CN110580260A - 针对特定群体的数据挖掘方法及装置 - Google Patents
针对特定群体的数据挖掘方法及装置 Download PDFInfo
- Publication number
- CN110580260A CN110580260A CN201910725955.6A CN201910725955A CN110580260A CN 110580260 A CN110580260 A CN 110580260A CN 201910725955 A CN201910725955 A CN 201910725955A CN 110580260 A CN110580260 A CN 110580260A
- Authority
- CN
- China
- Prior art keywords
- key
- combination
- group
- value
- specific
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000007418 data mining Methods 0.000 title claims abstract description 26
- 230000004931 aggregating effect Effects 0.000 claims abstract description 13
- 241000700605 Viruses Species 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 13
- 230000002776 aggregation Effects 0.000 claims description 9
- 238000004220 aggregation Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010899 nucleation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 231100000331 toxic Toxicity 0.000 description 2
- 230000002588 toxic effect Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 238000013501 data transformation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Fuzzy Systems (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种针对特定群体的数据挖掘方法及装置,该方法包括:将每个特定群体人员和与该特定群体人员有特定关系的人员组成一个key‑value结构的第一组合,并将所述第一组合中的Key和value反转形成一个key‑value结构的第二组合;对所述第二组合中的key进行的排列组合操作,并以每一个排列组合作为新的Key组成多个key‑value结构的第三组合,其中m为Key的个数,n为小于或等于m的正整数;将多个特定群体人员的所述第三组合,按照Key相同的方式进行分组聚合形成key‑value结构的第四组合;将所述第四组合的Key和value反转形成一个key‑value结构的第五组合;按照Key相同的方式对所述第五组合进行分组聚合,形成key‑value结构的第六组合,其中,在每个所述第六组合中,Key为多个特定群体所组成的团伙,value为与团伙有特定关系的人员。在本发明中,大幅提高了针对特定群体的数据挖掘中的计算效率,节约了计算资源。
Description
技术领域
本发明涉及数据挖掘领域,具体而言,涉及一种针对特定群体的数据挖掘方法及装置。
背景技术
警务工作中,当我们确定了一个高危涉毒嫌疑人,在未抓捕的情况之下,要确定其贩毒上线、下线、毒友、等等团伙组织。通常需要警务研判人员去查询各种各样的消息系统,比如,通联信息、物流信息、通讯录、短信、甚至QQ、微信。然而,警察的专业是研判、IT素质良莠不齐,而且人工检索耗时耗力,效率低下,而且人脑没有办法处理海量数据的关联和检索。
现有的基于数据挖掘的辅助研判方法,是通过对高危涉毒嫌疑人的关系关联、分析、以及计算,来寻找高危涉毒团伙。
现有的基于数据挖掘的辅助研判方法大致如下:假如有一些通联关系数据(电话号码点对点数据),已知一些涉毒嫌疑人的电话号码。研判规则是:如果两个人共同联系三个已知种子人员,则认定为同伙。如图1所示,中间列为种子人员,两边虚线框中的为高危人员。
如图1所示,种子人员A、B、C、D,分别与高危人员1、2、3、4、 5发生过通联。1和2共同联系过种子人员A、B、C,则1和2认定为一个高危涉毒人员团伙。高危人员3、4、5共同联系过种子人员B、C、D 则同样认定3、4、5为一个高危人员涉毒团伙。这样,假设高危人员有m 个人。按照之前的算法则需要计算:
假设将判断两个人是否属于一个团伙作为一次计算,这个公式则计算了计算次数。可以发现这种算法不但计算次数多,而且存在大量的重复计算,耗时耗力。而且存在一个关键的点,如果n越大,重复计算的次数越多,重复计算次数将呈几何倍数增长,不论n多大都有可能漏掉一些更大的,人数更多的团伙。
发明内容
本发明实施例提供了一种针对特定群体的数据挖掘方法及装置,以至少解决相关技术中针对特定群体的数据挖掘方式中计算量大的问题。
根据本发明的一个实施例,提供了一种针对特定群体的数据挖掘方法,包括:将每个特定群体人员和与该特定群体人员有特定关系的人员组成一个key-value结构的第一组合,并将所述第一组合中的Key和value反转形成一个key-value结构的第二组合;对所述第二组合中的key进行的排列组合操作,并以每一个排列组合作为新的Key组成多个key-value结构的第三组合,其中m为Key的个数,n为小于或等于m的正整数;将多个特定群体人员的所述第三组合,按照Key相同的方式进行分组聚合形成key-value结构的第四组合;将所述第四组合的Key和value反转形成一个key-value结构的第五组合;按照Key相同的方式对所述第五组合进行分组聚合,形成key-value结构的第六组合,其中,在每个所述第六组合中,Key为多个特定群体所组成的团伙,value为与团伙有特定关系的人员。
可选地,将多个特定群体人员的所述第三组合,按照Key相同的方式进行分组聚合形成key-value结构的第四组合之后,还包括:将所有所述第四组合中,value的个数小于n的组合去除。
可选地,其中,所述特定群体为涉毒人员,所述与该特定群体人员有特定关系的人员为与该涉毒人员有通联关系的高危人员。
可选地,其中,所述特定群体所组成的团伙为涉毒团伙,所述n为所述涉毒团伙的成员数。
根据本发明的另一个实施例,提供了一种针对特定群体的数据挖掘装置,包括:第一反转模块,用于将每个特定群体人员和与该特定群体人员有特定关系的人员组成一个key-value结构的第一组合,并将所述第一组合中的Key和value反转形成一个key-value结构的第二组合;第一组合模块,用于对所述第二组合中的key进行的排列组合操作,并以每一个排列组合作为新的Key组成多个key-value结构的第三组合,其中m为 Key的个数,n为小于或等于m的正整数;聚合模块,用于将多个特定群体人员的所述第三组合,按照Key相同的方式进行分组聚合形成key-value 结构的第四组合;第二反转模块,用于将所述第四组合的Key和value反转形成一个key-value结构的第五组合;第二组合模块,用于按照Key相同的方式对所述第五组合进行分组聚合,形成key-value结构的第六组合,其中,在每个所述第六组合中,Key为多个特定群体所组成的团伙,value 为与团伙有特定关系的人员。
可选地,所述装置还包括:筛选模块,用于将所有所述第四组合中, value的个数小于n的组合去除。
可选地,其中,所述特定群体为涉毒人员,所述与该特定群体人员有特定关系的人员为与该涉毒人员有通联关系的高危人员。
可选地,其中,所述特定群体所组成的团伙为涉毒团伙,所述n为所述涉毒团伙的成员数。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述方法实施例中的步骤。
通过本发明上述实施例,大幅提高了针对特定群体的数据挖掘中的计算效率,节约了计算资源,而且提高了计算覆盖面,不会由于计算资源有限,而漏掉计算结果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据现有技术的涉毒高危人员及种子人员通联关系示意图;
图2是根据本发明实施例的针对特定群体的数据挖掘方法流程图;
图3是根据本发明实施例的高危人员涉毒团伙的数据挖掘方法流程图;
图4是根据本发明实施例针对特定群体的数据挖掘装置结构示意图;
图5是根据本发明可选实施例的针对特定群体的数据挖掘装置结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
在本实施例中提供了一种针对特定群体的数据挖掘方法,图1是根据本发明实施例的方法流程图,如图2所示,该流程包括如下步骤:
步骤S201,将每个特定群体人员和与该特定群体人员有特定关系的人员组成一个key-value结构的第一组合,并将所述第一组合中的Key和 value反转形成一个key-value结构的第二组合;
步骤S202,对所述第二组合中的key进行的排列组合操作,并以每一个排列组合作为新的Key组成多个key-value结构的第三组合,其中 m为Key的个数,n为小于或等于m的正整数;
步骤S203,将多个特定群体人员的所述第三组合,按照Key相同的方式进行分组聚合形成key-value结构的第四组合;
步骤S204,将所述第四组合的Key和value反转形成一个key-value 结构的第五组合;
步骤S205,按照Key相同的方式对所述第五组合进行分组聚合,形成key-value结构的第六组合,其中,在每个所述第六组合中,Key为多个特定群体所组成的团伙,value为与团伙有特定关系的人员。
在本实施例的步骤S203之后,还可以包括:将所有所述第四组合中, value的个数小于n的组合去除。
在本实施例中,所述特定群体为涉毒人员,所述与该特定群体人员有特定关系的人员为与该涉毒人员有通联关系的高危人员。所述特定群体所组成的团伙为涉毒团伙,所述n为所述涉毒团伙的成员数。
为了便于本发明所提供的技术方案的理解,下面将结合一个具体的实施例进行详细描述。
在本实施例中,假设存在如下业务场景,高危人员(使用数字表示) 和种子人员(使用大写字母表示,种子人员也有可能是高危)存在如下表 1的通联关系:
表1
高危人员 | 通联种子人员 |
1 | A、B、C |
2 | A、B、C、D、E |
3 | B、C、D、E、F |
4 | B、C、D、E、F、G、H |
5 | A、B、C、F |
A | C、D、E |
B | D、E、F |
如图3所示,本实施的主要包括如下步骤:
步骤S301,将key-value结构反转,对key进行(n上面的数字可以根据挖掘业务场景规则变化而变化)的排列组合操作,进行一个数据转换。
例如,输入表中的高危人员5的key-value结构:5->A、B、C、F,输出(A_B_C->5)、(A_B_F->5)、(B_C_F->5)。
经过本步骤处理后,本实施例中,所有输出如下:
(A_B_C->1)、(A_B_C->2)、(A_B_D->2)、(A_B_E->2)、(A_C_D->2)、(A_C_E ->2)、(A_D_E->2)、(B_C_D->2)、(B_C_E->2)、(B_D_E->2)、(C_D_E->2)、(B_C_D ->3)、(B_C_E->3)、(B_C_F->3)、(B_D_E->3)、(B_D_F->3)、(B_E_F->3)、(C_D_E ->3)、(C_D_F->3)、(C_E_F->3)、(D_E_F->3)、(B_C_D->4)、(B_C_E->4)、(B_C_F ->4)、(B_C_G->4)、(B_C_H->4)、(B_D_E->4)、(B_D_F->4)、(B_D_G->4)、(B_D_H ->4)、(B_E_F->4)、(B_E_G->4)、(B_E_H->4)、(B_F_G->4)、(B_F_H->4)、(B_G_H ->4)、(C_D_E->4)、(C_D_F->4)、(C_D_G->4)、(C_D_H->4)、(C_E_F->4)、(C_E_G ->4)、(C_E_H->4)、(C_F_G->4)、(C_F_H->4)、(C_G_H->4)、(D_E_F->4)、(D_E_G ->4)、(D_E_H->4)、(D_F_G->4)、(D_F_H->4)、(D_G_H->4)、(E_F_G->4)、(E_F_H->4)、(E_G_H->4)、(F_G_H->4)、(A_B_C->5)、(A_B_F->5)、(A_C_F->5)、(B_C_F ->5)、(C_D_E->A)、(D_E_F->B)。
步骤S302,根据新生成的key-value结构,进行分组聚合操作,并过滤掉value值小于2的key-value结构,(因为一个人不形成一个团伙),该值可以根据需要进行调整。分组聚合后的结果如下:
(B_C_E->(2,3,4))
(C_E_F->(3,4))
(A_B_C->(1,2,5))
(B_D_E->(2,3,4))
(D_E_F->(3,4,B))
(B_C_F->(3,4,5))
(C_D_E->(2,3,4,A))
(B_D_F->(3,4))
(C_D_F->(3,4))
(B_E_F->(3,4))
(B_C_D->(2,3,4))
步骤S303,将key-value结构再次反转,然后再进行一个分组聚合。
得到如下结果:
((3,4)->(E,F,B,C,D))
((2,3,4)->(B,C,E,D))
((3,4,5)->(B,C,F))
((3,4,B)->(D,E,F))
((2,3,4,A)->(C,D,E))
((1,2,5)->(A,B,C))
这个结果就是最终的数据挖掘结果,得到了6个涉毒团伙。本实施例提供的这个算法大幅提升了原数据挖掘的计算效率(至少十倍以上,且随着团伙人数要求的增加而呈几何倍数上升),而且不会受到团伙人数的限制。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如 ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种针对特定群体的数据挖掘装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例的针对特定群体的数据挖掘装置的结构框图,如图4所示,该装置包括第一反转模块10、第一组合模块20、聚合模块 30、第二反转模块40和第二组合模块50。
第一反转模块10,用于将每个特定群体人员和与该特定群体人员有特定关系的人员组成一个key-value结构的第一组合,并将所述第一组合中的Key和value反转形成一个key-value结构的第二组合。
第一组合模块20,用于对所述第二组合中的key进行的排列组合操作,并以每一个排列组合作为新的Key组成多个key-value结构的第三组合,其中m为Key的个数,n为小于或等于m的正整数。
聚合模块30,用于将多个特定群体人员的所述第三组合,按照Key 相同的方式进行分组聚合形成key-value结构的第四组合。
第二反转模块40,用于将所述第四组合的Key和value反转形成一个 key-value结构的第五组合。
第二组合模块50,用于按照Key相同的方式对所述第五组合进行分组聚合,形成key-value结构的第六组合,其中,在每个所述第六组合中, Key为多个特定群体所组成的团伙,value为与团伙有特定关系的人员。
图5是根据本发明实施例的针对特定群体的数据挖掘装置的结构框图,如图4所示,该装置除包括图5所示的所有模块外,还包括筛选模块60。
筛选模块60,用于将所有所述第四组合中,value的个数小于n的组合去除。
在本实施例中,所述特定群体为涉毒人员,所述与该特定群体人员有特定关系的人员为与该涉毒人员有通联关系的高危人员。
在本实施例中,所述特定群体所组成的团伙为涉毒团伙,所述n为所述涉毒团伙的成员数。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,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)
1.一种针对特定群体的数据挖掘方法,其特征在于,包括:
将每个特定群体人员和与该特定群体人员有特定关系的人员组成一个key-value结构的第一组合,并将所述第一组合中的Key和value反转形成一个key-value结构的第二组合;
对所述第二组合中的key进行的排列组合操作,并以每一个排列组合作为新的Key组成多个key-value结构的第三组合,其中m为Key的个数,n为小于或等于m的正整数;
将多个特定群体人员的所述第三组合,按照Key相同的方式进行分组聚合形成key-value结构的第四组合;
将所述第四组合的Key和value反转形成一个key-value结构的第五组合;
按照Key相同的方式对所述第五组合进行分组聚合,形成key-value结构的第六组合,其中,在每个所述第六组合中,Key为多个特定群体所组成的团伙,value为与团伙有特定关系的人员。
2.根据权利要求1所述的方法,其特征在于,将多个特定群体人员的所述第三组合,按照Key相同的方式进行分组聚合形成key-value结构的第四组合之后,还包括:
将所有所述第四组合中,value的个数小于n的组合去除。
3.根据权利要求1所述的方法,其特征在于,其中,所述特定群体为涉毒人员,所述与该特定群体人员有特定关系的人员为与该涉毒人员有通联关系的高危人员。
4.根据权利要求1所述的方法,其特征在于,其中,所述特定群体所组成的团伙为涉毒团伙,所述n为所述涉毒团伙的成员数。
5.一种针对特定群体的数据挖掘装置,其特征在于,包括:
第一反转模块,用于将每个特定群体人员和与该特定群体人员有特定关系的人员组成一个key-value结构的第一组合,并将所述第一组合中的Key和value反转形成一个key-value结构的第二组合;
第一组合模块,用于对所述第二组合中的key进行的排列组合操作,并以每一个排列组合作为新的Key组成多个key-value结构的第三组合,其中m为Key的个数,n为小于或等于m的正整数;
聚合模块,用于将多个特定群体人员的所述第三组合,按照Key相同的方式进行分组聚合形成key-value结构的第四组合;
第二反转模块,用于将所述第四组合的Key和value反转形成一个key-value结构的第五组合;
第二组合模块,用于按照Key相同的方式对所述第五组合进行分组聚合,形成key-value结构的第六组合,其中,在每个所述第六组合中,Key为多个特定群体所组成的团伙,value为与团伙有特定关系的人员。
6.根据权利要求5所述的装置,还包括:
筛选模块,用于将所有所述第四组合中,value的个数小于n的组合去除。
7.根据权利要求5所述的装置,其特征在于,其中,所述特定群体为涉毒人员,所述与该特定群体人员有特定关系的人员为与该涉毒人员有通联关系的高危人员。
8.根据权利要求7所述的装置,其特征在于,其中,所述特定群体所组成的团伙为涉毒团伙,所述n为所述涉毒团伙的成员数。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至4任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910725955.6A CN110580260B (zh) | 2019-08-07 | 2019-08-07 | 针对特定群体的数据挖掘方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910725955.6A CN110580260B (zh) | 2019-08-07 | 2019-08-07 | 针对特定群体的数据挖掘方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110580260A true CN110580260A (zh) | 2019-12-17 |
CN110580260B CN110580260B (zh) | 2023-05-26 |
Family
ID=68810585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910725955.6A Active CN110580260B (zh) | 2019-08-07 | 2019-08-07 | 针对特定群体的数据挖掘方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110580260B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108257070A (zh) * | 2018-02-24 | 2018-07-06 | 杭州数梦工场科技有限公司 | 犯罪嫌疑人定位方法、装置、电子设备和存储介质 |
CN108334647A (zh) * | 2018-04-12 | 2018-07-27 | 阿里巴巴集团控股有限公司 | 保险欺诈识别的数据处理方法、装置、设备及服务器 |
US20180285440A1 (en) * | 2017-03-29 | 2018-10-04 | International Business Machines Corporation | Sharing intermediate data in map-reduce |
CN109299811A (zh) * | 2018-08-20 | 2019-02-01 | 众安在线财产保险股份有限公司 | 一种基于复杂网络的欺诈团伙识别和风险传播预测的方法 |
CN109783531A (zh) * | 2018-12-07 | 2019-05-21 | 北京明略软件系统有限公司 | 一种关系发现方法和装置、计算机可读存储介质 |
-
2019
- 2019-08-07 CN CN201910725955.6A patent/CN110580260B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180285440A1 (en) * | 2017-03-29 | 2018-10-04 | International Business Machines Corporation | Sharing intermediate data in map-reduce |
CN108257070A (zh) * | 2018-02-24 | 2018-07-06 | 杭州数梦工场科技有限公司 | 犯罪嫌疑人定位方法、装置、电子设备和存储介质 |
CN108334647A (zh) * | 2018-04-12 | 2018-07-27 | 阿里巴巴集团控股有限公司 | 保险欺诈识别的数据处理方法、装置、设备及服务器 |
CN109299811A (zh) * | 2018-08-20 | 2019-02-01 | 众安在线财产保险股份有限公司 | 一种基于复杂网络的欺诈团伙识别和风险传播预测的方法 |
CN109783531A (zh) * | 2018-12-07 | 2019-05-21 | 北京明略软件系统有限公司 | 一种关系发现方法和装置、计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
蒋勇: "信息化侦查技战法的类型学分析及制约因素评介", 《铁道警官高等专科学校学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110580260B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11593894B2 (en) | Interest recommendation method, computer device, and storage medium | |
US9858626B2 (en) | Social sharing of security information in a group | |
US9225676B1 (en) | Social network exploration systems and methods | |
CN111477290A (zh) | 保护用户隐私的联邦学习和图像分类方法、系统及终端 | |
CN110809010B (zh) | 威胁信息处理方法、装置、电子设备及介质 | |
CN112214775B (zh) | 防止第三方获取关键图数据信息的对图数据的注入式攻击方法、装置、介质及电子设备 | |
CN114818000B (zh) | 隐私保护的集合混淆求交方法、系统及相关设备 | |
WO2021136313A1 (zh) | 一种基于攻防对抗的电子邮件系统安全评价方法及装置 | |
CN109214543B (zh) | 数据处理方法及装置 | |
CN108334494B (zh) | 一种用户关系网络的构建方法和装置 | |
CN114186053A (zh) | 一种用于事件消息的发送方法 | |
CN109460930B (zh) | 一种确定风险账户的方法以及相关设备 | |
CN112084384B (zh) | 多方联合进行安全统计的方法和装置 | |
CN114265740A (zh) | 错误信息处理方法、装置、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 | |
CN109033224A (zh) | 一种风险文本识别方法和装置 | |
CN110580260A (zh) | 针对特定群体的数据挖掘方法及装置 | |
US9634978B2 (en) | Systems and methods for improving efficiency of electronic transmission of messages | |
CN109993338B (zh) | 一种链路预测方法及装置 | |
US20140297663A1 (en) | Filter regular expression | |
CN109740344B (zh) | 威胁情报模型建立方法、装置、电子设备及存储介质 | |
CN112257111A (zh) | 动态数值脱敏方法、装置及存储介质 | |
CN113407702A (zh) | 员工合作关系强度量化方法、系统、计算机和存储介质 | |
CN112487175A (zh) | 参展人流控制方法、装置、服务器及计算机可读存储介质 | |
CN107743070B (zh) | 一种双属性网络的社群划分方法及装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210917 Address after: 100124 room 650, 6th floor, building 11, Huashan Garden Cultural Media Industrial Park, 1376 folk culture street, Gaobeidian village, Gaobeidian Township, Chaoyang District, Beijing Applicant after: Beijing Zhizhi Heshu Technology Co.,Ltd. Address before: A1002, 10th floor, building 1, yard 1, Zhongguancun East Road, Haidian District, Beijing 100086 Applicant before: MININGLAMP SOFTWARE SYSTEMS Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |