[发明专利]一种警情的自动分类与预测方法

权利要求书

1.一种警情的自动分类与预测方法，其特征在于，接收单条警情数据输入，通过警情分类系统，返回警情类型；

警情分类系统包括：警情数据模块(1)，关键词获取和筛选模块(2)，犯罪类型统计筛选模块(3)，警情类型评估统计(4)，警情类型近义词模块(5)，警情类型相似词模块(6)，警情数据类型关联模块(7)，警情分类模型训练模块(8)；

警情数据模块(1)，是所有警情数据的集合；

关键词获取和筛选模块(2)，是用来获取警情数据中的关键词，根据实际情况剔除噪音词后规范化后形成警情类别；

犯罪类型统计筛选模块(3)是根据刑法罪名以及治安案件类型作为参考对警情类型做相应补充；

警情类型评估统计(4)是在得到关键词集合后，整理出如纠纷、被盗、闹事、丢失、扰民等，名词根据修饰词再做详细区分，然后将其它词根据治安法案件类型、刑法案件类型或案件命名规则对其进行同义替换；

根据具体情况将警情类型聚类，训练模型时标签使用聚类后的警情类型，训练后通过句式分析再得到其具体的类型；

警情数据类型关联模块(7)是根据警情类别对警情训练样本设置标签，形成语料集(X,Y)，X为特征即警情数据，Y为标签即警情类型；

警情类型近义词模块(5)是获取每类警情关键词的近义词，近义词通过相似词林或词典获取；

警情类型相似词模块(6)是获取每类警情关键词的相似词，下载维基百科语料，语料通过jieba分词将并去除停用词，使用word2vec工具将处理好的词汇映射成n维的向量，再通过向量间余弦相似度评估词之间的相似程度；

警情数据类型关联模块(7)将警情类别的相关词、近义词作为关键词群后，通过模糊匹配方式得到一批有标签的数据，其中匹配方式为多词或单词模式；

警情分类模型训练模块(8)是训练一种基于textCNN的警情分类模型。

2.根据权利要求1中所述的一种警情的自动分类与预测方法，其特征在于，关键词获取和筛选模块(2)的具体方法如下：

步骤(1.1)、将原数据拆分成词组，对词语数组的进行词性标注；

步骤(1.2)、每个词组过滤掉停用词，最终只保留词性为名词、动词的单词；

步骤(1.3)、将所有结果整合得到单词的集合；

步骤(1.4)、构建词图G＝(v,e)，其中V为节点集合，由以上步骤生成的词组成，然后采用共现关系构造任两点之间的边，两个节点之间存在边仅当它们对应的词汇在长度为K的窗口中共现，e为上述边的集合，K表示窗口大小；最后通过TextRank迭代算法公式计算各节点的权重，直至收敛，最终不同词语会有不同的权重值，权重值高的的词语为关键词；

TextRank迭代算法计算公式为：

WS(Vi)是词语i的权重值；d是阻尼系数，取值范围为0到1，代表从图中某一特定点指向其他任意点的概率，一般设置为0.85；In(Vi)是存在指向词语i的链接的词语集合；

Out(Vj)是词语j中的链接存在的链接指向的词语的集合；权重项ωji，用来表示两个词语之间的边有不同的重要程度；

步骤(1.5)、根据关键词的词频过滤掉词频统计值DF小于阀值(如DFM取值20)的值以及噪音词。

3.根据权利要求1中所述的一种警情的自动分类与预测方法，其特征在于，警情分类模型训练模块(8)的具体方法如下：

步骤(2.1)、文本的预处理，样本分词后去除无意义的符号信息、地址、数字、停用词等冗余信息；

步骤(2.2)、文本数值化：使用word2vec工具获取特征集的词向量模型，将文本数据向量化；

步骤(2.3)、输入样本的向量化数据，使用深度学习模型Text-CNN模型进行分类训练，即通过卷积层提取语句的特征，将提取的特征输入到分类器中进行分类；

步骤(2.4)、根据结果调整参数，保存最终模型。