CN109522342A - 公安警务管理方法、装置、设备和存储介质 - Google Patents
公安警务管理方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109522342A CN109522342A CN201811456291.XA CN201811456291A CN109522342A CN 109522342 A CN109522342 A CN 109522342A CN 201811456291 A CN201811456291 A CN 201811456291A CN 109522342 A CN109522342 A CN 109522342A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- sensitive
- identity
- police
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种公安警务管理方法、装置、设备和存储介质。该方法包括:根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据;根据所述用户身份行为数据,确定用户的关系特征;根据所述用户的关系特征,对用户进行关联关系挖掘。本发明实施例为警务环境下各警务部门提供了大数据分析平台,可以统筹大数据下所有用户的身份行为数据,能够对大数据据覆盖范围内的所有用户的关联关系进行有效的挖掘,从而为警务环境下各业务需求提供有效的检索、分析和处理依据,提高了警务环境下各警务部门对警务数据的管理和处理效率。
Description
技术领域
本发明实施例涉及大数据技术领域,尤其涉及一种公安警务管理方法、装置、设备和存储介质。
背景技术
随着科技的高速进步和发展,海量的信息呈爆炸式迅猛增长,在商业、通讯、维稳、军事等多个领域都可以看到大数据的身影,大数据固然会涉足技侦领域驱动犯罪侦查模式的根本性变革。
互联网其便捷、即时、交互、活性、广泛等特征,使得人与人、人与物、物与物之间广泛链接交互,但同时使得社会上流串犯案、团伙犯案、涉毒涉黑等犯罪日趋严重。现有技术在警务管理时,通过对采集到的数据进行划分,从而对各部分数据进行有针对性的技术性处理,以达到挖掘案件细节信息,加快警务管理效率的目的。
然而,随着互联网技术的不断发展,犯罪手法也在不断演变,更加趋向网络化,不法份子利用病毒入侵、黑客攻击等手段,线上线下相结合进行犯罪,使得犯罪手段更加隐蔽、更加复杂,呈现出职业化、智能化、暴力化、多样化等新的特点。因此现有的侦查手段明显不足,难以对大数据覆盖范围内的所有用户的数据进行有效分析和挖掘。
发明内容
本发明实施例提供了一种公安警务管理方法、装置、设备和存储介质,能够对大数据据覆盖范围内的所有用户的关联关系进行有效的挖掘,提高公安警务管理效率。
第一方面,本发明实施例提供了一种公安警务管理方法,包括:
根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据;
根据所述用户身份行为数据,确定用户的关系特征;
根据所述用户的关系特征,对用户进行关联关系挖掘。
第二方面,本发明实施例提供了一种公安警务管理装置,包括:
用户身份行为数据确定模块,用于根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据;
关系特征确定模块,用于根据所述用户身份行为数据,确定用户的关系特征;
关联关系挖掘模块,用于根据所述用户的关系特征,对用户进行关联关系挖掘。
第三方面,本发明实施例提供了一种设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所述的公安警务管理方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所述的公安警务管理方法。
本发明实施例通过对现场采集数据、警务数据和互联网数据进行整理和融合,确定用户身份行为数据,并根据用户身份行为数据确定用户的关系特征,从而根据用户的关系特征对用户进行关联关系挖掘。本发明实施例为警务环境下各警务部门提供了大数据分析平台,可以统筹大数据下所有用户的身份行为数据,能够对大数据据覆盖范围内的所有用户的关联关系进行有效的挖掘,从而为警务环境下各业务需求提供有效的检索、分析和处理依据,提高了警务环境下各警务部门对警务数据的管理和处理效率。
附图说明
图1为本发明实施例一提供的一种公安警务管理方法的流程图;
图2为本发明实施例二提供的一种公安警务管理方法的流程图;
图3为本发明实施例二提供的公安警务管理架构示例图;
图4为本发明实施例三提供的一种公安警务管理装置的结构示意图;
图5为本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例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例仅仅用于解释本发明实施例,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实施例相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种公安警务管理方法的流程图,本实施例可适用于基于大数据对用户关联关系进行挖掘的情况,该方法可由一种公安警务管理装置来执行。该方法具体包括如下步骤:
S110、根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据。
在本发明具体实施例中,用于公安警务管理的核心数据资产主要包括现场采集数据、警务数据和互联网数据,可以包括其中的至少一种,也可以还包括除了这三大数据源以外的任何可以反映敏感事件、敏感人物或敏感区域的数据。其中,现场采集数据可以是指在公安外部采集的第三方的数据,可以包括现场WiFi、车辆卡口系统或电子监控等第三方采集的数据。警务数据是指公安内部各警种私有化的数据,可以包括公众的人口信息、身份证信息、虹膜信息、案件信息或快递信息等。互联网数据可以是指从网络上抓取的任何数据,例如网购信息或发表信息等。本实施例中,数据部分主要以公安外部的第三方辅助传输的重点监控人群和按需调取的人群的数据为主,融合公安内部的警务数据和互联网数据,构建了大数据计算分析平台的大数据分析、挖掘以及计算等处理基础。
本实施例中,通过对个体人物数据的挖掘,在时间维度和空间维度的基础上,挖掘出能够反映用户身份以及行为的数据的用户身份行为数据。其中,用户身份是指用户作为自然人的实际真实的身份信息、用户在现实环境中可能存在的伪身份信息、以及用户在互联网环境中可能存在的不止一个的虚拟身份信息。用户行为可以包括用户在现实环境和虚拟环境中的各种行为,例如外出行为、驾驶行为、银行行为、互联网行为、用水用电行为等。
本实施例中,可以通过对现实环境的人脸识别,以及现实环境或网络虚拟环境中能够唯一标识用户身份信息的ID来确定用户的身份信息,并依据确定的身份信息下用户的行为轨迹或操作数据来确定用户的行为,从而利用ID-Mapping算法将标识同一用户的不同ID及相关行为数据关联起来,达到数据融合的目的。
本实施例中,依据数据的来源可以区分用户数据为现实数据和虚拟数据。具体的,根据现场采集数据和警务数据,可以确定用户的现实身份和现实行为;根据互联网数据,还可以确定用户的虚拟身份和虚拟行为。依托于深度学习和ID-mapping挖掘技术,利用自然人和虚拟身份融合技术,识别同一个自然人不同虚实身份之间的映射关系,对于零散分布于各个维度的多源无序的信息有机地聚合到真实的自然线下身份,将同一个实体在互联网上的虚拟身份与现实中的真实身份关联起来,从而确定用户的用户身份行为数据。
示例性的,假设用户A和用户B每晚的定位地点为相同地址,且根据用户A和用户B的住址登记信息,用户A和用户B填写有相同的住址信息。并假设用户A经常使用手机号a与用户B进行通话,且用户A曾在某购物平台注册账号aa,并购买过物质铊。因此对于自然人A,可以将用户A、手机号a以及账号aa进行映射,即这三个不同ID均代表同一自然人A。且将用户A的基本信息、住宿行为数据、通话行为数据以及购买行为数据均映射为自然人A的行为。进而确定了用户A的用户身份行为数据。
相应的,在确定用户的用户身份行为数据之后,可以结合警务业务进行应用实体模型的设计,其中实体可以包括个体身份识别、虚实身份结合、关联网络推到、静态系统挖掘、动态轨迹聚合、整体舆情检测、知识库挖掘等。从而利用NLP语义分析引擎、虚拟现实身份融合引擎、关联分析挖掘引擎、关系推导引擎、关联线索检索引擎、时空大数据、数据可视化、自定义算法引擎等构建关联分析、关系网络挖掘等技术进行数据分析,提供包括案件详情、串并案研判、受害人研判、关系闲情、案发时空研判、嫌疑人研判、团伙挖掘,以及人员管控预警、团伙管控预警、区域管控预警,以及态势分析、智能搜索等应用功能,直接面向办案人员。
示例性的,根据位于目标管控区域内的用户身份行为数据,确定目标管控区域的人流密度;根据目标管控区域的人流密度,确定目标管控区域的敏感类型。根据位于目标管控区域内的用户身份行为数据,确定目标管控区域内是否存在目标管控用户。根据用户身份行为数据,确定用户的敏感行为特征;根据用户的敏感行为特征,对用户进行打分;根据用户的打分结果,确定用户的敏感意图。根据敏感事件关联的用户身份行为数据,确定敏感事件情报信息;其中,所述敏感事件情报信息包括敏感事件类型和/或敏感事件关联人员;根据敏感事件情报信息,确定敏感事件的侦查因素和/或侦查思路。或者基于人工智能技术,根据用户身份行为数据,以及警务意图识别模型和/或敏感行为识别模型,确定用户的警务意图和/或敏感类型。
S120、根据用户身份行为数据,确定用户的关系特征。
在本发明具体实施例中,基于确定的用户身份行为数据,对用户的关系特征进行挖掘,用户的关系特征可以表示现实关系特征或虚拟关系特征;可以是个体与个体、个体与群体或者群体与群体之间的关系特征,例如团伙关系等;也可以是人与人、人与物或人与事件之间的关系特征,例如案情关系等。针对人与人之间的关系,用户的关系特征可以包括同行关系、亲友关系、住宿关系、共案关系、共同收监关系和通话密度中的至少一种。具体的,基于大数据的NLP和属性挖掘技术,针对海量的线上线下数据,依据确定的用户身份行为数据,提取全量用户多维度的特征集合,可以包括空间属性、时间属性、兴趣属性、行为属性、关系属性以及关系实体属性等,从而确定用户的关系特征。
示例性的,在上述示例中,基于用户A的用户身份行为数据,其中包括用户A、手机号a以及账号aa的身份映射信息,以及用户A的基本信息、住宿行为数据、与用户B的通话行为数据以及网购物质铊的购物行为数据均映射于自然人A的行为信息,因此可以确定用户A和用户B之间具有住宿关系特征,同时还可以确定用户A与物质铊的关系特征。
S130、根据用户的关系特征,对用户进行关联关系挖掘。
在本发明具体实施例中,依托大数据分析挖掘能力,以深度学习和神经网络为核心,以NLP自然语言处理为工具,以虚实融合的用户身份行为数据为基础,融合大数据的社交关系体系,构建关联分析和挖掘系统。从整体上来看,主要包括基本关系挖掘、虚拟关系挖掘、案情挖掘、关系融合、关系推导以及团伙识别等。关联关系可以包括现实或虚拟中的社交关系、人与人的关联关系、人与物的关联关系、财务往来关系等可用于管控和技侦等关联关系信息,例如用户的上下游关系和/或团伙关系。
本实施例中,可以采用规则挖掘方式,即主要依赖于当前已有的线索信息,深入地挖掘用户行为和关联线索,得到对应的关联关系。也可以采用策略挖掘方式,即依赖深度神经网络对多源异构的用户身份行为数据进行关联关系挖掘。相应的,需要对深度神经网络模型进行预先训练,即针对样本做归一化处理,依赖于多源异构的样本数据,基于多源异构样本作同构化处理后,使用深度神经网络模型,自适应学习和训练,得到最终收敛的模型参数和特征。从而根据用户的关系特征,通过规则和模型挖掘用户的关联关系。实现大数据环境下,全部用户或重点监控用户的用户信息及关联信息的完善和融合,为公安警务提供数据依据,提高公安警务的管理效率。
示例性的,在上述示例中,用户A与用户B、住址信息、物质铊等信息都具有关联关系。假设用户B发生中毒事件,则用户A与投毒案件关联,用户A的所有关联关系信息都是案情的挖掘基础。
本实施例中,还可以对识别和挖掘出的信息进行标签的添加,依据基础标签和特定标签对用户进行人物画像,为数据的分析提供依据。具体的,可以基于人、车、事件、案件、地点、物品等要素建立标签库,标签库从大类上分为基础标签、行为标签、关联标签、研判标签等;从实体属性上分为人、物品、案件、地点等;除支持自动生成标签外,还可以供用户自己输入标签以及自生产符合业务需求的标签,并对标签词汇进行扩展,以增加数据处理能力和可扩展性。相应的,还可以依据标签,利用标签传递算法来进一步挖掘案件或团伙信息等。
最终,基于挖掘的用户的关联关系,可以响应任何包括目标用户信息的关联检索请求,从挖掘的用户关联关系中查找目标用户信息的关联关系。同时依托可视化引擎、翻译系统和对话问答系统,提高公安警务对于大数据信息的处理能力和效率。
本实施例的技术方案,通过对现场采集数据、警务数据和互联网数据进行整理和融合,确定用户身份行为数据,并根据用户身份行为数据确定用户的关系特征,从而根据用户的关系特征对用户进行关联关系挖掘。本发明实施例为警务环境下各警务部门提供了大数据分析平台,可以统筹大数据下所有用户的身份行为数据,能够对大数据据覆盖范围内的所有用户的关联关系进行有效的挖掘,从而为警务环境下各业务需求提供有效的检索、分析和处理依据,提高了警务环境下各警务部门对警务数据的管理和处理效率。
实施例二
本实施例在上述实施例一的基础上,提供了公安警务管理方法的一个优选实施方式,能够基于大数据分析结果进行敏感用户检索、敏感行为预测以及侦查辅助等功能。图2为本发明实施例二提供的一种公安警务管理方法的流程图,如图2所示,该方法包括以下具体步骤:
S210、根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据。
在本发明具体实施例中,用于公安警务管理的核心数据资产主要包括现场采集数据、警务数据和互联网数据,可以包括其中的至少一种,也可以还包括除了这三大数据源以外的任何可以反映敏感事件、敏感人物或敏感区域的数据。用户身份是指用户作为自然人的实际真实的身份信息、用户在现实环境中可能存在的伪身份信息、以及用户在互联网环境中可能存在的不止一个的虚拟身份信息。用户行为可以包括用户在现实环境和虚拟环境中的各种行为。
本实施例中,以大数据为依据,可以通过对现实环境的人脸识别,以及现实环境或网络虚拟环境中能够唯一标识用户身份信息的ID来确定用户的身份信息,并依据确定的身份信息下用户的行为轨迹或操作数据来确定用户的行为,通过对个体人物数据进行挖掘,在时间维度和空间维度的基础上,利用ID-Mapping算法将标识同一用户的不同ID及相关行为数据关联起来,挖掘出能够反映用户身份以及行为的数据的用户身份行为数据。
可选的,根据现场采集数据和警务数据,确定用户的现实身份和现实行为;根据互联网数据,确定用户的虚拟身份和虚拟行为。
在本发明具体实施例中,依据数据的来源可以区分用户数据为现实数据和虚拟数据。
本实施例中,根据现场采集数据和警务数据,可以确定用户的现实身份和现实行为。其主要来自于用户线下的行为和数据信息,从数据来源来看,包括但不限于公安系统搜集数据、线下场景搜集数据、社会渠道搜集数据等,借助人脸识别等技术进行数据的解析;从数据类型来看,包括公安登记的地址信息、籍贯、住址、户籍;还包括房产、车产、债务、银行账户等政府或者职能部门信息和数据;同时,还包括了视频影像、海关、出行、飞机、高铁火车等其他用户信息。基于这些数据,针对高时效性场景可以进行实时地真实线下用户身份行为数据的完整构建。
此外,根据互联网数据,还可以确定用户的虚拟身份和虚拟行为。其中,虚拟身份特指用户在互联网上一系列活动的身份特征,包括用户的各类设备信息、账号信息等。针对虚拟设备类信息,可以以手机设备、PC设备和PAD设备等移动通讯设备为主,所需包含的信息包括但不限于MAC(Media Access Control Address,媒体访问控制地址)、IMEI(International Mobile Equipment Identity,国际移动设备识别码)、IMSI(International Mobile Subscriber Identification Number,国际移动用户识别码)、手机号码、设备上各种浏览器指纹信息、硬件信息和硬件编码ID等。针对虚拟网络中的账号类信息,包括用户在社交类网站上的账号信息、论坛、贴吧、BBS(Bulletin Board System,电子公告牌系统)等可以发布信息的平台帐号信息等,同时还包括视频网站类、资讯类等各种平台帐号信息。
本实施例中,依托于深度学习和ID-mapping挖掘技术,利用自然人和虚拟身份融合技术,识别同一个自然人不同虚实身份之间的映射关系,对于零散分布于各个维度的多源无序的信息有机地聚合到真实的自然线下身份,将同一个实体在互联网上的虚拟身份与现实中的真实身份关联起来,从而确定用户的用户身份行为数据。
S220、依据用户身份行为数据对用户进行预测、管控和辅助。
在本发明具体实施例中,用户可以是指大数据中进行监测的自然人,也可以是指用于执行公安警务的警务人员。相应的,在确定用户的用户身份行为数据之后,可以结合警务业务进行应用实体模型的设计,其中实体可以包括个体身份识别、虚实身份结合、关联网络推到、静态系统挖掘、动态轨迹聚合、整体舆情检测、知识库挖掘等。从而利用NLP语义分析引擎、虚拟现实身份融合引擎、关联分析挖掘引擎、关系推导引擎、关联线索检索引擎、时空大数据、数据可视化、自定义算法引擎等构建关联分析、关系网络挖掘等技术进行数据分析,对用户进行预测、管控和辅助。具体的,为公安警务人员提供包括案件详情、串并案研判、受害人研判、关系闲情、案发时空研判、嫌疑人研判、团伙挖掘等情报信息;通过对被监测用户进行敏感意图的预测,为公安警务人员提供包括人员管控预警、团伙管控预警、区域管控预警等预警信息;以及为公安警务人员提供态势分析和智能搜索等应用功能,直接面向办案人员。
可选的,根据用户身份行为数据,确定用户的敏感行为特征;根据用户的敏感行为特征,对用户进行打分;根据用户的打分结果,确定用户的敏感意图。
在本发明具体实施例中,敏感行为是指通过对用户身份行为数据的判断,识别出对公众安全、社会利益等有危害的危险行为。敏感行为特征用于描述敏感行为,能够标识敏感行为特点。相应的,为了预防对于社会或人身安全有威胁的事件的发生,潜在的敏感意图的识别或预测是十分必要的。本实施例通过对用户身份行为数据的分析确定用户的敏感行为特征,其次可以依据敏感行为特征的危害程度对关联的用户进行打分,以此确定用户的敏感意图。
示例性的,假设用户A私自购买管制刀具,其属于敏感行为特征,则对用户A进行打分。并依据不同敏感行为特征进行打分的累加,根据打分结果与预设的打分阈值,若高于该打分阈值,则视用户A存在敏感行为意图。并依据敏感行为特征确定用户A的敏感意图可以为打架斗殴。
可选的,根据位于目标管控区域内的用户身份行为数据,确定目标管控区域的人流密度;根据目标管控区域的人流密度,确定目标管控区域的敏感类型。
在本发明具体实施例中,目标管控区域可以是指频繁出现或极易出现危险事件的区域,例如边境地区、车站等人流密集地区或者是公安警务已锁定的区域。相应的,对于目标管控区域内的用户进行用户身份行为数据的获取,依据用户身份行为数据确定目标管控区域中实时的人流密度、人流走向等信息,预先判断目标管控区域中违规越界、人流拥挤趋势以及游行等敏感行为,进而确定该目标管控区域的敏感类型,为公安警务人员提供预警,以备提前部署解决方案,避免敏感事件的发生和扩大。
可选的,根据位于目标管控区域内的用户身份行为数据,确定目标管控区域内是否存在目标管控用户。
在本发明具体实施例中,目标管控用户可以是指容易出现或已出现过敏感行为的用户,例如刑满释放人员、案件线索人员或者是公安警务已锁定的人员。相应的,由于目标管控用户与执行敏感行为的目标管控区域通常具有关联关系,因此对于目标管控区域内的用户进行用户身份行为数据的获取,来确定目标管控区域内是否存在目标管控用户,若存在,则该目标管控用户在目标管控区域执行敏感行为的可能性升高,为公安警务人员提供预警,以备提前部署解决方案。
可选的,根据敏感事件关联的用户身份行为数据,确定敏感事件情报信息;根据敏感事件情报信息,确定敏感事件的侦查因素和/或侦查思路。
在本发明具体实施例中,敏感事件可以是指已经发生相应敏感行为的事件,相应的,公安警务部门需要对敏感事件进行侦查。在侦查的过程中,基于大数据中确定的用户身份行为数据,可以挖掘敏感事件的情报信息。其中,所述敏感事件情报信息包括敏感事件类型和/或敏感事件关联人员。以此根据敏感事件情报信息确定敏感事件的侦查因素和/或侦查思路,为公安警务人员提供敏感事件的侦查策略,提高案件的侦查效率。
可选的,根据用户身份行为数据,以及警务意图识别模型和/或敏感行为识别模型,确定用户的警务意图和/或敏感类型。
在本发明具体实施例中,用户可以是指大数据中进行监测的自然人,也可以是指用于执行公安警务的警务人员。相应的,用户身份行为数据可以包括待监测用户的身份行为数据,也可以包括公安警务人员的身份行为数据。警务意图识别模型是指依据警务人员的用户身份行为数据,可以预测或识别警务人员下一步的行为意图的模型。敏感行为识别模型是指依据待监测用户的身份行为数据,可以预测或识别待监测用户的敏感意图、敏感行为或敏感类型的模型。具体的,根据业务场景需求,基于人工智能技术,利用机器学习技术,预先构建警务意图识别模型和/或敏感行为识别模型。从而以用户身份行为数据为输入,从海量用户的用户身份行为数据中不断挖掘出相关数据的关键词,输出警务意图和/或敏感类型,实现主动发现警务人员的警务意图,以为警务人员寻找敏感意图实施证据或提供更佳的侦查策略,或者实现主动发现敏感意图,为公安警务人员提供预警,以备提前部署解决方案。
S230、根据用户身份行为数据,确定用户的关系特征。
在本发明具体实施例中,基于确定的用户身份行为数据,对用户的关系特征进行挖掘,用户的关系特征可以表示现实关系特征或虚拟关系特征;可以是个体与个体、个体与群体或者群体与群体之间的关系特征,例如团伙关系等;也可以是人与人、人与物或人与事件之间的关系特征,例如案情关系等。针对人与人之间的关系,用户的关系特征可以包括同行关系、亲友关系、住宿关系、共案关系、共同收监关系和通话密度中的至少一种。具体的,基于大数据的NLP和属性挖掘技术,针对海量的线上线下数据,依据确定的用户身份行为数据,提取全量用户多维度的特征集合,可以包括空间属性、时间属性、兴趣属性、行为属性、关系属性以及关系实体属性等,从而确定用户的关系特征。
S240、根据用户的关系特征,对用户进行关联关系挖掘。
在本发明具体实施例中,依托大数据分析挖掘能力,以深度学习和神经网络为核心,以NLP自然语言处理为工具,以虚实融合的用户身份行为数据为基础,融合大数据的社交关系体系,构建关联分析和挖掘系统。从整体上来看,主要包括基本关系挖掘、虚拟关系挖掘、案情挖掘、关系融合、关系推导以及团伙识别等。关联关系可以包括现实或虚拟中的社交关系、人与人的关联关系、人与物的关联关系、财务往来关系等可用于管控和技侦等关联关系信息。
本实施例中,还可以对识别和挖掘出的信息进行标签的添加,依据基础标签和特定标签对用户进行人物画像,其中可以包括个体人物画像和区域人群画像等。基础标签中可以包括基础信息、地点、物品、早出晚归、常驻宾馆、工作地、家庭地址、常出入地、出差族、活动范围、外地人聚集区、商业区、基础档案、背景档案、轨迹档案以及关系图谱等。特定标签可以包括用于描述具体敏感行为的标签。从而基于标签进行人物画像,便于全局的动态索引,可以更好地辅助警务人员开展工作。
S250、响应于包括目标用户信息的关联检索请求,从挖掘的用户关联关系中查找目标用户信息的关联关系。
在本发明具体实施例中,关联检索请求是指警务人员依据自身权限所发起的检索请求,检索请求中包含了检索对象信息即目标用户信息。进而根据挖掘的用户关联关系,查找出目标用户信息的关联关系,例如人物关系、事件关系或物品关系等。同时依托可视化引擎、翻译系统和对话问答系统,提高公安警务对于大数据信息的处理能力和效率。
在本发明具体实施例中,基于上述公安警务管理业务流程,可以构建整体的数据分析架构。图3为公安警务管理架构示例图,由图3可以看出,该公安警务管理架构包括数据采集层、数据融合层、实体建模层、分析引擎层以及前端应用层。其中,数据采集层用于获取第三方采集的现场数据、警务数据以及互联网抓取的数据;数据融合层用于基于时间维度和空间维度进行大数据的融合;实体建模层用于对数据进行挖掘,根据业务需求进行全关联网络建模;分析引擎层用于基于大数据进行警务的辅助;以及全段应用层用于与警务人员的交互。公安警务管理架构依托公安内外网数据、互联网数据进行深度融合,利用语义分析、ID-mapping等大数据处理技术,构建标签、意图、时空大数据、关联分析挖掘、关联推导、虚实身份融合、多源异构数据同构等引擎,进行深层次算法模型创建和挖掘,形成公安智能化大数据情报研判分析系统。
本实施例的技术方案,通过对现场采集数据、警务数据和互联网数据进行整理和融合,确定用户身份行为数据,根据用户身份行为数据对用户进行预测、管控和辅助,并根据用户身份行为数据确定用户的关系特征,从而根据用户的关系特征对用户进行关联关系挖掘,以备警务人员进行关联关系的检索。本发明实施例为警务环境下各警务部门提供了大数据分析平台,可以统筹大数据下所有用户的身份行为数据,能够对大数据据覆盖范围内的所有用户的关联关系进行有效的挖掘,从而为警务环境下各业务需求提供有效的检索、分析和处理依据,提高了警务环境下各警务部门对警务数据的管理和处理效率。
实施例三
图4为本发明实施例三提供的一种公安警务管理装置的结构示意图,本实施例可适用于基于大数据对用户关联关系进行挖掘的情况,该装置可实现本发明任意实施例所述的公安警务管理方法。该装置具体包括:
用户身份行为数据确定模块410,用于根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据;
关系特征确定模块420,用于根据所述用户身份行为数据,确定用户的关系特征;
关联关系挖掘模块430,用于根据所述用户的关系特征,对用户进行关联关系挖掘。
可选的,所述关联关系挖掘模块430具体用于:
根据所述用户的关系特征,确定用户的上下游关系和/或团伙关系。
可选的,所述用户的关系特征包括同行关系、亲友关系、住宿关系、共案关系、共同收监关系和通话密度中的至少一种。
可选的,所述用户身份行为数据确定模块410包括:
现实数据确定单元,用于根据所述现场采集数据和所述警务数据,确定用户的现实身份和现实行为;
虚拟数据确定单元,用于根据所述互联网数据,确定用户的虚拟身份和虚拟行为。
进一步的,所述装置还包括检索模块440;所述检索模块440具体用于:
在所述根据所述用户的关系特征,对用户进行关联关系挖掘之后,响应于包括目标用户信息的关联检索请求,从挖掘的用户关联关系中查找所述目标用户信息的关联关系。
进一步的,所述装置还包括用户意图预测模块450;所述用户意图预测模块450包括:
敏感行为特征确定单元,用于在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,根据所述用户身份行为数据,确定用户的敏感行为特征;
用户特征打分单元,用于根据所述用户的敏感行为特征,对用户进行打分;
用户敏感意图确定单元,用于根据用户的打分结果,确定用户的敏感意图。
进一步的,所述装置还包括管控区域监控模块460;所述管控区域监控模块460包括:
区域人流密度确定单元,用于在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,根据位于目标管控区域内的用户身份行为数据,确定目标管控区域的人流密度;
区域敏感类型确定单元,用于根据目标管控区域的人流密度,确定目标管控区域的敏感类型。
进一步的,所述装置还包括管控用户监控模块470;所述管控用户监控模块470具体用于:
在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,根据位于目标管控区域内的用户身份行为数据,确定所述目标管控区域内是否存在目标管控用户。
进一步的,所述装置还包括警务分析模块480;所述警务分析模块480包括:
情报确定单元,用于在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,根据敏感事件关联的用户身份行为数据,确定敏感事件情报信息;其中,所述敏感事件情报信息包括敏感事件类型和/或敏感事件关联人员;
侦查策略确定单元,用于根据敏感事件情报信息,确定敏感事件的侦查因素和/或侦查思路。
进一步的,所述装置还包括智能分析模块490;所述智能分析模块490具体用于:
在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,根据所述用户身份行为数据,以及警务意图识别模型和/或敏感行为识别模型,确定用户的警务意图和/或敏感类型。
本实施例的技术方案,通过各个功能模块之间的相互配合,实现了多源数据的采集、数据的融合、用户身份行为数据的确定、标签的标注、标签的扩展、模型的构建、敏感行为的预测、敏感用户或区域的管控、情报的挖掘、案情的预测、侦查策略的推荐、警务意图的预测、用户关联关系的挖掘以及关联信息的检索都能够功能。本发明实施例为警务环境下各警务部门提供了大数据分析平台,可以统筹大数据下所有用户的身份行为数据,能够对大数据据覆盖范围内的所有用户的关联关系进行有效的挖掘,从而为警务环境下各业务需求提供有效的检索、分析和处理依据,提高了警务环境下各警务部门对警务数据的管理和处理效率。
实施例四
图5为本发明实施例四提供的一种设备的结构示意图,图5示出了适于用来实现本发明实施例实施方式的示例性设备的框图。图5显示的设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
图5显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器16,系统存储器28,连接不同系统组件(包括系统存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的公安警务管理方法。
实施例五
本发明实施例五还提供一种计算机可读存储介质,其上存储有计算机程序(或称为计算机可执行指令),该程序被处理器执行时用于执行一种公安警务管理方法,该方法包括:
根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据;
根据所述用户身份行为数据,确定用户的关系特征;
根据所述用户的关系特征,对用户进行关联关系挖掘。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或设备上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (21)
1.一种公安警务管理方法,其特征在于,包括:
根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据;
根据所述用户身份行为数据,确定用户的关系特征;
根据所述用户的关系特征,对用户进行关联关系挖掘。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户的关系特征,对用户进行关联关系挖掘,包括:
根据所述用户的关系特征,确定用户的上下游关系和/或团伙关系。
3.根据权利要求1所述的方法,其特征在于,所述用户的关系特征包括同行关系、亲友关系、住宿关系、共案关系、共同收监关系和通话密度中的至少一种。
4.根据权利要求1所述的方法,其特征在于,根据现场采集数据、警务数据和互联网数据,确定用户身份行为数据,包括:
根据所述现场采集数据和所述警务数据,确定用户的现实身份和现实行为;
根据所述互联网数据,确定用户的虚拟身份和虚拟行为。
5.根据权利要求1所述的方法,其特征在于,在所述根据所述用户的关系特征,对用户进行关联关系挖掘之后,还包括:
响应于包括目标用户信息的关联检索请求,从挖掘的用户关联关系中查找所述目标用户信息的关联关系。
6.根据权利要求1所述的方法,其特征在于,在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,还包括:
根据所述用户身份行为数据,确定用户的敏感行为特征;
根据所述用户的敏感行为特征,对用户进行打分;
根据用户的打分结果,确定用户的敏感意图。
7.根据权利要求1所述的方法,其特征在于,在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,还包括:
根据位于目标管控区域内的用户身份行为数据,确定目标管控区域的人流密度;
根据目标管控区域的人流密度,确定目标管控区域的敏感类型。
8.根据权利要求1所述的方法,其特征在于,在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,还包括:
根据位于目标管控区域内的用户身份行为数据,确定所述目标管控区域内是否存在目标管控用户。
9.根据权利要求1所述的方法,其特征在于,在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,还包括:
根据敏感事件关联的用户身份行为数据,确定敏感事件情报信息;其中,所述敏感事件情报信息包括敏感事件类型和/或敏感事件关联人员;
根据敏感事件情报信息,确定敏感事件的侦查因素和/或侦查思路。
10.根据权利要求1所述的方法,其特征在于,在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,还包括:
根据所述用户身份行为数据,以及警务意图识别模型和/或敏感行为识别模型,确定用户的警务意图和/或敏感类型。
11.一种公安警务管理装置,其特征在于,包括:
用户身份行为数据确定模块,用于根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据;
关系特征确定模块,用于根据所述用户身份行为数据,确定用户的关系特征;
关联关系挖掘模块,用于根据所述用户的关系特征,对用户进行关联关系挖掘。
12.根据权利要求11所述的装置,其特征在于,所述关联关系挖掘模块具体用于:
根据所述用户的关系特征,确定用户的上下游关系和/或团伙关系。
13.根据权利要求11所述的装置,其特征在于,所述用户身份行为数据确定模块,包括:
现实数据确定单元,用于根据所述现场采集数据和所述警务数据,确定用户的现实身份和现实行为;
虚拟数据确定单元,用于根据所述互联网数据,确定用户的虚拟身份和虚拟行为。
14.根据权利要求11所述的装置,其特征在于,所述装置还包括检索模块;所述检索模块具体用于:
在所述根据所述用户的关系特征,对用户进行关联关系挖掘之后,响应于包括目标用户信息的关联检索请求,从挖掘的用户关联关系中查找所述目标用户信息的关联关系。
15.根据权利要求11所述的装置,其特征在于,所述装置还包括用户意图预测模块;所述用户意图预测模块包括:
敏感行为特征确定单元,用于在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,根据所述用户身份行为数据,确定用户的敏感行为特征;
用户特征打分单元,用于根据所述用户的敏感行为特征,对用户进行打分;
用户敏感意图确定单元,用于根据用户的打分结果,确定用户的敏感意图。
16.根据权利要求11所述的装置,其特征在于,所述装置还包括管控区域监控模块;所述管控区域监控模块包括:
区域人流密度确定单元,用于在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,根据位于目标管控区域内的用户身份行为数据,确定目标管控区域的人流密度;
区域敏感类型确定单元,用于根据目标管控区域的人流密度,确定目标管控区域的敏感类型。
17.根据权利要求11所述的装置,其特征在于,所述装置还包括管控用户监控模块;所述管控用户监控模块具体用于:
在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,根据位于目标管控区域内的用户身份行为数据,确定所述目标管控区域内是否存在目标管控用户。
18.根据权利要求11所述的装置,其特征在于,所述装置还包括警务分析模块;所述警务分析模块包括:
情报确定单元,用于在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,根据敏感事件关联的用户身份行为数据,确定敏感事件情报信息;其中,所述敏感事件情报信息包括敏感事件类型和/或敏感事件关联人员;
侦查策略确定单元,用于根据敏感事件情报信息,确定敏感事件的侦查因素和/或侦查思路。
19.根据权利要求11所述的装置,其特征在于,所述装置还包括智能分析模块;所述智能分析模块具体用于:
在所述根据现场采集数据、警务数据和互联网数据中的至少一种,确定用户身份行为数据之后,根据所述用户身份行为数据,以及警务意图识别模型和/或敏感行为识别模型,确定用户的警务意图和/或敏感类型。
20.一种设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-10中任一项所述的公安警务管理方法。
21.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-10中任一项所述的公安警务管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811456291.XA CN109522342A (zh) | 2018-11-30 | 2018-11-30 | 公安警务管理方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811456291.XA CN109522342A (zh) | 2018-11-30 | 2018-11-30 | 公安警务管理方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109522342A true CN109522342A (zh) | 2019-03-26 |
Family
ID=65793666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811456291.XA Pending CN109522342A (zh) | 2018-11-30 | 2018-11-30 | 公安警务管理方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109522342A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188224A (zh) * | 2019-05-27 | 2019-08-30 | 南京工程学院 | 一种基于重点人物目标识别的综合认知方法 |
CN110516080A (zh) * | 2019-09-02 | 2019-11-29 | 北京明略软件系统有限公司 | 关系图谱的显示方法及装置、存储介质、电子装置 |
CN110751310A (zh) * | 2019-08-30 | 2020-02-04 | 恒锋信息科技股份有限公司 | 一种获取多维人员关系和事件关联的方法及系统 |
CN110765435A (zh) * | 2019-10-23 | 2020-02-07 | 北京旷视科技有限公司 | 确定人员身份属性的方法、装置和电子设备 |
CN111126167A (zh) * | 2019-12-02 | 2020-05-08 | 武汉虹信技术服务有限责任公司 | 一种快速识别多名特定人员串联活动的方法及系统 |
CN111461460A (zh) * | 2020-04-24 | 2020-07-28 | 南京市公安局栖霞分局 | 一种警务巡查路线规划方法及人员排查方法 |
CN111552727A (zh) * | 2020-04-26 | 2020-08-18 | 宋长海 | 大数据侦查应用系统 |
CN111737309A (zh) * | 2020-05-22 | 2020-10-02 | 深圳市天彦通信股份有限公司 | 用户管理方法及相关产品 |
CN112256667A (zh) * | 2020-09-16 | 2021-01-22 | 珠海市新德汇信息技术有限公司 | 多生物特征归一方法 |
CN113742605A (zh) * | 2020-05-29 | 2021-12-03 | 京东城市(北京)数字科技有限公司 | 时空关联关系的确定方法、装置、设备和存储介质 |
CN114120428A (zh) * | 2022-01-18 | 2022-03-01 | 深圳前海中电慧安科技有限公司 | 一种图码联侦关联方法、装置、计算机设备及存储介质 |
CN115809256A (zh) * | 2023-02-22 | 2023-03-17 | 中关村科学城城市大脑股份有限公司 | 治安管理综合信息系统和可视化展示方法 |
CN116484309A (zh) * | 2023-03-09 | 2023-07-25 | 重庆市规划和自然资源信息中心 | 户籍人口数据与不动产登记数据融合方法 |
CN117708725A (zh) * | 2023-12-15 | 2024-03-15 | 中国电子科技集团公司第十五研究所 | 分布式人员关系挖掘评估方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850567A (zh) * | 2014-02-19 | 2015-08-19 | 阿里巴巴集团控股有限公司 | 一种识别网络用户之间关联关系的方法和装置 |
WO2016029794A1 (zh) * | 2014-08-27 | 2016-03-03 | 阿里巴巴集团控股有限公司 | 识别特征账号的方法及装置 |
CN105427221A (zh) * | 2015-12-09 | 2016-03-23 | 北京中科云集科技有限公司 | 一种基于云平台的警务管理方法 |
CN105574657A (zh) * | 2015-12-11 | 2016-05-11 | 山东新网格信息技术有限公司 | 智能警务实战综合应用平台 |
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 |
CN106846228A (zh) * | 2017-02-13 | 2017-06-13 | 浪潮通信信息系统有限公司 | 一种基于位置信息及社交关系的公共安全预警方法及系统 |
CN108763359A (zh) * | 2018-05-16 | 2018-11-06 | 武汉斗鱼网络科技有限公司 | 一种具有关联关系的用户挖掘方法、装置及电子设备 |
-
2018
- 2018-11-30 CN CN201811456291.XA patent/CN109522342A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850567A (zh) * | 2014-02-19 | 2015-08-19 | 阿里巴巴集团控股有限公司 | 一种识别网络用户之间关联关系的方法和装置 |
WO2016029794A1 (zh) * | 2014-08-27 | 2016-03-03 | 阿里巴巴集团控股有限公司 | 识别特征账号的方法及装置 |
CN105427221A (zh) * | 2015-12-09 | 2016-03-23 | 北京中科云集科技有限公司 | 一种基于云平台的警务管理方法 |
CN105574657A (zh) * | 2015-12-11 | 2016-05-11 | 山东新网格信息技术有限公司 | 智能警务实战综合应用平台 |
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 |
CN106846228A (zh) * | 2017-02-13 | 2017-06-13 | 浪潮通信信息系统有限公司 | 一种基于位置信息及社交关系的公共安全预警方法及系统 |
CN108763359A (zh) * | 2018-05-16 | 2018-11-06 | 武汉斗鱼网络科技有限公司 | 一种具有关联关系的用户挖掘方法、装置及电子设备 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110188224A (zh) * | 2019-05-27 | 2019-08-30 | 南京工程学院 | 一种基于重点人物目标识别的综合认知方法 |
CN110751310A (zh) * | 2019-08-30 | 2020-02-04 | 恒锋信息科技股份有限公司 | 一种获取多维人员关系和事件关联的方法及系统 |
CN110516080A (zh) * | 2019-09-02 | 2019-11-29 | 北京明略软件系统有限公司 | 关系图谱的显示方法及装置、存储介质、电子装置 |
CN110765435A (zh) * | 2019-10-23 | 2020-02-07 | 北京旷视科技有限公司 | 确定人员身份属性的方法、装置和电子设备 |
CN110765435B (zh) * | 2019-10-23 | 2022-05-17 | 北京旷视科技有限公司 | 确定人员身份属性的方法、装置和电子设备 |
CN111126167B (zh) * | 2019-12-02 | 2023-08-04 | 武汉虹信技术服务有限责任公司 | 一种快速识别多名特定人员串联活动的方法及系统 |
CN111126167A (zh) * | 2019-12-02 | 2020-05-08 | 武汉虹信技术服务有限责任公司 | 一种快速识别多名特定人员串联活动的方法及系统 |
CN111461460A (zh) * | 2020-04-24 | 2020-07-28 | 南京市公安局栖霞分局 | 一种警务巡查路线规划方法及人员排查方法 |
CN111461460B (zh) * | 2020-04-24 | 2024-02-20 | 南京市公安局栖霞分局 | 一种警务巡查路线规划方法及人员排查方法 |
CN111552727A (zh) * | 2020-04-26 | 2020-08-18 | 宋长海 | 大数据侦查应用系统 |
CN111737309A (zh) * | 2020-05-22 | 2020-10-02 | 深圳市天彦通信股份有限公司 | 用户管理方法及相关产品 |
CN113742605A (zh) * | 2020-05-29 | 2021-12-03 | 京东城市(北京)数字科技有限公司 | 时空关联关系的确定方法、装置、设备和存储介质 |
CN112256667A (zh) * | 2020-09-16 | 2021-01-22 | 珠海市新德汇信息技术有限公司 | 多生物特征归一方法 |
CN112256667B (zh) * | 2020-09-16 | 2024-03-22 | 珠海市新德汇信息技术有限公司 | 多生物特征归一方法 |
CN114120428A (zh) * | 2022-01-18 | 2022-03-01 | 深圳前海中电慧安科技有限公司 | 一种图码联侦关联方法、装置、计算机设备及存储介质 |
CN115809256A (zh) * | 2023-02-22 | 2023-03-17 | 中关村科学城城市大脑股份有限公司 | 治安管理综合信息系统和可视化展示方法 |
CN116484309A (zh) * | 2023-03-09 | 2023-07-25 | 重庆市规划和自然资源信息中心 | 户籍人口数据与不动产登记数据融合方法 |
CN116484309B (zh) * | 2023-03-09 | 2023-09-29 | 重庆市规划和自然资源信息中心 | 户籍人口数据与不动产登记数据融合方法 |
CN117708725A (zh) * | 2023-12-15 | 2024-03-15 | 中国电子科技集团公司第十五研究所 | 分布式人员关系挖掘评估方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109522342A (zh) | 公安警务管理方法、装置、设备和存储介质 | |
Xu et al. | Building knowledge base of urban emergency events based on crowdsourcing of social media | |
Pramanik et al. | Big data analytics for security and criminal investigations | |
Rawat et al. | Techniques for predicting dark web events focused on the delivery of illicit products and ordered crime | |
Dakalbab et al. | Artificial intelligence & crime prediction: A systematic literature review | |
Shahbazi et al. | Blockchain-based event detection and trust verification using natural language processing and machine learning | |
Deng et al. | Detecting information requirements for crisis communication from social media data: An interactive topic modeling approach | |
Tian et al. | Project Articles | |
Nouh et al. | Towards designing a multipurpose cybercrime intelligence framework | |
Jaquet-Chiffelle et al. | A formalized model of the Trace | |
Khan et al. | Real-time power outage detection system using social sensing and neural networks | |
Lv et al. | A study of bitcoin de-anonymization: graph and multidimensional data analysis | |
Park et al. | AI-Enabled Grouping Bridgehead to Secure Penetration Topics of Metaverse. | |
Sharma et al. | Horizoning recent trends in the security of smart cities: Exploratory analysis using latent semantic analysis | |
Ahmadi et al. | Inductive and transductive link prediction for criminal network analysis | |
Norouzi | Spatial, temporal, and semantic crime analysis using information extraction from online news | |
Zhang et al. | Knowledge graph and behavior portrait of intelligent attack against path planning | |
Doohan et al. | Implementation of AI based Safety and Security System Integration for Smart City | |
Johnson et al. | Future crime | |
Büscher et al. | Privacy, security, liberty: Informing the design of EMIS. | |
Peppes et al. | A semantic engine and an ontology visualization tool for advanced crime analysis | |
Han et al. | Geosocial media as a proxy for security: A review | |
Mazher et al. | Artificial Intelligence Based Architecture to Enhance Cloud Computing Security | |
Karthika et al. | Analyzing various social networking approaches for covert networks | |
Coden et al. | Uncovering insider threats from the digital footprints of individuals |
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: 20190326 |
|
RJ01 | Rejection of invention patent application after publication |