CN109615572A - 基于大数据的人员亲密度分析的方法及系统 - Google Patents
基于大数据的人员亲密度分析的方法及系统 Download PDFInfo
- Publication number
- CN109615572A CN109615572A CN201811452929.2A CN201811452929A CN109615572A CN 109615572 A CN109615572 A CN 109615572A CN 201811452929 A CN201811452929 A CN 201811452929A CN 109615572 A CN109615572 A CN 109615572A
- Authority
- CN
- China
- Prior art keywords
- cohesion
- data
- parties
- behavior
- personnel
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000000523 sample Substances 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- -1 face One of bayonet Substances 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 55
- 238000011835 investigation Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明提供了一种基于大数据的人员亲密度分析的方法及系统，该方法包括以下步骤：S1，获取公安内部多维数据以及前端设备采集的实时数据并存入大数据平台；S2，对待分析人员建立档案；S3，基于所述步骤S1获取的数据选取多个亲密度规则，并针对不同数据源数据建立亲密度行为与亲密度规则之间对应关系的分析模型；S4，基于两个关系人的档案数据，通过不同数据源数据及其分析模型进行碰撞分析，得出两个关系人在各种规则下的行为次数，并进一步计算两个关系人在各种规则下的亲密度，然后通过加权算法计算两个关系人在各种规则下的组合亲密度。本发明判断结果准确，充分发挥公安系统多维海量数据的作用，工作效率较高。
Description
技术领域
本发明涉及警务大数据挖掘分析技术领域，尤其涉及一种基于大数据的人员亲密度分析的方法及系统。
背景技术
随着现代社会经济和网络的迅速发展，城市的前端感知设备不断完善，多个维度的海量数据汇聚到公安系统，这些数据拥有巨大的挖掘潜力，传统的公安侦查工作的展开，仅利用单维的数据从海量数据中筛查与目标人员行为相似的人员，该方法存在以下缺点：
1、对于目标与关系人的关系程度判断不够准确，不能完全发挥多维海量数据的作用，工作效率低下；
2、不能直观展示目标与关系人的历史行为轨迹。
因此，有必要基于多维海量数据挖掘出一种新的对人员亲密度进行分析的方法。
发明内容
本发明的目的在于提供一种基于大数据的人员亲密度分析的方法及系统，旨在用于解决现有的公安侦查工作仅利用单维的数据从海量数据中筛查与之行为相似的人员导致判断不够准确、效率低下的问题。
本发明是这样实现的：
一方面，本发明提供一种基于大数据的人员亲密度分析的方法，包括以下步骤：
S1，获取公安内部多维数据以及前端设备采集的实时数据并存入大数据平台；
S2，对待分析人员建立档案；
S3，基于所述步骤S1获取的数据选取多个亲密度规则，并针对不同数据源数据建立亲密度行为与亲密度规则之间对应关系的分析模型；
S4，基于两个关系人的档案数据，通过不同数据源数据及其分析模型进行碰撞分析，得出两个关系人在各种规则下的行为次数，并进一步计算两个关系人在各种规则下的亲密度，然后通过加权算法计算两个关系人在各种规则下的组合亲密度。
进一步地，所述步骤S1中获取的公安内部多维数据包括火车购票信息、汽车购票信息、飞机购票信息、宾馆住宿信息、网吧上网信息、群体事件信息中的一种或多种；前端设备包括电子围栏、wifi探针、人脸卡口、车辆卡口中的一种或多种。
进一步地，所述步骤S2中建立的档案包含人员姓名、身份证号码、手机号、手机mac、手机IMSI、车牌号、登记照片。
进一步地，所述步骤S3中选取的亲密度规则包括同行、同住、同上网、同事件，其中，亲密度行为与亲密度规则之间对应关系如下：
同行对应的亲密度行为包括两个关系人乘坐同时间同车次列车或同班次客车或同航班飞机或者一定时间容差内电子围栏、wifi探针捕捉的两个关系人同行卡点；
同住对应的亲密度行为包括两个关系人同时间同宿同一家酒店或者宾馆的同一房间；
同上网对应的亲密度行为包括两个关系人在一定时间容差内，在同一网吧同时上机和下机；
同事件对应的亲密度行为包括两个关系人参与同一群体事件。
进一步地，所述步骤S4中，计算两个关系人在各种规则下的亲密度的计算公式如下：
在上述公式中，p1和p2代表两个关系人，ri代表规则，表示关系人p1和p2在规则ri下的亲密度，表示关系人p1和p2在规则ri下的行为次数，e为收缩量，用来控制关系人p1和p2的行为次数对亲密度增长速度的影响程度，si为偏移量，用来控制关系人p1和p2的行为次数衡量下限；
通过加权算法计算两个关系人在各种规则下的组合亲密度的计算公式如下：
在上述公式中，wi为规则ri的权重，N为基于多维数据的N种规则；表示关系人p1和p2在N种规则下的组合亲密度。
进一步地，该方法还包括以下步骤：
S5，通过可视化图表展示两个关系人之间亲密度的线性折线，基于GIS地图可视化分层展示两个关系人历史行为轨迹。
另一方面，本发明还提供一种基于大数据的人员亲密度分析的系统，包括：数据获取模块、档案建立模块、分析模型建立模块以及亲密度计算模块；
所述数据获取模块用于获取公安内部多维数据以及前端设备采集的实时数据并存入大数据平台；
所述档案建立模块用于对待分析人员建立档案；
所述分析模型建立模块用于基于所述数据获取模块获取的数据选取多个亲密度规则，并针对不同数据源数据建立亲密度行为与亲密度规则之间对应关系的分析模型；
所述亲密度计算模块用于基于两个关系人的档案数据，通过不同数据源数据及其分析模型进行碰撞分析，得出两个关系人在各种规则下的行为次数，并进一步计算两个关系人在各种规则下的亲密度，然后通过加权算法计算两个关系人在各种规则下的组合亲密度。
进一步地，所述数据获取模块获取的公安内部多维数据包括火车购票信息、汽车购票信息、飞机购票信息、宾馆住宿信息、网吧上网信息、群体事件信息中的一种或多种；前端设备包括电子围栏、wifi探针、人脸卡口、车辆卡口中的一种或多种。
进一步地，所述分析模型建立模块选取的亲密度规则包括同行、同住、同上网、同事件，其中，亲密度行为与亲密度规则之间对应关系如下：
同行对应的亲密度行为包括两个关系人乘坐同时间同车次列车或同班次客车或同航班飞机或者一定时间容差内电子围栏、wifi探针捕捉的两个关系人同行卡点；
同住对应的亲密度行为包括两个关系人同时间同宿同一家酒店或者宾馆的同一房间；
同上网对应的亲密度行为包括两个关系人在一定时间容差内，在同一网吧同时上机和下机；
同事件对应的亲密度行为包括两个关系人参与同一群体事件。
进一步地，所述亲密度计算模块计算两个关系人在各种规则下的亲密度的计算公式如下：
在上述公式中，p1和p2代表两个关系人，ri代表规则，表示关系人p1和p2在规则ri下的亲密度，表示关系人p1和p2在规则ri下的行为次数，e为收缩量，用来控制关系人p1和p2的行为次数对亲密度增长速度的影响程度，si为偏移量，用来控制关系人p1和p2的行为次数衡量下限；
所述亲密度计算模块通过加权算法计算两个关系人在各种规则下的组合亲密度的计算公式如下：
在上述公式中，wi为规则ri的权重，N为基于多维数据的N种规则；表示关系人p1和p2在N种规则下的组合亲密度。
与现有技术相比，本发明具有以下有益效果：
本发明提供的这种基于大数据的人员亲密度分析的方法及系统，基于大数据平台支撑，获取公安系统中海量多维数据以及前端设备采集的实时数据，并基于获取的多维数据，建立不同的亲密度行为与亲密度规则之间对应关系的分析模型，并计算在各种规则下的亲密度，然后通过加权算法计算两个关系人在各种规则下的组合亲密度，判断结果准确，充分发挥公安系统多维海量数据的作用，工作效率较高。并以图形化方式展示目标与关系人间的亲密程度变化折线，借助GIS地图，可以很好的展示目标与关系人的历史行为轨迹，有助于判断目标与关系人间的亲密程度以及直观地了解目标与关系人的历史共同落脚点，从而帮助警员发现线索，排查嫌疑目标，提高民警办案以及侦查效率。
附图说明
图1为本发明实施例提供的一种基于大数据的人员亲密度分析的方法的流程图；
图2为本发明实施例提供的一种基于大数据的人员亲密度分析的系统的方框图；
图3为本发明实施例提供的两个关系人之间亲密度的线性折线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，本发明实施例提供一种基于大数据的人员亲密度分析的方法，包括以下步骤：
S1，获取公安内部多维数据以及前端设备采集的实时数据并存入大数据平台；
S2，对待分析人员建立档案；
S3，基于所述步骤S1获取的数据选取多个亲密度规则，并针对不同数据源数据建立亲密度行为与亲密度规则之间对应关系的分析模型；
S4，基于两个关系人的档案数据，通过不同数据源数据及其分析模型进行碰撞分析，得出两个关系人在各种规则下的行为次数，并进一步计算两个关系人在各种规则下的亲密度，然后通过加权算法计算两个关系人在各种规则下的组合亲密度。
下面对上述各步骤进行详细说明。
在一个实施例中，所述步骤S1中获取的公安内部多维数据包括火车购票信息、汽车购票信息、飞机购票信息、宾馆住宿信息、网吧上网信息、群体事件信息中的一种或多种；前端设备包括电子围栏、wifi探针、人脸卡口、车辆卡口中的一种或多种，其中电子围栏可以采集手机IMSI，wifi探针可以采集手机mac，人脸卡口可以采集人脸图像数据、车辆卡口可以采集车辆图像数据。获取的数据通过ETL(数据抽取工具)，作业调度，定时抽取、清洗数据后存入大数据平台。
在一个实施例中，所述步骤S2中建立的档案包含人员姓名、身份证号码、手机号、手机mac、手机IMSI、车牌号、登记照片等信息，形成一人一档。
基于所述步骤S1中获取的多维数据，本实施例中，所述步骤S3中选取的亲密度规则包括同行、同住、同上网、同事件，其中，亲密度行为与亲密度规则之间对应关系如下：
同行对应的亲密度行为包括两个关系人乘坐同时间同车次列车或同班次客车或同航班飞机或者一定时间容差内电子围栏、wifi探针捕捉的两个关系人同行卡点；
同住对应的亲密度行为包括两个关系人同时间同宿同一家酒店或者宾馆的同一房间；
同上网对应的亲密度行为包括两个关系人在一定时间容差内，在同一网吧同时上机和下机；
同事件对应的亲密度行为包括两个关系人参与同一群体事件。
通过上述亲密度行为与亲密度规则之间对应关系，充分挖掘多维数据中对亲密度分析有用的数据，通过亲密度行为与亲密度规则之间对应关系的分析模型，可以分析出两个关系人的行为是否符合相应的亲密度规则。
所述步骤S4中，基于两个关系人的档案数据，可以从大数据平台中获取与这两个关系人相关的数据，并通过不同数据源数据及其分析模型进行碰撞分析，分析出两个关系人发生符合各种亲密度规则的行为的次数，从而得出两个关系人在各种规则下的行为次数，并根据某种规则下的行为次数计算该规则下的亲密度。
在一个实施例中，所述步骤S4中，计算两个关系人在各种规则下的亲密度的计算公式如下：
在上述公式中，p1和p2代表两个关系人，ri代表规则，表示关系人p1和p2在规则ri下的亲密度，表示关系人p1和p2在规则ri下的行为次数，e为收缩量，用来控制关系人p1和p2的行为次数对亲密度增长速度的影响程度，si为偏移量，用来控制关系人p1和p2的行为次数衡量下限。
通过加权算法计算两个关系人在各种规则下的组合亲密度的计算公式如下：
在上述公式中，wi为规则ri的权重，N为基于多维数据的N种规则；表示关系人p1和p2在N种规则下的组合亲密度。
通过多维数据以及多种亲密度规则计算两个关系人的亲密度，判断结果准确，充分发挥公安系统多维海量数据的作用，工作效率较高。
作为本实施例的优选，该方法还包括以下步骤：
S5，通过可视化图表展示两个关系人之间亲密度的线性折线，并基于GIS地图可视化分层展示两个关系人历史行为轨迹。其具体过程如下：
在一定的时间间隔下，由上述步骤定时分析两个关系人在上一节点与当前节点时间范围内的亲密度，借助图表工具，绘制时间-亲密度折线图，如图3所示，点击节点，可打开地图弹框，并将该节点时间范围内两个关系人历史行为轨迹在地图上可视化分层展示。
通过展示两个关系人之间亲密度的线性折线，方便了解两个关系人亲密度变化情况，通过GIS地图可视化分层展示目标与关系人历史行为轨迹，有助于判断两个关系人间的亲密程度以及直观地了解两个关系人的历史共同落脚点，从而帮助警员发现线索，排查嫌疑目标，提高民警办案以及侦查效率。
基于同一发明构思，本发明实施例还提供一种基于大数据的人员亲密度分析的系统，由于该系统解决问题的思路与上述方法解决问题的思路是一致的，因此该系统的实施可以参考上述方法实施例，重复之处不再赘述。
如图2所示，为本发明实施例提供的一种基于大数据的人员亲密度分析的系统，用于执行上述方法实施例，该系统包括数据获取模块11、档案建立模块12、分析模型建立模块13以及亲密度计算模块14；
所述数据获取模块11用于获取公安内部多维数据以及前端设备采集的实时数据并存入大数据平台；
所述档案建立模块12用于对待分析人员建立档案；
所述分析模型建立模块13用于基于所述数据获取模块获取的数据选取多个亲密度规则，并针对不同数据源数据建立亲密度行为与亲密度规则之间对应关系的分析模型；
所述亲密度计算模块14用于基于两个关系人的档案数据，通过不同数据源数据及其分析模型进行碰撞分析，得出两个关系人在各种规则下的行为次数，并进一步计算两个关系人在各种规则下的亲密度，然后通过加权算法计算两个关系人在各种规则下的组合亲密度。
在一个实施例中，所述数据获取模块11获取的公安内部多维数据包括火车购票信息、汽车购票信息、飞机购票信息、宾馆住宿信息、网吧上网信息、群体事件信息中的一种或多种；前端设备包括电子围栏、wifi探针、人脸卡口、车辆卡口中的一种或多种。
在一个实施例中，所述分析模型建立模块13选取的亲密度规则包括同行、同住、同上网、同事件，其中，亲密度行为与亲密度规则之间对应关系如下：
同行对应的亲密度行为包括两个关系人乘坐同时间同车次列车或同班次客车或同航班飞机或者一定时间容差内电子围栏、wifi探针捕捉的两个关系人同行卡点；
同住对应的亲密度行为包括两个关系人同时间同宿同一家酒店或者宾馆的同一房间；
同上网对应的亲密度行为包括两个关系人在一定时间容差内，在同一网吧同时上机和下机；
同事件对应的亲密度行为包括两个关系人参与同一群体事件。
在一个实施例中，所述亲密度计算模块14计算两个关系人在各种规则下的亲密度的计算公式如下：
在上述公式中，p1和p2代表两个关系人，ri代表规则，表示关系人p1和p2在规则ri下的亲密度，表示关系人p1和p2在规则ri下的行为次数，e为收缩量，用来控制关系人p1和p2的行为次数对亲密度增长速度的影响程度，si为偏移量，用来控制关系人p1和p2的行为次数衡量下限；
所述亲密度计算模块通过加权算法计算两个关系人在各种规则下的组合亲密度的计算公式如下：
在上述公式中，wi为规则ri的权重，N为基于多维数据的N种规则；表示关系人p1和p2在N种规则下的组合亲密度。
作为本实施例的优选，该系统还包括展示模块，所述展示模块用于通过可视化图表展示两个关系人之间亲密度的线性折线，基于GIS地图可视化分层展示两个关系人历史行为轨迹。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccessMemory)、磁盘或光盘等。
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、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的人员亲密度分析的方法，其特征在于，包括以下步骤：
S1，获取公安内部多维数据以及前端设备采集的实时数据并存入大数据平台；
S2，对待分析人员建立档案；
S3，基于所述步骤S1获取的数据选取多个亲密度规则，并针对不同数据源数据建立亲密度行为与亲密度规则之间对应关系的分析模型；
S4，基于两个关系人的档案数据，通过不同数据源数据及其分析模型进行碰撞分析，得出两个关系人在各种规则下的行为次数，并进一步计算两个关系人在各种规则下的亲密度，然后通过加权算法计算两个关系人在各种规则下的组合亲密度。
2.如权利要求1所述的基于大数据的人员亲密度分析的方法，其特征在于：所述步骤S1中获取的公安内部多维数据包括火车购票信息、汽车购票信息、飞机购票信息、宾馆住宿信息、网吧上网信息、群体事件信息中的一种或多种；前端设备包括电子围栏、wifi探针、人脸卡口、车辆卡口中的一种或多种。
3.如权利要求1所述的基于大数据的人员亲密度分析的方法，其特征在于：所述步骤S2中建立的档案包含人员姓名、身份证号码、手机号、手机mac、手机IMSI、车牌号、登记照片。
4.如权利要求1所述的基于大数据的人员亲密度分析的方法，其特征在于：所述步骤S3中选取的亲密度规则包括同行、同住、同上网、同事件，其中，亲密度行为与亲密度规则之间对应关系如下：
同行对应的亲密度行为包括两个关系人乘坐同时间同车次列车或同班次客车或同航班飞机或者一定时间容差内电子围栏、wifi探针捕捉的两个关系人同行卡点；
同住对应的亲密度行为包括两个关系人同时间同宿同一家酒店或者宾馆的同一房间；
同上网对应的亲密度行为包括两个关系人在一定时间容差内，在同一网吧同时上机和下机；
同事件对应的亲密度行为包括两个关系人参与同一群体事件。
5.如权利要求1所述的基于大数据的人员亲密度分析的方法，其特征在于，所述步骤S4中，计算两个关系人在各种规则下的亲密度的计算公式如下：
在上述公式中，p1和p2代表两个关系人，ri代表规则，f(ri,p1→p2)表示关系人p1和p2在规则ri下的亲密度，C(ri,p1→p2)表示关系人p1和p2在规则ri下的行为次数，e为收缩量，用来控制关系人p1和p2的行为次数对亲密度增长速度的影响程度，si为偏移量，用来控制关系人p1和p2的行为次数衡量下限；
通过加权算法计算两个关系人在各种规则下的组合亲密度的计算公式如下：
在上述公式中，wi为规则ri的权重，N为基于多维数据的N种规则；F(p1→p2)表示关系人p1和p2在N种规则下的组合亲密度。
6.如权利要求1所述的基于大数据的人员亲密度分析的方法，其特征在于，该方法还包括以下步骤：
S5，通过可视化图表展示两个关系人之间亲密度的线性折线，基于GIS地图可视化分层展示两个关系人历史行为轨迹。
7.一种基于大数据的人员亲密度分析的系统，其特征在于，包括：数据获取模块、档案建立模块、分析模型建立模块以及亲密度计算模块；
所述数据获取模块用于获取公安内部多维数据以及前端设备采集的实时数据并存入大数据平台；
所述档案建立模块用于对待分析人员建立档案；
所述分析模型建立模块用于基于所述数据获取模块获取的数据选取多个亲密度规则，并针对不同数据源数据建立亲密度行为与亲密度规则之间对应关系的分析模型；
所述亲密度计算模块用于基于两个关系人的档案数据，通过不同数据源数据及其分析模型进行碰撞分析，得出两个关系人在各种规则下的行为次数，并进一步计算两个关系人在各种规则下的亲密度，然后通过加权算法计算两个关系人在各种规则下的组合亲密度。
8.如权利要求7所述的基于大数据的人员亲密度分析的系统，其特征在于：所述数据获取模块获取的公安内部多维数据包括火车购票信息、汽车购票信息、飞机购票信息、宾馆住宿信息、网吧上网信息、群体事件信息中的一种或多种；前端设备包括电子围栏、wifi探针、人脸卡口、车辆卡口中的一种或多种。
9.如权利要求7所述的基于大数据的人员亲密度分析的系统，其特征在于：所述分析模型建立模块选取的亲密度规则包括同行、同住、同上网、同事件，其中，亲密度行为与亲密度规则之间对应关系如下：
同行对应的亲密度行为包括两个关系人乘坐同时间同车次列车或同班次客车或同航班飞机或者一定时间容差内电子围栏、wifi探针捕捉的两个关系人同行卡点；
同住对应的亲密度行为包括两个关系人同时间同宿同一家酒店或者宾馆的同一房间；
同上网对应的亲密度行为包括两个关系人在一定时间容差内，在同一网吧同时上机和下机；
同事件对应的亲密度行为包括两个关系人参与同一群体事件。
10.如权利要求7所述的基于大数据的人员亲密度分析的系统，其特征在于：
所述亲密度计算模块计算两个关系人在各种规则下的亲密度的计算公式如下：
在上述公式中，p1和p2代表两个关系人，ri代表规则，f(ri,p1→p2)表示关系人p1和p2在规则ri下的亲密度，C(ri,p1→p2)表示关系人p1和p2在规则ri下的行为次数，e为收缩量，用来控制关系人p1和p2的行为次数对亲密度增长速度的影响程度，si为偏移量，用来控制关系人p1和p2的行为次数衡量下限；
所述亲密度计算模块通过加权算法计算两个关系人在各种规则下的组合亲密度的计算公式如下：
在上述公式中，wi为规则ri的权重，N为基于多维数据的N种规则；F(p1→p2)表示关系人p1和p2在N种规则下的组合亲密度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811452929.2A CN109615572B (zh) | 2018-11-30 | 2018-11-30 | 基于大数据的人员亲密度分析的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811452929.2A CN109615572B (zh) | 2018-11-30 | 2018-11-30 | 基于大数据的人员亲密度分析的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109615572A true CN109615572A (zh) | 2019-04-12 |
| CN109615572B CN109615572B (zh) | 2023-03-31 |
Family
ID=66006540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811452929.2A Active CN109615572B (zh) | 2018-11-30 | 2018-11-30 | 基于大数据的人员亲密度分析的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109615572B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110889604A (zh) * | 2019-11-14 | 2020-03-17 | 武汉烽火众智数字技术有限责任公司 | 一种基于人脸识别的警务信息推荐方法及系统 |
| CN111177583A (zh) * | 2019-12-30 | 2020-05-19 | 山东合天智汇信息技术有限公司 | 一种基于社交平台的人脉分析方法及系统 |
| CN111221991A (zh) * | 2019-11-06 | 2020-06-02 | 北京旷视科技有限公司 | 人员身份属性的确定方法、装置和电子设备 |
| CN112069156A (zh) * | 2020-07-14 | 2020-12-11 | 武汉白虹软件科技有限公司 | 一种获取目标对象人物关系及关系亲密度的算法模型 |
| CN112149451A (zh) * | 2019-06-26 | 2020-12-29 | 杭州海康威视系统技术有限公司 | 一种亲密度分析方法及装置 |
| CN112364176A (zh) * | 2020-10-26 | 2021-02-12 | 青岛海信网络科技股份有限公司 | 一种人员行动轨迹的构建方法、设备及系统 |
| CN113032365A (zh) * | 2021-03-22 | 2021-06-25 | 航天科工智慧产业发展有限公司 | 一种群体动态管理方法 |
| CN113407594A (zh) * | 2021-06-18 | 2021-09-17 | 重庆紫光华山智安科技有限公司 | 一种融合关系分析方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103838814A (zh) * | 2013-11-22 | 2014-06-04 | 南京欣网视讯信息技术有限公司 | 一种动态展示人脉图谱关系的方法 |
| CN105468671A (zh) * | 2015-11-12 | 2016-04-06 | 杭州中奥科技有限公司 | 实现人员关系建模的方法 |
| CN106373015A (zh) * | 2016-08-31 | 2017-02-01 | 长江大学 | 社交网络中的亲密度确定方法及系统 |
| CN106844673A (zh) * | 2017-01-24 | 2017-06-13 | 山东亿海兰特通信科技有限公司 | 一种基于公安数据获取多维人员关系亲密度的方法及系统 |
| CN107798125A (zh) * | 2017-11-10 | 2018-03-13 | 携程旅游网络技术（上海）有限公司 | 基于亲密度模型的准入判定方法、系统、设备及存储介质 |
| CN108132998A (zh) * | 2017-12-21 | 2018-06-08 | 浪潮软件集团有限公司 | 一种人员关系分析方法和系统 |
| CN108897780A (zh) * | 2018-06-06 | 2018-11-27 | 山东合天智汇信息技术有限公司 | 一种分析计算人员亲密度的方法及系统 |
-
2018
- 2018-11-30 CN CN201811452929.2A patent/CN109615572B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103838814A (zh) * | 2013-11-22 | 2014-06-04 | 南京欣网视讯信息技术有限公司 | 一种动态展示人脉图谱关系的方法 |
| CN105468671A (zh) * | 2015-11-12 | 2016-04-06 | 杭州中奥科技有限公司 | 实现人员关系建模的方法 |
| CN106373015A (zh) * | 2016-08-31 | 2017-02-01 | 长江大学 | 社交网络中的亲密度确定方法及系统 |
| CN106844673A (zh) * | 2017-01-24 | 2017-06-13 | 山东亿海兰特通信科技有限公司 | 一种基于公安数据获取多维人员关系亲密度的方法及系统 |
| CN107798125A (zh) * | 2017-11-10 | 2018-03-13 | 携程旅游网络技术（上海）有限公司 | 基于亲密度模型的准入判定方法、系统、设备及存储介质 |
| CN108132998A (zh) * | 2017-12-21 | 2018-06-08 | 浪潮软件集团有限公司 | 一种人员关系分析方法和系统 |
| CN108897780A (zh) * | 2018-06-06 | 2018-11-27 | 山东合天智汇信息技术有限公司 | 一种分析计算人员亲密度的方法及系统 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112149451A (zh) * | 2019-06-26 | 2020-12-29 | 杭州海康威视系统技术有限公司 | 一种亲密度分析方法及装置 |
| CN112149451B (zh) * | 2019-06-26 | 2024-02-02 | 杭州海康威视系统技术有限公司 | 一种亲密度分析方法及装置 |
| CN111221991A (zh) * | 2019-11-06 | 2020-06-02 | 北京旷视科技有限公司 | 人员身份属性的确定方法、装置和电子设备 |
| CN110889604A (zh) * | 2019-11-14 | 2020-03-17 | 武汉烽火众智数字技术有限责任公司 | 一种基于人脸识别的警务信息推荐方法及系统 |
| CN110889604B (zh) * | 2019-11-14 | 2022-05-31 | 武汉烽火众智数字技术有限责任公司 | 一种基于人脸识别的警务信息推荐方法及系统 |
| CN111177583A (zh) * | 2019-12-30 | 2020-05-19 | 山东合天智汇信息技术有限公司 | 一种基于社交平台的人脉分析方法及系统 |
| CN112069156A (zh) * | 2020-07-14 | 2020-12-11 | 武汉白虹软件科技有限公司 | 一种获取目标对象人物关系及关系亲密度的算法模型 |
| CN112364176A (zh) * | 2020-10-26 | 2021-02-12 | 青岛海信网络科技股份有限公司 | 一种人员行动轨迹的构建方法、设备及系统 |
| CN113032365A (zh) * | 2021-03-22 | 2021-06-25 | 航天科工智慧产业发展有限公司 | 一种群体动态管理方法 |
| CN113407594A (zh) * | 2021-06-18 | 2021-09-17 | 重庆紫光华山智安科技有限公司 | 一种融合关系分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109615572B (zh) | 2023-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109615572A (zh) | 基于大数据的人员亲密度分析的方法及系统 | |
| Reese et al. | A media sociology for the networked public sphere: The hierarchy of influences model | |
| Grinberger et al. | Typologies of tourists' time–space consumption: A new approach using GPS data and GIS tools | |
| Kennedy et al. | The (un) known universe: Mapping gangs and gang violence in Boston | |
| Li et al. | Exploring the association between street built environment and street vitality using deep learning methods | |
| CN110263703A (zh) | 人员流量统计方法、装置和计算机设备 | |
| CN107767659A (zh) | 基于arima模型的共享单车吸引量和发生量预测方法 | |
| Russell | A philosophical framework for an open and critical transdisciplinary inquiry | |
| CN107563995A (zh) | 一种多判别器误差反传的对抗网络方法 | |
| CN108846911A (zh) | 一种考勤方法及装置 | |
| CN108170765A (zh) | 基于在校行为数据多维分析的贫困生资助推荐方法 | |
| CN106792523A (zh) | 一种基于大规模WiFi活动轨迹的异常行为检测方法 | |
| DE202016006038U1 (de) | Erkennen des Standorts eines mobilen Geräts auf Basis von semantischen Indikatoren | |
| CN106384316A (zh) | 一种考试院实名制验证系统 | |
| CN107545904A (zh) | 一种音频检测方法及装置 | |
| Duchin et al. | Models, race, and the law | |
| Peng et al. | The agent-based spatial simulation to the burglary in Beijing | |
| CN105930532A (zh) | 一种向用户推荐多媒体资源的方法和装置 | |
| Mao et al. | The greener the living environment, the better the health? Examining the effects of multiple green exposure metrics on physical activity and health among young students | |
| Ding et al. | An approach for simulating the street spatial patterns | |
| CN112288238A (zh) | 基于多源数据的城市公园社会效用评价方法 | |
| Zhang et al. | A computational approach towards the microscale mouse brain connectome from the mesoscale | |
| Peters et al. | Getting in the game: A national park service approach to visual resources inventory | |
| Perdue | The vertical space problem | |
| DE202014010836U1 (de) | Identifizieren zu untersuchender Entitäten unter Verwendung von Fassadenerkennung |
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 |