涉网犯罪分类方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术涉及涉网犯罪分类方法、装置、计算机设备及存储介质，该方法包括获取需要分析的犯罪案件信息，以得到初始数据；将所述初始数据输入至案件分类模型内进行案件分类处理，以得到分类结果；反馈所述分类结果至终端，以在终端显示；其中，所述案件分类模型是通过带有案件类别标签的犯罪案件信息作为第一样本数据集训练文本分类模型所得的。本发明专利技术通过获取需要分析的犯罪案件信息，并通过案件分类模型进行分类，将分类结果反馈至终端，其中案件分类模型采用网络模型等进行自动化分类，减少成本，且采用模型分类的方式可以减少人为的误差，实现自动且高效地进行涉网犯罪案件的分类，提升整个分类的准确率。

【技术实现步骤摘要】
涉网犯罪分类方法、装置、计算机设备及存储介质
本专利技术涉及犯罪案件分类方法，更具体地说是指涉网犯罪分类方法、装置、计算机设备及存储介质。
技术介绍
新型涉网犯罪渗透在普通大众日常生活的各个角落，对人民群众的财产安全带来极大的危害，因此，目前国家政府针对涉网新型犯罪提出多种打击惩罚措施，比如发布《电信网络诈骗意见》进一步明确了办理电信网络诈骗案件的入罪量刑标准，统一了执法司法尺度，要求形成严厉打击电信网络诈骗犯罪的高压态势；提出在《刑法》中单设“电信网络诈骗罪”，并提高定刑幅度；提出在《刑法》第177条“妨害信用卡管理罪”的基础上出台司法解释或修正案，进一步加大对买卖银行卡犯罪行为的惩处力度。国家层面明确指出加强对于涉网新型犯罪的打击和惩罚力度，但由于涉网新型犯罪以互联网作为作案媒介，事后打击难度较大，而且当得到犯罪案件资料后，需要派遣专业人士进行涉网和非涉网案件的分类归纳，以便于得到涉网案件的相关资料，并由此进行分析，进而进行防控，防控的准确率来自于最初始的涉网案件的分类以及后期的分析准确率，但是目前采用的均是人工分类方式，存在一定的本文档来自技高网...

【技术保护点】
1.涉网犯罪分类方法，其特征在于，包括：/n获取需要分析的犯罪案件信息，以得到初始数据；/n将所述初始数据输入至案件分类模型内进行案件分类处理，以得到分类结果；/n反馈所述分类结果至终端，以在终端显示；/n其中，所述案件分类模型是通过带有案件类别标签的犯罪案件信息作为第一样本数据集训练文本分类模型所得的。/n

【技术特征摘要】
1.涉网犯罪分类方法，其特征在于，包括：
获取需要分析的犯罪案件信息，以得到初始数据；
将所述初始数据输入至案件分类模型内进行案件分类处理，以得到分类结果；
反馈所述分类结果至终端，以在终端显示；
其中，所述案件分类模型是通过带有案件类别标签的犯罪案件信息作为第一样本数据集训练文本分类模型所得的。


2.根据权利要求1所述的涉网犯罪分类方法，其特征在于，所述案件分类模型是通过带有案件类别标签的犯罪案件信息作为第一样本数据集训练文本分类模型所得的，包括：
构建文本分类模型，并进行预训练；
获取若干个涉网犯罪案件信息以及若干个非涉网犯罪案件信息，并对涉网犯罪案件信息以及非涉网犯罪案件信息对应的案件类别标签，以得到第一样本数据集；
将第一样本数据集划分为第一训练集以及第一测试集；
根据第一训练集对文本分类模型进行微调，以得到微调后的文本分类模型；
使用微调后的文本分类模型对第一测试集进行预测，以得到测试结果；
判断测试结果是否符合要求；
若测试结果符合要求，则微调后的文本分类模型为案件分类模型；
若测试结果不符合要求，则执行所述根据第一训练集对文本分类模型进行微调，以得到微调后的文本分类模型。


3.根据权利要求2所述的涉网犯罪分类方法，其特征在于，所述根据第一训练集对文本分类模型进行微调，以得到微调后的文本分类模型，包括：
将第一训练集输入至文本分类模型内进行计算，以得到样本的语义向量；
使用全连接层对样本的语义向量计算涉网新型犯罪案件类别以及非涉网新型犯罪案件类别所对应的语义特征，以得到特征值；
根据特征值计算涉网新型犯罪案件类别以及非涉网新型犯罪案件类别对应的概率，以得到训练结果；
根据训练结果以及对应的...

【专利技术属性】
技术研发人员：丁伟杰，李海军，沈旭晨，陈立力，李保敏，
申请(专利权)人：浙江警察学院，
类型：发明
国别省市：浙江;33