基于话单的涉毒人员发现研究
发布时间：2021-06-07 14:22
由于毒品的成瘾性和巨大的利益诱惑,毒品违法犯罪活动屡禁不止并且越来越呈现智能化和团伙化特征,已成为全人类面临的世界性公害。社会网络分析技术普遍应用于社会网络的属性及关系结构的量化研究,可发现特定社会关系中的核心人物、成员、核心人物之间的关系程度和其在网络中的价值及作用。毒品违法犯罪活动的团体或者个人之间,均存在各种不同形式的直接或间接的关系,因为语音通话的便捷性,使得毒品违法犯罪人员之间可以快速联系并且似乎可以瞒天过海、不留痕迹,因此,很大比例的毒品交易是通过语音通话完成沟通的。将社会网络分析技术与话单分析用于毒品犯罪的识别与挖掘,有效地将毒品犯罪空间的分析从交易场所延伸到了犯罪的每一个环节,让沉默的“话单”发声、给通话记录“画像”,直观地重现了毒品违法犯罪团伙的社会网络结构、清晰地展现他们的关系与特征,可以快速锁定涉毒人员和团伙、最大可能的预知隐形的涉毒人员。因此,基于话单的毒品违法犯罪社会网络分析具有非常重要的理论价值和实战价值。本文的研究基于某市已查获的涉毒案件中的800多个吸贩毒人员话单对应的500多万条通话记录,以及1万多条涉毒人员信息。在对话单和涉毒人员数据进行清洗等预处理...
【文章来源】：中国人民公安大学北京市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
有向图
中国人民公安大学硕士学位论文-7-图2.1有向图图2.2无向图在矩阵表示方法中，是以代数的方式表示社会关系图中相关的所有量化信息，用行和列所构成的数字方阵来表示量化信息，被称为邻接矩阵。用X（N，N）表示一个矩阵，该矩阵有N行N列，在矩阵N*N个数值表示N个社会关系人或节点间的各类关系。一个单元数值用Xij表示，如X23表示邻间矩阵中第2行第3列的值，其中i与j的值相同则为对角线，该单元值无意义。在有向图转换的矩阵中，如Xij为0，表示行为人i未向行为人j发出并建立关系,如Xij为1，表示行为人i向行为人j发出并建立关系。在无向图中转换的矩阵中，Xij=Xji表示行为人i指向行为人j的值等于行为人j指向行为人i的值，无向图表示的矩阵是对称矩阵，将图2.1和2.2用矩阵表达如图2.3及图2.4所示：图2.3有向图矩阵图2.4无向图矩阵在有向图转换的矩阵中如图2.3所示，A有指向BCD的关系，故矩阵中第A行中BCD列的值为1。B有指向C的关系或边，故矩阵A行中B列的值为1。因为各节点无指向节点本身，故得到对角线的值都为0。在无向图转换的矩阵中如图2.4所示，存在的关系是没有方向的，故认为是互相指向，因此它们的矩阵值是呈对角线对称。如E
中国人民公安大学硕士学位论文-7-图2.1有向图图2.2无向图在矩阵表示方法中，是以代数的方式表示社会关系图中相关的所有量化信息，用行和列所构成的数字方阵来表示量化信息，被称为邻接矩阵。用X（N，N）表示一个矩阵，该矩阵有N行N列，在矩阵N*N个数值表示N个社会关系人或节点间的各类关系。一个单元数值用Xij表示，如X23表示邻间矩阵中第2行第3列的值，其中i与j的值相同则为对角线，该单元值无意义。在有向图转换的矩阵中，如Xij为0，表示行为人i未向行为人j发出并建立关系,如Xij为1，表示行为人i向行为人j发出并建立关系。在无向图中转换的矩阵中，Xij=Xji表示行为人i指向行为人j的值等于行为人j指向行为人i的值，无向图表示的矩阵是对称矩阵，将图2.1和2.2用矩阵表达如图2.3及图2.4所示：图2.3有向图矩阵图2.4无向图矩阵在有向图转换的矩阵中如图2.3所示，A有指向BCD的关系，故矩阵中第A行中BCD列的值为1。B有指向C的关系或边，故矩阵A行中B列的值为1。因为各节点无指向节点本身，故得到对角线的值都为0。在无向图转换的矩阵中如图2.4所示，存在的关系是没有方向的，故认为是互相指向，因此它们的矩阵值是呈对角线对称。如E
【参考文献】：
期刊论文
[1]社区画像研究综述[J]. 刘蕾蕾,王胜涛,胡正银. 图书情报工作. 2019(23)
[2]逻辑回归分类识别优化研究[J]. 王正存,肖中俊,严志国. 齐鲁工业大学学报. 2019(05)
[3]浅谈话单分析对公安工作的影响[J]. 陈茜. 通讯世界. 2019(09)
[4]机器学习的五大类别及其主要算法综述[J]. 李旭然,丁晓红. 软件导刊. 2019(07)
[5]分类学习方法在犯罪人地域特征预测识别中的应用研究[J]. 石少冲,陈鹏,原鹏辉,侯超,明红霞. 中国人民公安大学学报(自然科学版). 2019(01)
[6]使用监督学习技术在学术社交网络中进行链路预测[J]. 赵素芬. 计算机时代. 2019(01)
[7]基于线性回归分析的杭州市空气质量指数研究[J]. 徐昕. 中国新通信. 2019(01)
[8]基于社交网络的犯罪团伙发现算法研究[J]. 潘潇,王斌君. 软件导刊. 2018(12)
[9]网络学习社区中的凝聚子群分析[J]. 周智勇. 电脑编程技巧与维护. 2018(09)
[10]上海市宝山区2010—2016年吸毒人群HIV、丙肝和梅毒感染情况及影响因素分析[J]. 吴振强,刘效峰,王娜,杨兴堂,曹广文. 上海预防医学. 2018(03)
博士论文
[1]毒品犯罪预防体系研究[D]. 邹涛.大连海事大学 2012
硕士论文
[1]检察机关话单分析系统的设计与实现[D]. 朱宽.山东大学 2017
[2]逻辑回归算法及其GPU并行实现研究[D]. 董学辉.哈尔滨工业大学 2016
本文编号：3216744
【文章来源】：中国人民公安大学北京市
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
有向图
中国人民公安大学硕士学位论文-7-图2.1有向图图2.2无向图在矩阵表示方法中，是以代数的方式表示社会关系图中相关的所有量化信息，用行和列所构成的数字方阵来表示量化信息，被称为邻接矩阵。用X（N，N）表示一个矩阵，该矩阵有N行N列，在矩阵N*N个数值表示N个社会关系人或节点间的各类关系。一个单元数值用Xij表示，如X23表示邻间矩阵中第2行第3列的值，其中i与j的值相同则为对角线，该单元值无意义。在有向图转换的矩阵中，如Xij为0，表示行为人i未向行为人j发出并建立关系,如Xij为1，表示行为人i向行为人j发出并建立关系。在无向图中转换的矩阵中，Xij=Xji表示行为人i指向行为人j的值等于行为人j指向行为人i的值，无向图表示的矩阵是对称矩阵，将图2.1和2.2用矩阵表达如图2.3及图2.4所示：图2.3有向图矩阵图2.4无向图矩阵在有向图转换的矩阵中如图2.3所示，A有指向BCD的关系，故矩阵中第A行中BCD列的值为1。B有指向C的关系或边，故矩阵A行中B列的值为1。因为各节点无指向节点本身，故得到对角线的值都为0。在无向图转换的矩阵中如图2.4所示，存在的关系是没有方向的，故认为是互相指向，因此它们的矩阵值是呈对角线对称。如E
中国人民公安大学硕士学位论文-7-图2.1有向图图2.2无向图在矩阵表示方法中，是以代数的方式表示社会关系图中相关的所有量化信息，用行和列所构成的数字方阵来表示量化信息，被称为邻接矩阵。用X（N，N）表示一个矩阵，该矩阵有N行N列，在矩阵N*N个数值表示N个社会关系人或节点间的各类关系。一个单元数值用Xij表示，如X23表示邻间矩阵中第2行第3列的值，其中i与j的值相同则为对角线，该单元值无意义。在有向图转换的矩阵中，如Xij为0，表示行为人i未向行为人j发出并建立关系,如Xij为1，表示行为人i向行为人j发出并建立关系。在无向图中转换的矩阵中，Xij=Xji表示行为人i指向行为人j的值等于行为人j指向行为人i的值，无向图表示的矩阵是对称矩阵，将图2.1和2.2用矩阵表达如图2.3及图2.4所示：图2.3有向图矩阵图2.4无向图矩阵在有向图转换的矩阵中如图2.3所示，A有指向BCD的关系，故矩阵中第A行中BCD列的值为1。B有指向C的关系或边，故矩阵A行中B列的值为1。因为各节点无指向节点本身，故得到对角线的值都为0。在无向图转换的矩阵中如图2.4所示，存在的关系是没有方向的，故认为是互相指向，因此它们的矩阵值是呈对角线对称。如E
【参考文献】：
期刊论文
[1]社区画像研究综述[J]. 刘蕾蕾,王胜涛,胡正银. 图书情报工作. 2019(23)
[2]逻辑回归分类识别优化研究[J]. 王正存,肖中俊,严志国. 齐鲁工业大学学报. 2019(05)
[3]浅谈话单分析对公安工作的影响[J]. 陈茜. 通讯世界. 2019(09)
[4]机器学习的五大类别及其主要算法综述[J]. 李旭然,丁晓红. 软件导刊. 2019(07)
[5]分类学习方法在犯罪人地域特征预测识别中的应用研究[J]. 石少冲,陈鹏,原鹏辉,侯超,明红霞. 中国人民公安大学学报(自然科学版). 2019(01)
[6]使用监督学习技术在学术社交网络中进行链路预测[J]. 赵素芬. 计算机时代. 2019(01)
[7]基于线性回归分析的杭州市空气质量指数研究[J]. 徐昕. 中国新通信. 2019(01)
[8]基于社交网络的犯罪团伙发现算法研究[J]. 潘潇,王斌君. 软件导刊. 2018(12)
[9]网络学习社区中的凝聚子群分析[J]. 周智勇. 电脑编程技巧与维护. 2018(09)
[10]上海市宝山区2010—2016年吸毒人群HIV、丙肝和梅毒感染情况及影响因素分析[J]. 吴振强,刘效峰,王娜,杨兴堂,曹广文. 上海预防医学. 2018(03)
博士论文
[1]毒品犯罪预防体系研究[D]. 邹涛.大连海事大学 2012
硕士论文
[1]检察机关话单分析系统的设计与实现[D]. 朱宽.山东大学 2017
[2]逻辑回归算法及其GPU并行实现研究[D]. 董学辉.哈尔滨工业大学 2016
本文编号：3216744
本文链接：https://www.wllwen.com/shoufeilunwen/shuoshibiyelunwen/3216744.html
