CN117648607A - 一种基于云计算的数据综合研判分析系统及方法 - Google Patents

一种基于云计算的数据综合研判分析系统及方法 Download PDF

Info

Publication number
CN117648607A
CN117648607A CN202311670144.3A CN202311670144A CN117648607A CN 117648607 A CN117648607 A CN 117648607A CN 202311670144 A CN202311670144 A CN 202311670144A CN 117648607 A CN117648607 A CN 117648607A
Authority
CN
China
Prior art keywords
research
characteristic
judgment
factors
cases
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
Application number
CN202311670144.3A
Other languages
English (en)
Other versions
CN117648607B (zh
Inventor
武春庆
武一群
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.)
Nanjing Jinding Jiaqi Information Technology Co ltd
Original Assignee
Nanjing Jinding Jiaqi Information 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 Nanjing Jinding Jiaqi Information Technology Co ltd filed Critical Nanjing Jinding Jiaqi Information Technology Co ltd
Publication of CN117648607A publication Critical patent/CN117648607A/zh
Application granted granted Critical
Publication of CN117648607B publication Critical patent/CN117648607B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及综合研判技术领域，公开了一种基于云计算的数据综合研判分析系统及方法，包括研判案例获取模块、案例分类模块、有效特征因素提取模块、对比分析模块和预警分析模块；研判案例获取模块获取基于话单分析功能的研判系统记录的历史研判案例；案例分类模块基于目标对象类型对研判案例进行分类；有效特征因素提取模块确定每种类型下研判案例记录的有效特征因素；对比分析模块对比不同类型研判案例的有效特征因素分析对比结果确定目标特征因素；预警分析模块将第一目标特征因素或第二目标特征因素与对应类型研判案例的目标对象属性进行关联，当系统输入对应标签类型，预警所关联的特征因素进行初步筛查以协助系统锁定标签类型对应的目标对象。

Description

一种基于云计算的数据综合研判分析系统及方法
技术领域
本发明涉及综合研判技术领域，具体为一种基于云计算的数据综合研判分析系统及方法。
背景技术
话单分析的应用非常广泛，对判断目标对象包含的各种特征数据都发挥重要作用，在互联网盛行的今天，利用大数据基于话单分析系统做出研判是互联网应用的重要成果；
现有研判系统中往往是基于确定目标对象分析范围的前提再基于数据研判进一步锁定目标对象，但是很多情况下，数据的初始依据较少如在未能确定目标对象分析范围时如何利用大数据进行目标对象的筛查是需要思考的，并且在这种情况下，对应目标对象的筛查方式没有统一的衡量标准，使得虽然利用大数据却仍存在效率低下的情况；
除此还有在常规监测系统中，没有具体的目标对象类型下如何可以利用最少的算力成本、最高的效率做出所需锁定目标对象的初始筛查也是需要进一步研究的。
发明内容
本发明的目的在于提供一种基于云计算的数据综合研判分析系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于云计算的数据综合研判分析方法，包括以下分析步骤：
步骤S1：获取基于话单分析功能的研判系统记录的历史研判案例，研判案例是指通过话单分析功能实现目标对象锁定的案例，研判案例记录目标对象类型和研判数据；基于目标对象类型对研判案例进行分类；
步骤S2；提取分类完成的研判案例中记录的研判数据，确定每种类型下研判案例记录的有效特征因素；
步骤S3：对比不同类型研判案例的有效特征因素，输出满足特征唯一性时对应研判案例的有效特征因素为第一目标特征因素，在不满足特征唯一性时，基于有效特征因素分析不同类型研判案例的研判数据，输出每一类型研判案例对应的第二目标特征因素；
步骤S4：将第一目标特征因素或第二目标特征因素与对应类型研判案例的目标对象属性进行关联；目标对象属性表示目标对象对应的系统标签；当系统输入对应标签类型，预警所关联的特征因素进行初步筛查以协助系统锁定标签类型对应的目标对象。
进一步的，基于目标对象类型对研判案例进行分类，包括以下步骤：
获取研判案例对应的研判结果，标记研判结果包含目标对象锁定结果的研判案例为待分析研判案例；提取待分析研判案例中记录的目标对象类型，以不同类型目标对象为分类基准，将每一类型目标对象对应的研判案例进行对应分类，生成各类研判案例，且一类研判案例中对应的目标对象类型相同。
进一步的，步骤S2包括以下步骤：
研判数据是指在利用大数据进行研判的过程中分析数值所对应的特征因素；每种类型研判案例记录若干独立研判案例，将每种类型研判案例记录的所有特征因素在各独立研判案例中进行区别标记，区别标记是指不同特征因素利用不同标记方式进行区分；
计算同一类型研判案例中第i种标记下特征因素的研判比例值Pi，Pi=Vi/U，其中Vi表示在同一类型研判案例中包含第i种特征因素的独立研判案例的总个数，U表示同一类型研判案例中独立研判案例的个数；计算同一类型研判案例中m种标记下特征因素的平均研判比例值P0，P0=(1/m)∑Pi，m表示标记特征因素的总类型数；
提取比例差值T小于0且比例差值绝对值大于比例差值阈值对应的特征因素为无效特征因素，T=Pi-P0，将无效特征因素进行筛除，输出剩余特征因素为对应类型研判案例中的有效特征因素。研判案例中设置的比例差值阈值可通过系统进行人为设置输入；避免造成平均值特征对数值分布的影响；分析有效特征因素是为了后续分析目标特征因素节约筛查步骤，提升分析效率。
进一步的，步骤S3包括以下分析步骤：
步骤S31：将不同类型研判案例记录的有效特征因素进行两两比较输出可识别特征因素；可识别特征因素是指独立存在于对应类型研判案例中的特征因素；
步骤S32：当可识别特征因素个数为一时，输出可识别特征因素满足特征唯一性，并标记可识别特征因素为第一目标特征因素；
步骤S33：当可识别特征因素个数不为一时，即2≤M1<m，M1表示可识别特征因素的个数；提取第j个可识别因素在对应研判案例中筛查对象的平均筛查比例Yj，Yj=(1/kj)∑(dj1/dj0)，kj表示第j个可识别因素所记录于研判案例的案例个数，dj1表示第j个可识别特征因素在一个研判案例中进行特征因素筛查后对象总数，dj0表示第j个可识别特征因素在一个研判案例中进行特征因素筛查前对象总数；
dj1/dj0的比值越小说明该特征因素对研判案例进行目标对象锁定进程的影响程度越大，反之则影响程度越小；
将n个可识别特征因素按照对应平均筛查比例进行由小到大的排序，n表示不满足特征唯一性的研判案例中可识别特征因素的个数，输出序列第一的可识别特征因素为对应类型研判案例的第二目标特征因素；
步骤S34：当不存在可识别特征因素时，将对应类型研判案例中记录的有效特征因素按照步骤S33中平均筛查比例的计算方式进行由小到大的排序，生成每一类型研判案例的特征序列Q；以任一类型研判案例中特征序列Q的首个有效特征因素作为起始筛查点，对应研判案例为起始案例，将起始筛查点与其余类型研判案例中特征因素相同的有效特征因素进行筛查比例再排序，生成子特征序列q；若子特征序列中首个有效特征因素不为起始筛查点对应的有效特征因素，则依次遍历起始案例的有效特征因素，直至生成的子特征序列中的首个有效特征因素与起始案例的有效特征因素相同，并输出子特征序列中的首个有效特征因素为起始案例的第二目标特征因素；
遍历所有类型的研判案例，输出每个类型研判案例的第二目标特征因素。
进一步的，步骤S4还包括以下：
建立关联集合，关联集合表示第一目标特征因素或第二目标特征因素与对应研判案例的目标对象属性关联构成的集合；
当系统输入对应标签类型时，调度相同标签对应关联集合中记录的特征因素进行自动预警；初步筛查是指关联集合中的每一标签对应的特征因素存储对应研判阈值，利用研判阈值可进行初步筛查；
以及在系统未输入标签类型时，系统可自动对不同属性目标对象进行随机筛查，当存在满足任一研判阈值时，则对研判阈值所对应属性的目标对象筛查进行预警。
对系统设置不同研判案例对应目标对象的初筛，一方面是为了在不确定目标对象属性或标签时，系统可利用最小的算力分析成本在大数据中做出有效筛查，另一方面是确定初筛的目标特征因素可以避免基于话单分析时多种分析特征导致对应多种属性对象表现不清晰的情况，为系统提供了明确分析方向并提高了基于话单数据综合研判的效率。
一种基于云计算的数据综合研判分析系统，包括研判案例获取模块、案例分类模块、有效特征因素提取模块、对比分析模块和预警分析模块；
研判案例获取模块用于获取基于话单分析功能的研判系统记录的历史研判案例；
案例分类模块用于基于目标对象类型对研判案例进行分类；
有效特征因素提取模块用于确定每种类型下研判案例记录的有效特征因素；
对比分析模块用于对比不同类型研判案例的有效特征因素，分析对比结果确定目标特征因素；
预警分析模块用于将第一目标特征因素或第二目标特征因素与对应类型研判案例的目标对象属性进行关联，当系统输入对应标签类型，预警所关联的特征因素进行初步筛查以协助系统锁定标签类型对应的目标对象。
进一步的，有效特征因素提取模块包括区别标记单元、研判比例值计算单元和有效特征因素输出单元；
区别标记单元用于将每种类型研判案例记录的所有特征因素在各独立研判案例中进行区别标记；
研判比例值计算单元计算同一类型研判案例中不同标记下特征因素的研判比例值；
有效特征因素输出单元用于提取比例差值小于0且比例差值绝对值大于比例差值阈值对应的特征因素为无效特征因素，将无效特征因素进行筛除，输出剩余特征因素为对应类型研判案例中的有效特征因素。
进一步的，对比分析模块包括可识别特征因素输出单元、第一目标特征因素确定单元和第二目标特征因素确定单元；
可识别特征因素输出单元用于将不同类型研判案例记录的有效特征因素进行两两比较输出可识别特征因素；
第一目标特征因素确定单元用于当可识别特征因素个数为一时，输出可识别特征因素满足特征唯一性，并标记可识别特征因素为第一目标特征因素；
第二目标特征因素确定单元用于在可识别特征因素个数不为一时，以及不存在可识别特征因素时分析对应研判案例的研判数据输出第二目标特征因素。
进一步的，预警分析模块包括关联集合建立单元、标签输入预警单元和标签未输入预警单元；
关联集合建立单元用于建立关联集合，关联集合表示第一目标特征因素或第二目标特征因素与对应研判案例的目标对象属性关联构成的集合；
标签输入预警单元用于在系统输入对应标签类型时，调度相同标签对应关联集合中记录的特征因素进行自动预警；
标签未输入预警单元用于在系统未输入标签类型时，系统可自动对不同属性目标对象进行随机筛查，当存在满足任一研判阈值时，则对研判阈值所对应属性的目标对象筛查进行预警。
与现有技术相比，本发明所达到的有益效果是：本发明通过对历史研判案例以目标对象的类型进行分类分析，智能化提高系统在对繁多数据研判过程的数据清晰度，以及在利用系统对大数据进行研判且没有具体类型筛选对象的方向时，可以通过对话单包含的特征因素进行快速筛查得到一个初始排查的目的，如分析出目标对象的话单首要因素为因素1，而在实际先分析因素1不满足目标对象对应“因素1”的研判阈值时，则在初始就可以选出待筛查范围中不存在目标对象范围，就可以对另一类型的目标对象进行二次研判；同时对系统设置不同研判案例对应目标对象的初筛，一方面是为了在不确定目标对象属性或标签时，系统可利用最小的算力分析成本在大数据中做出有效筛查，另一方面是确定初筛的目标特征因素可以避免基于话单分析时多种分析特征导致对应多种属性对象表现不清晰的情况，为系统提供了明确分析方向并提高了基于话单数据综合研判的效率。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于云计算的数据综合研判分析系统的结构示意图。
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。
请参阅图1，本发明提供技术方案：一种基于云计算的数据综合研判分析方法，包括以下分析步骤：
步骤S1：获取基于话单分析功能的研判系统记录的历史研判案例，研判案例是指通过话单分析功能实现目标对象锁定的案例，研判案例记录目标对象类型和研判数据；基于目标对象类型对研判案例进行分类；
步骤S2；提取分类完成的研判案例中记录的研判数据，确定每种类型下研判案例记录的有效特征因素；
步骤S3：对比不同类型研判案例的有效特征因素，输出满足特征唯一性时对应研判案例的有效特征因素为第一目标特征因素，在不满足特征唯一性时，基于有效特征因素分析不同类型研判案例的研判数据，输出每一类型研判案例对应的第二目标特征因素；
步骤S4：将第一目标特征因素或第二目标特征因素与对应类型研判案例的目标对象属性进行关联；目标对象属性表示目标对象对应的系统标签；当系统输入对应标签类型，预警所关联的特征因素进行初步筛查以协助系统锁定标签类型对应的目标对象。
每一系统标签对应一目标对象属性；如筛查“已读邮件”，若系统对已读邮件设置标签为“已读”，则目标对象已读邮件的属性为“已读”。
基于目标对象类型对研判案例进行分类，包括以下步骤：
获取研判案例对应的研判结果，标记研判结果包含目标对象锁定结果的研判案例为待分析研判案例；提取待分析研判案例中记录的目标对象类型，以不同类型目标对象为分类基准，将每一类型目标对象对应的研判案例进行对应分类，生成各类研判案例，且一类研判案例中对应的目标对象类型相同。
步骤S2包括以下步骤：
研判数据是指在利用大数据进行研判的过程中分析数值所对应的特征因素；
特征因素包含特征1、特征2、特征3、特征4、特征5、特征6；分别对应呼叫类型（主叫号码、被叫号码）、通话时长、通话时间、通话内容、主被叫归属地；如分析数值为18:34，该数据表示在18:34进行通话；则对应特征因素为“通话时间”；
每种类型研判案例记录若干独立研判案例，将每种类型研判案例记录的所有特征因素在各独立研判案例中进行区别标记，区别标记是指不同特征因素利用不同标记方式进行区分；
计算同一类型研判案例中第i种标记下特征因素的研判比例值Pi，Pi=Vi/U，其中Vi表示在同一类型研判案例中包含第i种特征因素的独立研判案例的总个数，U表示同一类型研判案例中独立研判案例的个数；计算同一类型研判案例中m种标记下特征因素的平均研判比例值P0，P0=(1/m)∑Pi，m表示标记特征因素的总类型数；
提取比例差值T小于0且比例差值绝对值大于比例差值阈值对应的特征因素为无效特征因素，T=Pi-P0，将无效特征因素进行筛除，输出剩余特征因素为对应类型研判案例中的有效特征因素。研判案例中设置的比例差值阈值可通过系统进行人为设置输入；避免造成平均值特征对数值分布的影响；分析有效特征因素是为了后续分析目标特征因素节约筛查步骤，提升分析效率。
步骤S3包括以下分析步骤：
步骤S31：将不同类型研判案例记录的有效特征因素进行两两比较输出可识别特征因素；可识别特征因素是指独立存在于对应类型研判案例中的特征因素；
步骤S32：当可识别特征因素个数为一时，输出可识别特征因素满足特征唯一性，并标记可识别特征因素为第一目标特征因素；
步骤S33：当可识别特征因素个数不为一时，即2≤M1<m，M1表示可识别特征因素的个数；提取第j个可识别因素在对应研判案例中筛查对象的平均筛查比例Yj，Yj=(1/kj)∑(dj1/dj0)，kj表示第j个可识别因素所记录于研判案例的案例个数，dj1表示第j个可识别特征因素在一个研判案例中进行特征因素筛查后对象总数，dj0表示第j个可识别特征因素在一个研判案例中进行特征因素筛查前对象总数；
如特征因素“特征1”，则dj0就表示在筛查特征1前包含对应特征的对象总数，dj1就表示除去其余特征后剩余包含特征1的对象总数；
dj1/dj0的比值越小说明该特征因素对研判案例进行目标对象锁定进程的影响程度越大，反之则影响程度越小；
将n个可识别特征因素按照对应平均筛查比例进行由小到大的排序，n表示不满足特征唯一性的研判案例中可识别特征因素的个数，输出序列第一的可识别特征因素为对应类型研判案例的第二目标特征因素；
如研判案例“锁定目标对象1”记录特征因素包含：特征1、特征3；
研判案例“锁定目标对象2”记录特征因素包含：特征2、特征3、特征5；
则通过上述比较可以得到，在研判案例“锁定目标对象1”中存在满足特征唯一性的有效特征因素为“特征1”，在研判案例“锁定目标对象2”中没有存在满足特征唯一性的有效特征因素，对应比较后输出的可识别特征因素为“特征2和特征5”；
步骤S34：当不存在可识别特征因素时，将对应类型研判案例中记录的有效特征因素按照步骤S33中平均筛查比例的计算方式进行由小到大的排序，生成每一类型研判案例的特征序列Q；以任一类型研判案例中特征序列Q的首个有效特征因素作为起始筛查点，对应研判案例为起始案例，将起始筛查点与其余类型研判案例中特征因素相同的有效特征因素进行筛查比例再排序，生成子特征序列q；若子特征序列中首个有效特征因素不为起始筛查点对应的有效特征因素，则依次遍历起始案例的有效特征因素，直至生成的子特征序列中的首个有效特征因素与起始案例的有效特征因素相同，并输出子特征序列中的首个有效特征因素为起始案例的第二目标特征因素；
遍历所有类型的研判案例，输出每个类型研判案例的第二目标特征因素。
如实施例所示：若存在两种类型的研判案例A和B：
A研判案例“锁定目标对象1”，且包含的特征因素为特征1、特征3、特征5；
B研判案例“锁定目标对象2”，且包含的特征因素为特征1、特征3、特征5；
说明不存在可识别特征因素；
则计算上述特征因素的平均筛查比例，排序结果为：
A：特征1>特征5>特征3；
B：特征3>特征1>特征5；
选定研判案例B为起始案例，“特征3”为起始筛查点，则比较其余研判案例A中的有效特征因素“特征3”，进行筛查比例再排序即比较两特征因素对应平均筛查比例的大小生成子特征序列q，
若q：特征3(B)>特征3(A)，则“特征3”与起始案例中起始筛查点相同；
则输出“特征3”为研判案例B的第二目标特征因素；
若q：特征3(A)>特征3(B)，则“特征3(A)”与起始案例中起始筛查点不同，继续比较“特征1(B)”与“特征1(A)”的平均筛查比例生成子特征序列，直至找到满足要求的特征因素。
步骤S4还包括以下：
建立关联集合，关联集合表示第一目标特征因素或第二目标特征因素与对应研判案例的目标对象属性关联构成的集合；
当系统输入对应标签类型时，调度相同标签对应关联集合中记录的特征因素进行自动预警；初步筛查是指关联集合中的每一标签对应的特征因素存储对应研判阈值，利用研判阈值可进行初步筛查；
以及在系统未输入标签类型时，系统可自动对不同属性目标对象进行随机筛查，当存在满足任一研判阈值时，则对研判阈值所对应属性的目标对象筛查进行预警。
如系统未输入标签类型，可对“目标对象2”进行研判阈值的筛查，发现不存在满足的情况，则可对“目标对象1”进行研判阈值的筛查，发现存在满足阈值的情况，则传输预警信号提醒系统进行“目标对象1”的进一步筛查，研判阈值可根据历史数据进行设定。
对系统设置不同研判案例对应目标对象的初筛，一方面是为了在不确定目标对象属性或标签时，系统可利用最小的算力分析成本在大数据中做出有效筛查，另一方面是确定初筛的目标特征因素可以避免基于话单分析时多种分析特征导致对应多种属性对象表现不清晰的情况，为系统提供了明确分析方向并提高了基于话单数据综合研判的效率。
一种基于云计算的数据综合研判分析系统，包括研判案例获取模块、案例分类模块、有效特征因素提取模块、对比分析模块和预警分析模块；
研判案例获取模块用于获取基于话单分析功能的研判系统记录的历史研判案例；
案例分类模块用于基于目标对象类型对研判案例进行分类；
有效特征因素提取模块用于确定每种类型下研判案例记录的有效特征因素；
对比分析模块用于对比不同类型研判案例的有效特征因素，分析对比结果确定目标特征因素；
预警分析模块用于将第一目标特征因素或第二目标特征因素与对应类型研判案例的目标对象属性进行关联，当系统输入对应标签类型，预警所关联的特征因素进行初步筛查以协助系统锁定标签类型对应的目标对象。
有效特征因素提取模块包括区别标记单元、研判比例值计算单元和有效特征因素输出单元；
区别标记单元用于将每种类型研判案例记录的所有特征因素在各独立研判案例中进行区别标记；
研判比例值计算单元计算同一类型研判案例中不同标记下特征因素的研判比例值；
有效特征因素输出单元用于提取比例差值小于0且比例差值绝对值大于比例差值阈值对应的特征因素为无效特征因素，将无效特征因素进行筛除，输出剩余特征因素为对应类型研判案例中的有效特征因素。
对比分析模块包括可识别特征因素输出单元、第一目标特征因素确定单元和第二目标特征因素确定单元；
可识别特征因素输出单元用于将不同类型研判案例记录的有效特征因素进行两两比较输出可识别特征因素；
第一目标特征因素确定单元用于当可识别特征因素个数为一时，输出可识别特征因素满足特征唯一性，并标记可识别特征因素为第一目标特征因素；
第二目标特征因素确定单元用于在可识别特征因素个数不为一时，以及不存在可识别特征因素时分析对应研判案例的研判数据输出第二目标特征因素。
预警分析模块包括关联集合建立单元、标签输入预警单元和标签未输入预警单元；
关联集合建立单元用于建立关联集合，关联集合表示第一目标特征因素或第二目标特征因素与对应研判案例的目标对象属性关联构成的集合；
标签输入预警单元用于在系统输入对应标签类型时，调度相同标签对应关联集合中记录的特征因素进行自动预警；
标签未输入预警单元用于在系统未输入标签类型时，系统可自动对不同属性目标对象进行随机筛查，当存在满足任一研判阈值时，则对研判阈值所对应属性的目标对象筛查进行预警。
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。
最后应说明的是：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，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (9)

1.一种基于云计算的数据综合研判分析方法，其特征在于，包括以下分析步骤：
步骤S1：获取基于话单分析功能的研判系统记录的历史研判案例，所述研判案例是指通过话单分析功能实现目标对象锁定的案例，所述研判案例记录目标对象类型和研判数据；基于目标对象类型对研判案例进行分类；
步骤S2；提取分类完成的研判案例中记录的研判数据，确定每种类型下研判案例记录的有效特征因素；
步骤S3：对比不同类型研判案例的有效特征因素，输出满足特征唯一性时对应研判案例的有效特征因素为第一目标特征因素，在不满足特征唯一性时，基于有效特征因素分析不同类型研判案例的研判数据，输出每一类型研判案例对应的第二目标特征因素；
步骤S4：将第一目标特征因素或第二目标特征因素与对应类型研判案例的目标对象属性进行关联；所述目标对象属性表示目标对象基于系统设定的系统标签；当系统输入对应标签类型，预警所关联的特征因素进行初步筛查以协助系统锁定标签类型对应的目标对象。
2.根据权利要求1所述的一种基于云计算的数据综合研判分析方法，其特征在于：所述基于目标对象类型对研判案例进行分类，包括以下步骤：
获取所述研判案例对应的研判结果，标记研判结果包含目标对象锁定结果的研判案例为待分析研判案例；提取待分析研判案例中记录的目标对象类型，以不同类型目标对象为分类基准，将每一类型目标对象对应的研判案例进行对应分类，生成各类研判案例，且一类研判案例中对应的目标对象类型相同。
3.根据权利要求1所述的一种基于云计算的数据综合研判分析方法，其特征在于：所述步骤S2包括以下步骤：
所述研判数据是指在利用大数据进行研判的过程中分析数值所对应的特征因素；每种类型研判案例记录若干独立研判案例，将每种类型研判案例记录的所有特征因素在各独立研判案例中进行区别标记，所述区别标记是指不同特征因素利用不同标记方式进行区分；
计算同一类型研判案例中第i种标记下特征因素的研判比例值Pi，Pi=Vi/U，其中Vi表示在同一类型研判案例中包含第i种特征因素的独立研判案例的总个数，U表示同一类型研判案例中独立研判案例的个数；计算同一类型研判案例中m种标记下特征因素的平均研判比例值P0，P0=(1/m)∑Pi，m表示标记特征因素的总类型数；
提取比例差值T小于0且比例差值绝对值大于比例差值阈值对应的特征因素为无效特征因素，T=Pi-P0，将无效特征因素进行筛除，输出剩余特征因素为对应类型研判案例中的有效特征因素。
4.根据权利要求1所述的一种基于云计算的数据综合研判分析方法，其特征在于：所述步骤S3包括以下分析步骤：
步骤S31：将不同类型研判案例记录的有效特征因素进行两两比较输出可识别特征因素；所述可识别特征因素是指独立存在于对应类型研判案例中的特征因素；
步骤S32：当可识别特征因素个数为一时，输出可识别特征因素满足特征唯一性，并标记可识别特征因素为第一目标特征因素；
步骤S33：当可识别特征因素的个数不为一时，即2≤M1<m，M1表示可识别特征因素的个数；提取第j个可识别因素在对应研判案例中筛查对象的平均筛查比例Yj，Yj=(1/kj)∑(dj1/dj0)，kj表示第j个可识别因素所记录于研判案例的案例个数，dj1表示第j个可识别特征因素在一个研判案例中进行特征因素筛查后对象总数，dj0表示第j个可识别特征因素在一个研判案例中进行特征因素筛查前对象总数；
将n个可识别特征因素按照对应平均筛查比例进行由小到大的排序，n表示不满足特征唯一性的研判案例中可识别特征因素的个数，输出序列第一的可识别特征因素为对应类型研判案例的第二目标特征因素；
步骤S34：当不存在可识别特征因素时，将对应类型研判案例中记录的有效特征因素按照步骤S33中平均筛查比例的计算方式进行由小到大的排序，生成每一类型研判案例的特征序列Q；以任一类型研判案例中特征序列Q的首个有效特征因素作为起始筛查点，对应研判案例为起始案例，将起始筛查点与其余类型研判案例中特征因素相同的有效特征因素进行筛查比例再排序，生成子特征序列q；若子特征序列中首个有效特征因素不为起始筛查点对应的有效特征因素，则依次遍历起始案例的有效特征因素，直至生成的子特征序列中的首个有效特征因素与起始案例的有效特征因素相同，并输出子特征序列中的首个有效特征因素为起始案例的第二目标特征因素；
遍历所有类型的研判案例，输出每个类型研判案例的第二目标特征因素。
5.根据权利要求4所述的一种基于云计算的数据综合研判分析方法，其特征在于：所述步骤S4还包括以下：
建立关联集合，所述关联集合表示第一目标特征因素或第二目标特征因素与对应研判案例的目标对象属性关联构成的集合；
当系统输入对应标签类型时，调度相同标签对应关联集合中记录的特征因素进行自动预警；所述初步筛查是指关联集合中的每一标签对应的特征因素存储对应研判阈值，利用研判阈值可进行初步筛查；
以及在系统未输入标签类型时，系统可自动对不同属性目标对象进行随机筛查，当存在满足任一研判阈值时，则对研判阈值所对应属性的目标对象筛查进行预警。
6.一种基于云计算的数据综合研判分析系统，用于实现权利要求1-5任一项所述的一种基于云计算的数据综合研判分析方法，其特征在于，包括研判案例获取模块、案例分类模块、有效特征因素提取模块、对比分析模块和预警分析模块；
所述研判案例获取模块用于获取基于话单分析功能的研判系统记录的历史研判案例；
所述案例分类模块用于基于目标对象类型对研判案例进行分类；
所述有效特征因素提取模块用于确定每种类型下研判案例记录的有效特征因素；
所述对比分析模块用于对比不同类型研判案例的有效特征因素，分析对比结果确定目标特征因素；
所述预警分析模块用于将第一目标特征因素或第二目标特征因素与对应类型研判案例的目标对象属性进行关联，当系统输入对应标签类型，预警所关联的特征因素进行初步筛查以协助系统锁定标签类型对应的目标对象。
7.根据权利要求6所述的一种基于云计算的数据综合研判分析系统，其特征在于：所述有效特征因素提取模块包括区别标记单元、研判比例值计算单元和有效特征因素输出单元；
所述区别标记单元用于将每种类型研判案例记录的所有特征因素在各独立研判案例中进行区别标记；
所述研判比例值计算单元计算同一类型研判案例中不同标记下特征因素的研判比例值；
所述有效特征因素输出单元用于提取比例差值小于0且比例差值绝对值大于比例差值阈值对应的特征因素为无效特征因素，将无效特征因素进行筛除，输出剩余特征因素为对应类型研判案例中的有效特征因素。
8.根据权利要求7所述的一种基于云计算的数据综合研判分析系统，其特征在于：所述对比分析模块包括可识别特征因素输出单元、第一目标特征因素确定单元和第二目标特征因素确定单元；
所述可识别特征因素输出单元用于将不同类型研判案例记录的有效特征因素进行两两比较输出可识别特征因素；
所述第一目标特征因素确定单元用于当可识别特征因素个数为一时，输出可识别特征因素满足特征唯一性，并标记可识别特征因素为第一目标特征因素；
所述第二目标特征因素确定单元用于在可识别特征因素个数不为一时，以及不存在可识别特征因素时分析对应研判案例的研判数据输出第二目标特征因素。
9.根据权利要求8所述的一种基于云计算的数据综合研判分析系统，其特征在于：所述预警分析模块包括关联集合建立单元、标签输入预警单元和标签未输入预警单元；
所述关联集合建立单元用于建立关联集合，所述关联集合表示第一目标特征因素或第二目标特征因素与对应研判案例的目标对象属性关联构成的集合；
所述标签输入预警单元用于在系统输入对应标签类型时，调度相同标签对应关联集合中记录的特征因素进行自动预警；
所述标签未输入预警单元用于在系统未输入标签类型时，系统可自动对不同属性目标对象进行随机筛查，当存在满足任一研判阈值时，则对研判阈值所对应属性的目标对象筛查进行预警。
CN202311670144.3A 2023-11-13 2023-12-07 一种基于云计算的数据综合研判分析系统及方法 Active CN117648607B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2023114993818 2023-11-13
CN202311499381 2023-11-13

Publications (2)

Publication Number Publication Date
CN117648607A true CN117648607A (zh) 2024-03-05
CN117648607B CN117648607B (zh) 2024-05-14

Family

ID=90043081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311670144.3A Active CN117648607B (zh) 2023-11-13 2023-12-07 一种基于云计算的数据综合研判分析系统及方法

Country Status (1)

Country Link
CN (1) CN117648607B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807468A (zh) * 2019-09-19 2020-02-18 平安科技（深圳）有限公司 检测异常邮件的方法、装置、设备和存储介质
CN112270633A (zh) * 2020-10-26 2021-01-26 河南金明源信息技术有限公司 一种基于大数据驱动的公益诉讼线索研判系统和方法
CN113052205A (zh) * 2021-03-05 2021-06-29 广州默尼互联网信息有限公司 基于机器学习的产妇数据分类方法、装置、设备及介质
CN115022601A (zh) * 2022-07-25 2022-09-06 南京昊华科技有限公司 基于大数据的iot深度学习智能预警研判系统及方法
CN115310567A (zh) * 2022-10-12 2022-11-08 合肥凯泉电机电泵有限公司 一种基于大数据的污水处理设备运行监测系统及方法
WO2023040575A1 (zh) * 2021-09-17 2023-03-23 中通服和信科技有限公司 基于物联网的特殊作业现场异常预警分析系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807468A (zh) * 2019-09-19 2020-02-18 平安科技（深圳）有限公司 检测异常邮件的方法、装置、设备和存储介质
CN112270633A (zh) * 2020-10-26 2021-01-26 河南金明源信息技术有限公司 一种基于大数据驱动的公益诉讼线索研判系统和方法
CN113052205A (zh) * 2021-03-05 2021-06-29 广州默尼互联网信息有限公司 基于机器学习的产妇数据分类方法、装置、设备及介质
WO2023040575A1 (zh) * 2021-09-17 2023-03-23 中通服和信科技有限公司 基于物联网的特殊作业现场异常预警分析系统及方法
CN115022601A (zh) * 2022-07-25 2022-09-06 南京昊华科技有限公司 基于大数据的iot深度学习智能预警研判系统及方法
CN115310567A (zh) * 2022-10-12 2022-11-08 合肥凯泉电机电泵有限公司 一种基于大数据的污水处理设备运行监测系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHANG YIN ET AL.: "Evaluating the credit risk of SMEs using legal judgments", DECISION SUPPORT SYSTEMSDECISION SUPPORT SYSTEMS, vol. 136, 30 September 2020 (2020-09-30) *
黄思嘉: "基于ILJP的可解释性法律智能研判模型的设计与实现", 中国优秀硕士学位论文全文数据库社会科学Ⅰ辑, vol. 2023, no. 01, 15 January 2023 (2023-01-15), pages 120 - 811 *

Also Published As

Publication number Publication date
CN117648607B (zh) 2024-05-14

Similar Documents

Publication Publication Date Title
CN112036755B (zh) 一种建筑工程质量检测的监管方法及系统
CN111181939A (zh) 一种基于集成学习的网络入侵检测方法及装置
AU2011288069A9 (en) Valuable file identification method and identification system, device thereof
CN107145778B (zh) 一种入侵检测方法及装置
CN111796957B (zh) 基于应用日志的交易异常根因分析方法及系统
CN113077196A (zh) 纠纷事件处理方法、装置、可读存储介质及计算机设备
CN115841491B (zh) 一种多孔金属材料的质量检测方法
CN105488486A (zh) 防止照片攻击的人脸识别方法及装置
CN113987243A (zh) 一种图像聚档方法、图像聚档装置和计算机可读存储介质
CN103310235A (zh) 一种基于参数识别与估计的隐写分析方法
CN114186227A (zh) 安全告警转化为安全事件的方法、装置及存储介质
CN117648607B (zh) 一种基于云计算的数据综合研判分析系统及方法
CN116346506B (zh) 一种网络安全数据智能防护方法
CN105930430B (zh) 一种基于非累积属性的实时欺诈检测方法及装置
CN108900538B (zh) 一种工控信号检测方法和装置
CN115842645A (zh) 基于umap-rf的网络攻击流量检测方法、装置及可读存储介质
CN106530199B (zh) 基于窗口式假设检验的多媒体综合隐写分析方法
CN110633466B (zh) 基于语义分析的短信犯罪识别方法、系统和可读存储介质
CN114285596A (zh) 基于机器学习的变电站终端账号异常检测方法
CN111798237A (zh) 基于应用日志的异常交易诊断方法及系统
CN112417007A (zh) 一种数据分析方法、装置、电子设备及存储介质
CN1710594A (zh) 基于高阶统计量的图像隐藏盲检测系统
CN114092743B (zh) 敏感图片的合规性检测方法、装置、存储介质及设备
CN118013248B (zh) 基于半机理模型筛选的工况识别方法、装置、设备及介质
CN113762913B (zh) 一种用户账户实时监测方法及系统

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