[发明专利]类案可疑对象智能挖掘分析方法

摘要

本发明公开了一种类案可疑对象智能挖掘分析方法，包括以下具体步骤：输入历史已破案件侦查研判要素进行样本训练；分析历史已破案件侦查研判要素，产生关键要素特征；通过Apriori算法对关键要素特征进行分析计算，形成关键要素与涉案对象决策树；分析新发案件要素特征，形成新发案件条件集；输入新发案件条件集；基于决策树智能挖掘分析，通过决策树算法对新发案件进行决策；精确推送可疑对象。本发明通过对历史同类案件进行训练学习，形成每类案件的侦查素材集，针对后续新发的同类案件，基于历史的案件侦查训练集进行自动学习，结合不同案件条件，采用不同的研判方法进行智能推导分析，从而自动分析潜在的案件可疑对象，并向办案人员主动推送。

主权项

1.类案可疑对象智能挖掘分析方法，其特征在于，包括以下具体步骤：/nS1、输入历史已破案件侦查研判要素进行样本训练；/nS2、分析历史已破案件侦查研判要素，产生关键要素特征；/nS3、通过Apriori算法对步骤S2中关键要素特征进行分析计算，形成关键要素与涉案对象决策树；/nS4、分析新发案件要素特征，形成新发案件条件集；系统接收新发的案件信息，根据案件的类别提取同类案别的历史案件训练集中相同的涉案关键特征要素；/nS5、输入新发案件条件集；系统输入新发案件提取的涉案关键特征集；/nS6、基于步骤S3中决策树智能挖掘分析，通过决策树算法对新发案件进行决策；把新发的案件的所有关键特征要素作为节点，遍历每个特征要素的每种分裂方式，找到依赖权重最大的分裂特征，分裂成两个或者多个节点，针对分裂后的节点不断迭代循环分裂，直到找到最终的关键特征要素，最终形成决策树路径；/nS7、精确推送可疑对象；根据步骤S6分析出的新发案件决策树路径，结合路径中出现的关键特征要素，按照关键要素在路径中出现的顺序，逐个分析筛选每个关键特征要素中出现的涉案人员，综合多个关键特征要素进行碰撞分析，最终推导出最终潜在的可疑人员数据集；/n所述步骤S2中，关键要素特征为典型的、能够确定涉案人员的相关行为特征。/n