基于话单数据的多维向量推荐模型

发布时间：2020-07-30 21:19

【摘要】：在现阶段的案件侦查中,话单分析发挥着越来越重要的作用。话单数据中包含大量的隐藏信息,通过挖掘这些隐藏信息,可以为案件侦查提供有效的线索。由于话单数据在案件侦查中的重要性,关于话单数据分析的方法也是层出不穷。目前关于话单分析的研究大多停留在基于社交网络分析的阶段,基于社交网络分析话单数据虽然也能达到一定的分析效果,但是随着大数据时代的到来,分析的效果越来越不理想。而机器学习这几年在数据分析工作中大放异彩,为很多经典问题提供了一种新的解决思路。基于以上分析,本文提出的基于话单数据的多维向量推荐模型,综合考虑了基于社交网络分析的多种方法,从话单数据中的多个因素衡量话单中人员的重要性。首先,本文对话单数据进行处理,通过对影响对象重要性指标进行特征设计,将话单数据中的每一个对象用向量表示。其次,将上述向量作为输入,充分考虑每一个因素对对象的影响程度,构建数学模型描述对象的影响力。最后,用真实的话单数据对对象的影响力模型进行验证,通过验证不断修改模型,直到模型效果达到最佳。本文以某地某次活动案例的数据集进行实验验证,通过对已知重点人的话单数据进行对象影响力模型的验证。实验采用空白对照进行测试,将最终的模型推荐结果与实际案例中的结果进行对比,以此查看推荐结果的准确率。本文提出的多维向量推荐模型,综合考虑了多个因素对人员重要性的影响程度,推荐结果的准确率非常高。相较于传统话单分析方法效率低、成本高等缺点,本文提出的基于话单数据的多维向量推荐模型,在保证传统推荐方法的准确率的同时提高了工作效率、降低了成本。
【学位授予单位】：武汉邮电科学研究院
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：D631.2;TP181
【图文】：

规律,调查取证,竖线,红色

图 2-1 所有已知重点人的通话规律从图 2-1 可以看出，某地参与调查取证的六次活动分别在 2015-10-11、2015-11-28、2015-12-05、2016-01-09、2016-01-16、2016-01-20（已在图中用红色竖线标出），但是从图 2-1 中看出还存在其他峰值，后证实 2015-11-20、2015-12-12、2015-12-26、2015-12-

通话时间,规律,团伙,活动期

图 2-2 与 1 号通话频次前 10 的人员的通话时间-频次规律从图 2-2 可以看出符合活动期间频次增加的规律，表明这些号码的联系人很可能是直接参与 1 号团伙假票活动的人员。

团伙,聚类谱系图,人员,群体

图 2-3 新发现团伙与已知重点人的聚类谱系图（已剔除未直接联系的人员）从剔除了联系较弱的票务人员后的谱系图 2-3 可以看出，剩余人员中最大的群体是包括 9 号所属的两个号码（25 号和 36 号）以及大部分已知重点人在内的一个群体，推测这个群体内的人员可能为此次案件团伙的主体。将已知重点人之间的聚类谱系图绘制

【相似文献】