[发明专利]一种基于知识图谱融合的犯罪预测方法及系统

说明书

本发明涉及神经网络技术领域，目的是提供一种基于知识图谱融合的犯罪预测方法及系统，包括：信息获取单元，用于获取待测试对象的多维度信息并生成待测试对象的个体知识图谱画像；词料库，用于对待测试对象的个体知识图谱画像进行向量化，将多维度信息转变为多个标准词汇组成的文字信息，并将待测试对象的个体知识图谱画像转化为多个向量化矩阵；综合判决神经网络，根据词料库转化的多个向量化矩阵判决神经网络判断待测试对象是否有犯罪嫌疑。本发明具有能根据对象的多维信息预测对象的犯罪概率的优点。

技术领域

本发明涉及神经网络技术领域，具体涉及一种基于知识图谱融合的犯罪预测方法及系统。

背景技术

随着大数据时代发展，人类大多数行为可被预测。犯罪预防也成为是大数据应用之一。当收集足够多纬度信息和有效数据后可以预测出潜在犯罪分子。大数据融入公安侦查过程中，运用海量数据做辅助侦查、改变侦查模式或通过分析嫌疑人自然属性等特征符号，同时利用大数据思维模式分析案件有效打击和减少犯罪，但这并不能挽回已发生犯罪行为所造成的损失，也无法阻止即将发生的潜在犯罪行为。

在犯罪预测领域中，Gerber MS通过回归分析、核内积密度(KDE)、支持向量机(SVM)等方法分析Tweeter中的数据集，进行预测27类犯罪。但结果准确率、实验数据完整性较低。文章《城市高密度区域的犯罪吸引机制》表明，城市密度及环境也是导致犯罪重要因素之一。LiaoR加入地理、环境等信息，建立一种基于地区的犯罪预测模型。该实验，具有局部性且并无法准确预测结果，只做到标识出区域犯罪可能性。

因此研究犯罪行为与对象的多维信息之间的关系将具有重要意义，如何通过对对象的多维信息的分析构建一个理论体系与数学模型来预警犯罪事件的发生显得尤为重要。

发明内容

本发明目的在于提供一种基于知识图谱融合的犯罪预测方法及系统，具有能根据对象的多维信息预测对象的犯罪概率的优点。

为实现上述目的，本发明所采用的技术方案是：一种基于知识图谱融合的犯罪预测方法，包括以下步骤：

S1：获取待测试对象的多维度信息，对所述多维度信息进行数据处理，得到待测试对象的个体知识图谱画像，执行S2；

S2：使用语料库对待测试对象的个体知识图谱画像进行向量化，将待测试对象的个体知识图谱画像转化为多个向量化矩阵，执行S3；

S3：多个所述向量化矩阵输入至综合判决神经网络中，判决神经网络判断待测试对象是否有犯罪嫌疑。

优选的，所述S1包括以下步骤：

S11：获取待测试对象的多维度信息，所述多维度信息为多个词汇组成的文字信息，执行S12；

S12：对所述多维度信息的多个词汇进行归一化处理，将多个词汇替换成多个标准词汇，将所述多维度信息转变为多个标准词汇组成的文字信息，执行S13；

S13：对所述多维度信息数据的多个标准词汇进行三元组化，得到待测试对象的个体知识图谱画像。

优选的，所述S1还包括以下步骤：

S121：使用语料库对待测试对象的多个词汇进行向量化，得到多个词向量，执行S122；

S122：计算单个词向量与多个标准词汇的对应概率，选择对应概率最大的标准词汇为该单个词向量的对应标准词汇，并将该单个词向量转化为该对应标准词汇，直至所述多维度信息的多个词汇均转变为标准词汇。

优选的，所述S122中使用连续词袋模型计算单个词向量与多个标准词汇的对应概率。