[发明专利]基于粗糙集的职务犯罪社会关系网络智能分析方法及系统

权利要求书

1.一种基于粗糙集的职务犯罪社会关系网络智能分析方法，其特征在于，所述方法包括以下步骤：

步骤1)获取已结案的职务犯罪案件中的多源数据，并构建出原始社会关系网络图；

步骤2)将原始社会关系网络图抽象成图G(V，E)，将n个社会关系网络G₁(V,E₁),...,G_n(V,E_n)，转化成一个关系系统(U,R)，其中G_n表示第n个社会关系网络，E_n表示第n个社会关系网络中所有涉案人员的社会关系；V＝U，均表示所有涉案人员，R表示所有涉案人员的社会关系；R＝{r₁,r₂,...,r_n}是U上的一组二元关系；r_i表示第i个社会关系；

步骤3)基于粗糙集，对关系系统中的数据进行筛选，去除其中对案件分析无用的社会关系，将涉案人员分为犯罪人员和非犯罪人员，从而将关系系统(U,R)构成关系决策系统(U,R,D)；并对其进行约简，从而形成约简后的关系决策系统(U,B,D)；D表示涉案人员的标签集，包括犯罪人员标签d₁和非犯罪人员标签d₂；B表示为约简后的所有涉案人员的社会关系；

步骤4)计算约简后的关系决策系统中每个数据的关系重要性，并按照关系重要度排序，按照该排序结果对待预测犯罪社会关系网络进行排查。

2.根据权利要求1所述的一种基于粗糙集的职务犯罪社会关系网络智能分析方法，其特征在于，所述涉案人员的标签集D的获取方式包括由所有涉案人员的社会关系R得到合成关系R'，R'＝r₁∩r₂∩...∩r_n，分别计算关于犯罪人员标签d₁和非犯罪人员标签d₂的下近似d₁和d₂，根据粗糙集，计算出D相对于R的正域：POS_R(D)＝d₁∪d₂；其中，

[x_i]_R'表示所有和x_i满足等价关系R'的对象的集合，即为包含x_i的R'的等价类；x_i表示U中的涉案人员。

3.根据权利要求1所述的一种基于粗糙集的职务犯罪社会关系网络智能分析方法，其特征在于，步骤3)中所述约简后的所有涉案人员的社会关系B满足以下条件，则B是关系集合R的一个约简；从而形成约简后的关系决策系统；

第一条件：涉案人员的标签集相对于其子集B的正域，与涉案人员的标签集相对于二元关系R的正域是相等的；即POS_B(D)＝POS_R(D)；

第二条件：对于子集B中任意的关系都有，涉案人员的标签集关于子集B的正域不等于在B中将该关系删除之后的正域；即

4.根据权利要求1所述的一种基于粗糙集的职务犯罪社会关系网络智能分析方法，其特征在于，步骤4)中所述约简后的关系决策系统(U,B,D)中的每个数据的关系重要性的计算公式包括对于关系r∈B-C，r相对于C的重要性表示为：sig_r(B,C,D)＝γ_C+{r}(D)-γ_C(D)，γ_C+{r}(D)表示涉案人员的标签集D相对于关系子集C以及关系r共同的依赖度；γ_C(D)表示涉案人员的标签集D相对于关系子集C的依赖度。