[发明专利]一种基于大数据的案件态势感知预警方法、措施推荐方法、装置及终端设备

权利要求书

1.一种基于大数据的案件态势感知预警方法，其特征在于，该方法包括以下步骤：

计算本月案件中每个案件主题的关键词的影响力提升速度ΔR(x)；

获取本月案件以及上个月的历史案件，对于本月的案件，提取其中每个案件的关键词，取并集形成关键词集合A；对于上个月的案件，提取其中每个案件的关键词，取并集形成关键词集合B；

对于A中每个关键词a，计算关键词a的影响力为：

对于B中每个关键词b，计算关键词b的影响力为：

计算A中每个关键词x的影响力提升速度

计算关键词的情绪因子Emotion(x)；

根据申请人的情绪将全部案件分为四大类：L1申请人情绪正面的案件、L2申请人情绪中性的案件、L3申请人情绪负面的案件、L4申请人情绪极端激动的案件；对于本月案件关键词集合A中的每个关键词x，本月案件中包含关键词x的案件数量C(x)，计算案件数量关键词x的情绪因子：

其中C1(x)为L1中包含关键词x的案件数量，C2(x)为L2中包含关键词x的案件数量，C3(x)为L3中包含关键词x的案件数量，C4(x)为L4中包含关键词x的案件数量，α1、α2、α3、α4分别为L1、L2、L3、L4类别的权重系数，α1＜α2＜α3＜α4；

提取社交舆情关键词，计算关键词影响系数Influence(k)；

根据所有历史案件提取的关键词集合M，获取本月的网络媒体数据，筛选取出含有集合M中的关键词、且评论量和/或转发量超过50的文章数据集合S，提取数据集合S中每条文章数据的关键词取并集形成舆情关键词集合K(S)，K(S)∈M

对于集合K(S)中的每个关键词k，计算影响系数：

si是数据集合S中包含关键词k的所有网络媒体文章，sj是数据集合S中的所有网络媒体文章；

根据关键词的影响力提升速度ΔR(x)、情绪因子Emotion(x)、影响系数Influence(k)计算每个案件主题t的关键词感知权重Weight1(t)；

统计案件处理工作中的主题，案件主题集合记为T，通过NLP中word2vec中文词向量方法，得到T中每个主题t的词向量V(t)；本月案件的关键词集合A中每个关键词x的词向量V(x)；社交舆情关键词集合K(S)中每个关键词k的词向量V(k)；

计算得到每个主题t的关键词感知权重Weight1(t)：

根据过去m天每天的历史案件计算每个主题t的主题演变感知权重Weight2(t)；

统计过去m天的案件，分别提取每个案件所涉及的主题，根据word2vec中文词向量方法，得到第i天当天每个案件中涉及主题的词向量，对第i天每个案件主题词向量进行向量求和运算得到新的词向量作为当日主题词向量，当日主题词向量所对应的词语作为当日主题，当日主题记为T(i)，当日主题词向量记为V(T(i))；

提取过去m天每天的当日主题词向量和当日主题，过去第1天、第2天…第m天的当日主题分别为T(1),T(2),…,T(m)，当日主题词向量分别为V(T(1)),V(T(2)),…V(T(m))；将所有词向量V(T(1)),V(T(2)),…V(T(m))投射到高维空间φ中，并且有序依次连接V(T(m))—V(T(m-1))—…—V(T(3))—V(T(2))—V(T(1))形成高维空间φ中的一条历史路径L，对于T中每个主题t，同样将词向量V(t)映射到历史路径L所在的高维空间φ，把路径L延伸至向量V(t)形成新的路径通过微分几何中曲线曲率的计算方法，计算高维空间φ中路径在V(T(1))处的曲线曲率κ(t)；

得到主题集合T中每个主题t的主题演变感知权重Weight2(t)：

对下个月的案件主题进行态势感知预警：

首先通过sigmoid变换，然后比较综合权重Weight(t)选取权重较高的主题作为预警结果，综合权重计算如下：

根据设定的阈值当和/或和/或时，则对主题t进行态势感知预警，从而得到了所有需要预警的案件主题。