[发明专利]基于多维数据库的再次出现限制行为的预测方法及系统

说明书

本发明公开了一种基于多维数据库的再次出现限制行为的预测方法、系统、计算机设备及存储介质，方法实现，包括：构建多维异构数据库；生成样本数据集，样本数据集包括训练数据集以及测试数据集；根据限制活动人员在预设期限内的再次出现限制行为数据，进行正负例划分，以作为正、负例标签；构建原始中短期再次出现限制行为风险预测模型；通过关联查询在所述训练数据集中选取预设维度的特征向量组，作为输入数据，输入至原始中短期再次出现限制行为风险预测模型中进行预测处理，以输出再次出现限制行为预测概率；计算损失函数值，根据损失函数值对原始中短期再次出现限制行为风险预测模型进行迭代训练，直到符合预设条件时，生成实际中短期再次出现限制行为风险预测模型。可有效提高预测的准确性，提升限制活动场所人员管理的整体效率。

技术领域

本发明涉及深度神经网络技术领域，尤其涉及一种基于多维数据库的再次出现限制行为的预测方法、系统、计算机设备及存储介质。

背景技术

对于限制活动人员的管理和改造无论是学术界还是国家管理层面都是十分重要的议题，如何在符合人道主义前提下又可以的发现和规制再次出现限制行为风险就显得尤为重要，而在限制活动场所内的社交网络是阻碍限制活动场所内限制活动人员改造的重要不利因素，也是限制活动场所内的限制活动人员交叉干扰的重要危险变量。然而，目前传统的方法是需要依靠监管人员通过视频、谈话、人工来对限制行为人员的异常进行侦查后再进行防范。不仅效率低且费事费力，无法对限制活动场所内的高危社交网络进行充分利用，且由于通过人工方式进行再次出现限制行为概率预测，存在准确率低且不科学的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种基于多维数据库的再次出现限制行为的预测方法、系统、计算机设备及存储介质，以解决上述现有技术中存在的至少一个问题。

第一方面，提供了一种基于多维数据库的再次出现限制行为的预测方法，包括：

构建多维异构数据库，所述多维异构数据库中包括前次法律文书数据、前次进入限制活动场所的相关数据、前次限制活动场所内的监控数据以及当前限制行为的法律文书数据；

对所述前次法律文书数据、前次进入限制活动场所的相关数据、前次限制活动场所内的监控数据以及当前限制行为的法律文书数据进行数据挖掘以及数据清洗，以生成样本数据集，所述样本数据集包括训练数据集以及测试数据集；

根据限制活动人员在预设期限内的再次出现限制行为数据，进行正负例划分，以作为正、负例标签；

构建原始中短期再次出现限制行为风险预测模型；

通过关联查询在所述训练数据集中选取预设维度的特征向量组，作为输入数据，输入至所述原始中短期再次出现限制行为风险预测模型中进行预测处理，以输出再次出现限制行为预测概率；

根据所述再次出现限制行为预测概率以及正、负例标签，计算损失函数值，根据所述损失函数值对所述原始中短期再次出现限制行为风险预测模型进行迭代训练，直到符合预设条件时，生成实际中短期再次出现限制行为风险预测模型，以通过所述实际中短期再次出现限制行为风险预测模型对限制活动人员预设时间范围内再次出现限制行为风险进行预测。

在一实施例中，所述构建多维异构数据库之后，包括：

通过对所述前次限制活动场所内的监控数据进行视频图像分析，获取不同限制活动人员之间的亲密度参数；

根据所述亲密度参数，计算与其他共同参与限制行为的人员亲密度，以作为待预测数据，并归类至所述样本数据集中。

在一实施例中，根据限制活动人员在预设期限内的再次出现限制行为数据，对所述样本数据集中对应的限制活动人员进行正、负例划分，包括：

当所述限制活动人员在预设期限内发生再次出现限制行为事件时，将所述样本数据集中对应的限制活动人员划分为负例；