[发明专利]人物危险度的评估方法、装置及电子设备

摘要

本发明提供了一种人物危险度的评估方法、装置及电子设备，该方法包括：获取目标数据；通过目标数据构建人物关系网络；根据目标算法对人物关系网络进行处理，得到人物关系网络中的每个节点的特征向量信息；将特征向量信息输入至深度卷积神经网络，以确定待评估对象在每个类型上的危险度。本发明的人物危险度的评估方法中，数据来源广泛，并不局限于对话数据，还涉及人物关系数据，消费数据，基于这些数据构建了多个人物关系网络，解决了数据来源单一的问题，并且可确定出待评估对象在多个类型上的危险度，并不局限于某一种犯罪类型，缓解了现有的危险度评估方法中，数据来源单一，只能对特定的犯罪罪行进行评估，局限性较大的技术问题。

主权项

1.一种人物危险度的评估方法，其特征在于，所述方法包括：获取目标数据，其中，所述目标数据至少包括：人物关系数据，消费数据，对话数据；通过所述目标数据构建人物关系网络，其中，所述人物关系网络的数量为多个，每个所述人物关系网络用于表征一种类型的人物关系；根据目标算法对所述人物关系网络进行处理，得到所述人物关系网络中的每个节点的特征向量信息，其中，所述人物关系网络中的每个节点用于表征一个待评估对象；将所述特征向量信息输入至深度卷积神经网络，以确定所述待评估对象在每个类型上的危险度；其中，根据目标算法对所述人物关系网络进行处理，得到所述人物关系网络中的每个节点的特征向量信息包括：在每个所述人物关系网络中选取多个节点，并根据深度游走方法对所述多个节点进行预设次数的游走处理，得到多个节点链；根据每个节点在所述多个节点链中出现的频率构建哈夫曼树，并基于所述哈夫曼树确定每个所述节点的向量表示方式，得到节点向量；将不同类型人物关系网络中相同节点的节点向量进行拼接，拼接后得到带有节点向量信息的矩阵；通过所述深度卷积神经网络对拼接后的所述带有节点向量信息的矩阵进行学习，得到所述特征向量信息。