[发明专利]智能语义串并分析方法及系统

说明书

本发明公开了一种智能语义串并分析方法，以用户实际业务需求为指引，以案件串并业务为切入点，以大数据、云计算为技术，以智能化精准串并为目的，通过整合调优多种数据挖掘算法，结合自动化处理而形成，该方法处理过程主要包括数据读取、语义识别、标签转换、案件打标、标签比对、关联度运算、串并案生成、串并推送及提醒的步骤。本发明应用于公共安全行业刑事侦查工作中，能够从大量案件文本数据中提取特征要素，并将含有相似要素的案件结合关联度自动关联串并起来，减轻了民警手动研判串并工作量，降低了人手串并难度，辅助民警快速精准识别关联案件。

技术领域

本发明涉及信息处理技术领域，特别是一种信息分析方法及系统。

背景技术

公共安全行业领域中，接到群众报警后，民警在出警阶段，会根据现场勘查工作结果对案情通过自然语言进行详细描述说明，后续该警情转案件后，需要把案情描述转为结构化数据，对案件进行标签化处理，才能在案件侦办过程中进行深度自动研判关联，自动进行精准案件串并。当前市面存在五花八门的语义识别软件，由于缺乏机器学习技术或训练不足而识别不准，并且识别后没有提供相应智能算法计算案件关联度，导致最终生成的案件串并仍需用户进行较多的手工干预。

发明内容

本发明需要解决的技术问题是提供一种智能语义串并分析方法及系统，能够实现案件的精准串并，减轻民警人工识别要素特征的工作量。

为解决上述技术问题，本发明所采取的技术方案如下。

智能语义串并分析方法，具体包括以下步骤：

A.梳理历史同类案件特征集合并作分类处理，构建类案标签体系；

B.建立历史案件语料库以及专家提取特征经验库形成语料库；

C.将历史经验数据注入侵财类案件模型进行训练；

D.输入新案件信息，通过侵财类案件模型运行识别案件要素特征；

E.融合类案标签体系对案件进行标签化处理；

F.定义关联度模型、案件标签权重以及关联匹配标准；

G.通过关联度模型计算新案件关联度，关联度高的案件推荐为候选串并案件；

H.将关联度运算结果结合用户自定义规则生成串并案件，发送给目标用户中心。

上述智能语义串并分析方法，步骤F中所述类案标签体系是根据刑事侦查工作经验对侵财类案件的常见作案特征进行梳理，形成案件特征集合，并根据具体不同的案件类型对案件特征进行分级分类，形成标准化的类案案件标签。

上述智能语义串并分析方法，步骤C中所述的侵财类案件模型的训练方法为：采用Tensorflow人工智能可视化数据流编程框架，利用bi-lstm及crf机器学习算法学习大量的历史案件语料并吸取相关要素特征的提取经验；通过定期读取新发案件数据的各个关键属性，辅助案件定性，然后读取这些案件中通过人工确认或修改过的案件特征标签，并将这些信息注入训练库作为案例并加以学习训练。

上述智能语义串并分析方法，步骤D中所述的案件要素特征包括作案手段、作案时机、作案区域。

上述智能语义串并分析方法，步骤G中所述新案件关联度的计算方法为：对所有标签进行分类处理，并调整设置相应的权重，采用文本关联度算法，将案件标签、权重因子注入算法，以单案为主线与案件库中所有案件进行关联度运算，运算结果以关联度分值倒序罗列。

一种智能语义串并分析系统，包括标签体系模块、数据读取模块、语义分析模块、关联度模块、串并模块以及信息展示模块；

所述标签体系模块，用于集合历史同类案件特征并做分类处理，对每类特征进行设定相应的标签定义，并对各个标签进行管理；还用于对新发案件进行标签化处理；