本發明提供了一種案件串并方法及裝置，該方法包括：基于訓練的NER特征提取模型對多個案件的文本進行案件特征提取；根據所提取的案件特征計算案件之間的案件相似度，將所述案件相似度大于閾值的案件作為可串并案件，將可串并案件中相似度最大的案件特征作為案件串并關系；基于所述可串并案件和案件串并關系構建圖譜，將所構建的圖譜中的最大連通圖中的可串并案件確定為串并案件。在本發明中，通過特征提取模型實現案件特征的自動提取，以及利用圖譜進行關系挖掘，提升了案件的串并質量和效率。

技術領域

本發明涉及警務信息處理領域，具體而言，涉及一種案件串并方法及裝置。

背景技術

案件串并一直是刑偵中比較難有效實現的一個問題，在現有技術中，主要靠一線警員通過人工分析數據，對比線索實現案件串并。但是該方式案件串并的效率比較低。而隨著現在案件和犯罪人員不斷增多，犯罪形態紛繁復雜，大量時間、地域跨度比較大的流竄案件，難以有效匯總線索串并偵破。

發明內容

本發明實施例提供了一種案件串并方法及裝置，以至少解決相關技術中通過人工分析數據，對比線索實現案件串并所導致的效率比較低的問題。

根據本發明的一個實施例，提供了一種案件串并方法，包括：基于訓練的NER特征提取模型對多個案件的文本進行案件特征提取；根據所提取的案件特征計算案件之間的案件相似度，將所述案件相似度大于閾值的案件作為可串并案件，將可串并案件中相似度最大的案件特征作為案件串并關系；基于所述可串并案件和案件串并關系構建圖譜，將所構建的圖譜中的最大連通圖中的可串并案件確定為串并案件。

可選地，基于訓練的NER特征提取模型對多個案件的文本進行案件特征提取之前，還包括：基于NER機器學習對所述NER特征提取模型進行訓練。

可選地，所述案件特征至少包括以下之一：案件嫌疑人特征、案件碼號特征、案件時物特征；所述案件嫌疑人特征包括以下至少之一：性別、數量、體貌特征；所述碼號特征包括以下至少之一：電話號碼、身份證號、銀行卡號、虛擬賬號、支付寶號；所述時物特征包括以下至少之一：涉案物品、作案時機、作案場所、作案手段。

可選地，根據所提取的案件特征計算案件之間的案件相似度包括：分別計算每兩個案件之間的所述案件嫌疑人特征相似度、所述碼號特征和所述時物特征相似度；將所述案件嫌疑人特征相似度、所述碼號特征和所述時物特征相似度之和作為所述兩個案件之間的案件相似度。

根據本發明的另一個實施例，提供了一種案件串并裝置，包括：特征提取模塊，用于基于訓練的NER特征提取模型對多個案件的文本進行案件特征提取；計算模塊，用于根據所提取的案件特征計算案件之間的案件相似度，將所述案件相似度大于閾值的案件作為可串并案件，將可串并案件中相似度最大的案件特征作為案件串并關系；確定模塊，用于基于所述可串并案件和案件串并關系構建圖譜，將所構建的圖譜中的最大連通圖中的可串并案件確定為串并案件。

可選地，該裝置還包括：訓練模塊，用于基于NER機器學習對所述NER特征提取模型進行訓練。

可選地，所述案件特征至少包括以下之一：案件嫌疑人特征、案件碼號特征、案件時物特征；所述案件嫌疑人特征包括以下至少之一：性別、數量、體貌特征；所述碼號特征包括以下至少之一：電話號碼、身份證號、銀行卡號、虛擬賬號、支付寶號；所述時物特征包括以下至少之一：涉案物品、作案時機、作案場所、作案手段。

可選地，所述計算模塊包括：第一計算單元，用于分別計算每兩個案件之間的所述案件嫌疑人特征相似度、所述碼號特征和所述時物特征相似度；第二計算單元，用于將所述案件嫌疑人特征相似度、所述碼號特征和所述時物特征相似度之和作為所述兩個案件之間的案件相似度。

根據本發明的又一個實施例，還提供了一種存儲介質，所述存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行上述任一項方法實施例中的步驟。