犯罪群体识别方法、设备及存储介质与流程
本发明涉及社交群体识别领域，尤其涉及一种犯罪群体识别方法、设备及存储介质。
背景技术：
随着web2.0的快速普及与推进，facebook、twitter、qq、微博、微信等社交网络得到了飞速发展，互联网的交互性、自媒体属性愈来愈明显，人和人的社会关系更为复杂。实际生活中，人与人之间更多的表现出强关联关系，而社交网络更多的表现出弱关联关系。
目前，对犯罪成员关系及其关系亲密度侦测的主要技术方法分为两类，利用同时被捕或在同一地区实施犯罪的犯罪人员形成的网络进行识别；利用人员之间的通信或交易形成的网络来进行识别。但现有的犯罪群体识别方法较多考虑单关系、较多关注显式的强关联关系和较少关注隐式的弱关联关系，需要采集大量的数据，但数据采集困难，无法对犯罪群体进行度量，此外，现有的犯罪群体识别方法，处理数据的规模和效率也较低，难以胜任海量的弱关联关系数据分析。
因此，现有的犯罪群体识别方法，存在处理数据的规模和效率较低、数据采集困难，无法准确的对犯罪群体进行度量的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
技术实现要素：
本发明的主要目的在于提供一种犯罪群体识别方法、设备及存储介质，旨在解决处理数据的规模和效率较低、数据采集困难，无法准确的对犯罪群体进行度量的技术问题。
为实现上述目的，本发明提供一种犯罪群体识别方法，所述犯罪群体识别方法包括以下步骤：
根据接收到的数据配置请求中的数据获取指令获取社交关系数据；
根据所述配置请求中的数据预处理规则对所述社交关系数据进行预处理，并根据预处理后的社交关系数据生成社交关系网络；
接收犯罪群体识别请求，从所述社交关系网络中获取社区群体，并根据所述犯罪群体识别请求中的犯罪群体特征信息，从所述社区群体中识别出犯罪社区群体。
可选地，所述根据所述配置请求中的数据预处理规则对所述社交关系数据进行预处理，并根据预处理后的社交关系数据生成社交关系网络的步骤包括：
根据所述配置请求中的网络清洗配置对所述社交关系数据进行清洗，以获取第一社交关系数据；
根据所述配置请求中的多源映射策略对所述第一社交关系数据进行标识，以获取第二社交关系数据；
根据所述第二社交关系数据和所述配置请求中的权重策略配置生成社交关系网络。
可选地，所述从所述社交关系网络中获取社区群体的步骤包括：
对所述社交关系网络进行初始化，以将所述社交关系网络中的节点转换为节点社区；
计算所述社交关系网络中每个节点社区的有方向模块度；
根据所述有方向模块度计算每个社区节点与邻接社区节点的模块度增量，并根据所述模块度增量更新所述社交关系网络中的节点社区；
将更新后的社交关系网络中处于同一节点社区的全部节点压缩为新节点，并将所述新节点转换为新节点社区，以获取社区群体。
可选地，所述根据所述犯罪群体识别请求中的犯罪群体特征信息，从所述社区群体中识别出犯罪社区群体的步骤之后，所述犯罪群体识别方法还包括：
从所述犯罪社区群体中识别出犯罪核心成员，并在所述社交关系网络中标记所述犯罪核心成员，同时显示标记后的社交关系网络。
可选地，所述从所述犯罪社区群体中识别出犯罪核心成员的步骤包括：
根据所述犯罪群体识别请求中的犯罪核心成员信息，确定犯罪核心成员样本；
统计每个非犯罪核心成员与所述犯罪核心成员样本的连接权重，并将所述连接权重最大的非犯罪核心成员标记为犯罪核心成员；
统计每个非犯罪核心成员与全部犯罪核心成员的连接权重之和，并将所述连接权重之和最大的非犯罪核心成员标记为犯罪核心成员，直至犯罪核心成员数达到所述犯罪群体识别请求中的犯罪核心成员数。
可选地，所述犯罪群体识别方法还包括：
查询每个犯罪核心成员的身份信息和位置信息，并在所述犯罪社区群体中进行标记；
根据公安机构的地理位置分布和所述位置信息确定待行动公安机构和待逮捕的犯罪核心成员；
通过网络将所述待逮捕的犯罪核心成员的身份信息和位置信息传输至待行动公安机构。
可选地，根据接收到的数据配置请求中的数据获取指令获取社交关系数据的步骤之前，所述犯罪群体识别方法还包括：
从接收到的数据配置请求中获取指纹信息，并验证所述指纹信息；
当所述指纹信息通过验证时，执行所述根据接收到的数据配置请求中的数据获取指令获取社交关系数据的步骤。
可选地，所述犯罪群体识别方法还包括：
接收犯罪社区群体的查询请求，并获取所述查询请求中的犯罪社区群体的标识信息；
在查询到与所述标识信息关联的犯罪社区群体时，显示所述犯罪社区群体。
本发明还提供一种犯罪群体识别设备，所述犯罪群体识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的犯罪群体识别程序，所述犯罪群体识别程序被所述处理器执行时实现如上所述的犯罪群体识别方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有犯罪群体识别程序，所述犯罪群体识别程序被处理器执行时实现如上所述的犯罪群体识别方法的步骤。
本发明根据接收到的数据配置请求中的数据获取指令获取社交关系数据，然后根据该配置请求中的数据预处理规则对该社交关系数据进行预处理，并根据预处理后的社交关系数据生成社交关系网络，再然后在接收到犯罪群体识别请求时，从该社交关系网络中获取社区群体，并根据该犯罪群体识别请求中的犯罪群体特征信息，从该社区群体中识别出犯罪社区群体，本方案根据隐式的弱关联关系、多关系和强关联光系等数据，可生成社交关系网络，能够根据少量的犯罪嫌疑人信息，可以快速的从社交关系网络中识别出犯罪社区群体，此外，提供可视化展示社交关系网络，以便用户多维度跟踪犯罪社区群体。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本发明犯罪群体识别方法第一实施例的流程示意图；
图3为图2中所述根据所述配置请求中的数据预处理规则对所述社交关系数据进行预处理，并根据预处理后的社交关系数据生成社交关系网络步骤的细化流程示意图；
图4为图2中所述对所述社交关系网络进行社区群体发现，以获取社区群体步骤的细化流程示意图；
图5为本发明犯罪群体识别方法第二实施例的流程示意图；
图6为图5中所述从所述犯罪社区群体中识别出犯罪核心成员步骤的细化流程示意图；
图7为本发实施例中可视化展示社交关系网络的示意图；
图8为本发明犯罪群体识别方法第三实施例的流程示意图；
图9为本发明犯罪群体识别方法第四实施例的流程示意图；
图10为本发明犯罪群体识别方法第五实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例的主要解决方案是：根据接收到的数据配置请求中的数据获取指令获取社交关系数据，然后根据该配置请求中的数据预处理规则对该社交关系数据进行预处理，并根据预处理后的社交关系数据生成社交关系网络，再然后在接收到犯罪群体识别请求时，从该社交关系网络中获取社区群体，并根据该犯罪群体识别请求中的犯罪群体特征信息，从该社区群体中识别出犯罪社区群体。
由于现有技术较多考虑单关系、较多关注显式的强关联关系和较少关注隐式的弱关联关系，需要采集大量的数据，但数据采集困难，无法对犯罪群体进行度量，此外，现有的犯罪群体识别方法，处理数据的规模和效率也较低，难以胜任海量的弱关联关系数据分析。
本发明提供一种解决方案，本方案根据隐式的弱关联关系、多关系和强关联光系等数据，可生成社交关系网络，能够根据少量的犯罪嫌疑人信息，可以快速的从社交关系网络中识别出犯罪社区群体，此外，提供可视化展示社交关系网络，以便用户多维度跟踪犯罪社区群体。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例设备可以是pc，也可以是智能手机、平板电脑、便携计算机等具有显示功能的可移动式设备设备。
如图1所示，该设备可以包括：处理器1001，例如cpu，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选的用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，设备还可以包括摄像头、rf(radiofrequency，射频)电路，传感器、音频电路、wifi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在设备移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别设备姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，设备还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种犯罪群体识别存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及犯罪群体识别程序。
在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的犯罪群体识别程序，并执行以下步骤：
根据接收到的数据配置请求中的数据获取指令获取社交关系数据；
根据所述配置请求中的数据预处理规则对所述社交关系数据进行预处理，并根据预处理后的社交关系数据生成社交关系网络；
接收犯罪群体识别请求，从所述社交关系网络中获取社区群体，并根据所述犯罪群体识别请求中的犯罪群体特征信息，从所述社区群体中识别出犯罪社区群体。
进一步地，所述根据所述配置请求中的数据预处理规则对所述社交关系数据进行预处理，并根据预处理后的社交关系数据生成社交关系网络的步骤包括：
根据所述配置请求中的网络清洗配置对所述社交关系数据进行清洗，以获取第一社交关系数据；
根据所述配置请求中的多源映射策略对所述第一社交关系数据进行标识，以获取第二社交关系数据；
根据所述第二社交关系数据和所述配置请求中的权重策略配置生成社交关系网络。
进一步地，所述从所述社交关系网络中获取社区群体的步骤包括：
对所述社交关系网络进行初始化，以将所述社交关系网络中的节点转换为节点社区；
计算所述社交关系网络中每个节点社区的有方向模块度；
根据所述有方向模块度计算每个社区节点与邻接社区节点的模块度增量，并根据所述模块度增量更新所述社交关系网络中的节点社区；
将更新后的社交关系网络中处于同一节点社区的全部节点压缩为新节点，并将所述新节点转换为新节点社区，以获取社区群体。
进一步地，处理器1001可以调用存储器1005中存储的犯罪群体识别程序，还执行以步骤：
从所述犯罪社区群体中识别出犯罪核心成员，并在所述社交关系网络中标记所述犯罪核心成员，同时显示标记后的社交关系网络。
进一步地，所述从所述犯罪社区群体中识别出犯罪核心成员的步骤包括：
根据所述犯罪群体识别请求中的犯罪核心成员信息，确定犯罪核心成员样本；
统计每个非犯罪核心成员与所述犯罪核心成员样本的连接权重，并将所述连接权重最大的非犯罪核心成员标记为犯罪核心成员；
统计每个非犯罪核心成员与全部犯罪核心成员的连接权重之和，并将所述连接权重之和最大的非犯罪核心成员标记为犯罪核心成员，直至犯罪核心成员数达到所述犯罪群体识别请求中的犯罪核心成员数。
进一步地，处理器1001可以调用存储器1005中存储的犯罪群体识别程序，还执行以步骤：
查询每个犯罪核心成员的身份信息和位置信息，并在所述犯罪社区群体中进行标记；
根据公安机构的地理位置分布和所述位置信息确定待行动公安机构和待逮捕的犯罪核心成员；
通过网络将所述待逮捕的犯罪核心成员的身份信息和位置信息传输至待行动公安机构。
进一步地，处理器1001可以调用存储器1005中存储的犯罪群体识别程序，还执行以步骤：
从接收到的数据配置请求中获取指纹信息，并验证所述指纹信息；
当所述指纹信息通过验证时，根据接收到的数据配置请求中的数据获取指令获取社交关系数据。
进一步地，处理器1001可以调用存储器1005中存储的犯罪群体识别程序，还执行以步骤：
接收犯罪社区群体的查询请求，并获取所述查询请求中的犯罪社区群体的标识信息；
在查询到与所述标识信息关联的犯罪社区群体时，显示所述犯罪社区群体。
本发明犯罪群体识别设备的具体实施例与下述犯罪群体识别方法的各具体实施例基本相同，在此不作赘述。
本发明提供一种犯罪群体识别方法。
参照图2，图2为本发明犯罪群体识别方法第一实施例的流程示意图。
在本实施例中，该犯罪群体识别方法包括：
步骤s101，根据接收到的数据配置请求中的数据获取指令获取社交关系数据；
该犯罪群体识别方法应用于犯罪群体识别设备，该犯罪群体识别设备包括移动终端设备和固定终端设备等，该移动终端设备包括智能手机和平板电脑等。该犯罪群体识别设备包括用户图形界面、基础支撑单元、数据预处理单元和犯罪群体识别单元，该用户图形界面主要用于用户图形化操作，包括数据采集配置、数据预处理配置、监控及可视化展示等；该基础支撑单元主要提供犯罪群体识别基础服务，包括提供计算能力集群、数据采集同步服务及监控类服务等；该数据预处理单元主要提供对不同类型的社交关系数据进行整合，数据清洗及网络权重设置服务等；该犯罪群体识别单元主要用于对社交关系网络进行社区群体发现，通过犯罪嫌疑人和犯罪社区群体特征，识别出潜在的犯罪社区群体。
该数据采集配置用于配置采集社交关系网络中不同类型网络关系数据，数据同步策略和数据同步任务等；该数据预处理单元包括多源映射策略、网络清洗配置和网络关系权重配置，该多源映射策略用于标识不同类型网络中同一节点的身份，以便将不同类型的网络融合到同一网络中，该网络清洗配置，用于根据识别犯罪群体的发生时间、地域等犯罪特征信息，清洗社交关系数据，降低网络的规模以便更快更准确地识别犯罪社区群体，该网络关系权重配置，用于调整网络中节点之间的权重关系。
用户通过犯罪群体识别设备中的用户图形界面触发数据配置请求，该犯罪群体识别设备接收触发的数据配置请求，并获取该数据配置请求中的数据获取指令，同时根据该数据获取指令获取数据仓库中存储的社交关系数据，该社交关系数据包括社交网络数据和通信网络数据，该社交网络数据包括微信平台、微博平台和qq平台等社交软件的数据。该犯罪群体识别设备通过接口与社交软件实现数据交互，实现多种网络类型数据的采集，此外，该犯罪群体识别设备还可通过usb等外设接口导入社交关系数据，采集或导入的社交关系数据存储在数据仓库中。
步骤s102，根据所述配置请求中的数据预处理规则对所述社交关系数据进行预处理，并根据预处理后的社交关系数据生成社交关系网络；
该犯罪群体识别设备获取该配置请求中的数据预处理规则，并根据该数据预处理规则对存储在数据仓库中的社交关系数据进行预处理，然后将预处理后的社交关系数据存储在数据仓库中，并根据预处理后的社交关系数据生成社交关系网络。该配置请求包括数据获取指令、数据预处理规则、多源映射策略、网络清洗配置和权重策略配置等，该社交关系网络为有向加权网络。
具体地，参照图3，图3为图2中所述步骤s102的细化流程示意图，该步骤s102包括：
步骤s1021，根据所述配置请求中的网络清洗配置对所述社交关系数据进行清洗，以获取第一社交关系数据；
步骤s1022，根据所述配置请求中的多源映射策略对所述第一社交关系数据进行标识，以获取第二社交关系数据；
步骤s1023，根据所述第二社交关系数据和所述配置请求中的权重策略配置生成社交关系网络。
该犯罪群体识别设备首先获取该配置请求中的网络清洗配置对该社交关系数据进行清洗，以获取第一社交关系数据，该网络清洗配置包括犯罪群体的发生时间和地域等犯罪特征信息；然后获取该配置请求中的多源映射策略对该第一社交关系数据进行标识，以获取第二社交关系数据，该多源映射策略为标识不同类型网络中同一节点的身份，并将不同类型的网络融合到同一网络中，最后获取该该配置请求中的权重策略配置，并根据该第二社交关系数据和该权重策略配置生成社交关系网络，该权重策略配置包括社交关系网络中各节点之间的权重关系。
在具体实施中，该网络清洗配置、该多源映射策略和该权重策略配置均可以通过用户图形界面进行配置，例如网络清洗配置为清洗条件为犯罪群体的发生时间和地域等犯罪特征信息，该多源映射策略为将不同类型网络中同一身份节点，融合到社交网络数据中，该权重策略配置为社交关系网络中各节点之间的权重关系不发生变化。
步骤s103，接收犯罪群体识别请求，从所述社交关系网络中获取社区群体，并根据所述犯罪群体识别请求中的犯罪群体特征信息，从所述社区群体中识别出犯罪社区群体；
用户通过用户图形界面触发犯罪群体识别请求，该犯罪群体识别请求携带有犯罪群体特征信息和犯罪核心成员数等，该犯罪群体特征信息包括犯罪核心成员信息和犯罪群体基本特征等。该犯罪群体识别设备接收触发的犯罪群体识别请求，并根据该犯罪群体识别请求从该社交关系网络中获取社区群体，然后根据该犯罪识别请求中的犯罪群体特征信息，从该社区群体中识别出犯罪社区群体。
具体地，参照图4，图4为图2中所述步骤s103的细化流程示意图，该步骤s103包括：
步骤s1031，对所述社交关系网络进行初始化，以将所述社交关系网络中的节点转换为节点社区；
步骤s1032，计算所述社交关系网络中每个节点社区的有方向模块度；
步骤s1033，根据所述有方向模块度计算每个社区节点与邻接社区节点的模块度增量，并根据所述模块度增量更新所述社交关系网络中的节点社区；
步骤s1034，将更新后的社交关系网络中处于同一节点社区的全部节点压缩为新节点，并将所述新节点转换为新节点社区，以获取社区群体。
该犯罪群体识别设备首先对社交关系网络进行初始化，以将该社交关系网络中的节点转换为节点社区(该社交关系网络中的每个节点为一个节点社区)，并计算该社交关系网络中每个节点社区的有方向模块度，然后根据该有方向模块度计算每个社区节点与邻接社区节点的模块度增量，并根据该模块度增量更新该社交关系网络中的节点社区，即从每个社区节点的邻接社区节点(该邻接社区节点至少包括一个)中统计出模块度正增量最大的邻接社区节点，并将该节点从所属的节点社区转移到模块度正增量最大的邻接社区节点所属的节点社区，如果无法找到满足条件的邻接社区节点，则不转移节点社区，重复执行步骤s1033和步骤s1034，直至社交关系网络中任何节点的转移都不能带来模块度增加为止，最后将更新后的社交关系网络中处于同一节点社区的全部节点压缩为新节点，并将该新节点转换为新节点社区，以获取社区群体，同时根据该犯罪识别请求中的犯罪群体特征信息，从该社区群体中识别出犯罪社区群体。该有方向模块度是在传统模块度的基础上进行定义的，具体形式如下：
其中，
在本实施例中，本发明根据接收到的数据配置请求中的数据获取指令获取社交关系数据，然后根据该配置请求中的数据预处理规则对该社交关系数据进行预处理，并根据预处理后的社交关系数据生成社交关系网络，再然后在接收到犯罪群体识别请求时，从该社交关系网络中获取社区群体，并根据该犯罪群体识别请求中的犯罪群体特征信息，从该社区群体中识别出犯罪社区群体，本方案根据隐式的弱关联关系、多关系和强关联光系等数据，可生成社交关系网络，能够根据少量的犯罪嫌疑人信息，可以快速的从社交关系网络中识别出犯罪社区群体，此外，提供可视化展示社交关系网络，以便用户多维度跟踪犯罪社区群体。
进一步地，参照图5，基于上述第一实施例提出了本发明犯罪群体识别方法的第二实施例，与前述实施例的区别在于，该步骤s103之后，该犯罪群体识别方法还包括：
步骤s104，从所述犯罪社区群体中识别出犯罪核心成员，并在所述社交关系网络中标记所述犯罪核心成员，同时显示标记后的社交关系网络。
该犯罪群体识别设备从该社区群体中识别出犯罪社区群体后，从该犯罪社区群体中识别出犯罪核心成员，并在该社交关系网络中标记该犯罪核心成员，同时显示标记后的社交关系网络。
具体地，参照图6，图6为图5中所述步骤s104的细化流程示意图，该步骤s104包括：
步骤s1041，根据所述犯罪群体识别请求中的犯罪核心成员信息，确定犯罪核心成员样本；
步骤s1042，统计每个非犯罪核心成员与所述犯罪核心成员样本的连接权重，并将所述连接权重最大的非犯罪核心成员标记为犯罪核心成员；
步骤s1043，统计每个非犯罪核心成员与全部犯罪核心成员的连接权重之和，并将所述连接权重之和最大的非犯罪核心成员标记为犯罪核心成员，直至犯罪核心成员数达到所述犯罪群体识别请求中的犯罪核心成员数。
该犯罪群体识别设备首先根据犯罪群体识别请求中的犯罪核心成员信息，确定犯罪核心成员样本，然后统计每个非犯罪核心成员与该犯罪核心成员样本的连接权重，并将该连接权重最大的非犯罪核心成员标记为犯罪核心成员，同时记录犯罪核心成员数，最后统计每个非犯罪核心成员与全部犯罪核心成员的连接权重之和，并将该连接权重之和最大的非犯罪核心成员标记为犯罪核心成员，直至记录的犯罪核心成员数达到该犯罪群体识别请求中的犯罪核心成员数。
在具体实施中，该犯罪群体识别设备在统计到连接权重或连接权重之和时，获取连接权重或连接权重之和最大的非犯罪核心成员的个数，如果连接权重或连接权重之和最大的非核心成员个数唯一，则将该连接权重最大的非犯罪核心成员标记为犯罪核心成员，如果连接权重或连接权重之和最大的非犯罪核心成员个数不唯一，则获取连接权重或连接权重之和最大的非犯罪核心成员的邻接犯罪核心成员个数，如果邻接犯罪核心成员个数最大的非犯罪核心成员唯一，则将邻接犯罪核心成员个数最大的非犯罪核心成员标记为犯罪核心成员，而如果邻接犯罪核心成员个数最大的非犯罪核心成员不唯一，则在邻接犯罪核心成员个数最大的非犯罪核心成员中随机选择一个非犯罪核心成员，并将选择的非犯罪核心成员标记为犯罪核心成员。
图7为本发实施例中可视化展示社交关系网络的示意图，如图6所示，包括九个社区群体，其中两个社区群体为犯罪群体，七个为其它社区群体，选中的犯罪群体中包括17人，核心人员3人，而另一犯罪群体中包括16人，核心人员3人。
在本实施例中，本发明在识别出犯罪社区群体后，进一步地从犯罪社区群体中找到犯罪核心成员，且在社交关系网络中显示犯罪核心成员，便于公安机构快速获取犯罪核心成员信息。
进一步的，参照图8，基于上述第一或第二实施例提出了本发明犯罪群体识别方法的第三实施例，与前述实施例的区别在于，该犯罪群体识别方法还包括：
步骤s105，查询每个犯罪核心成员的身份信息和位置信息，并在所述犯罪社区群体中进行标记；
步骤s106，根据公安机构的地理位置分布和所述位置信息确定待行动公安机构和待逮捕的犯罪核心成员；
步骤s107，通过网络将所述待逮捕的犯罪核心成员的身份信息和位置信息传输至待行动公安机构。
该犯罪群体识别设备首先查询每个犯罪核心成员的身份信息和位置信息，并在该犯罪社区群体中进行标记，然后根据公安机构的地理位置分布和该位置信息确定待行动公安机构和待逮捕的犯罪核心成员，即选择距离公安机构最近的犯罪核心成员，同时限定逮捕数量，最后通过网络将该待逮捕的犯罪核心成员的身份信息和位置信息传输至待行动公安机构，使得待行动公安机构能够知晓待逮捕的犯罪核心成员的身份信息和位置信息。
在本实施例中，本发明通过公安机构的地理位置分布、犯罪核心成员的身份信息和位置信息，能够准确快速的给对应的公安机构下发逮捕任务，有效的提高效率。
进一步地，参照图9，基于上述第一、第二或第三实施例，提出本发明犯罪群体识别方法第四实施例，与前述实施例的区别在于，该步骤s101之前，该犯罪群体识别方法还包括：
步骤s108，从接收到的数据配置请求中获取指纹信息，并验证所述指纹信息；
当所述指纹信息通过验证时，执行步骤s101，即根据接收到的数据配置请求中的数据获取指令获取社交关系数据。
该犯罪群体识别设备在接收到外部触发的数据配置请求时，获取该数据配置请求中的指纹信息，并验证该指纹信息，当指纹信息通过验证时，根据该数据配置请求的数据获取指令获取社交关系数据。在具体实施中，设置用户权限，只有拥有犯罪群体识别设备的操作权限时，该犯罪群体识别设备才响应用户的操作。
在本实施例中，本发明通过验证指纹信息，能够有效的保证犯罪群体识别设备的安全性，防止他人盗用。
进一步地，参照图10，基于上述第一、第二、第三或第四实施例，提出本发明犯罪群体识别方法第五实施例，与前述实施例的区别在于，该步骤s103之后，该犯罪群体识别方法还包括：
步骤s109，接收犯罪社区群体的查询请求，并获取所述查询请求中的犯罪社区群体的标识信息；
步骤s110，在查询到与所述标识信息关联的犯罪社区群体时，显示所述犯罪社区群体。
该犯罪群体识别设备在接收到外部触发的犯罪社区群体的查询请求时，获取该查询请求中的犯罪社区群体的标识信息，然后在查询到与该标识信息关联的犯罪社区群体时，显示该犯罪社区群体。
在本实施例中，本发明通过将标识信息与犯罪社区群体关联，便于快速根据标识信息查询对应的犯罪社区群体，便于用户操作。
此外，本发明实施例还提出一种犯罪群体识别存储介质，所述计算机可读存储介质上存储有犯罪群体识别程序，所述犯罪群体识别程序被处理器执行时实现以下步骤：
根据接收到的数据配置请求中的数据获取指令获取社交关系数据；
根据所述配置请求中的数据预处理规则对所述社交关系数据进行预处理，并根据预处理后的社交关系数据生成社交关系网络；
接收犯罪群体识别请求，从所述社交关系网络中获取社区群体，并根据所述犯罪群体识别请求中的犯罪群体特征信息，从所述社区群体中识别出犯罪社区群体。
进一步地，所述根据所述配置请求中的数据预处理规则对所述社交关系数据进行预处理，并根据预处理后的社交关系数据生成社交关系网络的步骤包括：
根据所述配置请求中的网络清洗配置对所述社交关系数据进行清洗，以获取第一社交关系数据；
根据所述配置请求中的多源映射策略对所述第一社交关系数据进行标识，以获取第二社交关系数据；
根据所述第二社交关系数据和所述配置请求中的权重策略配置生成社交关系网络。
进一步地，所述从所述社交关系网络中获取社区群体的步骤包括：
对所述社交关系网络进行初始化，以将所述社交关系网络中的节点转换为节点社区；
计算所述社交关系网络中每个节点社区的有方向模块度；
根据所述有方向模块度计算每个社区节点与邻接社区节点的模块度增量，并根据所述模块度增量更新所述社交关系网络中的节点社区；
将更新后的社交关系网络中处于同一节点社区的全部节点压缩为新节点，并将所述新节点转换为新节点社区，以获取社区群体。
进一步地，所述犯罪群体识别程序被处理器执行时还实现以下步骤：
从所述犯罪社区群体中识别出犯罪核心成员，并在所述社交关系网络中标记所述犯罪核心成员，同时显示标记后的社交关系网络。
进一步地，所述从所述犯罪社区群体中识别出犯罪核心成员的步骤包括：
根据所述犯罪群体识别请求中的犯罪核心成员信息，确定犯罪核心成员样本；
统计每个非犯罪核心成员与所述犯罪核心成员样本的连接权重，并将所述连接权重最大的非犯罪核心成员标记为犯罪核心成员；
统计每个非犯罪核心成员与全部犯罪核心成员的连接权重之和，并将所述连接权重之和最大的非犯罪核心成员标记为犯罪核心成员，直至犯罪核心成员数达到所述犯罪群体识别请求中的犯罪核心成员数。
进一步地，所述犯罪群体识别程序被处理器执行时还实现以下步骤：
查询每个犯罪核心成员的身份信息和位置信息，并在所述犯罪社区群体中进行标记；
根据公安机构的地理位置分布和所述位置信息确定待行动公安机构和待逮捕的犯罪核心成员；
通过网络将所述待逮捕的犯罪核心成员的身份信息和位置信息传输至待行动公安机构。
进一步地，所述犯罪群体识别程序被处理器执行时还实现以下步骤：
从接收到的数据配置请求中获取指纹信息，并验证所述指纹信息；
当所述指纹信息通过验证时，根据接收到的数据配置请求中的数据获取指令获取社交关系数据。
进一步地，所述犯罪群体识别程序被处理器执行时还实现以下步骤：
接收犯罪社区群体的查询请求，并获取所述查询请求中的犯罪社区群体的标识信息；
在查询到与所述标识信息关联的犯罪社区群体时，显示所述犯罪社区群体。
本发明计算机可读存储介质的具体实施例与上述犯罪群体识别方法的各具体实施例基本相同，在此不作赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
- 还没有人留言评论。精彩留言会获得点赞！