CN119474955A 面向目标人群的再犯罪分析预警系统和方法 （国科政信科技(北京)股份有限公司）

面向目标人群的再犯罪分析预警系统和方法本发明提供一种面向目标人群的再犯罪分于从预先集成的相关数据系统中获取目标人员存储的数据处理分析工具对所述相关管理数据于将所述数据分析报告输入至预先构建的行为述预警信号输入至预先构建的智能决策支持模2数据分析模块，用于根据预先存储的数据处理分析工具对所述相预警模块，用于将所述数据分析报告输入至预先构建的行为模式及心理倾向预测模型是基于预先选择的机器学习算法利用特征提取后的所述样本数据控制模块，用于将所述预警信号输入至预先构建的智能决策支预先选择的机器学习算法利用特征提取后的所述样本数据库训练得到行为模式及心理倾对所述样本数据库中的所述目标人员样本数据进行数据预处将所述数据预处理后的所述样本数据库按照预设比例划分为训练集、验证集和测试基于所述基学习器利用所述训练集进行训练，采用预设特征提取算将多个所述训练结果采用预设集成算法进行集成，并进行参数调优，根据所述样本数据库中的所述目标人员样本数据对相应的目标人员样本进行精细化基于预先选择的第一机器学习算法构建基础风险预测模型，基于所基于预先选择的第二机器学习算法构建基础管理策略模型，基于所3根据所述目标人员样本数据利用K_means或层次聚类算法对所述目标人员样本进行等根据所述目标人员样本数据利用预先选择的分类模型对所述第一划分结果样本进行提取所述关键信息中的非结构化数据，利用预先选择的自然语言根据所述分析结果和所述关键信息中的结构化数据得到目标人员的相所述分析结果和所述关键信息中的结构化数据得到目标人员的相关管理数据，之后还包对所述目标人员的相关管理数据进行数据清从预先集成的相关数据系统中获取目标人员的相关管根据预先存储的数据处理分析工具对所述相关管理数据进行处理和分将所述数据分析报告输入至预先构建的行为模式及心理倾向预测模型，得到预警信择的机器学习算法利用特征提取后的所述样本数据将所述预警信号输入至预先构建的智能决策支持模型，得到8.一种电子设备，包括存储器、处理器及存储程序被处理器执行时实现如权利要求1至6任一项所述面向目标人群的再犯罪分析预警方行时实现如权利要求1至6任一项所述面向目标人群的再犯罪分4丰富的工作人员结合犯错者日常改造表现和获得自由前进行的相关量表测试进行判断和[0006]数据采集模块，用于从预先集成的相关数据系统中获取目标人员的相关管理数模型是基于预先选择的机器学习算法利用特征提取后的所述样本数据库的机器学习算法利用特征提取后的所述样本数据库训练得到行为模式及心理倾向预测模5[0018]根据所述样本数据库中的所述目标人员样本数据对相应的目标人员样本进行精[0023]根据所述目标人员样本数据利用K_means或层次聚类算法对所述目标人员样本进[0024]根据所述目标人员样本数据利用预先选择的分类模型对所述第一划分结果样本[0028]根据所述分析结果和所述关键信息中的结构化数据得到目标人员的相关管理数6选择的机器学习算法利用特征提取后的所述样本数据库训机程序被处理器执行时实现如上述任一种所述面向目标人群的再犯罪分执行时实现如上述任一种所述面向目标人群的再7[0046]下面结合图1图3描述本发明的面向目标人群的再犯罪分析预警系统和方法，如[0047]数据采集模块110，用于从预先集成的相关数据系统中获取目标人员的相关管理[0049]可以了解的是，与监狱管理系统(JMS)的集成是本发明实施例数据采集的重要环[0052]需要进行强调的是，数据采集模块110在目标人员的信息管理中扮演着至关重要[0057]根据所述分析结果和所述关键信息中的结构化数据得到目标人员的相关管理数8为犯错改正人员的信息管理提供了坚实的数[0064]数据分析模块120，用于根据预先存储的数据处理分析工具对所述相关管理数据中，数据处理分析工具包括数据分析和数据处理的工具，例如Hadoop分布式文件系统、预先选择的机器学习算法利用特征提取后的所述样本数据库训练得到行为模式及心理倾9[0078]具体地，行为模式及心理倾向预测模型的训练需要发生在预警模块130应用它之多个性能良好的机器学习算法作为基学习器，预先选择的机器学习算法包括如支持向量结合以及数据安全与隐私保护措施构成了数据分析模块120的完整技术框架，为预防犯错[0092]预警模块130，用于将所述数据分析报告输入至预先构建的行为模式及心理倾向[0094]进一步地，首先将数据分析报告输入至预先构建的行为模式及心理倾向预测模[0097]预警模块还特别注重算法的优化和参数调整。通过对不同算法的组合和交叉验以及自动学习和自适应能力共同构成了预警模块130的完整技术框架，为预防犯错改正人[0111]在一些实施例中，所述智能决策支持模型包括风险预测子模型和管理策略子模[0112]根据所述样本数据库中的所述目标人员样本数据对相应的目标人员样本进行精[0119]根据所述利用K_means或层次聚类算法对所述目标人员样本进行等级划分，得到[0120]根据所述目标人员样本数据利用预先选择的分类模型对所述第一划分结果样本性化的管理策略，生成的管理策略可以作为更新数据输入至数据采集模块110和数据分析[0130]在自动推荐的过程中，训练完成的管理策略子模型会进行一系列的决策和计和职业培训以及其他预防措施的实施共同构成了控制模块140的完整技术框架，为降低犯预先存储的数据处理分析工具对所述相关管理数据进行处理和分析，得到数据分析报告，且准确的目标人员的相关管理数据，通过数据处理分析工具对数据进行高效的处理和分面向目标人群的再犯罪分析预警方法与上文描述的面向目标人群的再犯罪分析预警系统可相互对应参照。图3是本发明提供的面向目标人群的再犯罪分析预警方法的流程示意图[0140]步骤320：根据预先存储的数据处理分析工具对所述相关管理数据进行处理和分基于预先选择的机器学习算法利用特征提取后的所述样本数据的机器学习算法利用特征提取后的所述样本数据库训练得到行为模式及心理倾向预测模[0151]根据所述样本数据库中的所述目标人员样本数据对相应的目标人员样本进行精[0156]根据所述目标人员样本数据利用K_means或层次聚类算法对所述目标人员样本进[0157]根据所述目标人员样本数据利用预先选择的分类模型对所述第一划分结果样本[0161]根据所述分析结果和所述关键信息中的结构化数据得到目标人员的相关管理数行为模式及心理倾向预测模型是基于预先选择的机器学习算法利用特征提取后的所述样智能决策支持模型是基于预先选择的机器学习算法利用精细化分类后的所述样本数据库[0166]此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为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或者该技术方案的部分可以以模型是基于预先选择的机器学习算法利用精细化分类后的所述样本数据库训据预先存储的数据处理分析工具对所述相关