[发明专利]基于机器学习的事务聚集发生预警方法及其应用

权利要求书

1.基于机器学习的事务聚集发生预警方法，其特征在于，包括以下步骤：

S00、提取原有数据的特征结构，该特征结构至少包括事务文本内容；

S10、提取所述事务文本内容中的文本内容，并将该文本内容拆分为地址字段特征、人名字段特征、事务人数字段特征及原始文本字段特征，以实现对所述特征结构的补齐；

S20、将所述地址字段特征转换成标准结构化地址及其经纬度数据，以作为新特征单独存储；

S30、通过递归密度聚类算法选取任一经纬度数据作为数据组点，并找到该数据组点密度可达的所有数据对象点形成一个簇，再将在同一簇下的数据组分类为同类数据；

S40、通过文本相似度算法处理同类数据下的文本字段，进一步优化分类结果并将同一类目下的相似事务作为结果存储至结果表；

S50、输出结果表并根据该结果表预警。

2.如权利要求1所述的基于机器学习的事务聚集发生预警方法，其特征在于，步骤S00中，所述特征结构还包括标识ID，该标识ID用于标识事务。

3.如权利要求1所述的基于机器学习的事务聚集发生预警方法，其特征在于，步骤S00中，所述特征结构还包括事务时间和事务地点。

4.如权利要求1所述的基于机器学习的事务聚集发生预警方法，其特征在于，步骤S10中，通过地图软件的开放API将所述地址字段特征转换成标准结构化地址及其经度和纬度数据。

5.如权利要求1所述的基于机器学习的事务聚集发生预警方法，其特征在于，步骤S30中，若选取的数据组点为边缘点，则选取另一个数据对象点，直至所有数据对象点被处理。

6.如权利要求1所述的基于机器学习的事务聚集发生预警方法，其特征在于，步骤S30中，根据簇群分布情况，按照簇的大小进行密度聚类形成新的簇，并进行递归，直至到达设定条件形成递归结果，并将递归结果中的同一类簇下的数据组点归类为同类数据。

7.如权利要求6所述的基于机器学习的事务聚集发生预警方法，其特征在于，步骤S30中，通过DBSCAN算法将同一类簇下的数据组点归类为同类数据。

8.一种基于机器学习的事务聚集发生预警装置，其特征在于，包括：

数据提取模块，用于提取原有数据的特征结构，该特征结构至少包括事务文本内容；

数据补全模块，用于提取事务文本内容中的文本内容，并将该文本内容拆分为地址字段特征、人名字段特征、事务人数字段特征及原始文本字段特征，以实现对特征结构的补齐；

数据转换模块，用于将地址字段特征转换成标准结构化地址及其经纬度数据，以作为新特征单独存储；

递归密度聚类模块，用于通过递归密度聚类算法选取任一经纬度数据作为数据组点，并找到该数据组点密度可达的所有数据对象点形成一个簇，再将在同一簇下的数据组分类为同类数据；

文本相似度计算模块，用于通过文本相似度算法处理同类数据下的文本字段，进一步优化分类结果并将同一类目下的相似事务作为结果存储至结果表；

输出模块，用于输出结果表并根据该结果表预警。

9.一种电子装置，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权利要求1至7任一项所述的基于机器学习的事务聚集发生预警方法。

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1至7任一项所述的基于机器学习的事务聚集发生预警方法。