[发明专利]一种基于大数据建模分析的人员违法犯罪预测方法和系统

权利要求书

1.一种基于大数据建模分析的人员违法犯罪预测方法，其特征在于：包括：

获取数据；

分组和量化各类型数据，基于案件和嫌疑人类型对数据进行分类，对每一类的数据，建立正常人的对抗集数据，自动提取其与正常人显著的区别特征字段；

基于所述的区别特征字段，输出预判模型和研判模型；

实时分析多路抓拍信息，进行预判预警；

对于预判推送的预警消息进行二次过滤，输出告警信息。

2.根据权利要求1所述的一种基于大数据建模分析的人员违法犯罪预测方法，其特征在于：所述数据来源为本地数据库中存储的数据或通过接口调用获取的数据，通过接口调用获取的数据需要与本地数据库中的人员进行关联。

3.根据权利要求1所述的一种基于大数据建模分析的人员违法犯罪预测方法，其特征在于：所述分组和量化各类型数据，基于案件和嫌疑人类型对数据进行分类，对每一类的数据，建立正常人的对抗集数据，自动提取其与正常人显著的区别特征字段，具体为：

基于数据特征，对数据进行分组和量化；

基于卡方值，提取和案件或嫌疑人最相关的特征字段。

4.根据权利要求3所述的一种基于大数据建模分析的人员违法犯罪预测方法，其特征在于：所述分组方法为：

对于数值型的字段，按照数值范围分组；

对于字符串类型的字段，优先转为为数值型的字段处理；

对于无法数值化但字符集有限的字段，按照不同的字符类型分组；

对于既不能数值化，也无法按照有限字符集分组的字段，按照其字符特征，使用KMEANS聚类的方法，将数据分成有限个组别。

5.根据权利要求4所述的一种基于大数据建模分析的人员违法犯罪预测方法，其特征在于：所述量化方法为对于分组后的结果，每一组分配一个对应的量化数值。

6.根据权利要求3所述的一种基于大数据建模分析的人员违法犯罪预测方法，其特征在于：基于卡方值，提取和案件或嫌疑人最相关的特征字段，具体为：

在将某一字段分组量化后，计算该字段对应某类案件或某类嫌疑人的卡方值，选取卡方值最高的方式，作为该类型的最终分组方案；

针对某一类案件或某类嫌疑人，将全部字段分组量化计算卡方值后，选取其中卡方值最高的若干字段，作为该类案件或该类嫌疑人的特征。

7.根据权利要求1所述的一种基于大数据建模分析的人员违法犯罪预测方法，其特征在于：所述实时分析多路抓拍信息，进行预判预警，具体包括：

抓拍的人像数据或人工检索操作触发比对服务；

对于人员身份和数据信息量化后，输入训练好的模型中进行判断并返回判断结果；

根据返回结果，如果超过预警阈值，对于预判推送的预警消息进行二次过滤，否则更新人员信息后，不在做其他操作处理。

8.根据权利要求7所述的一种基于大数据建模分析的人员违法犯罪预测方法，其特征在于：所述对于预判推送的预警消息进行二次过滤，输出告警信息，具体包括：

预判推送的的人像信息或人工检索操作，触发判断逻辑；

对人员信息量化后输入到训练好的模型内进行分析，并返回研判结果；

根据返回结果，如果超过告警阈值，则推送告警信息，并入库保存，更新人员信息；否则，直接入库并更新人员信息。

9.根据权利要求1－8任一所述的一种基于大数据建模分析的人员违法犯罪预测方法，其特征在于：所述数据包括人员基本信息、案件或前科信息、入所人员信息、车辆房产信息、户籍登记信息、常住人口信息、暂住或流动人口信息、配偶和家庭成员信息、从业和工作单位信息、参军或服役信息、旅店住宿信息、人脸人像抓拍信息、出行信息、出入境信息、手机通讯信息、手机短信信息、社交网络通讯信息、上网记录、下载记录、浏览器cookies记录、就医信息、银行和信用卡信息、个人资产信息、网络资产信息、网络消费交易记录、快递信息和贷款还款记录。