CN110544190B - 一种确定人员特征的方法、装置及设备 - Google Patents

一种确定人员特征的方法、装置及设备 Download PDF

Info

Publication number
CN110544190B
CN110544190B CN201810533411.5A CN201810533411A CN110544190B CN 110544190 B CN110544190 B CN 110544190B CN 201810533411 A CN201810533411 A CN 201810533411A CN 110544190 B CN110544190 B CN 110544190B
Authority
CN
China
Prior art keywords
processed
personnel
person
sub
relationship
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
Application number
CN201810533411.5A
Other languages
English (en)
Other versions
CN110544190A (zh
Inventor
刘康玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201810533411.5A priority Critical patent/CN110544190B/zh
Publication of CN110544190A publication Critical patent/CN110544190A/zh
Application granted granted Critical
Publication of CN110544190B publication Critical patent/CN110544190B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q50/265—Personal security, identity or safety

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种确定人员特征的方法、装置及设备，方法包括：构建每个待处理人员的子关系网络，根据子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征；比如，该已知特征的人员可以为已知的危险人员，如果该待处理人员的子关系网络中存在较多危险人员，则该待处理人员的危险参数较高；再比如，该已知特征的人员可以为已确定其所属行业的人员，如果该待处理人员的子关系网络中存在较多同一行业的人员，则该待处理人员也属于该行业的概率较大；可见，本方案不依赖于专家的经验，提高了确定人员特征的效率。

Description

一种确定人员特征的方法、装置及设备
技术领域
本发明涉及数据挖掘技术领域，特别是涉及一种确定人员特征的方法、装置及设备。
背景技术
一些场景中，通常需要确定人员特征，举例来说，该特征可以为危险参数、所属行业等。比如，当发生一些不良案件后，通常需要确定人员的危险参数，从而识别出危险人员，也就是嫌疑较大的人员。再比如，对人员进行行为分析时，通常需要确定该人员的所属行业。
现有方案中，一般依赖专家经验确定人员特征。比如，通常将无固定居住场所、无固定职业的人员确定为危险人员。再比如，根据人员的收入、出入场所、教育背景等，确定人员的所属行业。
但是这种方案中，主要依赖于专家经验，而专家数量毕竟有限，也就导致了确定人员特征的效率较低。
发明内容
本发明实施例的目的在于提供一种确定人员特征的方法、装置及设备，以提高确定人员特征的效率。
为达到上述目的，本发明实施例提供了一种确定人员特征的方法，包括：
获取多个待处理人员的数据；
构建人员关系网络，所述人员关系网络中的节点与所述待处理人员一一对应，所述节点之间的关联关系根据所述待处理人员的数据确定；
针对每个待处理人员，在所述人员关系网络中，提取与该待处理人员的节点存在关联关系的节点，作为目标节点；基于该待处理人员的节点与其目标节点之间的关联关系，构建该待处理人员的子关系网络；
根据所述子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征。
可选的，所述获取多个待处理人员的数据，可以包括：
从至少一个数据源中获取与预设事件和/或预设实体相关联的人员的数据；其中，所述预设实体为以下一项或多项：预设人员、预设地点、预设团体；
对所获取的数据进行完整性和/或有效性校验，将通过校验的数据作为待处理人员的数据。
可选的，所述人员关系网络中还包括每个关联关系的属性；
所述基于该待处理人员的节点与其目标节点之间的关联关系，构建该待处理人员的子关系网络，可以包括：
基于该待处理人员的节点与其目标节点之间关联关系的属性，构建该待处理人员的子关系网络；
所述根据所述子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征，可以包括：
判断是否在所述子关系网络中识别到已知特征的人员的节点；
如果识别到，确定所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性；
根据所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性，确定该待处理人员的特征。
可选的，在所述人员关系网络中，提取与该待处理人员的节点存在关联关系的节点，作为目标节点，可以包括：
在所述人员关系网络中，提取与该待处理人员的节点存在n阶关联关系的节点，作为目标节点；其中，所述n为正整数，所述n阶关联关系表示：存在关联关系的两个节点之间的距离为n。
可选的，所述基于该待处理人员的节点与其目标节点之间的关联关系，构建该待处理人员的子关系网络，可以包括：
基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的子关系网络；
其中，所述M为大于一的正整数，所述第n阶的子关系网络表示：子关系网络中节点之间的最远距离为n；所述子关系网络包括：同构子关系网络和/或异构子关系网络，所述同构子关系网络中包括一种属性的关联关系，所述异构子关系网络中包括多种属性的关联关系。
可选的，所述基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的子关系网络，可以包括：
若n为1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第1阶的M个同构子关系网络；
若n大于1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的M个同构子关系网络和第n阶的Mn-M个异构子关系网络。
可选的，所述根据所述子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征，可以包括：
针对所构建的每个子关系网络，在该子关系网络中识别危险人员；根据识别到的危险人员的数量，计算该待处理人员在该子关系网络中的子危险参数；
根据计算得到的该待处理人员的全部子危险参数，确定该待处理人员的危险参数，作为该待处理人员的特征。
可选的，所述根据识别到的危险人员的数量，计算该待处理人员在该子关系网络中子危险参数，可以包括：
统计该子关系网络中危险人员的数量，作为第一数量；
统计该子关系网络中的人员总数，将所述人员总数-1后得的数值作为第二数量；
计算所述第一数量与所述第二数量的比值，作为该待处理人员在该子关系网络中的子危险参数。
为达到上述目的，本发明实施例还提供了一种确定人员特征的装置，包括：
获取模块，用于获取多个待处理人员的数据；
第一构建模块，用于构建人员关系网络，所述人员关系网络中的节点与所述待处理人员一一对应，所述节点之间的关联关系根据所述待处理人员的数据确定；
提取模块，用于针对每个待处理人员，在所述人员关系网络中，提取与该待处理人员的节点存在关联关系的节点，作为目标节点；
第二构建模块，用于基于该待处理人员的节点与其目标节点之间的关联关系，构建该待处理人员的子关系网络；
确定模块，用于根据所述子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征。
可选的，所述获取模块，具体可以用于：
从至少一个数据源中获取与预设事件和/或预设实体相关联的人员的数据；其中，所述预设实体为以下一项或多项：预设人员、预设地点、预设团体；
对所获取的数据进行完整性和/或有效性校验，将通过校验的数据作为待处理人员的数据。
可选的，所述人员关系网络中还包括每个关联关系的属性；
所述第二构建模块，具体用于：基于该待处理人员的节点与其目标节点之间关联关系的属性，构建该待处理人员的子关系网络；
所述确定模块，具体用于：判断是否在所述子关系网络中识别到已知特征的人员的节点；如果识别到，确定所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性；根据所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性，确定该待处理人员的特征。
可选的，所述提取模块，具体可以用于：
在所述人员关系网络中，提取与该待处理人员的节点存在n阶关联关系的节点，作为目标节点；其中，所述n为正整数，所述n阶关联关系表示：存在关联关系的两个节点之间的距离为n。
可选的，所述第二构建模块，具体用于：
基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的子关系网络；
其中，所述M为大于一的正整数，所述第n阶的子关系网络表示：子关系网络中节点之间的最远距离为n；所述子关系网络包括：同构子关系网络和/或异构子关系网络，所述同构子关系网络中包括一种属性的关联关系，所述异构子关系网络中包括多种属性的关联关系。
可选的，所述第二构建模块，具体用于：
若n为1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第1阶的M个同构子关系网络；
若n大于1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的M个同构子关系网络和第n阶的Mn-M个异构子关系网络。
可选的，所述确定模块，可以包括：
识别子模块，用于针对所构建的每个子关系网络，在该子关系网络中识别危险人员；
计算子模块，用于根据识别到的危险人员的数量，计算该待处理人员在该子关系网络中的子危险参数；
确定子模块，用于根据计算得到的该待处理人员的全部子危险参数，确定该待处理人员的危险参数，作为该待处理人员的特征。
可选的，所述计算子模块，具体可以用于：
统计该子关系网络中危险人员的数量，作为第一数量；统计该子关系网络中的人员总数，将所述人员总数-1后得的数值作为第二数量；计算所述第一数量与所述第二数量的比值，作为该待处理人员在该子关系网络中的子危险参数。
为达到上述目的，本发明实施例还提供了一种电子设备，包括处理器和存储器；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一种确定人员特征的方法。
为达到上述目的，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种确定人员特征的方法。
应用本发明所示实施例，构建每个待处理人员的子关系网络，根据子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征；比如，该已知特征的人员可以为已知的危险人员，如果该待处理人员的子关系网络中存在较多危险人员，则该待处理人员的危险参数较高；再比如，该已知特征的人员可以为已确定其所属行业的人员，如果该待处理人员的子关系网络中存在较多同一行业的人员，则该待处理人员也属于该行业的概率较大；可见，本方案不依赖于专家的经验，提高了确定人员特征的效率。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的确定人员特征的方法的第一种流程示意图；
图2为本发明实施例提供的一种人员关系网络示意图；
图3为本发明实施例提供的一种同构子关系网络示意图；
图4为本发明实施例提供的另一种同构子关系网络示意图；
图5为本发明实施例提供的一种异构子关系网络示意图；
图6为本发明实施例提供的确定人员特征的方法的第二种流程示意图；
图7为本发明实施例提供的一种确定人员特征的装置的结构示意图；
图8为本发明实施例提供的一种电子设备的结构示意图。
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他实施例，都属于本发明保护的范围。
为了解决上述技术问题，本发明实施例提供了一种确定人员特征的方法、装置及设备。该方法及装置可以应用于手机、电脑等各种电子设备，具体不做限定。下面首先对本发明实施例提供的确定人员特征的方法进行详细说明。
图1为本发明实施例提供的确定人员特征的方法的第一种流程示意图，包括：
S101：获取多个待处理人员的数据。
举例来说，可以从至少一个数据源中，获取人员的数据，比如，从酒店的入住数据中，获取多个人员的数据，作为待处理人员的数据，或者，从公司的人员档案中，获取多个人员的数据，等等，具体不做限定。
作为一种实施方式，可以从至少一个数据源中获取与预设事件和/或预设实体相关联的人员的数据；其中，所述预设实体为以下一项或多项：预设人员、预设地点、预设团体；
对所获取的数据进行完整性和/或有效性校验，将通过校验的数据作为待处理人员的数据。
本实施方式中，可以有针对性地获取与预设事件和/或预设实体相关联的人员的数据，比如，获取参与某一事件的所有人员的数据，或者获取某一区域的所有人员的数据，或者获取指定人员的数据，或者获取某一团体所有人员的数据，等等，具体不做限定。
本实施方式中，可以对所获取的数据进行完整性和/或有效性校验。举例来说，假设需要获取的数据包括：人员的名称、身份证号、电话号码、家庭住址，对数据进行完整性校验可以为：判断所获取的数据是否包括这四项内容，如果是，则通过完整性校验，如果不包括，则未通过完整性校验。
再举一例，假设获取的数据包括：人员的名称、身份证号、电话号码、家庭住址，对数据进行有效性校验可以为：判断所获取的身份证号是否为18位，或者判断所获取的电话号码是否为有效号码，等等，具体不做限定。
本实施方式中，将通过校验的数据作为待处理人员的数据。
S102：构建人员关系网络，所述人员关系网络中的节点与所述待处理人员一一对应，所述节点之间的关联关系根据所述待处理人员的数据确定。
从S101获取的数据中可以得到人员之间的关联关系。本实施例中可以存在多种不同属性的关联关系，比如，同户口关系、同事关系、邻居关系、同住宿关系、同出行关系、或者属于同一事件的关系，等等，不再一一列举。具体的，同户口关系可以为：配偶关系、亲子关系等等；邻居关系可以为：两人的家庭地址相邻；同住宿关系可以为：两人在同一时间段入住同一酒店的同一房间；同出行关系可以为：两人在同一时间段出现在同一交通工具上；同一事件可以为两人一起参与的一些不良案件等，具体做限定。
S102构建的人员关系网络中，节点与人员一一对应，或者说，节点可以表示人员，因此，节点之间也存在关联关系，将存在关联关系的节点进行连接。
一种实施方式中，可以不区分这些关联关系，如果两个节点间存在上述任一种关联关系，则将这两个节点进行连接。
另一种实施方式中，可以区分属性不同的关联关系，本实施方式中，人员关系网络中还包括每个关联关系的属性，比如，在将存在关联关系的节点进行连接之后，可以标记每个关联关系的属性。
举例来说，假设人员A与人员B为同事关系，人员B与人员C为同户口关系；则将人员A的节点与人员B的节点相连接，并标记该关联关系为同事关系；将人员B的节点与人员C的节点相连接，并标记该关联关系为同户口关系。
得到的人员关系网络可以如图2所示，图2中标记了每个关联关系的属性，比如，人员A与人员B之间存在多个属性的关联关系：同事关系、属于同一事件的关系(不良案件1)、同出行关系；人员A与人员E之间存在一个属性的关联关系，即邻居关系；人员B与人员C也存在多个属性的关联关系：同户口关系(配偶关系)和同住宿关系；人员B与人员D也存在多个属性的关联关系：属于同一事件的关系(不良案件2)、同住宿关系；人员C与人员D也存在多个属性的关联关系：同户口关系(兄弟关系)、同住宿关系；人员D与人员E存在一个属性的关联关系：邻居关系。
图2中的网络可以称为多源异构网络，多源是指网络中的数据来源不同，比如，出行方面的数据可以来自交通公司，住宿方面的数据可以来自酒店，等等；异构是指网络中存在多种属性的关联关系。
S103：针对每个待处理人员，在该人员关系网络中，提取与该待处理人员的节点存在关联关系的节点，作为目标节点。
举例来说，提取目标节点可以基于直接关联关系提取，也可以基于间接关联关系提取。以图2中的人员A为例来说，可以只提取与人员A有直接关系关系的人员B和人员E的节点，作为目标节点；还可以提取与人员A有间接关系关系的人员节点，作为目标节点，比如，人员A与人员B为同事，人员B与人员C为配偶，则人员A与人员C之间存在间接关联关系。
作为一种实施方式，S103可以包括：在所述人员关系网络中，提取与该待处理人员的节点存在n阶关联关系的节点，作为目标节点；其中，所述n为正整数，所述n阶关联关系表示：存在关联关系的两个节点之间的距离为n。
本实施方式中，可以将直接关联关系理解为一阶关联关系，将间接关系关系理解为大于一阶的关联关系。“n阶关联关系”中的n可以理解为：“存在关联关系的两个节点之间的距离”，该距离也就是这两个节点之间的线段数量。比如图2中，人员A与人员B之间的线段数量为1：A-B，人员A与人员B的关联关系即为一阶关联关系，也就是直接关联关系。再比如，人员A与人员C之间的线段数量为2：A-B-C，人员A与人员C的关联关系即为二阶关联关系。
S104：基于该待处理人员的节点与其目标节点之间的关联关系，构建该待处理人员的子关系网络。
一种实施方式中，不区分不同属性的关联关系，这种实施方式中，所构建的子关系网络只反应节点之间是否存在关联关系，不反应节点之间存在何种关联关系。
另一种实施方式中，区分不同属性的关联关系，这种实施方式中，所构建的子关系网络不只反应节点之间是否存在关联关系，还反应节点之间存在何种关联关系。在这种实施方式中，S103可以包括：基于该待处理人员的节点与其目标节点之间关联关系的属性，构建该待处理人员的子关系网络。
举例来说，可以基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的子关系网络；
其中，所述M为大于一的正整数，所述第n阶的子关系网络表示：子关系网络中节点之间的最远距离为n；所述子关系网络包括：同构子关系网络和/或异构子关系网络，所述同构子关系网络中包括一种属性的关联关系，所述异构子关系网络中包括多种属性的关联关系。
作为一种实施方式，若n为1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第1阶的M个同构子关系网络；若n大于1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的M个同构子关系网络和第n阶的Mn-M个异构子关系网络。
比如，假设待处理人员为人员A，人员A与其目标节点之间存在两种属性的关联关系：同户口关系、同住宿关系；也就是M为2，这种情况下，对于n＝1的情况来说，可以构建2个同构子关系网络：一者为针对人员A的同户口关系网络，另一者为针对人员A的同住宿关系网络。同户口关系网络可以如图3所示，
图3中的目标节点与待处理节点的关联关系都为同户口关系。
对于n＝2的情况来说，可以构建2个同构子关系网络、以及22-2＝2个异构子关系网络。类似的，这2个同构子关系网络中，一者为针对人员A的同户口关系网络，如图4所示；另一者为针对人员A的同住宿关系网络。异构子关系网络可以如图5所示，图5中的待处理节点与第一阶目标节点的关联关系都为同户口关系，第一阶目标节点与第二阶目标节点的关联关系都为同住宿关系。
S103中n的数值大于等于S104中n的数值，举例来说，假设S103中提取目标节点时，提取了2阶的关联关系，则S104所构建的子关系网络的阶数不大于2。
S105：根据该子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征。
举例来说，已知特征的人员可以为已知的危险人员，比如有过案底记录的人员，待处理人员的特征可以为待处理人员的危险参数。危险参数为表示待处理人员危险程度的参数，危险参数可以为一个数值，也可以包括一个或多个特征量。
再举一例，已知特征的人员可以为已确定其所属行业的人员，待处理人员的特征可以为待处理人员所属行业。
上述一种实施方式中，区分不同属性的关联关系，这种情况下，S105可以包括：判断是否在所述子关系网络中识别到已知特征的人员的节点；如果识别到，确定所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性；根据所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性，确定该待处理人员的特征。
如上所述，一种情况下，已知特征的人员可以为已知的危险人员，这种情况下，本实施方式中，可以预先设定确定危险参数与关联关系属性的对应关系，为了简化描述，这里的危险参数为一个数值，比如，如果关联关系的属性为同一事件，如各种不良案件，则其对应的危险参数可以为95，如果关联关系的属性为同住宿关系，则其对应的危险参数可以为90，等等，具体不做限定。
如上所述，另一种情况下，已知特征的人员可以为已确定其所属行业的人员，这种情况下，如果关联关系的属性为同事关系，则可以直接确定待处理人员的所属行业。
如上所述，一种情况下，已知特征的人员可以为已知的危险人员，这种情况下，作为另一种实施方式，可以针对所构建的每个子关系网络，在该子关系网络中识别危险人员；根据识别到的危险人员的数量，计算该待处理人员在该子关系网络中的子危险参数；根据计算得到的该待处理人员的全部子危险参数，确定该待处理人员的危险参数，作为该待处理人员的特征。
本实施方式中，子危险参数可以为一个数值，也可以包括一个或多个特征量。可以理解，如果在一个子关系网络中，待处理人员与较多已知危险人员存在关联关系，则该待处理人员很有可能是危险人员，该待处理人员在该子关系网络中的子危险参数较高。
举例来说，可以预先设定危险人员数量与子危险参数的对应关系，比如，如果数量为1，则子危险参数为60，如果数量为2，则子危险参数为80，如果数量为3，则子危险参数为90，等等。
举例来说，假设针对待处理人员A，构建了4个子关系网络：W、X、Y、Z；假设在W中识别到2个危险人员，人员A在W中的子危险参数为80；在X中识别到3个危险人员，人员A在X中的子危险参数为90；在Y中识别到1个危险人员，人员A在Y中的子危险参数为60；在Z中识别到2个危险人员，人员A在Z中的子危险参数为80。
可以综合考虑待处理人员在所有子关系网络中的的子危险参数，比如，可以将上述4个子危险参数相加，则人员A的危险参数为80+90+60+80＝310。或者，也可以根据将上述四个子危险参数与其对应的子关系网络，生成一个集合{W：80，X：90，Y：60，Z：80}，将该集合作为人员A的危险参数。
如上所述，子危险参数不仅可以为一个数值，还可以为体现子关系网络特征的一个或多个特征量。上述一种实施方式中，构建了第n阶的M个同构子关系网络和第n阶的Mn-M个异构子关系网络，也就是说，对于第n阶来说，构建了Mn个子关系网络，如果每个子关系网络的子危险参数包括Q个特征量，则一共得到了
Figure BDA0001677715360000121
个特征量，其中，N表示能够构建的子关系网络的最大阶数。
举例来说，该
Figure BDA0001677715360000122
个特征量可以构成该待处理人员的特征矩阵，将该特征矩阵记为J，如果待处理人员的数量为P，则可以得到P*J维的特征矩阵，该特征矩阵可以更直观地展示人员特征，更有利于对人员特征进行分析。
本实施方式中，根据待处理人员在所有子关系网络中的的子危险参数，确定该待处理人员的危险参数，准确度更高。
作为一种实施方式，根据识别到的危险人员的数量，计算该待处理人员在该子关系网络中子危险参数，可以包括：
统计该子关系网络中危险人员的数量，作为第一数量；统计该子关系网络中的人员总数，将所述人员总数-1后得的数值作为第二数量；计算所述第一数量与所述第二数量的比值，作为该待处理人员在该子关系网络中的子危险参数。
假设针对待处理人员B，构建了2个子关系网络：W、X；假设在W中的人员总数为11，并且在W中识别到2个危险人员，则人员B在W中的子危险参数为2/(11-1)＝0.2；在X中的人员总数为21，并且在X中识别到2个危险人员，则人员B在X中的子危险参数为2/(21-1)＝0.1。
本实施方式中，可以根据上述两个子危险参数与其对应的子关系网络，生成一个集合{W：0.2，X：0.1}，将该集合作为人员B的危险参数。
再举一例，子危险参数不仅可以为一个数值，还可以为体现子关系网络特征的一个或多个特征量。比如，子危险参数可以包括上述第一数量、第二数量、以及第一数量与第二数量的比值，这样，每个子关系网络的子危险参数中包括3个特征量。
上述一种实施方式中，构建了第n阶的M个同构子关系网络和第n阶的Mn-M个异构子关系网络，也就是说，对于第n阶来说，构建了Mn个子关系网络，如上所述，每个子关系网络的子危险参数中包括3个特征量，则一共得到了
Figure BDA0001677715360000131
个特征量。可以根据这些特征量生成集合，并将该集合作为待处理人员的危险参数，其中，N表示能够构建的子关系网络的最大阶数。
如上所述，另一种情况下，已知特征的人员可以为已确定其所属行业的人员，这种情况下，也可以针对所构建的每个子关系网络，在该子关系网络中识别同行人员；根据识别到的同行人员的数量，计算该待处理人员在该子关系网络中的行业信息；根据计算得到的该待处理人员的行业信息，确定该待处理人员所属行业，作为该待处理人员的特征。
可以理解，如果该待处理人员的子关系网络中存在较多同一行业的人员，则该待处理人员也属于该行业的概率较大。
应用本发明图1所示实施例，构建每个待处理人员的子关系网络，根据子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征；比如，该已知特征的人员可以为已知的危险人员，如果该待处理人员的子关系网络中存在较多危险人员，则该待处理人员的危险参数较高；再比如，该已知特征的人员可以为已确定其所属行业的人员，如果该待处理人员的子关系网络中存在较多同一行业的人员，则该待处理人员也属于该行业的概率较大；可见，本方案不依赖于专家的经验，提高了确定人员特征的效率。
图6为本发明实施例提供的确定人员特征的方法的第二种流程示意图，包括：
S601：从至少一个数据源中获取与预设事件和/或预设实体相关联的人员的数据。其中，所述预设实体为以下一项或多项：预设人员、预设地点、预设团体。
举例来说，数据源可以包括：酒店的入住数据，公司的人员档案，等等，具体不做限定。本实施例中，可以有针对性地获取与预设事件和/或预设实体相关联的人员的数据，比如，获取参与某一事件的所有人员的数据，或者获取某一区域的所有人员的数据，或者获取指定人员的数据，或者获取某一团体所有人员的数据，等等，具体不做限定。
S602：对所获取的数据进行完整性和/或有效性校验，将通过校验的数据作为待处理人员的数据。
本实施例中，可以对所获取的数据进行完整性和/或有效性校验。举例来说，假设需要获取的数据包括：人员的名称、身份证号、电话号码、家庭住址，对数据进行完整性校验可以为：判断所获取的数据是否包括这四项内容，如果是，则通过完整性校验，如果不包括，则未通过完整性校验。
再举一例，假设获取的数据包括：人员的名称、身份证号、电话号码、家庭住址，对数据进行有效性校验可以为：判断所获取的身份证号是否为18位，或者判断所获取的电话号码是否为有效号码，等等，具体不做限定。
本实施例中，将通过校验的数据作为待处理人员的数据。
S603：构建人员关系网络，所述人员关系网络中的节点与所述待处理人员一一对应，所述节点之间的关联关系根据所述待处理人员的数据确定，所述人员关系网络中还包括每个关联关系的属性。
从待处理人员的数据中可以得到人员之间的关联关系。本实施例中可以存在多种不同属性的关联关系，比如，同户口关系、同事关系、邻居关系、同住宿关系、同出行关系、或者属于同一事件的关系，等等，不再一一列举。具体的，同户口关系可以为：配偶关系、亲子关系等等；邻居关系可以为：两人的家庭地址相邻；同住宿关系可以为：两人在同一时间段入住同一酒店的同一房间；同出行关系可以为：两人在同一时间段出现在同一交通工具上；同一事件可以为两人一起参与的一些不良案件等，具体做限定。
S102构建的人员关系网络中，节点与人员一一对应，或者说，节点可以表示人员，因此，节点之间也存在关联关系，将存在关联关系的节点进行连接。并且在人员关系网络中，对各种关联关系的属性进行标记。
S604：在该人员关系网络中，提取与该待处理人员的节点存在n阶关联关系的节点，作为目标节点。其中，所述n为正整数，所述n阶关联关系表示：存在关联关系的两个节点之间的距离为n。
本实施例中，可以将直接关联关系理解为一阶关联关系，将间接关系关系理解为大于一阶的关联关系。“n阶关联关系”中的n可以理解为：“存在关联关系的两个节点之间的距离”，该距离也就是这两个节点之间的线段数量。比如图2中，人员A与人员B之间的线段数量为1：A-B，人员A与人员B的关联关系即为一阶关联关系，也就是直接关联关系。再比如，人员A与人员C之间的线段数量为2：A-B-C，人员A与人员C的关联关系即为二阶关联关系。
S605：基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的子关系网络。
具体的，若n为1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第1阶的M个同构子关系网络；
若n大于1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的M个同构子关系网络和第n阶的Mn-M个异构子关系网络。
S606：根据该子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征。
举例来说，已知特征的人员可以为已知的危险人员，比如有过案底记录的人员，待处理人员的特征可以为待处理人员的危险参数。危险参数为表示待处理人员危险程度的参数，危险参数可以为一个数值，也可以包括一个或多个特征量。
再举一例，已知特征的人员可以为已确定其所属行业的人员，待处理人员的特征可以为待处理人员所属行业。
如上所述，一种情况下，已知特征的人员可以为已知的危险人员，这种情况下，作为一种实施方式，S606可以包括：针对所构建的每个子关系网络，统计该子关系网络中危险人员的数量，作为第一数量；统计该子关系网络中的人员总数，将该人员总数-1后得的数值作为第二数量；计算该第一数量与该第二数量的比值，作为该待处理人员在该子关系网络中的子危险参数。根据计算得到的该待处理人员的全部子危险参数，确定该待处理人员的危险参数，作为该待处理人员的特征。
本实施例中，危险参数可以为一个集合，该集合中包括该待处理人员的全部子危险参数、以及每个子危险参数所对应的子关系网络标识。或者，危险参数也可以为各子危险参数之和，等等，具体不做限定。
与上述方法实施例相对应，本发明实施例还提供了一种确定人员特征的装置，如图7所示，包括：
获取模块701，用于获取多个待处理人员的数据；
第一构建模块702，用于构建人员关系网络，所述人员关系网络中的节点与所述待处理人员一一对应，所述节点之间的关联关系根据所述待处理人员的数据确定；
提取模块703，用于针对每个待处理人员，在所述人员关系网络中，提取与该待处理人员的节点存在关联关系的节点，作为目标节点；
第二构建模块704，用于基于该待处理人员的节点与其目标节点之间的关联关系，构建该待处理人员的子关系网络；
确定模块705，用于根据所述子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征。
作为一种实施方式，获取模块701，具体可以用于：
从至少一个数据源中获取与预设事件和/或预设实体相关联的人员的数据；其中，所述预设实体为以下一项或多项：预设人员、预设地点、预设团体；
对所获取的数据进行完整性和/或有效性校验，将通过校验的数据作为待处理人员的数据。
作为一种实施方式，所述人员关系网络中还包括每个关联关系的属性；
第二构建模块704，具体可以用于：基于该待处理人员的节点与其目标节点之间关联关系的属性，构建该待处理人员的子关系网络；
确定模块705，具体可以用于：判断是否在所述子关系网络中识别到已知特征的人员的节点；如果识别到，确定所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性；根据所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性，确定该待处理人员的特征。
作为一种实施方式，提取模块703，具体可以用于：
在所述人员关系网络中，提取与该待处理人员的节点存在n阶关联关系的节点，作为目标节点；其中，所述n为正整数，所述n阶关联关系表示：存在关联关系的两个节点之间的距离为n。
作为一种实施方式，第二构建模块704，具体可以用于：
基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的子关系网络；
其中，所述M为大于一的正整数，所述第n阶的子关系网络表示：子关系网络中节点之间的最远距离为n；所述子关系网络包括：同构子关系网络和/或异构子关系网络，所述同构子关系网络中包括一种属性的关联关系，所述异构子关系网络中包括多种属性的关联关系。
作为一种实施方式，第二构建模块704，具体可以用于：
若n为1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第1阶的M个同构子关系网络；
若n大于1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的M个同构子关系网络和第n阶的Mn-M个异构子关系网络。
作为一种实施方式，确定模块705，可以包括：识别子模块、计算子模块和确定子模块(图中未示出)，其中，
识别子模块，用于针对所构建的每个子关系网络，在该子关系网络中识别危险人员；
计算子模块，用于根据识别到的危险人员的数量，计算该待处理人员在该子关系网络中的子危险参数；
确定子模块，用于根据计算得到的该待处理人员的全部子危险参数，确定该待处理人员的危险参数。
作为一种实施方式，所述计算子模块，具体可以用于：
统计该子关系网络中危险人员的数量，作为第一数量；统计该子关系网络中的人员总数，将所述人员总数-1后得的数值作为第二数量；计算所述第一数量与所述第二数量的比值，作为该待处理人员在该子关系网络中的子危险参数。
应用本发明图7所示实施例，构建每个待处理人员的子关系网络，根据子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征；比如，该已知特征的人员可以为已知的危险人员，如果该待处理人员的子关系网络中存在较多危险人员，则该待处理人员的危险参数较高；再比如，该已知特征的人员可以为已确定其所属行业的人员，如果该待处理人员的子关系网络中存在较多同一行业的人员，则该待处理人员也属于该行业的概率较大；可见，本方案不依赖于专家的经验，提高了确定人员特征的效率。
本发明实施例还提供了一种电子设备，如图8所示，包括处理器801和存储器802，
存储器802，用于存放计算机程序；
处理器801，用于执行存储器802上所存放的程序时，实现上述任一种确定人员特征的方法。
上述电子设备提到的存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种确定人员特征的方法。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于图7所示的装置实施例、图8所示的电子设备实施例、以及上述计算机可读存储介质实施例而言，由于其基本相似于图1-6所示的方法实施例，所以描述的比较简单，相关之处参见图1-6所示的方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。

Claims (18)

1.一种确定人员特征的方法，其特征在于，包括：
获取多个待处理人员的数据；
构建人员关系网络，所述人员关系网络中的节点与所述待处理人员一一对应，所述节点之间的关联关系根据所述待处理人员的数据确定；所述人员关系网络中包括每个关联关系的属性；
针对每个待处理人员，在所述人员关系网络中，提取与该待处理人员的节点存在关联关系的节点，作为目标节点；基于该待处理人员的节点与其目标节点之间的关联关系，构建该待处理人员的子关系网络；
根据所述子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征；
所述根据所述子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征，包括：
判断是否在所述子关系网络中识别到已知特征的人员的节点，如果识别到，确定所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性，根据所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性，确定该待处理人员的特征。
2.根据权利要求1所述的方法，其特征在于，所述获取多个待处理人员的数据，包括：
从至少一个数据源中获取与预设事件和/或预设实体相关联的人员的数据；其中，所述预设实体为以下一项或多项：预设人员、预设地点、预设团体；
对所获取的数据进行完整性和/或有效性校验，将通过校验的数据作为待处理人员的数据。
3.根据权利要求1所述的方法，其特征在于，所述基于该待处理人员的节点与其目标节点之间的关联关系，构建该待处理人员的子关系网络，包括：
基于该待处理人员的节点与其目标节点之间关联关系的属性，构建该待处理人员的子关系网络。
4.根据权利要求1所述的方法，其特征在于，在所述人员关系网络中，提取与该待处理人员的节点存在关联关系的节点，作为目标节点，包括：
在所述人员关系网络中，提取与该待处理人员的节点存在n阶关联关系的节点，作为目标节点；其中，所述n为正整数，所述n阶关联关系表示：存在关联关系的两个节点之间的距离为n。
5.根据权利要求4所述的方法，其特征在于，所述基于该待处理人员的节点与其目标节点之间的关联关系，构建该待处理人员的子关系网络，包括：
基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的子关系网络；
其中，所述M为大于一的正整数，所述第n阶的子关系网络表示：子关系网络中节点之间的最远距离为n；所述子关系网络包括：同构子关系网络和/或异构子关系网络，所述同构子关系网络中包括一种属性的关联关系，所述异构子关系网络中包括多种属性的关联关系。
6.根据权利要求5所述的方法，其特征在于，所述基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的子关系网络，包括：
若n为1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第1阶的M个同构子关系网络；
若n大于1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的M个同构子关系网络和第n阶的Mn-M个异构子关系网络。
7.根据权利要求1所述的方法，其特征在于，所述根据所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性，确定该待处理人员的特征，包括：
针对所构建的每个子关系网络，在该子关系网络中识别危险人员；根据识别到的危险人员的数量，计算该待处理人员在该子关系网络中的子危险参数；
根据计算得到的该待处理人员的全部子危险参数，确定该待处理人员的危险参数，作为该待处理人员的特征。
8.根据权利要求7所述的方法，其特征在于，所述根据识别到的危险人员的数量，计算该待处理人员在该子关系网络中子危险参数，包括：
统计该子关系网络中危险人员的数量，作为第一数量；
统计该子关系网络中的人员总数，将所述人员总数-1后得的数值作为第二数量；
计算所述第一数量与所述第二数量的比值，作为该待处理人员在该子关系网络中的子危险参数。
9.一种确定人员特征的装置，其特征在于，包括：
获取模块，用于获取多个待处理人员的数据；
第一构建模块，用于构建人员关系网络，所述人员关系网络中的节点与所述待处理人员一一对应，所述节点之间的关联关系根据所述待处理人员的数据确定；所述人员关系网络中包括每个关联关系的属性；
提取模块，用于针对每个待处理人员，在所述人员关系网络中，提取与该待处理人员的节点存在关联关系的节点，作为目标节点；
第二构建模块，用于基于该待处理人员的节点与其目标节点之间的关联关系，构建该待处理人员的子关系网络；
确定模块，用于根据所述子关系网络中存在的已知特征的人员的节点，确定该待处理人员的特征；
所述确定模块，具体用于：判断是否在所述子关系网络中识别到已知特征的人员的节点，如果识别到，确定所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性，根据所述已知特征的人员的节点与该待处理人员的节点之间关联关系的属性，确定该待处理人员的特征。
10.根据权利要求9所述的装置，其特征在于，所述获取模块，具体用于：
从至少一个数据源中获取与预设事件和/或预设实体相关联的人员的数据；其中，所述预设实体为以下一项或多项：预设人员、预设地点、预设团体；
对所获取的数据进行完整性和/或有效性校验，将通过校验的数据作为待处理人员的数据。
11.根据权利要求9所述的装置，其特征在于，所述第二构建模块，具体用于：基于该待处理人员的节点与其目标节点之间关联关系的属性，构建该待处理人员的子关系网络。
12.根据权利要求9所述的装置，其特征在于，所述提取模块，具体用于：
在所述人员关系网络中，提取与该待处理人员的节点存在n阶关联关系的节点，作为目标节点；其中，所述n为正整数，所述n阶关联关系表示：存在关联关系的两个节点之间的距离为n。
13.根据权利要求12所述的装置，其特征在于，所述第二构建模块，具体用于：
基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的子关系网络；
其中，所述M为大于一的正整数，所述第n阶的子关系网络表示：子关系网络中节点之间的最远距离为n；所述子关系网络包括：同构子关系网络和/或异构子关系网络，所述同构子关系网络中包括一种属性的关联关系，所述异构子关系网络中包括多种属性的关联关系。
14.根据权利要求13所述的装置，其特征在于，所述第二构建模块，具体用于：
若n为1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第1阶的M个同构子关系网络；
若n大于1，则基于该待处理人员的节点与其目标节点之间关联关系的M种属性，构建第n阶的M个同构子关系网络和第n阶的Mn-M个异构子关系网络。
15.根据权利要求9所述的装置，其特征在于，所述确定模块，包括：
识别子模块，用于针对所构建的每个子关系网络，在该子关系网络中识别危险人员；
计算子模块，用于根据识别到的危险人员的数量，计算该待处理人员在该子关系网络中的子危险参数；
确定子模块，用于根据计算得到的该待处理人员的全部子危险参数，确定该待处理人员的危险参数，作为该待处理人员的特征。
16.根据权利要求15所述的装置，其特征在于，所述计算子模块，具体用于：
统计该子关系网络中危险人员的数量，作为第一数量；统计该子关系网络中的人员总数，将所述人员总数-1后得的数值作为第二数量；计算所述第一数量与所述第二数量的比值，作为该待处理人员在该子关系网络中的子危险参数。
17.一种电子设备，其特征在于，包括处理器和存储器；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-8任一所述的方法步骤。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-8任一所述的方法步骤。
CN201810533411.5A 2018-05-29 2018-05-29 一种确定人员特征的方法、装置及设备 Active CN110544190B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810533411.5A CN110544190B (zh) 2018-05-29 2018-05-29 一种确定人员特征的方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810533411.5A CN110544190B (zh) 2018-05-29 2018-05-29 一种确定人员特征的方法、装置及设备

Publications (2)

Publication Number Publication Date
CN110544190A CN110544190A (zh) 2019-12-06
CN110544190B true CN110544190B (zh) 2022-07-05

Family

ID=68701033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810533411.5A Active CN110544190B (zh) 2018-05-29 2018-05-29 一种确定人员特征的方法、装置及设备

Country Status (1)

Country Link
CN (1) CN110544190B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657915B (zh) * 2020-05-12 2024-04-05 杭州海康威视数字技术股份有限公司 一种潜在用户推荐方法、装置、电子设备及可读存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107644065A (zh) * 2017-08-31 2018-01-30 北京金堤科技有限公司 企业信息关系网络的构建方法及装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101814076A (zh) * 2009-07-29 2010-08-25 北京航天理想科技有限公司 可视化信息及信息关联分析系统及建立的方法
CN101841607A (zh) * 2010-04-28 2010-09-22 深圳天源迪科信息技术股份有限公司 获取固话与手机间家庭关联关系的方法
KR101524971B1 (ko) * 2014-02-11 2015-06-02 숭실대학교산학협력단 개인 성향 예측 방법 및 그 장치
CN105988998B (zh) * 2015-01-27 2021-02-26 创新先进技术有限公司 关系网络构建方法及装置
CN107808223B (zh) * 2016-09-08 2021-04-20 杭州海康威视数字技术股份有限公司 数据处理方法及装置
CN106548405A (zh) * 2016-11-10 2017-03-29 北京锐安科技有限公司 人际关系推算方法及装置
CN106780263B (zh) * 2017-01-13 2020-10-02 中电科新型智慧城市研究院有限公司 基于大数据平台的高危人员分析和识别方法
CN107180252A (zh) * 2017-05-10 2017-09-19 杨明艳 一种公安领域身份特征采集产品的制造方法及设备
CN107506952A (zh) * 2017-10-12 2017-12-22 杭州中奥科技有限公司 危险指数的评估方法、装置及电子设备
CN107729465B (zh) * 2017-10-12 2018-08-17 杭州中奥科技有限公司 人物危险度的评估方法、装置及电子设备
CN107729466B (zh) * 2017-10-12 2018-08-31 杭州中奥科技有限公司 关系网络的构建方法、装置及电子设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107644065A (zh) * 2017-08-31 2018-01-30 北京金堤科技有限公司 企业信息关系网络的构建方法及装置

Also Published As

Publication number Publication date
CN110544190A (zh) 2019-12-06

Similar Documents

Publication Publication Date Title
US10484413B2 (en) System and a method for detecting anomalous activities in a blockchain network
CN108694657B (zh) 客户识别装置、方法及计算机可读存储介质
CN106649831B (zh) 一种数据过滤方法及装置
US20120254183A1 (en) Method and System for Clustering Data Points
CN108364106A (zh) 一种报销单风险预测方法、装置、终端设备及存储介质
US20130159972A1 (en) Identifying components of a bundled software product
CN112613917A (zh) 基于用户画像的信息推送方法、装置、设备及存储介质
CN109684302B (zh) 数据预测方法、装置、设备及计算机可读存储介质
CN112039893B (zh) 私密交易处理方法、装置、电子设备及可读存储介质
CN108197795A (zh) 恶意团体账户识别方法、装置、终端及存储介质
WO2019205324A1 (zh) 一种任务分配方法、系统及终端设备
CN110909129B (zh) 异常投诉事件的识别方法及装置
CN112329954A (zh) 物品召回方法、装置、终端设备及存储介质
CN110544190B (zh) 一种确定人员特征的方法、装置及设备
CN114553717A (zh) 一种网络节点划分方法、装置、设备及存储介质
CN111325255B (zh) 特定人群圈定方法、装置、电子设备及存储介质
CN113065748A (zh) 业务风险评估方法、装置、设备及存储介质
CN117473527A (zh) 数据安全风险的分析方法、装置、设备及存储介质
CN112257111A (zh) 动态数值脱敏方法、装置及存储介质
CN111079469B (zh) 人脸图像的处理方法、装置、设备及可读存储介质
CN111401959A (zh) 风险群体的预测方法、装置、计算机设备及存储介质
CN111507397B (zh) 一种异常数据的分析方法及装置
CN114241206A (zh) 目标对象的特征提取方法、装置、电子设备及存储介质
CN113449232A (zh) 一种数据处理方法、装置、设备和存储介质
CN113051307A (zh) 告警信号的分析方法、设备、存储介质及装置

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