[发明专利]一种基于人物特性分析的多维度警报器

权利要求书

1.一种基于人物特性分析的多维度警报器，其特征在于：包括离线训练模块和在线训练模块，所述的离线训练模块和在线训练模块均基于心理学模型进行人物特性指数的提取，

所述的离线训练模块对人物特性指数的提取步骤如下：

S1.1、从网络上获取关注人员发布和浏览的信息数据；

S1.2、对获取到的数据进行预处理整理，再进行分离分类；

S1.3、对每类中的所有数据进行标记处理；

S1.4、根据所标记的数据训练深度神经网络得到心理学模型，通过心理学模型得到人物特性指数；

所述的在线训练模块对人物特性指数的提取并预警的步骤如下：

S2.1、从网络上实时获取关注人员发布和浏览的信息数据；

S2.2、对获取到的数据进行预处理整理，再进行分离分类；

S2.3、每类数据采用离线训练模块中训练深度神经网络所得到心理学模型获取人物特性指数；

S2.4、根据人物特性指数采用相关情感计算公式获得人物特性的危险指数；

S2.5、根据危险指数判断是否需要预警，如果不需要预警，则取消预警，并重新回归步骤S2.4，获取最新的人物特性危险指数；如果需要预警，则发出相应的预警，同样重新回归步骤S2.4，获取最新的人物特性危险指数。

2.如权利要求1所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的S1.1和S2.1中关注人员发布和浏览的信息数据的获取渠道包括微信、微博、朋友圈，信息数据包括文本、视频、图像、表情、转载贴数据。

3.如权利要求1所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的S1.2和S2.2中数据分类后的类别包括文字、图片、视频、音频、网络标签、个性签名，所述的S1.2和S2.2中预处理整理包括去噪处理。

4.如权利要求1所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的S1.3中标记方法包括：

a)、对文本数据采用关键词聚类标记法：采用心理学模型提取出文本数据的关键指标，提取文本中的词汇，建立词库，通过计算文本与词库中的词语的距离给文本打上标记；

b)、对非结构化数据通过数据关联标记：对同一人物特性的文本数据和非结构化数据进行关联处理，通过文本数据的标记对非结构化数据进行自动标记；

c)、人为标记法标记：由心理学专业人士对数据进行标记。

5.如权利要求4所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的a)中文本数据包括文字、网络标签、个性签名，b)中非结构化数据包括图片、视频、音频，非结构化数据在关联处理之前先通过深度学习法提取特征。

6.如权利要求1所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的S1.4和S2.3中以恐怖袭击预警为例，人物特性指数包括情绪压抑指数、冒险敢为指数、自我实现需求指数、恐怖性信息/政治性信息侵染指数、宗教狂热指数、心理失衡指数，S2.3中情绪压抑指数、冒险敢为指数、自我实现需求指数、恐怖性信息/政治性信息侵染指数、宗教狂热指数、心理失衡指数的初值是采用离线训练模块中得到的心理学模型在在线训练模块中训练获得，且情绪压抑指数、冒险敢为指数、自我实现需求指数、恐怖性信息/政治性信息侵染指数、宗教狂热指数、心理失衡指数的后续取值根据预警结果的可靠程度进行实时调整。

7.如权利要求1和6任意一项所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的S2.4中以恐怖袭击预警为例，情感计算公式为：恐怖袭击指数＝α₁情绪压抑指数+α₂冒险敢为指数+α₃自我实现需求指数+α₄恐怖性信息/政治性信息侵染指数+α₅宗教狂热指数+α₆心理失衡指数，α₁、α₂、α₃、α₄、α₅、α₆的初值由心理学模型在在线模块中训练获得，后续数值根据预警结果的可靠程度进行实时调整。

8.如权利要求1所述的一种基于人物特性分析的多维度警报器，其特征在于：所述的多维度警报器能够对恐怖袭击预警、公共危险预警、自杀倾向预警、舆情危机预警、涉毒预警、涉赌预警、涉黄预警。