一种串并案识别方法技术

本发明专利技术公开了一种串并案识别方法及系统，其方法包括预处理步骤，对案件的案情描述进行分词与词性标注，并去除停用词；对预处理后的案情描述，通过基于规则和字典相结合的方法提取案件的重要特征，将案件文本转化成特征向量；根据特征向量，采用案件特征相似度计算方法获得案件的综合相似度，通过综合相似度进行聚类，找到相关案件的密集簇，识别出串并案件；通过本发明专利技术提供的方法及系统，基于特征密度进行聚类，改进了传统聚类算法应用于数值型向量的局限性；克服了从案情文本库获取可能的串并案簇的难点；将该方法及系统应用于案件侦查可提高侦查效率。

【技术实现步骤摘要】

本专利技术属于计算机自然语言处理以及数据挖掘
，更具体地，涉及一种串并案识别方法。
技术介绍
串并案分析作为打击系列犯罪案件的重要方法，可以挖掘案件之间的内在联系，减轻分析人员的工作量，提高破案效率。刑事案件文本包含了案件时间、案发地点、作案手法和工具等信息，利用这些信息结合数据挖掘方法挖掘案件之间的内在联系，发现案件的聚集簇，可以减轻分析人员的工作量，提高破案效率。传统的发现密集簇的技术主要是利用聚类方法，其中，基于密度的聚类方法能够发现任意形状的簇。如经典的基于密度的聚类算法DBSCAN，将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，将簇定义为密度相连的点的最大集合；OPTICS算法在经典DBSCAN基础上进行了改进，可以通过该聚类算法得到不同密度的聚类。传统的聚类算法虽然可以发现任意形状及密度的簇，但其应用对象主要针对数值型多维向量空间中的点；刑事案件文本篇幅短小，包含大量重要信息，但属于自由文本，没有固定格式，无法直接通过传统聚类方法发现案件之间的关联。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种串并案识别方法，根据案本文档来自技高网...

【技术保护点】
一种串并案识别方法，其特征在于，包括如下步骤：(1)对案件的案情描述文本进行预处理，包括分词与词性标注、停用词去除；(2)通过基于规则和字典相结合的方法，从预处理后的案情描述文本中获取案件特征向量；(3)采用案件特征相似度计算方法，根据所述特征向量获得案件的综合相似度；并通过所述综合相似度进行聚类处理，找到相关案件的密集簇，识别出串并案件。

【技术特征摘要】
1.一种串并案识别方法，其特征在于，包括如下步骤：(1)对案件的案情描述文本进行预处理，包括分词与词性标注、停用词去除；(2)通过基于规则和字典相结合的方法，从预处理后的案情描述文本中获取案件特征向量；(3)采用案件特征相似度计算方法，根据所述特征向量获得案件的综合相似度；并通过所述综合相似度进行聚类处理，找到相关案件的密集簇，识别出串并案件。2.如权利要求1所述的串并案识别方法，其特征在于，所述步骤(1)包括如下子步骤：(1.1)采用分词器对案情描述文本进行分词与词性标注；(1.2)根据分词及词性标注的结果，结合无用词性字典以及专业停用词典，去除停用词以及无意义的词。3.如权利要求1或2所述的串并案识别方法，其特征在于，所述步骤(2)包括如下子步骤：(2.1)根据预设规则进行特征提取，获得案情的特征向量，包括案件的时间、地点、类别；(2.2)利用字典从预处理后的案情描述文本中抽取案件的时间、地点、类别；(2.3)将所述步骤(2.1)与步骤(2.2)抽取到的案件的时间、地点、类别进行合并，并进行去重处理，获得案件的特征向量。4.如权利要求1或2所述的串并案识别方法，其特征在于，所述步骤(3)包括如下子步骤：(3.1)根据案件的时间、地点、类别，获取案件P与案件Q之间的综合相似度sim...

【专利技术属性】
技术研发人员：郑胜，夏明，徐涛，张胜，周可，蒋丹，
申请(专利权)人：武汉数为科技有限公司，
类型：发明
国别省市：湖北;42