(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210951172.1 (22)申请日 2022.08.09 (71)申请人 郑州信大 先进技术研究院 地址 450000 河南省郑州市高新 技术产业 开发区莲 花街55号 (72)发明人 张有为　姚文清　赵清波　薛兵　 葛方丽　程骞　 (74)专利代理 机构 郑州德勤知识产权代理有限 公司 41128 专利代理师 黄红梅 (51)Int.Cl. G06F 16/9536(2019.01) G06F 16/36(2019.01) G06F 40/289(2020.01) G06F 16/33(2019.01)G06F 40/242(2020.01) G06K 9/62(2022.01) G06Q 50/00(2012.01) (54)发明名称 一种案件大数据网络身份关联与人物画像 方法 (57)摘要 本发明提供一种案件大数据网络身份关联 与人物画像方法， 所述方法包括： 步骤1， 获取案 件数据； 步骤2， 对获取的数据进行清洗； 步骤3， 采用重叠 社团发现技术识别重要目标； 步骤4， 用 户博文向量化； 步骤5， 用户个人信息向量化； 步 骤6， 源用户和候选用户的博文相似度计算。 本发 明能够对涉案数据进行很好的处理； 本发明中采 用基于重叠社团发现的重要目标识别技术， 利用 局部聚类结构的引导来检测重叠社团， 将复杂的 重叠聚类问题降低为一个更简单、 更易于处理的 非重叠分区问题； 本发明利用向量表示、 行为关 联等方法， 构建基于多维特征的网络用户身份关 联模型， 挖掘跨社交平台用户关联关系和还原用 户社交关系网络 。 权利要求书3页 说明书7页 CN 115374371 A 2022.11.22 CN 115374371 A 1.一种案件大 数据网络身份关联与人物 画像方法， 其特 征在于， 所述方法包括： 步骤1， 获取案件数据； 步骤2， 对获取的数据进行清洗； 步骤3， 采用重 叠社团发现技 术识别重要目标； 步骤4， 用户博文向量 化； 步骤5， 用户个人信息向量 化； 步骤6， 源用户和候选用户的博文相似度计算。 2.根据权利要求1所述的案件大数据网络身份关联与人物画像方法， 其特征在于， 步骤 1中的案件数据包括： 用户ID， 用户昵称， IP地址， 上级和真实姓名。 3.根据权利要求2所述的案件大数据网络身份关联与人物画像方法， 其特征在于， 步骤 2中数据的清洗包括： 步骤2‑1， 若数据中存在空白的内容， 则将该条数据删除； 若数据中存在多个属性项完 全重复的记录， 则只保留一条记录并将其 余删除； 步骤2‑2， 进行中文字段匹配； 首先， 利用知识库对明显等价的特殊字段进行初步匹配； 然后， 利用中文自动分词技 术， 对经过初步匹配后的字符序列进行分词处 理， 形成含有分词标记的字符序列； 步骤2‑3， 进行基于编辑距离的相似度计算； 编辑距离(m+1) ×(n+1)阶矩阵Dij的计算公式如下： 式中， Dij＝D(s1...si， t1...ti)， 0≤i≤m， 0≤j≤n， Dij表示从{s1...si}， 到{t1...ti}的 编辑距离， s指代源字符串， t指代目标字符串； 步骤2‑4， 基于改进N ‑Gram算法的数据清洗； 使用动态大小的滑动窗口进行字段匹配， 设定窗口大小的初值N0， 后续窗口的大小随执 行过程计算得 出； 窗口大小计算方法： 记当前正在处理的窗口为N1， r1和rl分别表示窗口内的第一条和最 后一条记录， 则二 者之间的距离dt满足： 此时窗口N1内各记录之间的平均距离为dt(r1， rl)/N1； 下一步窗口的大小N2为： 为窗口最小阈值。 4.根据权利要求3所述的案件大数据网络身份关联与人物画像方法， 其特征在于， 步骤 3中采用重 叠社团发现技 术识别重要目标的方法： 定义要处理的图G＝(V， E)由有限个结点V和节点之间的边 组成， 且满足： 对于 任意(u， v)∈E， u≠v； (u， v)∈E， 当且仅当(v， u)∈E， 最终检测到的聚类为S ’， 则由G产生S ’ 的具体步骤如下： 步骤3‑1： 对于图G中的每 个结点u， 使用局部聚类算法划分出 结点u的ego ‑net：权　利　要　求　书 1/3 页 2 CN 115374371 A 2其中， tu＝np(Al， G[Nu])， np表示集合的数目； 步骤3‑2： 创建副本集 合V’； V中的每个结点u对应V ’中的tu个副本， 分别表示 为ui， i＝1， 2，…， tu； 步骤3‑3： 增加副本之间的边； 如果(u， v)∈E， 且 那么在E’中增加一条边(ui， vj)； 步骤3‑4： 在G′＝(V′， E′)上利用全局聚类算法Ag进行聚类， 获取V ′的分区S″； 步骤3‑5： 对于V’的划分中的每个集合C ′∈S″， 关联一个由V的对应节点组成的簇 即 输出S′＝{C(C′)|C′∈S″}。 5.根据权利要求4所述的案件大数据网络身份关联与人物画像方法， 其特征在于， 步骤 4中用户博文向量 化表示如下： 博文进行分词处 理后， 博文呈现出一个大小为 n的词表， 表中的第i个 语义词表示 为： wordi＝(sitei， vectori) 式中， sitei表示语义词在语义向量词典中的位置， vectori表示语义词对应的语义向 量； 由n个语义词组成的二元组构成博文的初始向量表示 为： Blog＝(word1， word2， word3， ...， wordn) 选定源用户的一条博文Blog1与待比较的候选用户的一条博文Blog2， 采用平均池化方 法， 获得源用户的固定维度的博文向量V1， 公式如下： 式中， n1表示源用户博文中语义词的数量， α 表示每 个语义词的权 重； 采用带权重的平均池化计算方法， 获得与源用户博文向量相同维度的候选用户博文向 量v2： 式中， β 表示相同语义词的权 重的波动幅度， γi表示第i个 语义词的权 重。 6.根据权利要求5所述的案件大数据网络身份关联与人物画像方法， 其特征在于， 步骤 5中用户个人信息向量 化内容如下：权　利　要　求　书 2/3 页 3 CN 115374371 A 3