[發明專利]一種基于大數據的案件態勢感知預警方法、措施推薦方法、裝置及終端設備

有效

• 申請號: 202010964711.6
• 申請日: 2020-09-15
• 公開（公告）號: CN112101002B
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 陳貴龍;周金明
• 申請（專利權）人: 南京行者易智能交通科技有限公司
• 主分類號: G06F40/205
• 分類號: G06F40/205;G06F16/33;G06F16/35
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于大數據的案件態勢感知預警方法，其特征在于，該方法包括以下步驟：

計算本月案件中每個案件主題的關鍵詞的影響力提升速度ΔR(x)；

獲取本月案件以及上個月的歷史案件，對于本月的案件，提取其中每個案件的關鍵詞，取并集形成關鍵詞集合A；對于上個月的案件，提取其中每個案件的關鍵詞，取并集形成關鍵詞集合B；

對于A中每個關鍵詞a，計算關鍵詞a的影響力為：

對于B中每個關鍵詞b，計算關鍵詞b的影響力為：

計算A中每個關鍵詞x的影響力提升速度

計算關鍵詞的情緒因子Emotion(x)；

根據申請人的情緒將全部案件分為四大類：L1申請人情緒正面的案件、L2申請人情緒中性的案件、L3申請人情緒負面的案件、L4申請人情緒極端激動的案件；對于本月案件關鍵詞集合A中的每個關鍵詞x，本月案件中包含關鍵詞x的案件數量C(x)，計算案件數量關鍵詞x的情緒因子：

其中C1(x)為L1中包含關鍵詞x的案件數量，C2(x)為L2中包含關鍵詞x的案件數量，C3(x)為L3中包含關鍵詞x的案件數量，C4(x)為L4中包含關鍵詞x的案件數量，α1、α2、α3、α4分別為L1、L2、L3、L4類別的權重系數，α1＜α2＜α3＜α4；

提取社交輿情關鍵詞，計算關鍵詞影響系數Influence(k)；

根據所有歷史案件提取的關鍵詞集合M，獲取本月的網絡媒體數據，篩選取出含有集合M中的關鍵詞、且評論量和/或轉發量超過50的文章數據集合S，提取數據集合S中每條文章數據的關鍵詞取并集形成輿情關鍵詞集合K(S)，K(S)∈M

對于集合K(S)中的每個關鍵詞k，計算影響系數：

si是數據集合S中包含關鍵詞k的所有網絡媒體文章，sj是數據集合S中的所有網絡媒體文章；

根據關鍵詞的影響力提升速度ΔR(x)、情緒因子Emotion(x)、影響系數Influence(k)計算每個案件主題t的關鍵詞感知權重Weight1(t)；

統計案件處理工作中的主題，案件主題集合記為T，通過NLP中word2vec中文詞向量方法，得到T中每個主題t的詞向量V(t)；本月案件的關鍵詞集合A中每個關鍵詞x的詞向量V(x)；社交輿情關鍵詞集合K(S)中每個關鍵詞k的詞向量V(k)；

計算得到每個主題t的關鍵詞感知權重Weight1(t)：

根據過去m天每天的歷史案件計算每個主題t的主題演變感知權重Weight2(t)；

統計過去m天的案件，分別提取每個案件所涉及的主題，根據word2vec中文詞向量方法，得到第i天當天每個案件中涉及主題的詞向量，對第i天每個案件主題詞向量進行向量求和運算得到新的詞向量作為當日主題詞向量，當日主題詞向量所對應的詞語作為當日主題，當日主題記為T(i)，當日主題詞向量記為V(T(i))；

提取過去m天每天的當日主題詞向量和當日主題，過去第1天、第2天…第m天的當日主題分別為T(1),T(2),…,T(m)，當日主題詞向量分別為V(T(1)),V(T(2)),…V(T(m))；將所有詞向量V(T(1)),V(T(2)),…V(T(m))投射到高維空間φ中，并且有序依次連接V(T(m))—V(T(m-1))—…—V(T(3))—V(T(2))—V(T(1))形成高維空間φ中的一條歷史路徑L，對于T中每個主題t，同樣將詞向量V(t)映射到歷史路徑L所在的高維空間φ，把路徑L延伸至向量V(t)形成新的路徑通過微分幾何中曲線曲率的計算方法，計算高維空間φ中路徑在V(T(1))處的曲線曲率κ(t)；

得到主題集合T中每個主題t的主題演變感知權重Weight2(t)：

對下個月的案件主題進行態勢感知預警：

首先通過sigmoid變換，然后比較綜合權重Weight(t)選取權重較高的主題作為預警結果，綜合權重計算如下：

根據設定的閾值當和/或和/或時，則對主題t進行態勢感知預警，從而得到了所有需要預警的案件主題。