CN113111173A

CN113111173A - 基于正则表达式的接警警情类别确定方法和装置

Info

Publication number: CN113111173A
Application number: CN202010307698.7A
Authority: CN
Inventors: 彭涛; 杜晶; 刘孔
Original assignee: Beijing Mingyi Technology Co ltd
Current assignee: Beijing Mingyi Technology Co ltd
Priority date: 2020-02-13
Filing date: 2020-04-17
Publication date: 2021-07-13
Anticipated expiration: 2040-04-17
Also published as: CN113111173B

Abstract

本公开实施例公开了基于正则表达式的接警警情类别确定方法和装置。该方法的一具体实施方式包括：获取待分类接警文本；对于预设接警警情类别集合中的每个接警警情类别，确定待分类接警文本是否与该接警警情类别对应的正则表达式匹配；用预设接警警情类别集合中的各目标接警警情类别生成待分类接警文本对应的接警警情类别集合，其中，待分类接警文本与目标接警警情类别对应的正则表达式匹配。该实施方式实现了自动对接警文本进行接警警情分类。

Description

基于正则表达式的接警警情类别确定方法和装置

技术领域

本公开实施例涉及计算机技术领域，具体涉及基于正则表达式的接警警情类别确定方法和装置。

背景技术

目前，公安机关的110接警员在接警时会录入相应的接警文本，并人工给出该接警文本所记载警情的警情分类。后续，根据所给出的警情分类可以确定由相应的处警员进行处理。因此，对接警信息进行警情分类是在接处警过程中是非常重要的。

发明内容

本公开实施例提出了基于正则表达式的接警警情类别确定方法和装置。

第一方面，本公开实施例提供了一种基于正则表达式的接警警情类别确定方法，该方法包括：获取待分类接警文本；对于预设接警警情类别集合中的每个接警警情类别，确定待分类接警文本是否与该接警警情类别对应的正则表达式匹配；用预设接警警情类别集合中的各目标接警警情类别生成待分类接警文本对应的接警警情类别集合，其中，待分类接警文本与目标接警警情类别对应的正则表达式匹配。

在一些实施例中，预设接警警情类别集合中的每个接警警情类别对应至少一个正则表达式；以及预设接警警情类别集合中每个接警警情类别对应的正则表达式是通过如下第一训练步骤预先训练得到的：获取训练样本集合和测试样本集合，其中，训练样本和测试样本均包括历史接警文本和对应的标注警情类别集合；对于预设接警警情类别集合中的每个接警警情类别，执行以下第一正则表达式确定操作：将训练样本集合中对应的标注警情类别集合包括该接警警情类别的各训练样本中的历史接警文本确定为该接警警情类别对应的正样本集合；对于预设候选正则表达式数目集合中的候选正则表达式数目N，执行N个候选正则表达式生成操作以生成与该接警警情类别对应的N个候选正则表达式，以及基于测试样本集合对所生成的N个候选正则表达式进行测试以确定与候选正则表达式数目N对应的准确率；将所生成的最优正则表达式数目个候选正则表达式确定为与该接警警情类别对应的正则表达式，其中，最优正则表达式数目为候选正则表达式数目集合中对应的准确率最高的候选正则表达式数目，N个候选正则表达式生成操作包括：根据该接警警情类别对应的正样本集合中各正样本的文本长度，将该接警警情类别对应的正样本集合分成N个正样本子集合，以及基于所得到的每个正样本子集合，生成与该正样本子集合对应的候选正则表达式。

在一些实施例中，根据该接警警情类别对应的正样本集合中各正样本的文本长度，将该接警警情类别对应的正样本集合分成N个正样本子集合，包括：将第一长度减去第二长度的差确定为编辑长度，其中，第一长度为该接警警情类别对应的正样本集合中各正样本的文本长度中的最长文本长度，第二长度为该接警警情类别对应的正样本集合中各正样本的文本长度中的最短文本长度；将对编辑长度除以N的商向上取整所得的整数确定为子集合文本长度差；对于该接警警情类别对应的正样本集合中的每个正样本，执行以下分组操作：将该正样本的文本长度减去第二长度的差确定为D；将对D除以子集合文本长度差的商向上取整所得的正整数确定为I；将该正样本分到第I个正样本子集合，其中，I为1到N之间的正整数。

在一些实施例中，确定待分类接警文本是否与该接警警情类别对应的正则表达式匹配，包括：将待分类接警文本的文本长度减去与该接警警情类别对应的第二长度的差确定为D’；将对D’除以与该接警警情类别和相应的最优候选表达式数目对应的子集合文本长度差的商向上取整所得的正整数确定为I’；确定待分类接警文本是否与该接警警情类别对应的最优正则表达式数目个正则表达式中基于该接警警情类别对应的第I’个正样本子集合所生成的正则表达式进行匹配。在一些实施例中，预设接警警情类别集合中每个接警警情类别对应的正则表达式是通过如下第二训练步骤预先训练得到的：获取训练样本集合和测试样本集合，其中，训练样本和测试样本均包括历史接警文本和对应的标注警情类别集合；对于预设接警警情类别集合中的每个接警警情类别，执行以下第二正则表达式确定操作：将训练样本集合中对应的标注警情类别集合包括该接警警情类别的各训练样本中的历史接警文本确定为该接警警情类别对应的正样本；基于该接警警情类别对应的正样本，确定该接警警情对应的至少一个候选正则表达式；利用测试样本集合中各测试样本对所确定的各候选正则表达式进行测试并确定对应的准确率；将对应的准确率最高的候选正则表达式确定为该接警警情类别对应的正则表达式。

在一些实施例中，预设接警警情类别集合包括：交通事故类别、类别涉毒类别、涉黄类别和涉赌类别。

第二方面，本公开实施例提供了一种基于正则表达式的接警警情类别确定装置，该装置包括：获取单元，被配置成获取待分类接警文本；匹配单元，被配置成对于预设接警警情类别集合中的每个接警警情类别，确定待分类接警文本是否与该接警警情类别对应的正则表达式匹配；生成单元，被配置成用预设接警警情类别集合中的各目标接警警情类别生成待分类接警文本对应的接警警情类别集合，其中，待分类接警文本与目标接警警情类别对应的正则表达式匹配。

在一些实施例中，所述匹配单元进一步被配置成：将待分类接警文本的文本长度减去与该接警警情类别对应的第二长度的差确定为D’；将对D’除以与该接警警情类别和相应的最优候选表达式数目对应的子集合文本长度差的商向上取整所得的正整数确定为I’；确定待分类接警文本是否与该接警警情类别对应的最优正则表达式数目个正则表达式中基于该接警警情类别对应的第I’个正样本子集合所生成的正则表达式进行匹配。

在一些实施例中，预设接警警情类别集合中每个接警警情类别对应的正则表达式是通过如下第二训练步骤预先训练得到的：获取训练样本集合和测试样本集合，其中，训练样本和测试样本均包括历史接警文本和对应的标注警情类别集合；对于预设接警警情类别集合中的每个接警警情类别，执行以下第二正则表达式确定操作：将训练样本集合中对应的标注警情类别集合包括该接警警情类别的各训练样本中的历史接警文本确定为该接警警情类别对应的正样本；基于该接警警情类别对应的正样本，确定该接警警情对应的至少一个候选正则表达式；利用测试样本集合中各测试样本对所确定的各候选正则表达式进行测试并确定对应的准确率；将对应的准确率最高的候选正则表达式确定为该接警警情类别对应的正则表达式。

第三方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开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，其中，该计算机程序被一个或多个处理器执行时实现如第一方面中任一实现方式描述的方法。

现有技术中一般是通过接警员人工对接警文本进行警情分类，可能存在以下问题：(1)历史遗留有大量未曾被分类的接警文本，以及随着时间的推移接警员每天都会录入新的大量接警文本，导致接警文本待分类的数据体量太大，人工分类所需的人力和时间成本太高；(2)接警文本大多采用自然语言描述、表达方式严重口语化且无规则，人工分类难度较高；(3)接警警情类别数目较高，依赖于人工经验，即人工分类过程中学习成本较高。

本公开的实施例提供的基于正则表达式的接警警情类别确定方法和装置，通过将待分类接警文本与预设接警警情类别集合中的每个接警警情类别对应的正则表达式匹配，并在匹配的情况下确定待分类接警文本属于该接警警情类别，从而有效利用了每个接警警情类别对应的正则表达式，实现了对接警文本自动进行警情分类，无需人工操作，降低了对接警文本进行警情分类的成本，提高了对接警文本进行警情分类的分类速度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的基于正则表达式的接警警情类别确定方法的一个实施例的流程图；

图3是根据本公开的第一训练步骤的一个实施例的流程图；

图4是根据本公开的N个候选正则表达式生成操作的一个实施例的流程图；

图5是将该接警警情类别对应的正样本集合分成N个正样本子集合的一个实施例的流程图；

图6是根据本公开的第二训练步骤的一个实施例的流程图；

图7是根据本公开的基于正则表达式的接警警情类别确定装置的一个实施例的结构示意图；

图8是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开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相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的基于正则表达式的接警警情类别确定方法或基于正则表达式的接警警情类别确定装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101通过网络102与服务器103交互，以接收或发送消息等。终端设备101上可以安装有各种通讯客户端应用，例如接警记录类应用、接警文本警情分类应用、网页浏览器应用等。

终端设备101可以是硬件，也可以是软件。当终端设备101为硬件时，可以是具有显示屏并且支持文本输入的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供接警文本警情分类服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器103可以是提供各种服务的服务器，例如对终端设备101发送的接警文本提供警情分类的后台服务器。后台服务器可以对接收到的接警文本进行分析等处理，并将处理结果(例如接警警情类别集合)反馈给终端设备。

在一些情况下，本公开实施例所提供的基于正则表达式的接警警情类别确定方法可以由终端设备101和服务器103共同执行，例如，“获取待分类接警文本”的步骤可以由终端设备101执行，其余步骤可以由服务器103执行。本公开对此不做限定。相应地，基于正则表达式的接警警情类别确定装置也可以分别设置于终端设备101和服务器103中。

在一些情况下，本公开实施例所提供的基于正则表达式的接警警情类别确定方法可以由服务器103执行，相应地，基于正则表达式的接警警情类别确定装置也可以设置于服务器103中，这时，系统架构100也可以不包括终端设备101。

在一些情况下，本公开实施例所提供的基于正则表达式的接警警情类别确定方法可以由终端设备101执行，相应地，基于正则表达式的接警警情类别确定装置也可以设置于终端设备101中，这时，系统架构100也可以不包括服务器103。

需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供接警文本警情分类服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的基于正则表达式的接警警情类别确定方法的一个实施例的流程200。该基于正则表达式的接警警情类别确定方法，包括以下步骤：

步骤201，获取待分类接警文本。

在本实施例中，基于正则表达式的接警警情类别确定方法的执行主体(例如，图1所示的服务器)可以获取本地存储的待分类接警文本，或者上述执行主体也可以远程地从与上述执行主体网络连接的其他电子设备(例如，图1所示的终端设备)获取待分类接警文本。

这里，待分类接警文本可以是接警员根据接警电话的内容整理的文本数据。待分类接警文本也可以是从终端设备接收的用户在终端设备上安装的报警类应用或者具备报警功能的网页中输入的报警文本。

步骤202，对于预设接警警情类别集合中的每个接警警情类别，确定待分类接警文本是否与该接警警情类别对应的正则表达式匹配。

在本实施例中，上述执行主体(例如，图1所示的服务器)可以对于预设接警警情类别集合中的每个接警警情类别，确定步骤201所获取的待分类接警文本是否与该接警警情类别对应的正则表达式匹配。

在本实施例中，正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。给定一个正则表达式和另一个字符串可以确定给定的字符串是否匹配正则表达式的过滤逻辑。因此，上述执行主体(例如，图1所示的服务器)可以对于预设接警警情类别集合中的每个接警警情类别，确定步骤201所获取的待分类接警文本是否与该接警警情类别对应的正则表达式匹配。而如何确定一个正则表达式与另一个字符串是否匹配是本领域广泛研究和应用的现有技术，在此不再赘述。

在一些可选的实现方式中，预设接警警情类别集合可以是由熟悉接警警情类别的专家人工制定的。作为示例，预设接警警情类别集合可以包括“交通事故类别”、“涉毒类别”、“涉黄类别”和“涉赌类别”。

在一些可选的实现方式中，预设接警警情类别集合中每个接警警情类别可以对应一个正则表达式，这样在确定待分类接警文本是否与该接警警情类别对应的正则表达式匹配时，只需要确定待分类接警文本是否与该接警警情类别对应的一个正则表达式匹配即可。

在一些可选的实现方式中，预设接警警情类别集合中每个接警警情类别也可以对应至少两个正则表达式，这样在确定待分类接警文本是否与该接警警情类别对应的正则表达式匹配时，可以在确定待分类接警文本与该接警警情类别对应的至少两个正则表达式中至少一个正则表达式匹配的情况下，确定待分类接警文本与该接警警情类别对应的正则表达式匹配，并确定待分类接警文本与该接警警情类别对应的任何一个正则表达式都不匹配的情况下，确定待分类接警文本与该接警警情类别对应的正则表达式不匹配。在一些可选的实现方式中，预设接警警情类别集合中每个接警警情类别对应的正则表达式可以是由技术人员基于对大量的属于该接警警情类别的历史接警文本的进行统计分析而制定的对字符串操作的逻辑公式，其基本原则可以是：属于该接警警情类别的历史接警文本与所制定的匹配，不属于该接警警情类别的历史接警文本与所制定的逻辑公式不匹配。

在一些可选的实现方式中，预设接警警情类别集合中每个接警警情类别对应的正则表达式也可以是通过如图3所示的第一训练步骤预先训练得到的。请参考图3，图3示出了根据本公开的第一训练步骤的一个实施例的流程300。该第一训练步骤的流程300可以包括以下步骤：

步骤301，获取训练样本集合和测试样本集合。

这里，第一训练步骤的执行主体可以与上述基于正则表达式的接警警情类别确定方法的执行主体相同。这样，第一训练步骤的执行主体可以在训练得到预设接警警情类别集合中每个接警警情类别对应的正则表达式后，将预设接警警情类别集合中每个接警警情类别对应的正则表达式存储在上述执行主体本地，并在执行上述基于正则表达式的接警警情类别确定方法的过程中读取上述训练得到的预设接警警情类别集合中每个接警警情类别对应的正则表达式。

这里，第一训练步骤的执行主体也可以与上述基于正则表达式的接警警情类别确定方法的执行主体不同。这样，第一训练步骤的执行主体可以在训练得到预设接警警情类别集合中每个接警警情类别对应的正则表达式后，将预设接警警情类别集合中每个接警警情类别对应的正则表达式发送给上述基于正则表达式的接警警情类别确定方法的执行主体。这样，上述基于正则表达式的接警警情类别确定方法的执行主体可以在执行上述基于正则表达式的接警警情类别确定方法的过程中读取上述从第一训练步骤的执行主体接收到的预设接警警情类别集合中每个接警警情类别对应的正则表达式。

这里，第一训练步骤的执行主体可以首先获取训练样本集合和测试样本集合。其中，训练样本和测试样本均包括历史接警文本和对应的标注警情类别集合。需要说明的是，实践中，接警员在接警过程中所涉及的警情往往是综合的复杂的，往往包括不止一种类别的接警警情。相应地，接警文本所描述的警情所属的警情类别可能也不止一种，因此，训练样本和测试样本中包括的标注警情类别集合中可能也不止一种警情类别。

这里，训练样本和测试样本中的标注警情类别集合可以是由人工对相应的历史接警文本进行标注得到的。

实践中，为了提高训练得到的预设接警警情类别集合中的每个接警警情类别对应的正则表达式对该接警警情类别的表达匹配度，这里所获取的训练样本和测试样本中的历史接警文本可以不包括无效接警文本。例如，有的接警文本中没有实际描述真实的接警警情，没有实际接警警情分类价值，这样的接警文本可以被认为是无效接警文本。

在一些可选的实现方式中，对于预设接警警情类别集合中的每个接警警情类别，训练样本集合中与该接警警情类别对应的正样本数量和负样本数量的比值可以在第一预设比例范围内，即，不能正样本太多负样本太少，或者也不能负样本太多而正样本太少。作为示例，第一预设比例范围可以是在大于等于0.6且小于等于1.6之间。其中，训练样本集合中与该接警警情类别对应的正样本为训练样本集合中相应的标注警情类别集合包括该接警警情类别的训练样本，而与该接警警情类别对应的负样本为训练样本集合中相应的标注警情类别集合不包括该接警警情类别的训练样本。

在一些可选的实现方式中，对于预设接警警情类别集合中的每个接警警情类别，测试样本集合中与该接警警情类别对应的正样本数量和负样本数量的比值可以在第二预设比例范围内，即，不能正样本太多负样本太少，或者也不能负样本太多而正样本太少。作为示例，第二预设比例范围可以是在大于等于0.6且小于等于1.6之间。其中，测试样本集合中与该接警警情类别对应的正样本为测试样本集合中相应的标注警情类别集合包括该接警警情类别的训练样本，而与该接警警情类别对应的负样本为测试样本集合中相应的标注警情类别集合不包括该接警警情类别的测试样本。

在一些可选的实现方式中，对于预设接警警情类别集合中的每个接警警情类别，训练样本集合中与该接警警情类别对应的正样本数量和测试样本集合中与该接警警情类别对应的正样本数量之间的比例可以在第三预设比例范围内。这里，一般而言，训练样本集合中与该接警警情类别对应的正样本数量要多于测试样本集合中与该接警警情类别对应的正样本数量，因为大量的正样本用于训练而少量正样本用于测试是符合可以更大程度减少所需样本总数，进而减少对训练样本和测试样本进行标注的人工成本。

步骤302，对于预设接警警情类别集合中的每个接警警情类别，执行第一正则表达式确定操作。

这里，第一正则表达式确定操作可以包括以下步骤3021到步骤3023：

步骤3021，将训练样本集合中对应的标注警情类别集合包括该接警警情类别的各训练样本中的历史接警文本确定为该接警警情类别对应的正样本集合。

为了便于理解，这里假设预设接警警情类别集合为{“警情类1”，“警情类2”，“警情类3”}，以及假设训练样本集合如表1所示，则：

训练样本集合中“警情类1”对应的正样本集合可以包括：训练样本1、训练样本2、训练样本3、训练样本4、训练样本5、训练样本8和训练样本9。

训练样本集合中“警情类2”对应的正样本集合可以包括训练样本1、训练样本3、训练样本5、训练样本6和训练样本7。

而训练样本集合中“警情类3”对应的正样本集合可以包括：训练样本1、训练样本2、训练样本3、训练样本4、训练样本5、训练样本6、训练样本9和训练样本10。

表1

训练样本编号	接警文本	标注警情类别集合
			训练样本1	接警文本1	警情类1，警情类2，警情类3
训练样本2	接警文本2	警情类1，警情类3
			训练样本3	接警文本3	警情类1，警情类2，警情类3
训练样本4	接警文本4	警情类1，警情类3
			训练样本5	接警文本5	警情类1，警情类2，警情类3
训练样本6	接警文本6	警情类2，警情类3
			训练样本7	接警文本7	警情类2
训练样本8	接警文本8	警情类1
			训练样本9	接警文本9	警情类1，警情类3
训练样本10	接警文本10	警情类3

步骤3022，对于预设候选正则表达式数目集合中的候选正则表达式数目N，执行N个候选正则表达式生成操作以生成与该接警警情类别对应的N个候选正则表达式，以及基于测试样本集合对所生成的N个候选正则表达式进行测试以确定与候选正则表达式数目N对应的准确率。

这里，第一训练步骤的执行主体可以对于预设候选正则表达式数目集合中的候选正则表达式数目N，首先执行N个候选正则表达式生成操作以生成与该接警警情类别对应的N个候选正则表达式。

这里，预设候选正则表达式数目集合可以是由技术人员预先制定的存储有至少一个候选正则表达式数目的集合。预设候选正则表达式数目集合可以是由连续的正整数组成的，例如：{1，2，3，4，5，6}；预设候选正则表达式数目集合也可以是由不连续的正整数组成的，例如：{1，3，4，6，9}；或者预设候选正则表达式数目集合还可以是由按照预设步长递增的多个正整数组成的，例如：{2，4，6，8，10}。

实践中，由于不同的接警警情类别对应的接警文本描述方式不同，可能存在不同数量的正则表达式来表征该接警警情类别。例如，对于“警情类1”，存在2个正则表达式来表征“警情类1”，对于“警情类1”，存在1个正则表达式来表征“警情类2”，而对于“警情类3”，存在3个正则表达式来表征“警情类3”。但为了利用训练样本和测试样本自动训练出适应每个接警警情类别的正则表达式，事先并不知道每种接警警情类别存在几个正则表达式。因此，这里可以预先设定候选正则表达式数目集合，再对于预设候选正则表达式数目集合中的候选正则表达式数目N，执行N个候选正则表达式生成操作以生成与该接警警情类别对应的N个候选正则表达式。

这里，关于N个候选正则表达式生成操作请参考图4，图4示出了根据本公开的N个候选正则表达式生成操作的流程400。如图4所示，N个候选正则表达式生成操作可以包括如下步骤：

步骤401，根据该接警警情类别对应的正样本集合中各正样本的文本长度，将该接警警情类别对应的正样本集合分成N个正样本子集合。

这里，第一训练步骤的执行主体可以采用各种实现方式根据该接警警情类别对应的正样本集合中各正样本的文本长度，将该接警警情类别对应的正样本集合分成N个正样本子集合。

在一些可选的实现方式中，步骤401可以如下进行：

执行N次正样本子集合生成操作以生成N个正训练样本子集合，其中，正训练样本子集合生成操作包括：在该接警警情类别对应的正样本集合中随机选取M个正样本组成正样本子集合，其中，M为对S除以L的商向下取整所得的整数，S是该接警警情类别对应的正样本集合中的正样本数量，L是大于等于2小于S的正整数。举例说明，比如，该接警警情类别对应的正样本集合中包括157个正样本，N为5，L为3，则S为157，M为157除以3的商向下取整的正整数52，这里执行5次以下操作：从该包括157个正样本的正样本集合中随机选取52个正样本组成正样本子集合，最终会得到5个正样本子集合，每个正样本子集合包括52个正样本。由于各正样本子集合中的正样本是随机选取的，因此，各个正样本子集合中的各正样本的文本长度可能是随机分布的。

在一些可选的实现方式中，步骤401还可以按照如图5所示的流程500进行。请参考图5，图5示出了根据本公开的将该接警警情类别对应的正样本集合分成N个正样本子集合的一个实施例的流程500，该流程500包括以下步骤：

步骤501，将第一长度减去第二长度的差确定为编辑长度。

这里，第一长度为该接警警情类别对应的正样本集合中各正样本的文本长度中的最长文本长度，而第二长度为该接警警情类别对应的正样本集合中各正样本的文本长度中的最短文本长度。

例如，该接警警情类别对应的正样本集合中有100个正样本，其中最长文本长度为197，最短文本长度为30，即第一长度为197，第二长度为30，则这里编辑长度为197减去30的差，即167。

步骤502，将对编辑长度除以N的商向上取整所得的整数确定为子集合文本长度差。

这里，继续沿用上述关于第一长度、第二长度举例可知编辑长度为167，假设N为5，则子集合文本长度差为对167除以5的商向上取整所得的整数34。

步骤503，对于该接警警情类别对应的正样本集合中的每个正样本，执行分组操作。

这里，分组操作可以如下进行：

首先，将该正样本的文本长度减去第二长度的差确定为D。

然后，将对D除以子集合文本长度差的商向上取整所得的正整数确定为I。

最后，将该正样本分到第I个正样本子集合。

其中，I为1到N之间的正整数。

为便于理解，下面用公式说明。设第一长度为Max，第二长度为Min，子集合文本长度差为Smin，则可以用如下公式来计算Smin和I：

下面具体举例说明，假设第一长度为197，第二长度为30，则编辑长度为167，那么由上述记载可知：

如果该正样本的文本长度大于等于30且小于等于64(即30+34的和)，该正样本会被分到第一个正样本子集合。

如果该正样本的文本长度大于等于65且小于等于98(即30+2×34的和)，该正样本会被分到第二个正样本子集合。

如果该正样本的文本长度大于等于99且小于等于132(即30+3×34的和)，该正样本会被分到第三个正样本子集合。

如果该正样本的文本长度大于等于133且小于等于166(即30+4×34的和)，该正样本会被分到第四个正样本子集合。

如果该正样本的文本长度大于等于167且小于等于197(即第一长度)，该正样本会被分到第五个正样本子集合。

按照上述流程500所示的方法所生成的N个正样本子集合中每个正样本子集合中的正样本的文本长度差别在子集合文本长度差的范围内，即，同一个正样本子集合中各个正样本的文本长度比较接近，进而同一个正样本子集合中的各个正样本的内容也较接近适合生成正则表达式，因此，基于这种方式得到的正样本子集合所生成的正则表达式也更加匹配正样本子集合。

经过步骤401，该接警警情类别对应的正样本集合被分成N个正样本子集合。

步骤402，基于所得到的每个正样本子集合，生成与该正样本子集合对应的候选正则表达式。

例如，对于预设接警警情类别集合中的该接警警情类别“警情类别1”，在步骤3021中确定了该接警警情类别“警情类别1”对应的正样本集合中有100个正样本，假设预设候选正则表达式数目集合为{1，2，3，4，5，6，7}，在执行步骤3022的过程中，对于其中的候选正则表达式数目5，执行5个候选正则表达式生成操作以生成与该接警警情类别对应的5个候选正则表达式。这里的5个候选正则表达式生成操作包括步骤401和步骤402，在相应的步骤401中，将该接警警情类别“警情类别1”对应的正样本集合分成了5个正样本子集合。这里，在步骤402中是，对于上述所得到的5个正样本子集合中的每个正样本子集合，基于该正样本子集合生成与该正样本子集合对应的候选正则表达式。

需要说明的是，基于至少一个文本生成正则表达式可以采用各种实现方式。例如，可以将目标重复内容作为正则表达式中的内容，而将目标变化内容在正则表达式中用通配符表示，其中，目标重复内容在至少一个文本中的重复比例大于等于预设比例，目标变化内容在至少一个文本中的重复比例小于上述预设比例。

然后，第一训练步骤的执行主体可以基于步骤301中所获取的测试样本集合对上述所生成的N个候选正则表达式进行测试以确定与候选正则表达式数目N对应的准确率。具体而言，第一训练步骤的执行主体可以对于步骤301中所获取的测试样本集合中的每个测试样本，确定该测试样本中的历史接警文本是否与上述所生成的N个候选正则表达式中的至少一个候选正则表达式匹配，如果确定匹配则表明该测试样本属于该接警警情类别，再进一步确定该测试样本中的接警警情类别集合是否包括该接警警情类别，如果确定包括则确定该测试样本相对于上述所生成的N个候选正则表达式为正样本，如果确定不包括则确定该测试样本相对于上述所生成的N个候选正则表达式为负样本。最后，将测试样本集合中相对于上述所生成的N个候选正则表达式为正样本的测试样本数目除以测试样本集合中测试样本的总数所得的比值确定为候选正则表达式数目N对应的准确率。

步骤3023，将所生成的最优正则表达式数目个候选正则表达式确定为与该接警警情类别对应的正则表达式。

这里，最优正则表达式数目为候选正则表达式数目集合中对应的准确率最高的候选正则表达式数目。举例说明，假设预设候选正则表达式数目集合为{1，2，3，4，5，6，7}，按照上述各候选这则表达式数目在上述集合中的顺序，其相应的准确率分别为0.3、0.5、0.8、0.6、0.5、0.3、0.2，可以看出3为最优正则表达式数目，则这里可以将步骤3022中对于预设候选正则表达式数目集合为{1，2，3，4，5，6，7}的候选正则表达式数目3，在执行3个候选正则表达式生成操作过程中所生成的与该接警警情类别对应的3个候选正则表达式确定为与该接警警情类别对应的正则表达式。

基于图3、图4和图5所示的可选实现方式，对于预设接警警情类别集合中每个接警警情类别，可以生成该接警警情类别对应的至少一个正则表达式，为了减少匹配计算量，提高匹配速度，在步骤202中确定待分类接警文本是否与该接警警情类别对应的正则表达式匹配，可以如下进行：

首先，可以将待分类接警文本的文本长度减去与该接警警情类别对应的第二长度的差确定为D’。

这里，与该接警警情类别对应的第二长度为步骤501中所记载的，该接警警情类别对应的正样本集合中各正样本的文本长度中的最短文本长度。

然后，将对D’除以与该接警警情类别和相应的最优候选表达式数目对应的子集合文本长度差的商向上取整所得的正整数确定为I’。

正如步骤501和502中所记载的，这里，与该接警警情类别和相应的最优候选表达式数目对应的子集合文本长度差为对与该接警警情类别对应的编辑长度除以与该接警警情类别对应的最优正则表达式数目的商向上取整所得的整数。而其中，与该接警警情类别对应的编辑长度为该接警警情类别对应的正样本集合中各正样本的文本长度中的最长文本长度减去与该接警警情类别对应的正样本集合中各正样本的文本长度中的最短文本长度的差。

最后，确定待分类接警文本是否与该接警警情类别对应的最优正则表达式数目个正则表达式中基于该接警警情类别对应的第I’个正样本子集合所生成的正则表达式进行匹配。

为便于理解，下面具体举例说明按照第一训练步骤训练得到预设接警警情类别集合{“警情类别1”，“警情类别2”，“警情类别3”}中的每个接警警情类别对应的正则表达式的过程：

首先，在步骤301获取了100个训练样本和20个测试样本。

其次，在步骤302中，对于预设接警警情类别集合：{“警情类别1”，“警情类别2”，“警情类别3”}中的每个接警警情类别，执行了第一正则表达式确定操作，下面以“警情类别1”为例进行说明。

在步骤3021中，针对“警情类别1”，将100个训练样本中标注警情类别集合中包括“警情类别1”的50个样本确定为“警情类别1”的正样本集合。

在步骤3022中，假设预设候选正则表达式数目集合为{2，4，6}，对于上述预设候选正则表达式数目集合中的每个候选正则表达式数目N，执行N个候选正则表达式生成操作以生成与该接警警情类别对应的N个候选正则表达式，即共执行了三次上述N个候选正则表达式生成操作，分别生成了2个候选正则表达式、4个候选正则表达式和6个候选正则表达式。然后，基于步骤31中所获取的20个测试样本分别对上述所生成的2个候选正则表达式、4个候选正则表达式和6个候选正则表达式进行测试，并确定了其中2个候选正则表达式、4个候选正则表达式和6个候选正则表达式对应的准确率分别为0.2、0.9、0.6。

在步骤3023中将所生成的4个候选正则表达式确定为“警情类别1”对应的正则表达式。

上述步骤3022中执行了三次N个候选正则表达式生成操作，其中，这三次操作中N分别为2、4和6，而每次N个候选正则表达式生成操作包括：

步骤401，对于“警情类别1”的50个正样本中的每个正样本执行以下步骤501到步骤503，以将“警情类别1”对应的包括50个正样本的正样本集合分成N个正样本子集合。

比如，N为2时，会将“警情类别1”的50个正样本分成2个正样本子集合，当N为4时，会将“警情类别1”的50个正样本分成4个正样本子集合，当N为6时，会将“警情类别1”的50个正样本分成6个正样本子集合。

步骤501，将第一长度减去第二长度的差确定为编辑长度。

这里，第一长度为“警情类别1”的50个正样本的文本长度中的最长文本长度，假设为197；而第二长度为“警情类别1”的50个正样本的文本长度中的最短文本长度，假设为30，则编辑长度为167(即，197-30＝167)。则，这里针对“警情类别1”的第一长度、第二长度和编辑长度分别是：197、30和167。

当N为2时，相应的子集合文本长度差为对167除以2的商向上取整所得的整数84。

当N为4时，相应的子集合文本长度差为对167除以4的商向上取整所得的整数42。

当N为6时，相应的子集合文本长度差为对167除以6的商向上取整所得的整数28。

即，对于“警情类别1”的50个正样本中的每个正样本，执行以下分组操作：

首先，将该正样本的文本长度减去第二长度的差确定为D。

最后，将该正样本分到第I个正样本子集合。

设该正样本的文本长度为X，那么有以下结论：

当N为2时，相应的子集合文本长度差为84，则将该正样本分到第I个正样本子集合，其中，I可以由以下公式计算得到：

即，可以得出以下结论：

30≤X≤114，I＝1，即该正样本会被分到第1个正样本子集合，设为A1。

115≤X≤197，I＝2，即该正样本会被分到第2个正样本子集合，设为A2。

当N为4时，相应的子集合文本长度差为42，则将该正样本分到第I个正样本子集合，其中，I可以由以下公式计算得到：

即，可以得出以下结论：

30≤X≤72，I＝1，即该正样本会被分到第1个正样本子集合，设为B1。

73≤X≤114，I＝2，即该正样本会被分到第2个正样本子集合，设为B2。

115≤X≤156，I＝3，即该正样本会被分到第3个正样本子集合，设为B3。

157≤X≤197，I＝4，即该正样本会被分到第4个正样本子集合，设为B4。

当N为6时，相应的子集合文本长度差为28，则将该正样本分到第I个正样本子集合，其中，I可以由以下公式计算得到：

即，可以得出以下结论：

30≤X≤58，I＝1，即该正样本会被分到第1个正样本子集合，设为C1。

59≤X≤86，I＝2，即该正样本会被分到第2个正样本子集合，设为C2。

87≤X≤114，I＝3，即该正样本会被分到第3个正样本子集合，设为C3。

115≤X≤142，I＝4，即该正样本会被分到第4个正样本子集合，设为C4。

143≤X≤170，I＝5，即该正样本会被分到第5个正样本子集合，设为C5。

171≤X≤197，I＝6，即该正样本会被分到第6个正样本子集合，设为C6。

在步骤401中，当N为2时，会将“警情类别1”的50个正样本分成2个正样本子集合A1和A2；当N为4时，会将“警情类别1”的50个正样本分成4个正样本子集合B1、B2、B3和B4，当N为6时，会将“警情类别1”的50个正样本分成6个正样本子集合C1、C2、C3、C4、C5和C6。

相应的，这里在步骤402中，当N为2时，分别基于所得到的正样本子集合A1和A2，生成与A1和A2对应的候选正则表达式A1’和A2’；当N为4时，分别基于所得到的正样本子集合B1、B2、B3和B4，生成与B1、B2、B3和B4对应的候选正则表达式B1’、B2’、B3’和B4’；当N为6时，分别基于所得到的正样本子集合C1、C2、C3、C4、C5和C6，分别生成与C1、C2、C3、C4、C5和C6对应的候选正则表达式C1’、C2’、C3’、C4’、C5’和C6’。

由上述记载可知，在步骤3023中将所生成的4个候选正则表达式B1’、B2’、B3’和B4’确定为“警情类别1”对应的正则表达式。

假设待分类接警文本的文本长度为Y，该接警警情类别为上述“警情类别1”，由上述记载可知，“警情类别1”在N为最优正则表达式数目4的时候对应的子集合文本长度差为42，那么在步骤202中确定待分类接警文本是否与该接警警情类别对应的正则表达式匹配，可以如下进行：

首先，按照以下公式计算得到I’：

然后，可以确定待分类接警文本是否与“警情类别1”对应的4个正则表达式中基于“警情类别1”对应的第I’个正样本子集合所生成的正则表达式匹配。

即，可以得到以下结论：

30≤Y≤72，I′＝1，即确定待分类接警文本是否与基于“警情类别1”对应的第1个正样本子集合B1所生成的正则表达式B1’匹配。

73≤X≤114，I′＝2，即确定待分类接警文本是否与基于“警情类别1”对应的第2个正样本子集合B2所生成的正则表达式B2’匹配。

115≤X≤156，I′＝3，即确定待分类接警文本是否与基于“警情类别1”对应的第3个正样本子集合B3所生成的正则表达式B3’匹配。

157≤X≤197，I′＝4，即确定待分类接警文本是否与基于“警情类别1”对应的第4个正样本子集合B4所生成的正则表达式B4’匹配。

按照上述匹配方法，可以实现以下技术效果：第一，由于这里不需要将待分类接警文本与该接警警情类别对应的最优正则表达式数目个正则表达式中每个正则表达式进行匹配，而只需与其中一个正则表达式进行匹配，减少了匹配计算量，进而提高了匹配速度；第二，由于匹配的时候将待分类接警文本与之进行匹配的正则表达式是由文本长度与待分类接警文本的文本长度最为接近的正样本子集合生成的，将待分类接警文本与该正则表达式进行匹配，可以提高匹配的准确率。

在一些可选的实现方式中，预设接警警情类别集合中每个接警警情类别对应的正则表达式也可以是通过如图6所示的第二训练步骤预先训练得到的。请参考图6，图6示出了根据本公开的第二训练步骤的一个实施例的流程600。该第二训练步骤的流程600可以包括以下步骤：

步骤601，获取训练样本集合和测试样本集合。

这里，关于第二训练步骤的执行主体具体可参照图3所示的实施例中步骤301中的相关描述，在此不再赘述。另外，步骤301的具体操作及其所带来的技术效果也与图3所示的实施例中步骤301的相应描述基本相同，在此不再赘述。

步骤602，对于预设接警警情类别集合中的每个接警警情类别，执行第二正则表达式确定操作。

这里，第二正则表达式确定操作包括以下步骤6021到步骤6024：

步骤6021，将训练样本集合中对应的标注警情类别集合包括该接警警情类别的各训练样本中的历史接警文本确定为该接警警情类别对应的正样本。

这里，步骤6021的具体操作及其所带来的技术效果与图3所示的实施例中步骤3021中的相应描述基本相同，在此不再赘述。

步骤6022，基于该接警警情类别对应的正样本，确定该接警警情对应的至少一个候选正则表达式。

这里，第二训练步骤的执行主体可以采用各种实现方式基于该接警警情类别对应的正样本，确定该接警警情对应的至少一个候选正则表达式。

步骤6023，利用测试样本集合中各测试样本对所确定的各候选正则表达式进行测试并确定对应的准确率。

这里，第二训练步骤的执行主体可以对于步骤6022中所生成的至少一个候选正则表达式中的每个候选正则表达式，利用测试样本集合中各测试样本确定与该候选正则表达式对应的准确率。具体而言，第二训练步骤的执行主体可以对于步骤601中所获取的测试样本集合中的每个测试样本，确定该测试样本中的历史接警文本是否与该候选正则表达式匹配，如果确定匹配则表明该测试样本属于该接警警情类别，再进一步确定该测试样本中的接警警情类别集合是否包括该接警警情类别，如果确定包括则确定该测试样本相对于该候选正则表达式为正样本，如果确定不包括则确定该测试样本相对于该候选正则表达式为负样本。最后，将测试样本集合中相对于该候选正则表达式为正样本的测试样本数目除以测试样本集合中测试样本的总数所得的比值确定为该候选正则表达式对应的准确率。

步骤6024，将对应的准确率最高的候选正则表达式确定为该接警警情类别对应的正则表达式。

即，在步骤6022中基于该接警警情类别对应的正样本所确定该接警警情对应的至少一个候选正则表达式中选取一个准确率最高的候选正则表达式确定为该接警警情类别对应的正则表达式。

利用上述流程300所示的第一训练步骤或者上述流程600所示的第二训练步骤可以自动生成预设接警警情类别集合中每个接警警情类别对应的正则表达式，降低了生成每个接警警情类别对应的正则表达式的人工成本。随着时间的推移，人们表达方式会产生变化，反应在接警文本中也会产生变化，如果还是按照固有的方式去对接警文本进行警情分类可能会出现误判。这时可以获取最新的训练样本集合和测试样本集合采用第一训练步骤重新生成每个接警警情类别对应的正则表达式，以符合当前接警文本的最新表达需求。

步骤203，用预设接警警情类别集合中的各目标接警警情类别生成待分类接警文本对应的接警警情类别集合。

这里，待分类接警文本与目标接警警情类别对应的正则表达式匹配。

需要说明的是，待分类接警文本可能与预设接警警情类别中的一个或者多余一个接警警情类别对应的正则表达式匹配，这时待分类接警文本对应的接警警情类别集合中可以包括至少一个接警警情类别。待分类接警文本也可能与预设接警警情类别中的所有接警警情类别对应的正则表达式都不匹配，这时待分类接警文本对应的接警警情类别集合可以为空。

本公开的上述实施例提供的方法通过将待分类接警文本接警警情类别对应的正则表达式匹配，实现了对接警文本自动进行警情分类，无需人工操作，降低了对接警文本进行警情分类的成本，提高了对接警文本进行警情分类的分类速度。

进一步参考图7，作为对上述各图所示方法的实现，本公开提供了一种基于正则表达式的接警警情类别确定装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，本实施例的基于正则表达式的接警警情类别确定装置700包括：获取单元701、匹配单元702和生成单元703。其中，获取单元701，被配置成获取待分类接警文本；匹配单元702，被配置成对于预设接警警情类别集合中的每个接警警情类别，确定上述待分类接警文本是否与该接警警情类别对应的正则表达式匹配；生成单元703，被配置成用上述预设接警警情类别集合中的各目标接警警情类别生成上述待分类接警文本对应的接警警情类别集合，其中，上述待分类接警文本与目标接警警情类别对应的正则表达式匹配。

在本实施例中，基于正则表达式的接警警情类别确定装置700的获取单元701、匹配单元702和生成单元703的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202和步骤203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，预设接警警情类别集合中的每个接警警情类别对应至少一个正则表达式；以及上述预设接警警情类别集合中每个接警警情类别对应的正则表达式可以是通过如下第一训练步骤预先训练得到的：获取训练样本集合和测试样本集合，其中，训练样本和测试样本均包括历史接警文本和对应的标注警情类别集合；对于上述预设接警警情类别集合中的每个接警警情类别，执行以下第一正则表达式确定操作：将上述训练样本集合中对应的标注警情类别集合包括该接警警情类别的各训练样本中的历史接警文本确定为该接警警情类别对应的正样本集合；对于预设候选正则表达式数目集合中的候选正则表达式数目N，执行N个候选正则表达式生成操作以生成与该接警警情类别对应的N个候选正则表达式，以及基于上述测试样本集合对所生成的N个候选正则表达式进行测试以确定与候选正则表达式数目N对应的准确率；将所生成的最优正则表达式数目个候选正则表达式确定为与该接警警情类别对应的正则表达式，其中，上述最优正则表达式数目为上述候选正则表达式数目集合中对应的准确率最高的候选正则表达式数目，上述N个候选正则表达式生成操作包括：根据该接警警情类别对应的正样本集合中各正样本的文本长度，将该接警警情类别对应的正样本集合分成N个正样本子集合，以及基于所得到的每个正样本子集合，生成与该正样本子集合对应的候选正则表达式。

在本实施例的一些可选的实现方式中，上述根据该接警警情类别对应的正样本集合中各正样本的文本长度，将该接警警情类别对应的正样本集合分成N个正样本子集合，可以包括：将第一长度减去第二长度的差确定为编辑长度，其中，上述第一长度为该接警警情类别对应的正样本集合中各正样本的文本长度中的最长文本长度，上述第二长度为该接警警情类别对应的正样本集合中各正样本的文本长度中的最短文本长度；将对上述编辑长度除以N的商向上取整所得的整数确定为子集合文本长度差；对于该接警警情类别对应的正样本集合中的每个正样本，执行以下分组操作：将该正样本的文本长度减去所述第二长度的差确定为D；将对D除以所述子集合文本长度差的商向上取整所得的正整数确定为I；将该正样本分到第I个正样本子集合，其中，I为1到N之间的正整数。

在本实施例的一些可选的实现方式中，匹配单元702可以进一步被配置成：将待分类接警文本的文本长度减去与该接警警情类别对应的第二长度的差确定为D’；将对D’除以与该接警警情类别和相应的最优候选表达式数目对应的子集合文本长度差的商向上取整所得的正整数确定为I’；确定待分类接警文本是否与该接警警情类别对应的最优正则表达式数目个正则表达式中基于该接警警情类别对应的第I’个正样本子集合所生成的正则表达式进行匹配。

在本实施例的一些可选的实现方式中，上述预设接警警情类别集合中每个接警警情类别对应的正则表达式可以是通过如下第二训练步骤预先训练得到的：获取训练样本集合和测试样本集合，其中，训练样本和测试样本均包括历史接警文本和对应的标注警情类别集合；对于上述预设接警警情类别集合中的每个接警警情类别，执行以下第二正则表达式确定操作：将上述训练样本集合中对应的标注警情类别集合包括该接警警情类别的各训练样本中的历史接警文本确定为该接警警情类别对应的正样本；基于该接警警情类别对应的正样本，确定该接警警情对应的至少一个候选正则表达式；利用上述测试样本集合中各测试样本对所确定的各候选正则表达式进行测试并确定对应的准确率；将对应的准确率最高的候选正则表达式确定为该接警警情类别对应的正则表达式。

在本实施例的一些可选的实现方式中，上述预设接警警情类别集合可以包括：交通事故类别、类别涉毒类别、涉黄类别和涉赌类别。

需要说明的是，本公开实施例提供的基于正则表达式的接警警情类别确定装置中各单元的实现细节和技术效果可以参考本公开中其它实施例的说明，在此不再赘述。

下面参考图8，其示出了适于用来实现本公开实施例的电子设备的计算机系统800的结构示意图。图8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，计算机系统800包括中央处理单元(CPU，Central Processing Unit)801，其可以根据存储在只读存储器(ROM，Read Only Memory)802中的程序或者从存储部分808加载到随机访问存储器(RAM，Random Access Memory)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有系统800操作所需的各种程序和数据。CPU 801、ROM802以及RAM 803通过总线804彼此相连。输入/输出(I/O，Input/Output)接口805也连接至总线804。

以下部件连接至I/O接口805：包括触控屏、手写板、键盘或鼠标等的输入部分806；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid CrystalDisplay)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN(局域网，Local Area Network)卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本公开的方法中限定的上述功能。需要说明的是，本公开所述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本公开中，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。而在本公开中，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公开的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++、Python，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服务器上执行。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)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、匹配单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取待分类接警文本的单元”。

作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：获取待分类接警文本；对于预设接警警情类别集合中的每个接警警情类别，确定上述待分类接警文本是否与该接警警情类别对应的正则表达式匹配；用上述预设接警警情类别集合中的各目标接警警情类别生成上述待分类接警文本对应的接警警情类别集合，其中，上述待分类接警文本与目标接警警情类别对应的正则表达式匹配。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims

1.一种基于正则表达式的接警警情类别确定方法，包括：

获取待分类接警文本；

对于预设接警警情类别集合中的每个接警警情类别，确定所述待分类接警文本是否与该接警警情类别对应的正则表达式匹配；

用所述预设接警警情类别集合中的各目标接警警情类别生成所述待分类接警文本对应的接警警情类别集合，其中，所述待分类接警文本与目标接警警情类别对应的正则表达式匹配。

2.根据权利要求1所述的方法，其中，所述预设接警警情类别集合中的每个接警警情类别对应至少一个正则表达式；以及所述预设接警警情类别集合中每个接警警情类别对应的正则表达式是通过如下第一训练步骤预先训练得到的：

获取训练样本集合和测试样本集合，其中，训练样本和测试样本均包括历史接警文本和对应的标注警情类别集合；

对于所述预设接警警情类别集合中的每个接警警情类别，执行以下第一正则表达式确定操作：将所述训练样本集合中对应的标注警情类别集合包括该接警警情类别的各训练样本中的历史接警文本确定为该接警警情类别对应的正样本集合；对于预设候选正则表达式数目集合中的候选正则表达式数目N，执行N个候选正则表达式生成操作以生成与该接警警情类别对应的N个候选正则表达式，以及基于所述测试样本集合对所生成的N个候选正则表达式进行测试以确定与候选正则表达式数目N对应的准确率；将所生成的最优正则表达式数目个候选正则表达式确定为与该接警警情类别对应的正则表达式，其中，所述最优正则表达式数目为所述候选正则表达式数目集合中对应的准确率最高的候选正则表达式数目，所述N个候选正则表达式生成操作包括：根据该接警警情类别对应的正样本集合中各正样本的文本长度，将该接警警情类别对应的正样本集合分成N个正样本子集合，以及基于所得到的每个正样本子集合，生成与该正样本子集合对应的候选正则表达式。

3.根据权利要求2所述的方法，其中，所述根据该接警警情类别对应的正样本集合中各正样本的文本长度，将该接警警情类别对应的正样本集合分成N个正样本子集合，包括：

将第一长度减去第二长度的差确定为编辑长度，其中，所述第一长度为该接警警情类别对应的正样本集合中各正样本的文本长度中的最长文本长度，所述第二长度为该接警警情类别对应的正样本集合中各正样本的文本长度中的最短文本长度；

将对所述编辑长度除以N的商向上取整所得的整数确定为子集合文本长度差；对于该接警警情类别对应的正样本集合中的每个正样本，执行以下分组操作：将该正样本的文本长度减去所述第二长度的差确定为D；将对D除以所述子集合文本长度差的商向上取整所得的正整数确定为I；将该正样本分到第I个正样本子集合，其中，I为1到N之间的正整数。

4.根据权利要求3所述的方法，其中，所述确定所述待分类接警文本是否与该接警警情类别对应的正则表达式匹配，包括：

将所述待分类接警文本的文本长度减去与该接警警情类别对应的所述第二长度的差确定为D’；

将对D’除以与该接警警情类别和相应的最优候选表达式数目对应的所述子集合文本长度差的商向上取整所得的正整数确定为I’；

确定所述待分类接警文本是否与该接警警情类别对应的所述最优正则表达式数目个正则表达式中基于该接警警情类别对应的第I’个正样本子集合所生成的正则表达式进行匹配。

5.根据权利要求1所述的方法，其中，所述预设接警警情类别集合中每个接警警情类别对应的正则表达式是通过如下第二训练步骤预先训练得到的：

对于所述预设接警警情类别集合中的每个接警警情类别，执行以下第二正则表达式确定操作：将所述训练样本集合中对应的标注警情类别集合包括该接警警情类别的各训练样本中的历史接警文本确定为该接警警情类别对应的正样本；基于该接警警情类别对应的正样本，确定该接警警情对应的至少一个候选正则表达式；利用所述测试样本集合中各测试样本对所确定的各候选正则表达式进行测试并确定对应的准确率；将对应的准确率最高的候选正则表达式确定为该接警警情类别对应的正则表达式。

6.根据权利要求1-5中任一所述的方法，其中，所述预设接警警情类别集合包括：交通事故类别、类别涉毒类别、涉黄类别和涉赌类别。

7.一种基于正则表达式的接警警情类别确定装置，包括：

获取单元，被配置成获取待分类接警文本；

匹配单元，被配置成对于预设接警警情类别集合中的每个接警警情类别，确定所述待分类接警文本是否与该接警警情类别对应的正则表达式匹配；

生成单元，被配置成用所述预设接警警情类别集合中的各目标接警警情类别生成所述待分类接警文本对应的接警警情类别集合，其中，所述待分类接警文本与目标接警警情类别对应的正则表达式匹配。

8.根据权利要求7所述的装置，其中，所述预设接警警情类别集合中的每个接警警情类别对应至少一个正则表达式；以及所述预设接警警情类别集合中每个接警警情类别对应的正则表达式是通过如下第一训练步骤预先训练得到的：

9.根据权利要求8所述的装置，其中，所述根据该接警警情类别对应的正样本集合中各正样本的文本长度，将该接警警情类别对应的正样本集合分成N个正样本子集合，包括：

将对所述编辑长度除以N的商向上取整所得的整数确定为子集合文本长度差；

对于该接警警情类别对应的正样本集合中的每个正样本，执行以下分组操作：将该正样本的文本长度减去所述第二长度的差确定为D；将对D除以所述子集合文本长度差的商向上取整所得的正整数确定为I；将该正样本分到第I个正样本子集合，其中，I为1到N之间的正整数。

10.根据权利要求9所述的装置，其中，所述匹配单元进一步被配置成：

11.根据权利要求7所述的装置，其中，所述预设接警警情类别集合中每个接警警情类别对应的正则表达式是通过如下第二训练步骤预先训练得到的：

12.根据权利要求7-11中任一所述的装置，其中，所述预设接警警情类别集合包括：交通事故类别、类别涉毒类别、涉黄类别和涉赌类别。

13.一种电子设备，包括：

一个或多个处理器；

存储装置，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时，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。