【技术实现步骤摘要】
一种基于时空聚类和多模型融合的群体行为分析和预测方法
本专利技术属于大数据应用于信用事件管控领域,特别涉及一种基于时空聚类和多模型融合的群体行为分析和预测方法。
技术介绍
近年来,随着互联网和移动便携技术的发展,使越来越多的城市公民能随手分享身边的事情,这为普通大众参与到信用事件的管理提供了可能。事实上,根据相关研究学者的调查显示,正处于转型期的中国社会也迫切渴望普通群众能够参与到信用事件的管理,一方面,公众参与能体现出普通公民在城市日常事物管理中的参与、决策作用,发挥出公民的主体性,另一方面,城市公共信用管理需要公众的积极参与,以弥补当前信息、资源的不足。总而言之,公众参与既是城市公共信用管理的发展趋势,又是当前情势下的迫切需要。目前,公众参与到信用事件管理的方式主要是通过网络社交媒体发表身边的一些事件信息或者对某些事件的看法,收集这些数据并加以提取分析,可以获取大量事件相关信息,进而应用于信用事件的管理,提高事件处理效率,使事件管理走向智慧化。随着全国经济的高速发展以及全国城镇化的不断推进,越来越多的人口集中到城市中来。城市人口数据量的急剧增长为城市公共管理造成了一定的麻烦。目前,城市各类公共事件的管理主要有政府部门负责,包括有城管部门、警察机关、消防机关、医疗部门、防灾减灾中心、灾难应变指挥中心等,这些政府机构为城市公民的生活以及生命财产提供了一道有效的信用屏障。然而,由于城市每天发生公共事件数量庞大,政府相关部门人力物力资源缺少,再加之各部门之间协调存在一定困难,导致部分公共事件得不到有效的处理。然而,根据调查研究显示,目前公众在网络平台中产生的数 ...
【技术保护点】
1.一种基于时空聚类和多模型融合的群体行为分析和预测方法,其特征在于:包括以下步骤:步骤1:获取与突发信用事件有关的政府采集数据,并将数据存入第一数据区中;步骤2:检索第一数据区中的每条数据,利用基于待融合随机集合模型的傅里叶算法,将每条数据切成若干字节信息的集合;再从中抽取数据的时空坐标信息、信用事件类型和信用等级属性,并将数据规则化为时空坐标信息,信用事件类型,信用等级四组融合模型;将规则化数据存入第二数据单元;步骤3:根据该突发信用事件的政策信息,提取该突发信用事件的发生时空坐标和信用事件类型以建立信用事件的时空聚类的融合信息,并以<时空坐标信息,信用事件类型>3元组组融合模作为时空聚类的融合信息;步骤4:检索第二RAM单元中的数据,分别计算每条数据到融合信息的时空坐标绝对位置和文本距离,将3种距离均小于给定阈值的数据,归入候选结果第三数据集合;然后根据第三数据集合中的信用等级属性,将数据分成若干簇,完成时空聚类;步骤5:根据融合结果的时空特征,将其叠加到系统地理位置云端上,展现事件在时空坐标系上的发展轨迹。
【技术特征摘要】
2019.03.27 CN 20191023543381.一种基于时空聚类和多模型融合的群体行为分析和预测方法,其特征在于:包括以下步骤:步骤1:获取与突发信用事件有关的政府采集数据,并将数据存入第一数据区中;步骤2:检索第一数据区中的每条数据,利用基于待融合随机集合模型的傅里叶算法,将每条数据切成若干字节信息的集合;再从中抽取数据的时空坐标信息、信用事件类型和信用等级属性,并将数据规则化为时空坐标信息,信用事件类型,信用等级四组融合模型;将规则化数据存入第二数据单元;步骤3:根据该突发信用事件的政策信息,提取该突发信用事件的发生时空坐标和信用事件类型以建立信用事件的时空聚类的融合信息,并以<时空坐标信息,信用事件类型>3元组组融合模作为时空聚类的融合信息;步骤4:检索第二RAM单元中的数据,分别计算每条数据到融合信息的时空坐标绝对位置和文本距离,将3种距离均小于给定阈值的数据,归入候选结果第三数据集合;然后根据第三数据集合中的信用等级属性,将数据分成若干簇,完成时空聚类;步骤5:根据融合结果的时空特征,将其叠加到系统地理位置云端上,展现事件在时空坐标系上的发展轨迹。2.根据权利要求1所述的一种基于时空聚类和多模型融合的群体行为分析和预测方法,其特征在于:步骤1中获得与突发信用事件有关的政府采集数据,包括以下步骤:根据该突发的信用事件分类,利用政府普查信息大数据提供的API函数,输入事件关键词、时间范围和事件发生的地点,获取与该事件有关的政府采集数据。3.根据权利要求1所述的一种基于时空聚类和多模型融合的群体行为分析和预测方法,其特征在于:步骤2所述的数据规则化包括以下步骤:(1)检索第一RAM单元中的每条数据,利用基于待融合随机集合模型的傅里叶算法,对该条数据进行分词处理,将每条数据切成若干字节信息的集合;(2)检索每条数据的词汇集合,利用时间归一化算法,确定每条数据的时间属性;(3)检索每条数据的词汇集合,利用位置归一化算法,确定每条数据的位置属性;(4)检索每条数据的词汇集合,利用规则归并算法,确定每条数据的信用事件类型和等级;(5)根据(2)~(4)过程确定的属性信息,将每条数据规则化为<时空坐标信息,信用事件类型,信用等级>四组融合模型,即使用该四组融合模型概化每条数据;(6)将规则化的数据条目存入第二数据单元。4.根据权利要求1所述的一种基于时空聚类和多模型融合的群体行为分析和预测方法,其特征在于:所述的步骤4包括以下处理步骤:(1)设定聚类的时空坐标绝对位置和...
【专利技术属性】
技术研发人员:丁香乾,王晓东,许晓伟,
申请(专利权)人:中国海洋大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。