[發明專利]一種基于警情信息的異常詞組檢測方法、系統及存儲介質

在審

• 申請號: 202111566538.5
• 申請日: 2021-12-20
• 公開（公告）號: CN114357110A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 楊博;杜渂;何之棟;梁錚;王聚全;索濤;邱祥平;雷霆;彭明喜;陳健;周趙云;劉琦;鄭佳;李帥帥;穆青;侯俊丞
• 申請（專利權）人: 迪愛斯信息技術股份有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06F40/216;G06F40/289;G06K9/62
• 代理公司: 上海碩力知識產權代理事務所(普通合伙) 31251
• 代理人: 劉桂芝

1.一種基于警情信息的異常詞組檢測方法，其特征在于，包括步驟：

獲取警情信息并對所述警情信息進行分詞處理得到若干個高頻詞組；

接收統計周期，根據所述統計周期對各個所述高頻詞組進行時序數據聚合，得到每個所述高頻詞組對應的時間序列信息；

分別對每個所述高頻詞組對應的時間序列信息進行離散分析，將各個所述高頻詞組對應的時間序列信息中離群的所述統計周期作為異常周期，得到存在所述異常周期的異常詞組。

2.根據權利要求1所述的一種基于警情信息的異常詞組檢測方法，其特征在于，所述的得到每個所述高頻詞組對應的時間序列信息之后，還包括：

提取所述警情信息中當前所述統計周期內的實時警情信息，并獲取所述實時警情信息中若干個當前高頻詞組及其對應的所述時間序列信息；

根據全部所述高頻詞組對應的時間序列信息，對每個當前高頻詞組及其對應的所述時間序列信息進行離散分析，得到存在所述異常周期的所述當前高頻詞組。

3.根據權利要求1所述的一種基于警情信息的異常詞組檢測方法，其特征在于，所述的獲取警情信息并對所述警情信息進行分詞處理得到若干個高頻詞組，具體包括：

獲取警用詞典、警用停詞表，以及預設的警用分詞器，將所述警用詞典和所述警用停詞表輸入所述警用分詞器；

通過所述警用分詞器對所述警情信息進行分詞處理得到若干個第一分詞詞組；

將全部所述第一分詞詞組導入大數據集群和全文檢索引擎，進行全量高頻詞統計得到若干個第二分詞詞組；

將第二分詞詞組作為所述高頻詞組。

4.根據權利要求3所述的一種基于警情信息的異常詞組檢測方法，其特征在于，

所述第一分詞詞組包括至少一個警用數據標簽，所述數據標簽包括轄區信息、轄區單位和案件類別；

所述的進行全量高頻詞統計得到若干個所述第二分詞詞組之后，還包括：

根據所述警用數據標簽對若干個所述第二分詞詞組過濾，得到若干個第三分詞詞組；

將所述第三分詞詞組作為所述高頻詞組。

5.根據權利要求4所述的一種基于警情信息的異常詞組檢測方法，其特征在于，所述的得到若干個第三分詞詞組之后，還包括：

預設第一排序序號閾值；

將各個所述第三分詞詞組按詞頻數由大到小進行排序，并整合生成詞頻列表；

統計所述詞頻列表中所述詞頻數排序序號小于所述第一排序序號閾值的所述第三分詞詞組為第四分詞詞組；

將所述第四分詞詞組作為所述高頻詞組。

6.根據權利要求1～5中任意一項所述的一種基于警情信息的異常詞組檢測方法，其特征在于，所述的獲取警情信息并對所述警情信息進行分詞處理得到若干個高頻詞組之后，所述的分別對每個所述高頻詞組對應的時間序列信息進行離散分析之前，還包括：

接收所述統計周期和周期區間；

統計每個所述高頻詞組在所述周期區間中各個所述統計周期內出現的詞頻數，將每個所述高頻詞組在所述周期區間中各個所述統計周期內出現的詞頻數作為該所述高頻詞組對應的時間序列信息。

7.根據權利要求1所述的一種基于警情信息的異常詞組檢測方法，其特征在于，所述的分別對每個所述高頻詞組對應的時間序列信息進行離散分析，具體包括：

獲取預設的離群檢測模型；

通過所述離群檢測模型檢測每個所述高頻詞組對應的所述時間序列信息中各個所述統計周期內詞頻數的離散度；

判斷所述離散度大于預設離散閾值的所述統計周期為離群的所述統計周期。

8.根據權利要求7所述的一種基于警情信息的異常詞組檢測方法，其特征在于，所述的得到存在所述異常周期的異常詞組之后，還包括：

獲取預設的置信閾值和預設的第二排序序號閾值；

根據所述置信閾值計算每個所述異常詞組對應的置信度；

將各個所述異常詞組按所述置信度由大到小進行排序，輸出所述異常詞組中排序序號小于所述第二排序序號閾值的所述異常詞組。