[发明专利]用于安检中被检人员分级的方法及装置

权利要求书

1.一种用于安检中被检人员分级的方法，其特征在于，包括：

通过历史安检信息，生成被检人员的风险识别模型；

获取当前被检人员的安全关联因素信息；

将所述安全关联因素信息，通过数据清洗生成安全关联特征集合；以及

通过所述安全关联特征集合与所述风险识别模型，实时确定所述当前被检人员的风险级别。

2.如权利要求1所述的方法，其特征在于，通过历史安检信息，生成被检人员的风险识别模型，包括：

获取所述历史安检信息；

根据实际安检结果标记所述历史安检信息中对应的条目；以及

将所述历史安检信息与所述历史安检信息中被标记的所述条目存入样本库。

3.如权利要求1或2所述的方法，其特征在于，通过历史安检信息，生成被检人员的风险识别模型，包括：

将所述样本库通过数据清洗生成所述安全关联特征集合；以及

通过机器学习算法，生成所述风险识别模型。

4.如权利要求3所述的方法，其特征在于，所述机器学习算法，包括：

支持向量机算法。

5.如权利要求4所述的方法，其特征在于，所述支持向量机算法通过Spark Mllib技术进行训练。

6.如权利要求1所述的方法，其特征在于，所述安全关联因素信息，包括：社会关系信息、安检线索信息以及上网行为线索信息。

7.如权利要求1所述的方法，其特征在于，将所述安全关联因素信息，通过数据清洗生成安全关联特征集合，包括：

将所述安全关联因素信息，经过数据清洗，得到预定格式的数据信息；以及

通过预定格式的所述信息，生成所述安全关联特征集合。

8.如权利要求1所述的方法，其特征在于，通过所述安全关联特征集合与所述风险识别模型，实时确定所述当前被检人员的风险级别，包括：

通过分布式系统基础架构与实时计算框架，实时获得所述被检人员的风险级别。

9.如权利要求8所述的方法，其特征在于，所述分布式系统基础架构，包括：

Apache Hadoop架构。

10.如权利要求8所述的方法，其特征在于，所述实时计算框架，包括：

Spark架构。

11.如权利要求5所述的方法，其特征在于，所述支持向量机算法中，训练数据的数据量与测试数据的数据量的比例为6-8:2-4。

12.一种用于安检中被检人员分级的装置，其特征在于，包括：

模型生成模块，用于通过历史安检信息，生成被检人员的风险识别模型；

接收信息模块，用于获取当前被检人员的安全关联因素信息；

数据清洗模块，用于将所述安全关联因素信息，通过数据清洗生成安全关联特征集合；以及

风险分级模块，用于通过所述安全关联特征集合与所述风险识别模型，实时确定所述当前被检人员的风险级别。

13.如权利要求12所述的装置，其特征在于，所述模型生成模块，还包括：

历史信息子模块，用于获取所述历史安检信息；

标记子模块，用于根据实际安检结果标记所述历史安检信息中对应的条目；

储存子模块，用于将所述历史安检信息与所述历史安检信息中被标记的所述条目存入样本库；

数据清洗子模块，用于将样本库通过数据清洗生成所述安全关联特征集合；以及

算法子模块，用于通过机器学习算法，生成所述风险识别模型。