[发明专利]一种面向大型活动公安系统警卫安保的多源异构数据分析方法

说明书

本发明公开了一种面向大型活动公安系统警卫安保的多源异构数据分析方法，通过深度学习的方式来进行文本情感分析，犯罪倾向人员画像，犯罪倾向人员轨迹分析与文本信息提取。首先对网络社交文本进行情感分析，筛选出发布不良言论的账户，对该账户所发布的全部内容与搜索记录进行分析，得出账户持有人的籍贯，年龄，文化程度等信息。对近期频繁往返于活动举办地与倾向人员籍贯地的重点人员进行轨迹分析与文本情报提取，以期有效打击犯罪，降低一线干警工作量，有效保障大型活动的顺利召开，并为公安系统犯罪预防方法的进一步研究提供了解决思路。

技术领域

本发明是一种基于深度学习面向大型活动公安系统警卫安保的多源异构数据分析方法，主要用于重大活动安保，案件侦破辅助等相关工作，属于公共安全大数据挖掘和分析领域。

背景技术

随着我国国际地位的提高，外事活动日渐频繁，如何保证高规格重大活动中的安保工作已经成为了公安警卫部门的难题。目前大型活动安全保卫工作仍以传统的人海战术为主，被动防御各种突发情况。随着安全形势的复杂与犯罪手段的多样化，这种模式已经无法满足实际的工作需要。首先，化学技术的日臻完善已经使得有毒物质具有难以检测，隐蔽性高，杀伤力大等特点；其次，恐怖主义势力在世界范围内日益猖獗，时刻威胁着世界人民的安全；安全态势纷繁复杂。我国公安工作信息化的推进使得积累了大量的公安数据，我国互联网产业的发展也积累了海量的用户数据。随着人工智能时代的来临，如何有效让数据服务于公安系统，成为了公安工作信息化建设未来发展的趋势。本方法将主要针对公共安全犯罪预防系统的构建开展工作。大数据分析技术在安保警卫新模式中的应用有利于数据隐藏信息的发掘，结合案件的人，事，地，物，组织等要素建立预警模型，为犯罪行为预测与预防提供科学的依据。

构建多源异构数据分析方法，建立警务数据分析模型，将犯罪行为扼杀在摇篮之中，降低一线干警工作量，提高效率，尽最大可能将风险降到最低，为高规格重要活动的顺利进行提供坚实后盾，为领导层提供科学的决策辅助，摆脱经验主义模式，以数据为基础，科学决策，降低误判率，提升效率。有效保障高规格重大活动的顺利举行。

发明内容

本发明提出一种面向公安系统犯罪预防的多源异构数据分析方法，该方法分为中文文本情感分析模型，轨迹分析模型，犯罪倾向人员画像与中文信息抽取模型。中文文本情感分析模型将自然语言文本作为长短时记忆网络的输入，通过神经网络的训练与迭代不断优化网络权重系数，模型输出为对该文本的情感判断，情感评分与犯罪类型预判。对海量账户进行第一轮筛查。第一轮筛查后对剩余账户进行犯罪倾向人员画像，通过对锁定账户发布内容与搜索记录的读取，输入到长短时记忆网络中进行中文文本多标签分类，判断该账户持有者的性别，年龄，籍贯，文化程度等个人信息；判断出犯罪倾向人员的基本特征后，对于近期频繁往返于大型活动拟举办地的异常轨迹者进行轨迹分析，运用DBSCAN算法对轨迹进行聚类，结合该轨迹点产生的时间进行数据分析，进一步对目标群体进行筛查；锁定重点人群后，跟踪其社交帐户内容并进行信息抽取，将拟作案时间，地点，人物，电话等信息从非结构化文本数据中提取出来。本发明涉及的犯罪描述指的是一种特殊需要追踪的技术人群，为契合本发明的技术主题，会影响大型活动公安系统警卫安保的人群。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

步骤1：对网络社交账户所发布的文本内容进行情感分析，找出具有犯罪倾向的账户；利用Keras框架下的LSTM算法对网络社交文本数据进行情感评估，初步筛选出犯罪倾向人群；

步骤2：对犯罪倾向人员进行画像，利用Tensorflow框架下的LSTM算法对步骤1筛选出的重点账户内容与重点账户搜索记录进行中文文本多标签分类，对初步筛选出的犯罪倾向人群的学历、年龄、性别和籍贯信息进行推断；