面向刑事案件的精細分類與串并案分析技術研究.pdf

1、隨著信息技術的高速發(fā)展，公安領域的情報信息系統(tǒng)也面臨著海量數(shù)據(jù)，主要是文本數(shù)據(jù)帶來的巨大挑戰(zhàn)，傳統(tǒng)的手工處理方式已經(jīng)難以滿足業(yè)務上的需求，必須采用更加自動化、智能化的文本挖掘技術來提高辦案效率。
　　面向刑事案件文本，重點研究案件精細分類和串并案分析這兩個刑偵人員普遍關注的問題。
　　提出了基于樸素貝葉斯和關鍵詞共現(xiàn)圖譜的兩級分類方法TLC-NBK，該方法根據(jù)案件文本長度短、詞頻低、類別分布具有層次性和不均衡性的特點，首先在

2、文檔頻率DF方法的基礎上引入了詞性特征，提出雙因子評估算法進行特征選擇，然后利用面向不均衡類別的多變量貝努利模型進行樸素貝葉斯分類，實現(xiàn)了一級案件類別的快速、準確劃分；在第一級分類器的基礎上，針對其所屬的二級案件類別分別構建以文檔集為基本單位的關鍵詞共現(xiàn)向量，以關鍵詞間的共現(xiàn)關系代替詞頻計算權重，并提出了逆類別頻率因子對共現(xiàn)權重進行修正，最后采用簡單向量距離算法實現(xiàn)二級案件類別的精細分類。此外，還利用同義詞網(wǎng)技術消除了領域同義詞對分類結

3、果的干擾。
　　提出了基于案件特征的密度聚類方法，實現(xiàn)了系列案件的串并分析。該方法首先結合規(guī)則和字典從非結構化的案情描述信息中抽取出結構化的案件特征；接著定義了案件文本間的特征相似度計算公式，綜合考慮了精細案件類別、案發(fā)時間和案發(fā)地點對案件特征相似度的影響，并采用層次分析法決策各維度的權重值；最后，借鑒經(jīng)典密度聚類算法OPTICS的思想，提出了特征密度聚類算法OPTICS-FD，能夠有效的分析出系列案件的密集簇，輔助刑偵人員破案。