一种基于大数据的案件态势感知预警方法、措施推荐方法、装置及终端设备制造方法及图纸

本发明专利技术公开了一种基于大数据的案件态势感知预警方法、措施推荐方法、装置及终端设备，该方法包括根据关键词的影响力提升速度、情绪因子、影响系数计算每个案件主题的关键词感知权重，根据过去m天每天的历史案件计算每个主题

【技术实现步骤摘要】
一种基于大数据的案件态势感知预警方法、措施推荐方法、装置及终端设备
本专利技术涉及自然语言处理和智能案件处理领域，具体涉及一种基于大数据的案件态势感知预警方法、措施推荐方法、装置及终端设备。
技术介绍
案件处理部门旨在帮助群众解决问题，解决诉求，然而由于中国人口基数大，社会问题复杂，使得案件总量多、涉及到的领域多，相关部门工作量大、公众需求难以解决，目前部分地区虽然实现了案件流程线上化，但是缺乏案件态势预警的系统，在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：案件处理工作部门被动接收申请人提出的诉求并进行处理，无法提前对社会中可能产生的问题主题和案件数量进行提前研判，相关工作处于被动状态，无法提前做好相关应对措施。目前缺乏对案件有效态势进行预警的系统或方法，包括对当下案件主题的预测预警、案件数量变化的预警，无法识别各个主题之间潜在的联系和演变关系，没有将当下的社会舆论情况纳入系统进行预判，无法根据相邻区域之间的关系进行预警。
技术实现思路
为了克服现有技术的不足，本公开实施例提供了一种基于大数据的本文档来自技高网...

【技术保护点】
1.一种基于大数据的案件态势感知预警方法，其特征在于，该方法包括以下步骤：/n计算本月案件中每个案件主题的关键词的影响力提升速度ΔR(x)；/n获取本月案件以及上个月的历史案件，对于本月的案件，提取其中每个案件的关键词，取并集形成关键词集合A；对于上个月的案件，提取其中每个案件的关键词，取并集形成关键词集合B；/n对于A中每个关键词a，计算关键词a的影响力为：/n

【技术特征摘要】
1.一种基于大数据的案件态势感知预警方法，其特征在于，该方法包括以下步骤：
计算本月案件中每个案件主题的关键词的影响力提升速度ΔR(x)；
获取本月案件以及上个月的历史案件，对于本月的案件，提取其中每个案件的关键词，取并集形成关键词集合A；对于上个月的案件，提取其中每个案件的关键词，取并集形成关键词集合B；
对于A中每个关键词a，计算关键词a的影响力为：



对于B中每个关键词b，计算关键词b的影响力为：



计算A中每个关键词x的影响力提升速度



计算关键词的情绪因子Emotion(x)；
根据申请人的情绪将全部案件分为四大类：L1申请人情绪正面的案件、L2申请人情绪中性的案件、L3申请人情绪负面的案件、L4申请人情绪极端激动的案件；对于本月案件关键词集合A中的每个关键词x，本月案件中包含关键词x的案件数量C(x)，计算案件数量关键词x的情绪因子：



其中C1(x)为L1中包含关键词x的案件数量，C2(x)为L2中包含关键词x的案件数量，C3(x)为L3中包含关键词x的案件数量，C4(x)为L4中包含关键词x的案件数量，α1、α2、α3、α4分别为L1、L2、L3、L4类别的权重系数，α1＜α2＜α3＜α4；
提取社交舆情关键词，计算关键词影响系数Influence(k)；
根据所有历史案件提取的关键词集合M，获取本月的网络媒体数据，筛选取出含有集合M中的关键词、且评论量和/或转发量超过50的文章数据集合S，提取数据集合S中每条文章数据的关键词取并集形成舆情关键词集合K(S)，K(S)∈M
对于集合K(S)中的每个关键词k，计算影响系数：



si是数据集合S中包含关键词k的所有网络媒体文章，sj是数据集合S中的所有网络媒体文章；
根据关键词的影响力提升速度ΔR(x)、情绪因子Emotion(x)、影响系数Influence(k)计算每个案件主题t的关键词感知权重Weight1(t)；
统计案件处理工作中的主题，案件主题集合记为T，通过NLP中word2vec中文词向量方法，得到T中每个主题t的词向量V(t)；本月案件的关键词集合A中每个关键词x的词向量V(x)；社交舆情关键词集合K(S)中每个关键词k的词向量V(k)；
计算得到每个主题t的关键词感知权重Weight1(t)：






根据过去m天每天的历史案件计算每个主题t的主题演变感知权重Weight2(t)；
统计过去m天的案件，分别提取每个案件所涉及的主题，根据word2vec中文词向量方法，得到第i天当天每个案件中涉及主题的词向量，对第i天每个案件主题词向量进行向量求和运算得到新的词向量作为当日主题词向量，当日主题词向量所对应的词语作为当日主题，当日主题记为T(i)，当日主题词向量记为V(T(i))；
提取过去m天每天的当日主题词向量和当日主题，过去第1天、第2天…第m天的当日主题分别为T(1),T(2),…,T(m)，当日主题词向量分别为V(T(1)),V(T(2)),…V(T(m))；将所有词向量V(T(1)),V(T(2)),…V(T(m))投射到高维空间φ中，并且有序依次连接V(T(m))—V(T(m-1))—…—V(T(3))—V(T(2))—V(T(1))形成高维空间φ中的一条历史路径L，对于T中每个主题t，同样将词向量V(t)映射到历史路径L所在的高维空间φ，把路径L延伸至向量V(t)形成新的路径通过微分几何中曲线曲率的计算方法，计算高维空间φ中路径在V(T(1))处的曲线曲率κ(t)；
得到主题集合T中每个主题t的主题演变感知权重Weight2(t)：



对下个月的案件主题进行态势感知预警：
首先通过sigmoid变换，然后比较综合权重Weight(t)选取权重较高的主题作为预警结果，综合权重计算如下：



根据设定的阈值当和/或和/或时，则对主题t进行态势感知预警，从而得到了所有需要预警的案件主题。


2.根据权利要求1所述的一种基于大数据的案件态势感知预警方法，其特征在于，还包括对影响系数进行优化，具体为：
对于不同网络媒体平台...

【专利技术属性】
技术研发人员：陈贵龙，周金明，
申请(专利权)人：南京行者易智能交通科技有限公司，
类型：发明
国别省市：江苏;32