專利名稱：挖掘相關(guān)聯(lián)犯罪嫌疑人的系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及公安犯罪網(wǎng)絡(luò)分析領(lǐng)域，特別是指在一種大規(guī)模犯罪網(wǎng)絡(luò)中挖 掘相關(guān)聯(lián)犯罪嫌疑人的系統(tǒng)，另外還涉及挖掘相關(guān)聯(lián)犯罪嫌疑人的方法。
背景技術(shù)：
自911事件以來，各個(gè)國家的安全部門十分重視犯罪數(shù)據(jù)的搜集和相關(guān)數(shù) 據(jù)庫的建設(shè)，同時(shí)基于相關(guān)數(shù)據(jù)庫在數(shù)據(jù)挖掘方面進(jìn)行了一系列的研究。犯罪 數(shù)據(jù)的分析以及挖掘是從顯性的數(shù)據(jù)入手，尋找出某些隱性的有用信息。從犯 罪網(wǎng)絡(luò)中可能隱藏的心理、行為或者其他的因素來提煉出相關(guān)的模式，以此來 提供線索、協(xié)助辦案，同時(shí)，盡可能地把提取的特征模式用于監(jiān)控之中，實(shí)現(xiàn) 預(yù)警。
數(shù)據(jù)挖掘(DataMining)旨在從大量的、不完全的、有噪聲的、模糊的、 隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信 息和知識(shí)。還有很多和這一術(shù)語相近似的術(shù)語,如從數(shù)據(jù)庫中發(fā)現(xiàn)知識(shí)(KDD)、 數(shù)據(jù)分析、數(shù)據(jù)融合(Data Fusion)以及決策支持等。于這些概念相提并論， 是因?yàn)閿?shù)據(jù)挖掘瞄準(zhǔn)的對(duì)象是闡述個(gè)體間聯(lián)系的相關(guān)性知識(shí)、而非描述個(gè)體屬 性、支零破碎的數(shù)據(jù)。
現(xiàn)有的犯罪網(wǎng)絡(luò)分析方法從手工方法到基于圖像展現(xiàn)的分析最后到目前比 較成熟的社會(huì)網(wǎng)絡(luò)分析(SNA)。社會(huì)網(wǎng)絡(luò)分析目前已經(jīng)廣泛應(yīng)用于國家貿(mào)易關(guān) 系的分析、社會(huì)人物關(guān)系的分析、社會(huì)結(jié)構(gòu)的發(fā)現(xiàn)和理解以及組織通信行為的 研究。但所有的分析目前還僅僅停留在手工分析的層面上，即仍然是所謂第一 代的犯罪網(wǎng)絡(luò)分析方法。這種分析方法面對(duì)龐大的數(shù)據(jù)量時(shí)，效率并不是很高，而且具有一定的隨機(jī)性。干警通常是憑借多年的經(jīng)驗(yàn)有目的地在茫茫數(shù)據(jù)中尋 找自己認(rèn)為有用的信息，事實(shí)上數(shù)據(jù)的分析依然是完全在靠人力完成
現(xiàn)有的挖掘系統(tǒng)及方法某些過于理論化，或者只有方法而缺乏一定數(shù)據(jù)的 積累；某些可實(shí)用的、高性能的方法僅能處理中小規(guī)模的犯罪網(wǎng)絡(luò)；而某些針 對(duì)大規(guī)模犯罪網(wǎng)絡(luò)的工具和方法，僅停留在初步挖掘或側(cè)重于人工處理后的圖 形化展示，在挖掘方面僅擔(dān)當(dāng)輔助型的角色。這些挖掘系統(tǒng)和挖掘方法效率不 高，依靠人力分析，隨機(jī)性很強(qiáng)，容易遺漏。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種在大規(guī)模犯罪網(wǎng)絡(luò)中高效、全面的挖掘相關(guān)聯(lián) 犯罪嫌疑人的系統(tǒng)。
本發(fā)明提供了一種挖掘相關(guān)聯(lián)犯罪嫌疑人的系統(tǒng)，包括 確定和量化犯罪網(wǎng)絡(luò)中人員之間關(guān)聯(lián)優(yōu)先級(jí)的關(guān)聯(lián)量化模塊；
計(jì)算犯罪與中心犯罪嫌疑人關(guān)聯(lián)系數(shù)，并構(gòu)造關(guān)聯(lián)人員集合的犯罪關(guān)聯(lián)函數(shù)
模塊；
利用犯罪關(guān)聯(lián)系數(shù)使關(guān)聯(lián)人員集合大小始終控制在人力可排査的范圍內(nèi)的 結(jié)點(diǎn)篩選模塊。
進(jìn)一步的，所述關(guān)聯(lián)量化模塊利用層次結(jié)構(gòu)分析法確定每個(gè)關(guān)聯(lián)在網(wǎng)絡(luò)中的 優(yōu)先級(jí)；將優(yōu)先級(jí)平均地映射到
空間進(jìn)行量化。
進(jìn)一步^J，所述犯罪關(guān)聯(lián)函數(shù)模塊的關(guān)聯(lián)函數(shù)f的定義為 jmax(4c，max(4^/0.,力n,j、l…"/ ^c
L i / = c
n:集合C的元素個(gè)數(shù)；
Aij:結(jié)點(diǎn)i,j之間的直接犯罪關(guān)聯(lián)值。另外，本發(fā)明也提供了一種挖掘相關(guān)聯(lián)犯罪嫌疑人的方法，該方法包括如下 步驟
1) 用戶輸入中心犯罪嫌疑人的信息，在犯罪網(wǎng)絡(luò)中找到對(duì)應(yīng)結(jié)點(diǎn)；
2) 利用犯罪關(guān)聯(lián)函數(shù)模塊構(gòu)造關(guān)聯(lián)人員集合，其初始元素為用戶確定的中 心犯罪嫌疑人的結(jié)點(diǎn)；
3) 根據(jù)犯罪網(wǎng)絡(luò)中的人員交互關(guān)聯(lián)，選取關(guān)聯(lián)人員集合中未被擴(kuò)展過的每 一個(gè)結(jié)點(diǎn)，將其定位于犯罪網(wǎng)絡(luò)，并在該網(wǎng)絡(luò)中進(jìn)行關(guān)聯(lián)擴(kuò)展；
4) 利用犯罪關(guān)聯(lián)函數(shù)模塊計(jì)算被擴(kuò)展結(jié)點(diǎn)的犯罪關(guān)聯(lián)系數(shù)值，將該值不低 于閾值的結(jié)點(diǎn)加入關(guān)聯(lián)人員集合；
5) 重復(fù)步驟3)和4)，直到關(guān)聯(lián)人員集合不再有新的結(jié)點(diǎn)加入或者犯罪網(wǎng) 絡(luò)全部結(jié)點(diǎn)均被擴(kuò)展完畢；
6) 根據(jù)關(guān)聯(lián)人員集合中的各個(gè)結(jié)點(diǎn)與中心犯罪嫌疑人的犯罪關(guān)聯(lián)系數(shù)，利 用關(guān)聯(lián)量化模塊進(jìn)行排序，取一定量結(jié)點(diǎn)作為候選的相關(guān)聯(lián)嫌疑犯進(jìn)行排査。
進(jìn)一步的，所述步驟l)中確定的犯罪網(wǎng)絡(luò)是一個(gè)定量表示可能的犯罪個(gè)體 之間關(guān)聯(lián)的優(yōu)化圖論模型，模型表達(dá)如下 G=(c,C，A, S，f)，其中
G:犯罪網(wǎng)絡(luò)，
C:中心犯罪嫌疑人，由用戶輸入， C:犯罪網(wǎng)絡(luò)中全部結(jié)點(diǎn)的集合， A:犯罪網(wǎng)絡(luò)中全部犯罪關(guān)聯(lián)的集合， f:計(jì)算犯罪關(guān)聯(lián)系數(shù)的函數(shù)。 進(jìn)一步的，所述步驟4)中關(guān)聯(lián)人員集合新增的結(jié)點(diǎn)為犯罪網(wǎng)絡(luò)中與中心犯罪嫌疑人相關(guān)聯(lián)的一部分人群，定義為S={X I f(X，C)^k}，其中k為犯罪關(guān)聯(lián) 閾值；初始情況S^c)。
進(jìn)一步的，所述步驟6)還包括必要時(shí)利用結(jié)點(diǎn)篩選模塊使人員關(guān)聯(lián)集合 大小始終控制在人力可排査的范圍內(nèi)的步驟。
本發(fā)明與背景技術(shù)相比，具有的有益的效果是實(shí)現(xiàn)結(jié)點(diǎn)數(shù)量為千萬級(jí) (107 108)的犯罪網(wǎng)絡(luò)完全掃描；控制關(guān)聯(lián)人員集合的增長，使得該掃描過程 可以在計(jì)算能力受到較大限制、低端的數(shù)據(jù)庫服務(wù)器上較快地完成；將犯罪關(guān) 聯(lián)全面地篩選，再采用AHP方法確定優(yōu)先級(jí)，最后使用平均等比量化，充分考 慮到了多種犯罪關(guān)聯(lián)在辦案、計(jì)算分析中的復(fù)雜多樣性，使得犯罪網(wǎng)絡(luò)模型更 加逼近真實(shí)情況；設(shè)計(jì)良好有效的犯罪關(guān)聯(lián)函數(shù)，深入挖掘了犯罪行為之間存 在關(guān)聯(lián)性，并且使得在龐大的犯罪網(wǎng)絡(luò)上的大多數(shù)操作可以在較淺深度內(nèi)收斂， 始終保持局部性訪問；并且采用確定的挖掘方法，是一種穩(wěn)定、可再現(xiàn)的方法。
本發(fā)明是針對(duì)相同網(wǎng)絡(luò)不同案件背景進(jìn)行優(yōu)化建模，對(duì)多種犯罪關(guān)聯(lián)進(jìn)行 細(xì)化提取分析，進(jìn)而在此基礎(chǔ)上展開優(yōu)化控制候選結(jié)點(diǎn)數(shù)量得到犯罪嫌疑人挖 掘結(jié)果。本發(fā)明通過建立包含信息更豐富、關(guān)聯(lián)性更強(qiáng)的犯罪網(wǎng)絡(luò)，加上合適 的量化方法、良好的犯罪關(guān)聯(lián)函數(shù)構(gòu)造及，從而保證了更快的挖掘速度和更高 的準(zhǔn)確率。


圖1為犯罪網(wǎng)絡(luò)與關(guān)聯(lián)人員集合。
具體實(shí)施例方式
本發(fā)明中挖掘相關(guān)聯(lián)犯罪嫌疑人的系統(tǒng)主要包括關(guān)聯(lián)量化模塊、犯罪關(guān)聯(lián)函 數(shù)模塊和結(jié)點(diǎn)篩選模塊。 1、關(guān)聯(lián)量化模塊該模塊負(fù)責(zé)關(guān)聯(lián)優(yōu)先級(jí)的確定和量化。首先整合多個(gè)公安業(yè)務(wù)數(shù)據(jù)庫，將社
會(huì)人員關(guān)聯(lián)信息和犯罪分子關(guān)聯(lián)信息合并，并構(gòu)造一個(gè)犯罪網(wǎng)絡(luò)；在該網(wǎng)絡(luò)中提取人員之間的各種關(guān)聯(lián)信息，例如同案犯關(guān)聯(lián)、旅館同房關(guān)聯(lián)、電話通話關(guān)聯(lián)、飛機(jī)同行關(guān)聯(lián)、親屬關(guān)聯(lián)、同事關(guān)聯(lián)、同鄉(xiāng)關(guān)聯(lián)等；采用現(xiàn)有的成熟技術(shù)層次結(jié)構(gòu)分析法(AHP)確定每個(gè)關(guān)聯(lián)在網(wǎng)絡(luò)中的優(yōu)先級(jí)；將優(yōu)先級(jí)平均地映射到
空間則完成量化過程；關(guān)聯(lián)優(yōu)先級(jí)會(huì)根據(jù)案件的不同而發(fā)生變化，可以通過修改判斷矩陣來體現(xiàn)關(guān)聯(lián)差異性，因此量化結(jié)果也會(huì)改變。
R為關(guān)聯(lián)表達(dá)式，R(x,y，r)表示結(jié)點(diǎn)x,y之間存在關(guān)聯(lián)集合r;其中r^Ur，Ur^同案犯，旅館同房...}，為關(guān)聯(lián)全集；
Pr(rx)表示關(guān)聯(lián)rx的優(yōu)先級(jí)，其中rxEUr;例如可以設(shè)置Pr(旅館同房)〉Pr(同
鄉(xiāng))；
Q(rx)表示關(guān)聯(lián)rx的量化數(shù)值，隨優(yōu)先級(jí)的增大而增大。2、犯罪關(guān)聯(lián)函數(shù)模塊
該模塊負(fù)責(zé)犯罪關(guān)聯(lián)系數(shù)的計(jì)算。在計(jì)算第i個(gè)結(jié)點(diǎn)的犯罪關(guān)聯(lián)系數(shù)時(shí)，首先判斷i是否與中心犯罪嫌疑人c存在直接犯罪關(guān)系，若存在先將f(i， c)值暫時(shí)設(shè)為Pr(ric)，否則設(shè)為0;再從關(guān)聯(lián)人員集合中選取未進(jìn)行比較的結(jié)點(diǎn)，判斷結(jié)點(diǎn)i通過其余任意結(jié)點(diǎn)jES與c進(jìn)行關(guān)聯(lián)的系數(shù)是否大于f(i， c)，如果大于就更新f(，c)值為Pr(rijff(j，c);從而可以初步衡量i結(jié)點(diǎn)與中心犯罪嫌疑人c的關(guān)聯(lián)程度。
關(guān)聯(lián)函數(shù)f的定義
<formula>formula see original document page 8</formula>
n:集合C的元素個(gè)數(shù);Aij:結(jié)點(diǎn)i,j之間的直接犯罪關(guān)聯(lián)值；
如圖1為犯罪網(wǎng)絡(luò)與關(guān)聯(lián)人員集合，括號(hào)中的數(shù)字表示該點(diǎn)與中心犯罪嫌疑人c的犯罪關(guān)聯(lián)系數(shù)，設(shè)置了 k=0.35，所以C,，C2,C4，C6四個(gè)結(jié)點(diǎn)與c共同構(gòu)成了關(guān)聯(lián)人員集合。3、結(jié)點(diǎn)篩選模塊
該模塊負(fù)責(zé)維護(hù)關(guān)聯(lián)集合，使其大小始終控制在人力可排査的范圍內(nèi)。當(dāng)每個(gè)結(jié)點(diǎn)計(jì)算完畢時(shí)，如果關(guān)聯(lián)集合的數(shù)量已經(jīng)超出預(yù)設(shè)的集合最大結(jié)點(diǎn)數(shù)，那么對(duì)關(guān)聯(lián)集合的每個(gè)元素按照它們的犯罪關(guān)聯(lián)系數(shù)進(jìn)行排序，從具有最小犯罪關(guān)聯(lián)系數(shù)的結(jié)點(diǎn)開始刪除，直到未刪除的結(jié)點(diǎn)數(shù)量不超過集合最大結(jié)點(diǎn)數(shù)；若關(guān)聯(lián)集合的結(jié)點(diǎn)數(shù)沒有超過集合最大結(jié)點(diǎn)數(shù)，將關(guān)聯(lián)系數(shù)小于閾值k的結(jié)點(diǎn)刪除。
本發(fā)明挖掘相關(guān)聯(lián)犯罪嫌疑人的方法，包括如下步驟
1) 用戶輸入中心犯罪嫌疑人的身份證號(hào)碼，在犯罪網(wǎng)絡(luò)中找到對(duì)應(yīng)結(jié)點(diǎn)；
2) 利用犯罪關(guān)聯(lián)函數(shù)模塊構(gòu)造關(guān)聯(lián)人員集合，其初始元素為用戶確定的中心犯罪嫌疑人；
3) 根據(jù)犯罪網(wǎng)絡(luò)中的人員交互關(guān)聯(lián)，選取關(guān)聯(lián)人員集合中未被擴(kuò)展過的每一個(gè)結(jié)點(diǎn)，將其定位于犯罪網(wǎng)絡(luò)，并在該網(wǎng)絡(luò)中進(jìn)行關(guān)聯(lián)擴(kuò)展；
4) 利用犯罪關(guān)聯(lián)函數(shù)模塊計(jì)算被擴(kuò)展結(jié)點(diǎn)的犯罪關(guān)聯(lián)系數(shù)值，將該值不低于閾值的結(jié)點(diǎn)加入關(guān)聯(lián)人員集合；
5) 重復(fù)步驟(3)和(4)，直到關(guān)聯(lián)人員集合不再有新的結(jié)點(diǎn)加入或者犯罪網(wǎng)絡(luò)全部結(jié)點(diǎn)均被擴(kuò)展完畢。
6) 利用關(guān)聯(lián)量化模塊，根據(jù)關(guān)聯(lián)人員集合中的各個(gè)結(jié)點(diǎn)與中心犯罪嫌疑人的犯罪關(guān)聯(lián)系數(shù)進(jìn)行排序，取一定量結(jié)點(diǎn)作為候選的相關(guān)聯(lián)嫌疑犯進(jìn)行排査。其中，
步驟1)中確定的犯罪網(wǎng)絡(luò)是一個(gè)定量表示可能的犯罪個(gè)體之間關(guān)聯(lián)的優(yōu)化圖論模型，模型表達(dá)如下
G:犯罪網(wǎng)絡(luò)，G=(C,C，A,S,f)，其中C:中心犯罪嫌疑人，由用戶輸入；C:犯罪網(wǎng)絡(luò)中全部結(jié)點(diǎn)的集合；A:犯罪網(wǎng)絡(luò)中全部犯罪關(guān)聯(lián)的集合；f:計(jì)算犯罪關(guān)聯(lián)系數(shù)的函數(shù)；
步驟4)中的關(guān)聯(lián)人員集合該集合中的結(jié)點(diǎn)代表了犯罪網(wǎng)絡(luò)中與中心犯罪嫌疑人相關(guān)聯(lián)的一部分人群，定義為S={X I f(X，C^k}，其中k為犯罪關(guān)聯(lián)閾值；初始情況S^c〉；
步驟4)中的犯罪關(guān)聯(lián)函數(shù)f為計(jì)算犯罪關(guān)聯(lián)系數(shù)的函數(shù)。f(i, C)表示為結(jié)點(diǎn)i與中心結(jié)點(diǎn)C的犯罪關(guān)聯(lián)程度。形式化定義為
/v. 、 fmax(4，max(4 },乂 = 1..." "c
L 1 z = c
n:集合C的元素個(gè)數(shù)；
Aij:結(jié)點(diǎn)i,j之間的直接犯罪關(guān)聯(lián)值；
V/，C， f(i， C)E
;其中f(i， C)越大表明i, C之間存在犯罪關(guān)聯(lián)的可能性越大。這樣精確地定義與C的傳遞犯罪關(guān)聯(lián)值。
權(quán)利要求
1、一種挖掘相關(guān)聯(lián)犯罪嫌疑人的系統(tǒng)，其特征在于包括確定和量化犯罪網(wǎng)絡(luò)中人員之間關(guān)聯(lián)優(yōu)先級(jí)的關(guān)聯(lián)量化模塊；計(jì)算犯罪與中心犯罪嫌疑人關(guān)聯(lián)系數(shù)，并構(gòu)造關(guān)聯(lián)人員集合的犯罪關(guān)聯(lián)函數(shù)模塊；利用犯罪關(guān)聯(lián)系數(shù)使關(guān)聯(lián)人員集合大小始終控制在人力可排查的范圍內(nèi)的結(jié)點(diǎn)篩選模塊。
2、 根據(jù)權(quán)利要求1所述的挖掘相關(guān)聯(lián)犯罪嫌疑人的系統(tǒng)，其特征在于所述關(guān) 聯(lián)量化模塊利用層次結(jié)構(gòu)分析法確定每個(gè)關(guān)聯(lián)在網(wǎng)絡(luò)中的優(yōu)先級(jí)；將優(yōu)先級(jí) 平均地映射到
空間進(jìn)行量化。
3、 根據(jù)權(quán)利要求1所述的挖掘相關(guān)聯(lián)犯罪嫌疑人的系統(tǒng)，其特征在于所述犯罪關(guān)聯(lián)函數(shù)模塊的關(guān)聯(lián)函數(shù)f的定義為-n:集合C的元素個(gè)數(shù)； Aij:結(jié)點(diǎn)i,j之間的直接犯罪關(guān)聯(lián)值。
4、 一種挖掘相關(guān)聯(lián)犯罪嫌疑人的方法，其特征在于該方法包括如下步驟1) 用戶輸入中心犯罪嫌疑人的信息，在犯罪網(wǎng)絡(luò)中找到對(duì)應(yīng)結(jié)點(diǎn)；2) 利用犯罪關(guān)聯(lián)函數(shù)模塊構(gòu)造關(guān)聯(lián)人員集合，其初始元素為用戶確定的中 心犯罪嫌疑人的結(jié)點(diǎn)；3) 根據(jù)犯罪網(wǎng)絡(luò)中的人員交互關(guān)聯(lián)，選取關(guān)聯(lián)人員集合中未被擴(kuò)展過的每 一個(gè)結(jié)點(diǎn)，將其定位于犯罪網(wǎng)絡(luò)，并在該網(wǎng)絡(luò)中進(jìn)行關(guān)聯(lián)擴(kuò)展;4) 利用犯罪關(guān)聯(lián)函數(shù)模塊計(jì)算被擴(kuò)展結(jié)點(diǎn)的犯罪關(guān)聯(lián)系數(shù)值，將該值不低 于閾值的結(jié)點(diǎn)加入關(guān)聯(lián)人員集合；5) 重復(fù)步驟3)和4)，直到關(guān)聯(lián)人員集合不再有新的結(jié)點(diǎn)加入或者犯罪網(wǎng)絡(luò)全部結(jié)點(diǎn)均被擴(kuò)展完畢；6) 根據(jù)關(guān)聯(lián)人員集合中的各個(gè)結(jié)點(diǎn)與中心犯罪嫌疑人的犯罪關(guān)聯(lián)系數(shù)，利用關(guān)聯(lián)量化模塊進(jìn)行排序，取一定量結(jié)點(diǎn)作為候選的相關(guān)聯(lián)嫌疑犯進(jìn)行排查。
5、 根據(jù)權(quán)利要求4所述挖掘相關(guān)聯(lián)犯罪嫌疑人的方法，其特征在于所述步驟1)中確定的犯罪網(wǎng)絡(luò)是一個(gè)定量表示可能的犯罪個(gè)體之間關(guān)聯(lián)的優(yōu)化圖論模型，模型表達(dá)如下G=(c,C，A,S，f)，其中G:犯罪網(wǎng)絡(luò)，C:中心犯罪嫌疑人，由用戶輸入，C:犯罪網(wǎng)絡(luò)中全部結(jié)點(diǎn)的集合，A:犯罪網(wǎng)絡(luò)中全部犯罪關(guān)聯(lián)的集合，f:計(jì)算犯罪關(guān)聯(lián)系數(shù)的函數(shù)。
6、 根據(jù)權(quán)利要求4所述挖掘相關(guān)聯(lián)犯罪嫌疑人的方法，其特征在于所述步驟4)中關(guān)聯(lián)人員集合新增的結(jié)點(diǎn)為犯罪網(wǎng)絡(luò)中與中心犯罪嫌疑人相關(guān)聯(lián)的一部分人群，定義為S={X I f(X,C)》k}，其中k為犯罪關(guān)聯(lián)閾值；初始情況S={C}。
7、 根據(jù)權(quán)利要求4所述挖掘相關(guān)聯(lián)犯罪嫌疑人的方法，其特征在于所述步驟6)還包括必要時(shí)利用結(jié)點(diǎn)篩選模塊使人員關(guān)聯(lián)集合大小始終控制在人力可排査的范圍內(nèi)的步驟。
全文摘要
本發(fā)明涉及公安犯罪網(wǎng)絡(luò)分析領(lǐng)域，特別是指在挖掘相關(guān)聯(lián)犯罪嫌疑人的系統(tǒng)和方法。該系統(tǒng)系統(tǒng)包括關(guān)聯(lián)量化模塊、犯罪關(guān)聯(lián)函數(shù)模塊和結(jié)點(diǎn)篩選模塊。本發(fā)明也提供了挖掘相關(guān)聯(lián)犯罪嫌疑人的方法1)在犯罪網(wǎng)絡(luò)中找到中心犯罪嫌疑人的對(duì)應(yīng)結(jié)點(diǎn)；2)構(gòu)造關(guān)聯(lián)人員集合；3)根據(jù)人員交互關(guān)聯(lián)進(jìn)行關(guān)聯(lián)擴(kuò)展；4)將被擴(kuò)展結(jié)點(diǎn)的犯罪關(guān)聯(lián)系數(shù)值不低于閾值的結(jié)點(diǎn)加入關(guān)聯(lián)人員集合；5)重復(fù)步驟3)和4)，直到關(guān)聯(lián)人員集合不再有新的結(jié)點(diǎn)加入或犯罪網(wǎng)絡(luò)全部結(jié)點(diǎn)均被擴(kuò)展；6)根據(jù)各個(gè)結(jié)點(diǎn)與中心犯罪嫌疑人的犯罪關(guān)聯(lián)系數(shù)排序，取一定量結(jié)點(diǎn)作為相關(guān)聯(lián)嫌疑犯進(jìn)行排查。本發(fā)明的挖掘系統(tǒng)和方法效率大大提高，而且可以將犯罪關(guān)聯(lián)全面地篩選。
文檔編號(hào)G06F17/30GK101464877SQ200810121668
公開日2009年6月24日 申請(qǐng)日期2008年10月27日 優(yōu)先權(quán)日2008年10月27日
發(fā)明者吳朝暉, 夏超倫, 姜曉紅 申請(qǐng)人:浙江大學(xué)