[发明专利]一种案件大数据网络身份关联与人物画像方法

权利要求书

1.一种案件大数据网络身份关联与人物画像方法，其特征在于，所述方法包括：

步骤1，获取案件数据；

步骤2，对获取的数据进行清洗；

步骤3，采用重叠社团发现技术识别重要目标；

步骤4，用户博文向量化；

步骤5，用户个人信息向量化；

步骤6，源用户和候选用户的博文相似度计算。

2.根据权利要求1所述的案件大数据网络身份关联与人物画像方法，其特征在于，步骤1中的案件数据包括：用户ID，用户昵称，IP地址，上级和真实姓名。

3.根据权利要求2所述的案件大数据网络身份关联与人物画像方法，其特征在于，步骤2中数据的清洗包括：

步骤2-1，若数据中存在空白的内容，则将该条数据删除；若数据中存在多个属性项完全重复的记录，则只保留一条记录并将其余删除；

步骤2-2，进行中文字段匹配；

首先，利用知识库对明显等价的特殊字段进行初步匹配；然后，利用中文自动分词技术，对经过初步匹配后的字符序列进行分词处理，形成含有分词标记的字符序列；

步骤2-3，进行基于编辑距离的相似度计算；

编辑距离(m+1)×(n+1)阶矩阵D_ij的计算公式如下：

式中，D_ij＝D(s₁...s_i，t₁...t_i)，0≤i≤m，0≤j≤n，D_ij表示从{s₁...s_i}，到{t₁...t_i}的编辑距离，s指代源字符串，t指代目标字符串；

步骤2-4，基于改进N-Gram算法的数据清洗；

使用动态大小的滑动窗口进行字段匹配，设定窗口大小的初值N₀，后续窗口的大小随执行过程计算得出；

窗口大小计算方法：记当前正在处理的窗口为N₁，r₁和r_l分别表示窗口内的第一条和最后一条记录，则二者之间的距离d_t满足：

此时窗口N₁内各记录之间的平均距离为d_t(r₁，r_l)/N₁；

下一步窗口的大小N₂为：为窗口最小阈值。

4.根据权利要求3所述的案件大数据网络身份关联与人物画像方法，其特征在于，步骤3中采用重叠社团发现技术识别重要目标的方法：

定义要处理的图G＝(V，E)由有限个结点V和节点之间的边组成，且满足：对于任意(u，v)∈E，u≠v；(u，v)∈E，当且仅当(v，u)∈E，最终检测到的聚类为S’，则由G产生S’的具体步骤如下：

步骤3-1：对于图G中的每个结点u，使用局部聚类算法划分出结点u的ego-net：

其中，t_u＝n_p(A^l，G[N_u])，n_p表示集合的数目；

步骤3-2：创建副本集合V’；

V中的每个结点u对应V’中的t_u个副本，分别表示为u_i，i＝1，2，…，t_u；

步骤3-3：增加副本之间的边；

如果(u，v)∈E，且那么在E’中增加一条边(u_i，v_j)；

步骤3-4：在G′＝(V′，E′)上利用全局聚类算法Ag进行聚类，获取V′的分区S″；

步骤3-5：对于V’的划分中的每个集合C′∈S″，关联一个由V的对应节点组成的簇即输出S′＝{C(C′)|C′∈S″}。