一种寄递风险人物识别方法、系统、电子设备和存储介质技术方案

本发明专利技术提供一种寄递风险人物识别方法、系统、电子设备和存储介质，涉及人工智能技术领域。本发明专利技术提供的寄递风险人物识别方法包括：获取重点风险人物的唯一标识；基于所述唯一标识，获取所述重点风险人物的寄递面单数据；通过重点风险人物识别模型对所述寄递面单数据进行分析，输出分析结果，所述分析结果为重点风险人物和上下游寄件人和收件人的寄递关系系列数据；根据所述分析结果，识别新的寄递风险人物。本发明专利技术的技术方案能够自动识别寄递过程中的风险人物，成本较低、效率较高且准确率较高。较高。较高。

【技术实现步骤摘要】
一种寄递风险人物识别方法、系统、电子设备和存储介质


[0001]本专利技术涉及人工智能
，尤其涉及一种寄递风险人物识别方法、系统、电子设备和存储介质。

技术介绍

[0002]在快递行业的迅速发展的过程中，存在不法人员利用快递进行违法活动的情况。目前，各地公安系统及相关单位组织的相关专项整治活动中，大多采用人海战术，线下组织与处理，主要依靠人工排查、手动检索、多地走访等形式，确定犯罪嫌疑人，没有充分利用信息化、大数据、自动化、智能化等相关技术手段，没有充分发挥快递行业大数据的作用，存在人员成本高、效率低、准确率低等问题。

技术实现思路

[0003]本专利技术提供一种寄递风险人物识别方法、系统、电子设备和存储介质，可以自动识别寄递过程中的风险人物，成本较低、效率较高且准确率较高。
[0004]第一方面，本专利技术提供一种寄递风险人物识别方法，采用如下技术方案：所述寄递风险人物识别方法包括：获取重点风险人物的唯一标识；基于所述唯一标识，获取所述重点风险人物的寄递面单数据；通过重点风险人物识别模型对所述寄递面单数据进行分析，输出分析结果，所述分析结果为重点风险人物和上下游寄件人和收件人的寄递关系系列数据；根据所述分析结果，识别新的寄递风险人物。
[0005]可选地，所述寄递风险人物识别方法还包括：在通过重点风险人物识别模型对所述寄递面单数据进行分析，输出分析结果之前，预先构建所述重点风险人物识别模型。
[0006]可选地，所述寄递关系系列数据包括：关系矩阵分析数据、网络规模、网络密度、个体中心性和影响力评价数据、凝聚子群种类和结构洞指数。
[0007]可选地，所述通过重点风险人物识别模型对所述寄递面单数据进行分析包括：基于所述寄递面单数据，构建所述重点风险人物作为寄件人和收件人的关系矩阵；对所述关系矩阵进行分析，得到关系矩阵分析数据；确定所述重点风险人物的网络规模和网络密度；计算所述重点风险人物的个体中心性和影响力评价数据；对所述重点风险人物所在的凝聚子群进行扩展，得到凝聚子群种类；确定所述重点风险人物的结构洞指数。
[0008]可选地，所述关系矩阵包括邻接矩阵、发生矩阵和隶属关系矩阵；所述对所述关系矩阵进行分析包括：对所述关系矩阵进行相关分析和回归分析。
[0009]可选地，所述输出分析结果包括：利用知识图谱分析工具对所述分析结果进行处
理，得到可视化数据，输出所述可视化数据。
[0010]可选地，所述寄递风险人物识别方法还包括：在根据所述分析结果，识别新的寄递风险人物后，为所述新的寄递风险人物的寄递面单设置风险标识，利用具有风险标识的寄递面单反哺所述重点风险人物识别模型。
[0011]第二方面，本专利技术提供一种寄递风险人物识别系统，采用如下技术方案：所述寄递风险人物识别系统包括：第一获取模块，用于获取重点风险人物的唯一标识；第二获取模块，用于基于所述唯一标识，获取所述重点风险人物的寄递面单数据；分析模块，用于通过重点风险人物识别模型对所述寄递面单数据进行分析，输出分析结果，所述分析结果为重点风险人物和上下游寄件人和收件人的寄递关系系列数据；识别模块，用于根据所述分析结果，识别新的寄递风险人物。
[0012]第三方面，本专利技术提供一种电子设备，所述电子设备包括：存储器，所述存储器存储执行指令；以及处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行以上任一项所述的方法。
[0013]第四方面，本专利技术提供一种可读存储介质，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现以上任一项所述的方法。
[0014]本专利技术提供了一种寄递风险人物识别方法、系统、电子设备和存储介质，在该寄递风险人物识别方法中，先获取重点风险人物的唯一标识，再基于唯一标识，获取重点风险人物的寄递面单数据，再通过重点风险人物识别模型对寄递面单数据进行分析，输出分析结果，最后根据分析结果，识别新的寄递风险人物，从而可以自动识别寄递过程中的风险人物，成本较低、效率较高。而且以上分析结果为重点风险人物和上下游寄件人和收件人的寄递关系系列数据，该数据能够准确地反应出重点风险人数在寄递过程中的关联人和重点风险人物在其中的重要性，因此，该寄递风险人物识别方法还具有较高的准确率。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本专利技术实施例提供的寄递风险人物识别方法的流程图一；图2为本专利技术实施例提供的步骤S3的具体流程图；图3为本专利技术实施例提供的五个行动者的寄递关系示意图；图4为本专利技术实施例提供的寄递风险人物识别方法的流程图二；图5为本专利技术实施例提供的寄递风险人物识别系统的示意图。
具体实施方式
[0017]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是
本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0018]需要说明的是，在不冲突的情况下本专利技术实施例中的各技术特征均可以相互结合。
[0019]本专利技术实施例提供一种寄递风险人物识别方法，具体地，如图1所示，图1为本专利技术实施例提供的寄递风险人物识别方法的流程图一，该寄递风险人物识别方法包括：步骤S1、获取重点风险人物的唯一标识。
[0020]重点风险人物可以由人工排查、手动检索、多地走访等方式确定。重点风险人物的唯一标识可以为姓名、身份证号、手机号码等中的一个，优选为手机号码。重点风险人物可以为一个人员，也可以为多个人员，具体可以根据业务场景确定。
[0021]步骤S2、基于唯一标识，获取重点风险人物的寄递面单数据。
[0022]示例性地，先对海量寄递面单数据进行预处理，预处理过程可以包括：剔除海量寄递面单数据中的噪音数据（如手机号码被脱敏或缺失的数据），剔除方式可以为，将被脱敏的手机号码通过技术手段进行还原，保留还原得到的手机号码对应的寄递面单数据，将不能还原的手机号码和缺失手机号码的寄递面单数据进行删除处理，保留手机号码作为行动者（寄件人或收件人）的唯一标识，并通过专门的加密算法对敏感信息（包括但不限于手机号、姓名、地址等）进行加密。
[0023]从预处理后的海量寄递面单数据中，通过重点风险人物的唯一标识，筛选出重点风险人物的寄递面单数据。
[0024]步骤S3、通过重点风险人物识别模型对寄递面单数据进行分析，输出分析结果。
[0025]其中，分析结果为重点风险人物和上下游寄件人和收件人的寄递关系系列数据。示例性地，寄递关系系列数据包括：关系矩阵分析数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种寄递风险人物识别方法，其特征在于，包括：获取重点风险人物的唯一标识；基于所述唯一标识，获取所述重点风险人物的寄递面单数据；通过重点风险人物识别模型对所述寄递面单数据进行分析，输出分析结果，所述分析结果为重点风险人物和上下游寄件人和收件人的寄递关系系列数据；根据所述分析结果，识别新的寄递风险人物。2.根据权利要求1所述的寄递风险人物识别方法，其特征在于，还包括：在通过重点风险人物识别模型对所述寄递面单数据进行分析之前，预先构建所述重点风险人物识别模型。3.根据权利要求1所述的寄递风险人物识别方法，其特征在于，所述寄递关系系列数据包括：关系矩阵分析数据、网络规模、网络密度、个体中心性和影响力评价数据、凝聚子群种类和结构洞指数。4.根据权利要求3所述的寄递风险人物识别方法，其特征在于，所述通过重点风险人物识别模型对所述寄递面单数据进行分析包括：基于所述寄递面单数据，构建所述重点风险人物作为寄件人和收件人的关系矩阵；对所述关系矩阵进行分析，得到关系矩阵分析数据；确定所述重点风险人物的网络规模和网络密度；计算所述重点风险人物的个体中心性和影响力评价数据；对所述重点风险人物所在的凝聚子群进行扩展，得到凝聚子群种类；确定所述重点风险人物的结构洞指数。5.根据权利要求4所述的寄递风险人物识别方法，其特征在于，所述关系矩阵包括邻接矩阵、发生矩阵和隶属关系矩阵；所述对所述关系...

【专利技术属性】
技术研发人员：许良锋，王丰，陈嵩，李惟聪，张彬，杨睿，张竹友，王云龙，
申请(专利权)人：国家邮政局邮政业安全中心，
类型：发明
国别省市：