[发明专利]一种数据处理方法及其装置

权利要求书

1.一种数据处理方法，其特征在于，包括：

确定待测人员的社会属性；

将所述社会属性对应转换为社会属性值；

将社会属性值输入到犯罪预测模型组件，获取所述待测人员的潜在危害值，其中，所述犯罪预测模型组件是利用多个人员中的每个人员的各个社会属性值与潜在危害值之间的关联性训练得到的。

2.如权利要求1所述的方法，其特征在于，将所述社会属性对应转换为社会属性值包括：

通过将所述社会属性执行离散化处理对应转换为社会属性值。

3.如权利要求1所述的方法，其特征在于，所述犯罪预测模型组件是通过将所述各个社会属性值作为因变量并且潜在危害值作为自变量而生成的线性回归模型。

4.如权利要求1所述的方法，其特征在于，所述犯罪预测模型组件的训练过程包括：

获取所述多个人员中的每个人员的各个社会属性以及对应的潜在危害值；

将与所述多个人员中的每个人员的所述各个社会属性对应的社会属性值以及对应的潜在危害值输入线性关系方程式，生成多个线性回归方程式；

通过解析所述多个线性回归方程式，获取线性回归模型。

5.如权利要求1所述的方法，其特征在于，所述潜在危害值是通过对潜在危害性进行量化后得到的数值。

6.如权利要求1所述的方法，其特征在于，所述多个人员包括犯罪人员信息库中的人员。

7.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述指令被执行时实现权利要求1至6中的任一权利要求所述的方法。

8.一种数据处理装置，其特征在于，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：

确定待测人员的社会属性；

将所述社会属性对应转换为社会属性值；

将社会属性值输入到犯罪预测模型组件，获取所述待测人员的潜在危害值，其中，所述犯罪预测模型组件是利用多个人员中的每个人员的各个社会属性值与潜在危害值之间的关联性训练得到的。

9.如权利要求8所述的装置，其特征在于，所述处理器实现步骤将所述社会属性对应转换为社会属性值包括：

通过将所述社会属性执行离散化处理对应转换为社会属性值。

10.如权利要求8所述的装置，其特征在于，所述犯罪预测模型组件是通过将所述各个社会属性值作为因变量并且潜在危害值作为自变量而生成的线性回归模型。

11.如权利要求8所述的装置，其特征在于，所述犯罪预测模型组件的训练过程包括：

获取所述多个人员中的每个人员的各个社会属性以及对应的潜在危害值；

将与所述多个人员中的每个人员的所述各个社会属性对应的社会属性值以及对应的潜在危害值输入线性关系方程式，生成多个线性回归方程式；

通过解析所述多个线性回归方程式，获取线性回归模型。

12.如权利要求8所述的装置，其特征在于，所述潜在危害值是通过对潜在危害性进行量化后得到的数值。

13.如权利要求8所述的装置，其特征在于，所述多个人员包括犯罪人员信息库中的人员。