[发明专利]警情空间位置定位的方法及相关产品在审
| 申请号: | 202310431492.9 | 申请日: | 2023-04-21 |
| 公开(公告)号: | CN116484859A | 公开(公告)日: | 2023-07-25 |
| 发明(设计)人: | 李春红;刘英峰;陈超;施战;陈万松;王腾;汪翔;何明 | 申请(专利权)人: | 苏州市吴江区公安局 |
| 主分类号: | G06F40/289 | 分类号: | G06F40/289;G06F40/30;G06F18/23;G06N3/0442;G06N3/08 |
| 代理公司: | 郑州汇诚众远专利代理事务所(普通合伙) 41211 | 代理人: | 刘存波 |
| 地址: | 215000 江苏省*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 空间 位置 定位 方法 相关 产品 | ||
1.一种警情空间位置定位的方法,其特征在于,包括:
获取待处理的警情信息,其中所述警情信息包含警情发生地地址;
对所述警情信息进行预处理,以得到预处理后的地址文本;
利用预训练的多层级地址分词模型对所述地址文本进行处理;以及
根据所述多层级地址分词模型的处理结果确定警情空间位置。
2.根据权利要求1所述的方法,其特征在于,对所述警情信息进行预处理包括:
从所述警情信息中解析出包含所述警情发生地地址的初始地址文本;以及
依照预定义数据格式对所述初始地址文本进行调整,以得到所述预处理后的地址文本。
3.根据权利要求1所述的方法,其特征在于,利用预训练的多层级地址分词模型对所述地址文本进行处理包括:
对所述地址文本中警情发生地地址的每个单词进行BIO标注;
根据每个单词的BIO标注提取用于描述所述地址文本类型的地址主体。
4.根据权利要求3所述的方法,其特征在于,对所述地址文本中警情发生地地址中的每个单词进行BIO标注包括:
将所述地址文本中警情发生地地址的每个单词转换成对应的词向量;
基于所述多层级地址分词模型对输入的词向量进行标签预测。
5.根据权利要求4所述的方法,其特征在于,其中所述多层级地址分词模型包括双向长短期记忆神经网络模型和条件随机场模型,基于所述多层级地址分词模型对输入的词向量进行标签预测具体包括:
基于所述双向长短期记忆神经网络模型对输入的词向量进行标签预测,以得到预测结果;
基于所述条件随机场模型对所述预测结果进行过滤,以实现BIO标注。
6.根据权利要求3所述的方法,其特征在于,根据所述多层级地址分词模型的处理结果确定警情空间位置包括:
根据提取到的地址主体确定候选地址集合;
将待关联地址与所述候选地址集合中的地址进行精准匹配;
若所述待关联地址与所述候选地址集合中的地址能够精准匹配,则将匹配到的地址的空间坐标赋予所述待关联地址,并确定其为所述警情空间位置;
若所述待关联地址无法与所述候选地址集合中的地址精准匹配,则将所述候选地址集合中与所述待关联地址相似度最高的地址的空间坐标赋予所述待关联地址,并确定其为所述警情空间位置。
7.根据权利要求6所述的方法,其特征在于,根据提取到的地址主体确定候选地址集合包括:
对包含各层级地址语义的标准地址库按照地址层级和各层级语义建立倒排索引;
依据所述地址文本的行政区域代码对所述标准地址库进行初步筛选;
依据初筛后的标准地址库,对提取到的地址主体进行分层级倒排索引直至完成所有层级匹配,以得到所述候选地址集合。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
响应于提取到的地址主体包括第二类主体,根据所述第二类主体的数据以及空间拓扑分析技术确定所述警情空间位置。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,其存储有警情空间位置定位的计算机指令,当所述计算机指令由所述处理器运行时,使得所述电子设备执行根据权利要求1-8的任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,包括警情空间位置定位的程序指令,当所述程序指令由处理器执行时,使得实现根据权利要求1-8中任意一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州市吴江区公安局,未经苏州市吴江区公安局许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310431492.9/1.html,转载请声明来源钻瓜专利网。





