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

有效

• 申請?zhí)枺?/td>: 202010964711.6
• 申請日: 2020-09-15
• 公開（公告）號: CN112101002B
• 公開（公告）日: 2021-04-02
• 發(fā)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

本發(fā)明公開了一種基于大數據的案件態(tài)勢感知預警方法、措施推薦方法、裝置及終端設備，該方法包括根據關鍵詞的影響力提升速度、情緒因子、影響系數計算每個案件主題的關鍵詞感知權重，根據過去m天每天的歷史案件計算每個主題的主題演變感知權重，進而對下個月的案件主題進行態(tài)勢感知預警，并對城市中預警案件主題的數量進行態(tài)勢感知。有效實現了對未來的案件主題、數量的預警，幫助案件處理工作部門提前做好相應準備，提高工作效率，節(jié)約人力物力。

技術領域

本發(fā)明涉及自然語言處理和智能案件處理領域，具體涉及一種基于大數據的案件態(tài)勢感知預警方法、措施推薦方法、裝置及終端設備。

背景技術

案件處理部門旨在幫助群眾解決問題，解決訴求，然而由于中國人口基數大，社會問題復雜，使得案件總量多、涉及到的領域多，相關部門工作量大、公眾需求難以解決，目前部分地區(qū)雖然實現了案件流程線上化，但是缺乏案件態(tài)勢預警的系統，在實現本發(fā)明過程中，發(fā)明人發(fā)現現有技術中至少存在如下問題：案件處理工作部門被動接收申請人提出的訴求并進行處理，無法提前對社會中可能產生的問題主題和案件數量進行提前研判，相關工作處于被動狀態(tài)，無法提前做好相關應對措施。目前缺乏對案件有效態(tài)勢進行預警的系統或方法，包括對當下案件主題的預測預警、案件數量變化的預警，無法識別各個主題之間潛在的聯系和演變關系，沒有將當下的社會輿論情況納入系統進行預判，無法根據相鄰區(qū)域之間的關系進行預警。

發(fā)明內容

為了克服現有技術的不足，本公開實施例提供了一種基于大數據的案件態(tài)勢感知預警方法、措施推薦方法、裝置及終端設備，該方法實現了對未來的案件主題、數量的有效預警，可以幫助案件處理工作部門提前做好相應準備，提高工作效率，節(jié)約人力物力。技術方案如下：

第一方面，提供了一種基于大數據的案件態(tài)勢感知預警方法，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(fā)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：