序结果。
其中,所述案件数据模型和前科人员作案数据模型均包括以下8个类别的信息:案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品。
在上述的用于公安系统的四维模型智能比对系统中,所述语义分析模块通过一数据接口查询并自动导入所述案情信息数据。
在上述的用于公安系统的四维模型智能比对系统中,所述语义分析模块配置为:将所述案情信息数据格式化后分解出对应的语句要素,并根据所述语义分类词库对所述语句要素进行解析分类,以生成所述案件数据模型。
在上述的用于公安系统的四维模型智能比对系统中,所述语义分类词库中存储有以下8个类别的中文词语:案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品。
在上述的用于公安系统的四维模型智能比对系统中,所述模型对比模块配置为:将所述案件数据模型中的各个类别的信息分别与所述前科人员作案数据模型中对应类别的信息一一比对,然后根据每个类别的信息比对结果按照预设的各个类别的权重计算所述案件数据模型与前科人员作案数据模型之间的相似度。
在上述的用于公安系统的四维模型智能比对系统中,所述案件串并模块配置为:将所述案件数据模型中的各个类别的信息相互一一比对,然后根据每个类别的信息比对结果按照预设的各个类别的权重计算所述案件数据模型之间的相似度。
在上述的用于公安系统的四维模型智能比对系统中,还包括:一词库更新模块,其接收外围输入的中文词语,并对所述中文词语按照以下8个类别进行分类后保存至所述语义分类词库:案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品。
在上述的用于公安系统的四维模型智能比对系统中,还包括:一作案特征数据库更新模块,其接收外围提供的在案件侦破后获得的作案人员信息,并将该案件的作案人员信息与保存在所述案件模型数据库中的与该案件对应的所述案件数据模型融合生成所述前科人员作案数据模型,并存入所述作案特征数据库中。
本发明之二所述的一种用于公安系统的四维模型智能比对方法,其包括以下步骤:
步骤S1,获取预存在一外围的接报信息数据库中的案件的案情信息数据,并根据一预设的语义分类词库对所述案件的案情信息数据进行解析分类,以生成对应的案件数据模型,并将其保存至一案件模型数据库;
步骤S2,将所述案件模型数据库中的单个案件数据模型与预存在一作案特征数据库中的前科人员作案数据模型进行比对,并计算该案件数据模型与前科人员作案数据模型之间的相似度,按照相似度从高到低选择前N个所述前科人员作案数据模型,以获得包含在所述前N个前科人员作案数据模型中的前科人员基本信息;
步骤S3,根据预设的筛选条件在所述案件模型数据库中选择对应的案件数据模型,并将选出的所述案件数据模型与在预设时间段内生成的案件数据模型相互比对,计算该些案件数据模型之间的相似度,并按照相似度从高到低将前M个所述案件数据模型对应的案件串并成一案件系列;
步骤S4,一方面根据外围提供的前科人员实时信息对所述步骤S2中获得的与所述案件数据模型对应的前科人员基本信息进行过滤,并根据所述案件数据模型与前科人员作案数据模型的相似度对过滤后的前科人员基本信息进行排序以及按相似度从高到低显示排序结果,另一方面根据所述步骤S3中获得的所述案件系列中各个案件对应的案件数据模型之间的相似度对各个案件进行排序以及按相似度从高到低显示排序结果;
其中,所述案件数据模型和前科人员作案数据模型均包括以下8个类别的信息:案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品。
在上述的用于公安系统的四维模型智能比对方法中,所述步骤S1包括:将所述案情信息数据格式化后分解出对应的语句要素,并根据所述语义分类词库对所述语句要素进行解析分类,以生成所述案件数据模型。
在上述的用于公安系统的四维模型智能比对方法中,所述语义分类词库中存储有以下8个类别的中文词语:案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品。
在上述的用于公安系统的四维模型智能比对方法中,所述步骤S2包括:将所述案件数据模型中的各个类别的信息分别与所述前科人员作案数据模型中对应类别的信息一一比对,然后根据每个类别的信息比对结果按照预设的各个类别的权重计算所述案件数据模型与前科人员作案数据模型之间的相似度。
在上述的用于公安系统的四维模型智能比对方法中,所述步骤S3包括:将所述案件数据模型中的各个类别的信息相互一一比对,然后根据每个类别的信息比对结果按照预设的各个类别的权重计算所述案件数据模型之间的相似度。
在上述的用于公安系统的四维模型智能比对方法中,还包括:步骤S5,接收外围输入的中文词语,并对所述中文词语按照以下8个类别进行分类后保存至所述语义分类词库:案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品。
在上述的用于公安系统的四维模型智能比对方法中,还包括:步骤S6,接收外围提供的在案件侦破后获得的作案人员信息,并将该案件的作案人员信息与保存在所述案件模型数据库中的与该案件对应的所述案件数据模型融合生成所述前科人员作案数据模型,并存入所述作案特征数据库中。
由于采用了上述的技术解决方案,本发明将语义分析、模型比对和案件串并以及智能分析技术有效结合,即,通过精确的语义分析建立案件数据模型,并在此基础上针对传统模型比对打分准确率不高的不足,采用大数据多参数筛选的方式进行案件数据模型与前科人员作案数据模型比对,根据案件的特征,找出作案特征数据库中的前科人员和可疑人员,实现以案找人,然而,按照案件类型、案件编号等多要素来进行案件的串并,以案串案,最终实现全方位的四维模型的智能比对,找出连续作案的案件直接的关联性和特征,分析潜在的作案人员,并把分析得到的信息自动推送给办案人员,从而为破案提供重要支撑。由此,帮助公安人员自动进行数据的查询、匹配、定位、提醒,大大提高了公安人员的工作效率和准确性,减少了遗漏和失误,分析出符合特征的前科人员,缩小侦查视线,同时也保障了数据的安全。用户也可以使用本发明中的系统来进行各种检索和统计工作。
附图说明
图1是本发明之一的一种用于公安系统的四维模型智能比对系统的结构示意图。
具体实施方式
下面结合附图,给出本发明的较佳实施例,并予以详细描述。
如图1所示,本发明之一,即一种用于公安系统的四维模型智能比对系统,包括:语义分析模块1、模型对比模块2、案件串并模块3和结果分析模块4,其中,
语义分析模块1通过数据接口5查询并自动导入外围的接报信息数据库6中案件的案情信息数据,然后将案情信息数据格式化后分解出对应的语句要素,并根据预设的语义分类词库7对各个语句要素进行解析分类,以生成对应的案件数据模型,并将案件数据模型保存在案件模型数据库8中;
具体来说,可预先定义数据接口5的属性值(包括查询IP、端口、用户名、密码、链接等),然后根据配置的属性值,使语义分析模块1在指定的端口每隔一段时间自动获取接报信息数据库6中案件的案情信息数据,并保存在本地;
接报信息数据库6中案件的案情信息数据来源于“公安网上办案平台”以及“全国公安机关现场勘验信息系统”;
语义分类词库7中预存有大量中文常用词语(包括日常常用生活用词以及网络用词等),并且根据长期积累并经过固定的办案词语、特征词语和各种要素词语可将这些中文常用词语按照以下8大类别(包括121个小类别)进行分类:案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品;
语义分析模块1可根据预定义的数据模板对案情信息数据进行格式化,以分解出其中的语句要素(包括语句中的主语、谓语、宾语及其他词语),然后将分解出的语句要素与语义分类词库7中的中文词语一一比对,以确定各语句要素的含义及所属类别(在该过程中,可采用异步并发机制同时对各个语句要素进行分析,从而可有效提高分析效率),最后根据各语句要素的含义及所属类别,生成与案情信息数据对应的案件数据模型,该案件数据模型即包括案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品8类信息(若解析不到相关信息,则该类信息显示空白值),其中每类信息的具体内容即为经确定的各语句要素的含义。例如,某所接到一起入室盗窃案件,为夜晚某居民小区高层家中,被人从窗户翻入,偷走若干财物,被害人第二天打110报警后,接报民警先记录接报信息,然后派出勘验人员到现场进行勘察,将结果写成报告保存至“公安网上办案平台”。语义分析模块1定时通过数据接口5获取该案件的案情信息数据,并对其进行语义分析,生成案件数据模型并保存至案件模型数据库8,该案件数据模型包括:案件类别:入民宅盗窃;选择处所:居民小区;选择部位:客厅;选择时间:夜晚;作案手段:攀爬、钻窗入室、戴手套;组织形式:一人一案;侵害物品:现金、手机、钟表首饰、证卡。
模型对比模块2将案件模型数据库8中的案件数据模型与预存在作案特征数据库9中的前科人员作案数据模型进行比对,并计算案件数据模型与前科人员作案数据模型之间的相似度,按照相似度从高到低选择前N个前科人员作案数据模型,以获得前N个前科人员作案数据模型对应的前科人员基本信息,作为与该案件数据模型对应的案件的重点关注对象,从而实现以案找人;
具体来说,作案特征数据库9中的前科人员作案数据模型来源于“上海公安超级搜索系统”和“上海实有人口信息管理系统”,前科人员作案数据模型包括前科人员基本信息(即,姓名、身份证号、籍贯等)、案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品9类信息;
模型对比模块2将案件数据模型中的8类信息分别与每个前科人员作案数据模型中对应的8类信息一一比对,然后根据每类信息的比对结果按照预设的各个类别的权重(权重优先级为:案件类别>作案手段>作案范围>组织形式>侵害物品>选择处所=选择部位>选择时机)计算该案件数据模型与每个前科人员作案数据模型之间的相似度,最后选择相似度高的N(N不大于10)个前科人员作案数据模型(相似度越高说明案件越类似),获得它们对应的前科人员基本信息。
案件串并模块3根据预设的筛选条件在案件模型数据库8中选择对应的案件数据模型,并将选出的案件数据模型与在预设时间段内生成的案件数据模型相互比对,计算这些案件数据模型之间的相似度,按照相似度从高到低将前M个案件数据模型对应的案件串并成案件系列,从而实现以案找案;
具体来说,预设的筛选条件可以包括:案件类别(例如对于偷盗类的案件可以分类为:入民宅盗窃、其他入室、扒窃拎包、盗车内物、盗窃车辆、其它盗窃等)、案件编号(每个案件必定有一个唯一对应的案件编号)等;
案件串并模块3将多个案件数据模型中的8类信息相互一一对比,,然后根据每类信息的比对结果按照预设的各个类别的权重(权重优先级为:案件类别>作案手段>作案范围>组织形式>侵害物品>选择处所=选择部位>选择时机)计算多个案件数据模型之间的相似度,最后将相似度高的M(M不大于10)个案件数据模型对应的案件串并成案件系列。
结果分析模块4一方面根据外围提供的前科人员实时信息对模型对比模块2获得与案件数据模型对应的前科人员基本信息进行过滤,并根据该案件数据模型与前科人员作案数据模型的相似度对过滤后的前科人员基本信息进行排序,然后按相似度从高到低显示排序结果,另一方面根据案件串并模块3获得的案件系列中各案件对应的案件数据模型之间的相似度对各案件进行排序,并按相似度从高到低显示排序结果。
在本实施例中,上述系统还包括:词库更新模块10和作案特征数据库更新模块11,其中,
词库更新模块10接收外围输入的中文词语,并对其按照上述8大类别,即案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品,进行分类后保存至语义分类词库7,从而实现对语义分类词库7的更新;
作案特征数据库更新模块11接收外围提供的在案件侦破后获得的作案人员信息,并将该案件的作案人员信息与保存在案件模型数据库8中的与该案件对应的案件数据模型融合生成前科人员作案数据模型,并存入作案特征数据库9中,从而实现对作案特征数据库9的更新。
基于上述系统结构,本发明之二,即一种用于公安系统的四维模型智能比对方法,包括以下步骤:
步骤S1,通过语义分析模块1查询并自动导入外围的接报信息数据库6中案件的案情信息数据,然后将案情信息数据格式化后分解出对应的语句要素,并根据预设的语义分类词库7对各个语句要素进行解析分类,以生成对应的案件数据模型,并将案件数据模型保存在案件模型数据库8中;
步骤S2,通过模型对比模块2将案件模型数据库8中的案件数据模型与预存在作案特征数据库9中的前科人员作案数据模型进行比对,并计算案件数据模型与前科人员作案数据模型之间的相似度,按照相似度从高到低选择前N个前科人员作案数据模型,以获得前N个前科人员作案数据模型对应的前科人员基本信息,作为与该案件数据模型对应的案件的重点关注对象,从而实现以案找人;
步骤S3,通过案件串并模块3根据预设的筛选条件在案件模型数据库8中选择对应的案件数据模型,并将选出的案件数据模型与在预设时间段内生成的案件数据模型相互比对,计算这些案件数据模型之间的相似度,按照相似度从高到低将前M个案件数据模型对应的案件串并成案件系列,从而实现以案找案;
步骤S4,通过结果分析模块4一方面根据外围提供的前科人员实时信息对模型对比模块2获得与案件数据模型对应的前科人员基本信息进行过滤,并根据该案件数据模型与前科人员作案数据模型的相似度对过滤后的前科人员基本信息进行排序,然后按相似度从高到低显示排序结果,另一方面根据案件串并模块3获得的案件系列中各案件对应的案件数据模型之间的相似度对各案件进行排序,并按相似度从高到低显示排序结果。
步骤S5,通过词库更新模块10接收外围输入的中文词语,并对其按照上述8大类别,即案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品,进行分类后保存至语义分类词库7,从而实现对语义分类词库7的更新;
步骤S6,通过作案特征数据库更新模块11接收外围提供的在案件侦破后获得的作案人员信息,并将该案件的作案人员信息与保存在案件模型数据库8中的与该案件对应的案件数据模型融合生成前科人员作案数据模型,并存入作案特征数据库9中,从而实现对作案特征数据库9的更新。
综上所述,本发明立足“大数据”思维,结合案件基本信息、现场勘验、初期侦查过程中掌握到的案情信息数据,进行“四维比对”,析出符合特征的前科人员,缩小侦查视线,为案件侦破提供支撑。本发明在功能上实现了“数据智能化”的突破,建立自动化监控平台,通过自动语义分析文本内容,建立案件数据模型,对各起案件根据案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品这8大类进行精确归类,实现数据自动抓取和实时碰撞,自动推送案件嫌疑人员数据以及同类案件的串并结果,为查找嫌疑人和破案提供了重要依据。
以上所述的,仅为本发明的较佳实施例,并非用以限定本发明的范围,本发明的上述实施例还可以做出各种变化。凡是依据本发明申请的权利要求书及说明书内容所作的简单、等效变化与修饰,皆落入本发明专利的权利要求保护范围。本发明未详尽描述的均为常规技术内容。
Claims (9)
1.一种用于公安系统的四维模型智能比对系统,其特征在于,所述系统包括:
语义分析模块,其获取预存在一外围的接报信息数据库中的案件的案情信息数据,并根据一预设的语义分类词库对所述案件的案情信息数据进行解析分类,以生成对应的案件数据模型,并将其保存至一案件模型数据库;
词库更新模块,其接收外围输入的中文词语,并对所述中文词语按照以下8个类别进行分类后保存至所述语义分类词库:案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品;
模型对比模块,其将所述案件模型数据库中的单个案件数据模型与预存在作案特征数据库中的前科人员作案数据模型进行比对,并计算该案件数据模型与前科人员作案数据模型之间的相似度,按照相似度从高到低选择前N个所述前科人员作案数据模型,以获得包含在前N个前科人员作案数据模型中的前科人员基本信息;
案件串并模块,其根据预设的筛选条件在所述案件模型数据库中选择对应的案件数据模型,并将选出的所述案件数据模型与在预设时间段内生成的案件数据模型相互比对,计算这些案件数据模型之间的相似度,并按照相似度从高到低将前M个所述案件数据模型对应的案件串并成一案件系列;以及
结果分析模块,其一方面根据外围提供的前科人员实时信息对所述模型对比模块获得的与所述案件数据模型对应的前科人员基本信息进行过滤,并根据所述案件数据模型与前科人员作案数据模型的相似度对过滤后的前科人员基本信息进行排序以及按相似度从高到低显示排序结果,另一方面根据所述案件串并模块获得的所述案件系列中各个案件对应的案件数据模型之间的相似度对各个案件进行排序以及按相似度从高到低显示排序结果;
其中,所述案件数据模型和前科人员作案数据模型均包括以下8个类别的信息:案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品;
所述语义分析模块配置为:将所述案情信息数据格式化后分解出对应的语句要素,然后将分解出的语句要素与语义分类词库中的中文词语一一比对,以确定各语句要素的含义及所属类别,最后根据各语句要素的含义及所属类别,生成与案情信息数据对应的案件数据模型,该案件数据模型即包括案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品8类信息,其中每类信息的具体内容即为经确定的各语句要素的含义;
在确定各语句要素的含义及所属类别的过程中,采用异步并发机制同时对各个语句要素进行分析,从而有效提高分析效率。
2.根据权利要求1所述的用于公安系统的四维模型智能比对系统,其特征在于,所述语义分析模块通过一数据接口查询并自动导入所述案情信息数据。
3.根据权利要求1所述的用于公安系统的四维模型智能比对系统,其特征在于,所述模型对比模块配置为:将所述案件数据模型中的各个类别的信息分别与所述前科人员作案数据模型中对应类别的信息一一比对,然后根据每个类别的信息比对结果按照预设的各个类别的权重计算所述案件数据模型与前科人员作案数据模型之间的相似度。
4.根据权利要求1所述的用于公安系统的四维模型智能比对系统,其特征在于,所述案件串并模块配置为:将所述案件数据模型中的各个类别的信息相互一一比对,然后根据每个类别的信息比对结果按照预设的各个类别的权重计算所述案件数据模型之间的相似度。
5.根据权利要求1所述的用于公安系统的四维模型智能比对系统,其特征在于,所述系统还包括:一作案特征数据库更新模块,其接收外围提供的在案件侦破后获得的作案人员信息,并将该案件的作案人员信息与保存在所述案件模型数据库中的与该案件对应的所述案件数据模型融合生成所述前科人员作案数据模型,并存入所述作案特征数据库中。
6.一种用于公安系统的四维模型智能比对方法,其特征在于,所述方法包括以下步骤:
步骤S1,获取预存在一外围的接报信息数据库中的案件的案情信息数据,并根据一预设的语义分类词库对所述案件的案情信息数据进行解析分类,以生成对应的案件数据模型,并将其保存至一案件模型数据库;
步骤S2,将所述案件模型数据库中的单个案件数据模型与预存在一作案特征数据库中的前科人员作案数据模型进行比对,并计算该案件数据模型与前科人员作案数据模型之间的相似度,按照相似度从高到低选择前N个所述前科人员作案数据模型,以获得包含在前N个前科人员作案数据模型中的前科人员基本信息;
步骤S3,根据预设的筛选条件在所述案件模型数据库中选择对应的案件数据模型,并将选出的所述案件数据模型与在预设时间段内生成的案件数据模型相互比对,计算这些案件数据模型之间的相似度,并按照相似度从高到低将前M个所述案件数据模型对应的案件串并成一案件系列;
步骤S4,一方面根据外围提供的前科人员实时信息对所述步骤S2中获得的与所述案件数据模型对应的前科人员基本信息进行过滤,并根据所述案件数据模型与前科人员作案数据模型的相似度对过滤后的前科人员基本信息进行排序以及按相似度从高到低显示排序结果,另一方面根据所述步骤S3中获得的所述案件系列中各个案件对应的案件数据模型之间的相似度对各个案件进行排序以及按相似度从高到低显示排序结果;
步骤S5,接收外围输入的中文词语,并对所述中文词语按照以下8个类别进行分类后保存至所述语义分类词库:案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品;
其中,所述案件数据模型和前科人员作案数据模型均包括以下8个类别的信息:案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品;
所述步骤S1包括:将所述案情信息数据格式化后分解出对应的语句要素,然后将分解出的语句要素与语义分类词库中的中文词语一一比对,以确定各语句要素的含义及所属类别,最后根据各语句要素的含义及所属类别,生成与案情信息数据对应的案件数据模型,该案件数据模型即包括案件类别、选择处所、选择部位、选择时间、作案范围、作案手段、组织形式以及侵害物品8类信息,其中每类信息的具体内容即为经确定的各语句要素的含义;
在确定各语句要素的含义及所属类别的过程中,采用异步并发机制同时对各个语句要素进行分析,从而有效提高分析效率。
7.根据权利要求6所述的用于公安系统的四维模型智能比对方法,其特征在于,所述步骤S2包括:将所述案件数据模型中的各个类别的信息分别与所述前科人员作案数据模型中对应类别的信息一一比对,然后根据每个类别的信息比对结果按照预设的各个类别的权重计算所述案件数据模型与前科人员作案数据模型之间的相似度。
8.根据权利要求6所述的用于公安系统的四维模型智能比对方法,其特征在于,所述步骤S3包括:将所述案件数据模型中的各个类别的信息相互一一比对,然后根据每个类别的信息比对结果按照预设的各个类别的权重计算所述案件数据模型之间的相似度。
9.根据权利要求6所述的用于公安系统的四维模型智能比对方法,其特征在于,所述方法还包括:步骤S6,接收外围提供的在案件侦破后获得的作案人员信息,并将该案件的作案人员信息与保存在所述案件模型数据库中的与该案件对应的所述案件数据模型融合生成所述前科人员作案数据模型,并存入所述作案特征数据库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810417170.8A CN108874767B (zh) | 2018-05-04 | 2018-05-04 | 一种用于公安系统的四维模型智能比对系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810417170.8A CN108874767B (zh) | 2018-05-04 | 2018-05-04 | 一种用于公安系统的四维模型智能比对系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108874767A CN108874767A (zh) | 2018-11-23 |
CN108874767B true CN108874767B (zh) | 2022-04-05 |
Family
ID=64327572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810417170.8A Active CN108874767B (zh) | 2018-05-04 | 2018-05-04 | 一种用于公安系统的四维模型智能比对系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108874767B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259951A (zh) * | 2020-01-13 | 2020-06-09 | 北京明略软件系统有限公司 | 案件检测方法、装置、电子设备及可读存储介质 |
CN111581975B (zh) * | 2020-05-09 | 2023-06-20 | 北京明朝万达科技股份有限公司 | 案件的笔录文本的处理方法、装置、存储介质和处理器 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009130662A1 (en) * | 2008-04-22 | 2009-10-29 | Tubitak-Turkiye Bilimsel Ve Teknolojik Arastirma Kurumu | Reduction of the time period necessary for comparison in criminal databases by using a universal set formation method where the universal set is subject to time-varying subset formation |
CN103914532A (zh) * | 2014-03-31 | 2014-07-09 | 安徽新华博信息技术股份有限公司 | 案件嫌疑人自动排查的分析方法 |
CN104615600A (zh) * | 2013-11-04 | 2015-05-13 | 深圳中兴力维技术有限公司 | 相似性案件比对实现方法及其装置 |
CN105069130A (zh) * | 2015-08-14 | 2015-11-18 | 安徽新华博信息技术股份有限公司 | 一种嫌疑对象预测方法 |
CN106127241A (zh) * | 2016-06-17 | 2016-11-16 | 中国电子科技集团公司第二十八研究所 | 一种串并案分类方法及串并案分类系统 |
CN106227863A (zh) * | 2016-07-29 | 2016-12-14 | 浪潮软件集团有限公司 | 在案件串并和嫌疑人排查中的数据挖掘方法 |
CN106355537A (zh) * | 2016-08-23 | 2017-01-25 | 冯村 | 一种智能串并案分析方法及系统 |
CN107145895A (zh) * | 2017-03-13 | 2017-09-08 | 东方网力科技股份有限公司 | 基于k‑means算法的公安犯罪类案研判方法 |
CN107798033A (zh) * | 2017-03-01 | 2018-03-13 | 中南大学 | 一种公安领域案件文本的分类方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105453149A (zh) * | 2013-04-19 | 2016-03-30 | M·雷加马尼 | 犯罪证据提供器兼辅助搜索器 |
-
2018
- 2018-05-04 CN CN201810417170.8A patent/CN108874767B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009130662A1 (en) * | 2008-04-22 | 2009-10-29 | Tubitak-Turkiye Bilimsel Ve Teknolojik Arastirma Kurumu | Reduction of the time period necessary for comparison in criminal databases by using a universal set formation method where the universal set is subject to time-varying subset formation |
CN104615600A (zh) * | 2013-11-04 | 2015-05-13 | 深圳中兴力维技术有限公司 | 相似性案件比对实现方法及其装置 |
CN103914532A (zh) * | 2014-03-31 | 2014-07-09 | 安徽新华博信息技术股份有限公司 | 案件嫌疑人自动排查的分析方法 |
CN105069130A (zh) * | 2015-08-14 | 2015-11-18 | 安徽新华博信息技术股份有限公司 | 一种嫌疑对象预测方法 |
CN106127241A (zh) * | 2016-06-17 | 2016-11-16 | 中国电子科技集团公司第二十八研究所 | 一种串并案分类方法及串并案分类系统 |
CN106227863A (zh) * | 2016-07-29 | 2016-12-14 | 浪潮软件集团有限公司 | 在案件串并和嫌疑人排查中的数据挖掘方法 |
CN106355537A (zh) * | 2016-08-23 | 2017-01-25 | 冯村 | 一种智能串并案分析方法及系统 |
CN107798033A (zh) * | 2017-03-01 | 2018-03-13 | 中南大学 | 一种公安领域案件文本的分类方法 |
CN107145895A (zh) * | 2017-03-13 | 2017-09-08 | 东方网力科技股份有限公司 | 基于k‑means算法的公安犯罪类案研判方法 |
Non-Patent Citations (1)
Title |
---|
公安犯罪文本挖掘关键技术研究;程春惠;《中国优秀硕士学位论文全文数据库信息科技辑》;20110415(第04期);摘要及正文第17-42页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108874767A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105824959B (zh) | 舆情监控方法及系统 | |
CN110275894A (zh) | 一种知识图谱的更新方法、装置、电子设备及存储介质 | |
CN109658062A (zh) | 一种基于深度学习的电子档案智能处理方法 | |
US20090150442A1 (en) | Aggregation of persons-of-interest information for use in an identification system | |
CN111444353B (zh) | 一种警情知识图谱的构建及使用方法 | |
CN110109908B (zh) | 基于社会基础信息挖掘人物潜在关系的分析系统及方法 | |
CN106874951B (zh) | 一种旅客关注度评级方法及装置 | |
CN102222283A (zh) | 人脸识别的数据管理系统 | |
ZA200308351B (en) | System and method for the management, analysis, and application of data for knowledge-based organizations. | |
CN101201835A (zh) | 应急联动警情自动分类系统 | |
CN108874767B (zh) | 一种用于公安系统的四维模型智能比对系统及方法 | |
CN103281341A (zh) | 网络事件处理方法及装置 | |
CN109918674B (zh) | 一种基于案件要素相似性建模的案件串并方法 | |
CN107943514A (zh) | 一种软件文档中核心代码元素的挖掘方法及系统 | |
CN110727805A (zh) | 社区知识图谱构建方法及系统 | |
CN105139557A (zh) | 人工智能门铃的信息提醒方法及人工智能门铃系统 | |
CN111210377A (zh) | 一种基于云计算的网络订餐监管系统及方法 | |
Isafiade et al. | Citisafe: Adaptive spatial pattern knowledge using fp-growth algorithm for crime situation recognition | |
CN202230509U (zh) | 人脸识别的数据管理系统 | |
CN106355537A (zh) | 一种智能串并案分析方法及系统 | |
CN111402099A (zh) | 一种地震应急决策系统 | |
CN110751310A (zh) | 一种获取多维人员关系和事件关联的方法及系统 | |
CN112182212A (zh) | 一种网络车辆碰撞数据的处理方法及系统 | |
CN106528644A (zh) | 一种遥感数据的检索方法及装置 | |
CN111260497A (zh) | 基于移动终端的工业环境下作业指导系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221228 Address after: 201802 Room 629, Floor 6, Building 1, No. 655, Yinxiang Road, Jiading District, Shanghai Patentee after: Shanghai Saimingte Technology Co.,Ltd. Address before: 200436 floor 6, No. 250, JIANGCHANG Third Road, Jing'an District, Shanghai Patentee before: SHANGHAI HANSUO INFORMATION TECHNOLOGY CO.,LTD. |