王 法,薛亞龍,劉梓濘

(1.浙江警察學(xué)院,浙江 杭州 310053)(2.寧夏警官職業(yè)學(xué)院,寧夏 銀川 750021)

在多源數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新時(shí)代,人們?cè)谏鐣?huì)生活與生產(chǎn)中會(huì)產(chǎn)生海量復(fù)雜動(dòng)態(tài)的多源數(shù)據(jù)。與傳統(tǒng)實(shí)體情報(bào)偵查資源有所不同,多源數(shù)據(jù)情報(bào)偵查源在數(shù)據(jù)的含量指數(shù)、規(guī)模類別以及形態(tài)屬性等方面都有著本質(zhì)性的區(qū)別,促使偵查人員不得不關(guān)注和重視多源數(shù)據(jù)潛在的情報(bào)價(jià)值。以多源數(shù)據(jù)為情報(bào)偵查的核心構(gòu)成要素,以多源數(shù)據(jù)的挖掘算法和智慧情報(bào)偵查互相融合為銜接橋梁,探討多源數(shù)據(jù)情報(bào)偵查的不同應(yīng)用算法,已逐漸成為多源數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新時(shí)代情報(bào)偵查發(fā)展的必然趨勢(shì)。誠然,多源數(shù)據(jù)情報(bào)偵查方法具有多視角、多層次反映犯罪情勢(shì)發(fā)展的涉案數(shù)據(jù)關(guān)聯(lián)聚類價(jià)值優(yōu)勢(shì)。通過對(duì)涉案多源數(shù)據(jù)的挖掘與分析,偵查人員能夠高效精確地挖掘與犯罪情勢(shì)具有各種關(guān)聯(lián)性的涉案數(shù)據(jù)數(shù)理關(guān)系,從而為多源數(shù)據(jù)情報(bào)偵查決策提供客觀準(zhǔn)確的數(shù)據(jù)情報(bào)支撐。鑒于此,提出和引入基于多源數(shù)據(jù)的情報(bào)偵查方法研究范式,不僅是多源數(shù)據(jù)應(yīng)用于社會(huì)各行業(yè)各領(lǐng)域的必然趨勢(shì),而且是現(xiàn)代情報(bào)偵查工作轉(zhuǎn)型和變革的內(nèi)在需求,更是預(yù)防和打擊犯罪的必然選擇。

一、多源數(shù)據(jù)情報(bào)偵查的內(nèi)涵與屬性

多源數(shù)據(jù)最早被應(yīng)用于軍事領(lǐng)域,隨后逐步被拓展應(yīng)用到地理測(cè)繪、數(shù)據(jù)傳感、金融預(yù)測(cè)等社會(huì)行業(yè)領(lǐng)域中。對(duì)多源數(shù)據(jù)加以利用能夠更全面、更充分地了解相關(guān)實(shí)際狀況,基于多源數(shù)據(jù)的研究也才更具有說服力。[1]從情報(bào)價(jià)值的研究角度而言,依據(jù)多源數(shù)據(jù)的不同類別和屬性而對(duì)其展開深度的算法挖掘與分析,對(duì)多源數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新時(shí)代的情報(bào)偵查工作具有重要作用。一方面,對(duì)多源數(shù)據(jù)的挖掘與分析既可保證情報(bào)偵查分析的全面性,而且通過多源數(shù)據(jù)情報(bào)源以及不同算法分析結(jié)果之間的互相驗(yàn)證,還可以進(jìn)一步提高現(xiàn)代情報(bào)偵查工作的高效性和精確性;另一方面,從單一領(lǐng)域情報(bào)偵查研究轉(zhuǎn)向全領(lǐng)域情報(bào)偵查研究,綜合利用各種多源數(shù)據(jù)的挖掘與分析結(jié)果,更能突出現(xiàn)代情報(bào)偵查工作的智能性和嚴(yán)謹(jǐn)性。因此,多源數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新時(shí)代賦予了多源數(shù)據(jù)情報(bào)偵查新的內(nèi)涵與屬性。

(一)多源數(shù)據(jù)情報(bào)偵查的內(nèi)涵

結(jié)合多源數(shù)據(jù)的屬性范疇和現(xiàn)代情報(bào)偵查工作的價(jià)值需求,多源數(shù)據(jù)情報(bào)偵查首先應(yīng)該包括五個(gè)方面的重要理念。一是依靠多源數(shù)據(jù)的情報(bào)理念。雖然傳統(tǒng)實(shí)體的部分樣本數(shù)據(jù)具有重要的情報(bào)價(jià)值,但是多源數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新時(shí)代的多源數(shù)據(jù)卻能夠提供更加精確和客觀的挖掘分析,進(jìn)而全面提高現(xiàn)代情報(bào)偵查工作的優(yōu)質(zhì)性和高效性。二是多源數(shù)據(jù)挖掘算法的科學(xué)性。在多源數(shù)據(jù)情報(bào)偵查應(yīng)用過程中,偵查人員需要轉(zhuǎn)變?cè)趥鹘y(tǒng)情報(bào)偵查方法中過于依賴人工的傳統(tǒng)思維模式,樹立“不是我在偵查,而是我在偵查中”的思維理念,確立多源數(shù)據(jù)挖掘算法在應(yīng)用過程中的科學(xué)性。第三,倡導(dǎo)多源數(shù)據(jù)共建共享的觀念。偵查主體必須倡導(dǎo)多源數(shù)據(jù)共建共享的觀念,破除或減少“數(shù)據(jù)孤島”“數(shù)據(jù)壁壘”等現(xiàn)象的發(fā)生,從而改變情報(bào)偵查部門各自為戰(zhàn)的偵查局面。第四,采取多源數(shù)據(jù)融合的技術(shù)方法。偵查人員獲取的多源數(shù)據(jù)情報(bào)源既包括符號(hào)型、數(shù)值型等多源數(shù)據(jù),又包括文字型、圖片型等多源數(shù)據(jù),還包括結(jié)構(gòu)型、非結(jié)構(gòu)型、異構(gòu)型、半結(jié)構(gòu)型等多源數(shù)據(jù)。只有對(duì)不同類別形態(tài)、不同屬性結(jié)構(gòu)等多源數(shù)據(jù)情報(bào)源應(yīng)用數(shù)據(jù)融合的技術(shù)方法,才能提高對(duì)多源數(shù)據(jù)挖掘與分析的客觀性和準(zhǔn)確性。第五,重視多源數(shù)據(jù)的動(dòng)態(tài)性。傳統(tǒng)情報(bào)偵查數(shù)據(jù)源更多屬于孤立、靜態(tài)的內(nèi)部型數(shù)據(jù),而多源數(shù)據(jù)情報(bào)源更多是由內(nèi)部型和外部型互相整合所形成的聯(lián)動(dòng)數(shù)據(jù),時(shí)刻會(huì)隨著數(shù)據(jù)犯罪情勢(shì)①的變化而變化,所以,必須特別重視多源數(shù)據(jù)的動(dòng)態(tài)性特點(diǎn)。這也是由多源數(shù)據(jù)的內(nèi)在屬性范疇所決定的。

基于以上分析,筆者認(rèn)為,多源數(shù)據(jù)情報(bào)偵查的內(nèi)涵是:偵查人員以反映犯罪情勢(shì)的多源數(shù)據(jù)為基礎(chǔ)和依據(jù),采取Map-reduce多模態(tài)檢索算法、協(xié)同過濾推薦算法、仿射數(shù)據(jù)傳播聚類算法等不同的多源數(shù)據(jù)算法,深入挖掘分析不同多源數(shù)據(jù)與犯罪情勢(shì)之間潛在的各種具有關(guān)聯(lián)性數(shù)理關(guān)系,從而實(shí)現(xiàn)多源數(shù)據(jù)引導(dǎo)情報(bào)偵查。

(二)多源數(shù)據(jù)情報(bào)偵查的屬性

從多源數(shù)據(jù)的內(nèi)涵范疇和現(xiàn)代情報(bào)偵查的應(yīng)然價(jià)值需求而言,這兩者之間存在高度的關(guān)聯(lián)性和較強(qiáng)的相似性。每個(gè)不同的多源數(shù)據(jù)都具有很強(qiáng)的情報(bào)偵查價(jià)值,甚至可以說情報(bào)偵查價(jià)值就是對(duì)不同多源數(shù)據(jù)內(nèi)在數(shù)理關(guān)系進(jìn)行關(guān)聯(lián)聚類的挖掘與體現(xiàn)。顯然,多源數(shù)據(jù)情報(bào)偵查是多源數(shù)據(jù)和現(xiàn)代情報(bào)偵查工作的有機(jī)結(jié)合體。與傳統(tǒng)情報(bào)偵查相比較,雖然多源數(shù)據(jù)情報(bào)偵查與其存在諸如智能性、價(jià)值性、偵查性等相同特性,但是兩者之間具有本質(zhì)性的屬性差異。在多源數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新時(shí)代,多源數(shù)據(jù)情報(bào)偵查具有價(jià)值需求敏感性、數(shù)據(jù)來源多源性、挖掘分析智能性、場(chǎng)景應(yīng)用嵌入性等四個(gè)方面的獨(dú)特屬性。

1.價(jià)值需求敏感性。能夠主動(dòng)有效地獲取情報(bào)偵查需求,并對(duì)其進(jìn)行適時(shí)調(diào)整是多源數(shù)據(jù)情報(bào)偵查的首要屬性。目前,關(guān)于情報(bào)偵查價(jià)值需求敏感性的預(yù)設(shè)和挖掘分析方法還沒有形成成熟的機(jī)制,尤其是在數(shù)據(jù)模型構(gòu)建、需求識(shí)別演算、算法調(diào)整策略、啟發(fā)修正模式等方面缺乏深度的研究,致使偵查人員難以及時(shí)地根據(jù)數(shù)據(jù)犯罪情勢(shì)的發(fā)展變化對(duì)其進(jìn)行快速的修正和重建。所以,在多源數(shù)據(jù)情報(bào)偵查方法的應(yīng)用過程中,偵查人員首先必須具備對(duì)情報(bào)偵查價(jià)值需求敏感性的意識(shí)和技能。例如,當(dāng)獲取購買數(shù)據(jù)、注冊(cè)數(shù)據(jù)、檢索數(shù)據(jù)、旅游數(shù)據(jù)、瀏覽數(shù)據(jù)等不同類別形態(tài)的多源數(shù)據(jù)情報(bào)源后,偵查人員需要在情報(bào)偵查價(jià)值需求敏感性意識(shí)支配下將其與數(shù)據(jù)犯罪情勢(shì)之間潛在的關(guān)聯(lián)性進(jìn)行挖掘與分析,完成對(duì)數(shù)據(jù)犯罪情勢(shì)中相關(guān)構(gòu)成要素的智能數(shù)據(jù)刻畫,從而為多源數(shù)據(jù)情報(bào)偵查的場(chǎng)景應(yīng)用提供優(yōu)質(zhì)高效的決策支持。誠然,多源數(shù)據(jù)情報(bào)偵查既包含多源數(shù)據(jù)的屬性范疇,又包含情報(bào)偵查的應(yīng)然價(jià)值導(dǎo)向需求,這也就必然決定了其具有顯著的價(jià)值需求敏感性。偵查人員在價(jià)值需求敏感性的指導(dǎo)和引領(lǐng)支配中,能夠更快、更優(yōu)地對(duì)不同多源數(shù)據(jù)情報(bào)源進(jìn)行挖掘分析和關(guān)聯(lián)聚類,從而提高多源數(shù)據(jù)情報(bào)偵查場(chǎng)景應(yīng)用的敏感性和高效性。

2.數(shù)據(jù)來源多源性。如何通過不同多源數(shù)據(jù)挖掘分析出與犯罪情勢(shì)具有關(guān)聯(lián)性的各種數(shù)理關(guān)系,從而為情報(bào)偵查決策提供科學(xué)準(zhǔn)確的數(shù)據(jù)支持,是迫切需要解決的關(guān)鍵性問題。傳統(tǒng)情報(bào)偵查決策往往都是依賴犯罪現(xiàn)場(chǎng)勘查、摸底排隊(duì)、調(diào)查訪問、偵查實(shí)驗(yàn)等偵查措施而獲取相關(guān)的決策數(shù)據(jù),缺乏多維、動(dòng)態(tài)、全面等多源的情報(bào)數(shù)據(jù)支持,導(dǎo)致情報(bào)偵查決策具有突出的片面性、靜態(tài)性、選擇性,從而無法從數(shù)據(jù)情報(bào)源頭保證情報(bào)偵查決策的全面性、準(zhǔn)確性和科學(xué)性。多源數(shù)據(jù)情報(bào)偵查方法卻能從數(shù)據(jù)情報(bào)源頭上解決上述關(guān)于情報(bào)決策的根本問題。例如,從多源數(shù)據(jù)的類別形態(tài)方面看,既包括符號(hào)型、數(shù)值型、文本型的多源數(shù)據(jù),又包括圖片型、字符型、碎片型的多源數(shù)據(jù);[2]從多源數(shù)據(jù)的屬性結(jié)構(gòu)方面看,不僅包括結(jié)構(gòu)型、非結(jié)構(gòu)型等多源數(shù)據(jù),還包括異構(gòu)型、半結(jié)構(gòu)型等多源數(shù)據(jù);[3]從多源數(shù)據(jù)的來源部門看,既有來自公安系統(tǒng)的內(nèi)部型多源數(shù)據(jù),也有來自互聯(lián)網(wǎng)、企事業(yè)單位、個(gè)人社交等方面外部型多源數(shù)據(jù)。顯然,多源數(shù)據(jù)情報(bào)偵查具有典型的數(shù)據(jù)來源多源屬性。同時(shí),通過對(duì)多源數(shù)據(jù)采取數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)倉庫構(gòu)建等數(shù)據(jù)預(yù)處理技術(shù),將實(shí)時(shí)數(shù)據(jù)與歷史數(shù)據(jù)、外部數(shù)據(jù)與內(nèi)部數(shù)據(jù)、社會(huì)數(shù)據(jù)與傳感數(shù)據(jù)、線下數(shù)據(jù)與線上數(shù)據(jù)等不同類別形態(tài)、屬性結(jié)構(gòu)的多源數(shù)據(jù)進(jìn)行數(shù)據(jù)融合,促使多源數(shù)據(jù)情報(bào)偵查的決策更加具有全面性和精確性。顯然,多源數(shù)據(jù)情報(bào)偵查的數(shù)據(jù)來源多樣性不僅能夠減少數(shù)據(jù)情報(bào)源的不確定性,還能夠保證數(shù)據(jù)情報(bào)決策的客觀性,從而提高多源數(shù)據(jù)情報(bào)偵查決策的科學(xué)性和合理性。

3.挖掘分析智能性。隨著多源數(shù)據(jù)呈指數(shù)級(jí)地迅猛增長,對(duì)其進(jìn)行定量分析越來越受到關(guān)注和重視。對(duì)多源數(shù)據(jù)的定性分析往往具有個(gè)性化、主觀性等鮮明特點(diǎn),不同的多源數(shù)據(jù)會(huì)因不同的人、算法、技術(shù)方法等出現(xiàn)不同的數(shù)據(jù)解讀;而多源數(shù)據(jù)的定量分析則具有可復(fù)制性、客觀性等突出特點(diǎn),不會(huì)因?yàn)椴煌娜嘶蚣夹g(shù)方法等因素影響而出現(xiàn)不同的挖掘分析結(jié)果。[4]顯然,在多源數(shù)據(jù)情報(bào)偵查的挖掘分析過程中,定性分析有利于充分發(fā)揮偵查人員的主觀能動(dòng)性而避免出現(xiàn)情報(bào)偵查的思維盲區(qū),而定量分析則有利于實(shí)現(xiàn)多源數(shù)據(jù)情報(bào)偵查的資源共建共享。鑒于多源數(shù)據(jù)情報(bào)偵查的現(xiàn)實(shí)應(yīng)然價(jià)值需求,其挖掘與分析的過程具有將定性分析和定量分析互相結(jié)合的智能性,這是由多源數(shù)據(jù)情報(bào)偵查的內(nèi)在本質(zhì)屬性所決定的。誠然,偵查人員在多源數(shù)據(jù)情報(bào)偵查挖掘與分析的具體過程中,既包括偵查人員定性的智能分析,如偵查人員的偵查思維、偵查經(jīng)驗(yàn)、偵查方法等;又包括多源數(shù)據(jù)定量的智能分析,如對(duì)涉案的不同多源數(shù)據(jù)情報(bào)源所采取的鏈路預(yù)測(cè)、關(guān)聯(lián)聚類、熱點(diǎn)矩陣,以及時(shí)空錨點(diǎn)預(yù)測(cè)、離群數(shù)據(jù)檢測(cè)等智能算法。所以,若要根據(jù)不同的場(chǎng)景應(yīng)用而選擇對(duì)不同的多源數(shù)據(jù)情報(bào)源進(jìn)行挖掘與分析,就需要將各種多源數(shù)據(jù)進(jìn)行數(shù)據(jù)融合,然后使其與情報(bào)偵查價(jià)值需求互相統(tǒng)一,再采取與其相適應(yīng)的智能挖掘分析方法。這也是提高實(shí)現(xiàn)多源數(shù)據(jù)情報(bào)偵查應(yīng)然價(jià)值的必然要求。

4.場(chǎng)景應(yīng)用嵌入性。隨著多源數(shù)據(jù)情報(bào)源與現(xiàn)代情報(bào)偵查價(jià)值導(dǎo)向需求的發(fā)展,將場(chǎng)景應(yīng)用嵌入情報(bào)偵查業(yè)務(wù)過程將成為一種新型的情報(bào)偵查決策服務(wù)模式。不同的情報(bào)偵查場(chǎng)景應(yīng)用需要預(yù)設(shè)不同的價(jià)值需求和算法選擇,為了全面提升多源數(shù)據(jù)情報(bào)偵查應(yīng)用的可復(fù)制性、可推廣性,依據(jù)多源數(shù)據(jù)情報(bào)偵查的價(jià)值需求和算法的關(guān)聯(lián)聚類性,可以將其場(chǎng)景應(yīng)用嵌入分為專項(xiàng)維度的場(chǎng)景應(yīng)用、領(lǐng)域維度的場(chǎng)景應(yīng)用、政策維度的場(chǎng)景應(yīng)用和協(xié)作維度的場(chǎng)景應(yīng)用四個(gè)部分。

(1)專項(xiàng)維度的場(chǎng)景應(yīng)用。偵查人員應(yīng)該積極主動(dòng)地將多源數(shù)據(jù)情報(bào)偵查融入專項(xiàng)維度的場(chǎng)景應(yīng)用中,以多源數(shù)據(jù)過程嵌入和情報(bào)偵查決策快速反應(yīng)為原則,構(gòu)建“數(shù)據(jù)挖掘+情報(bào)研判+智慧偵查”聯(lián)動(dòng)型情報(bào)偵查的專項(xiàng)維度場(chǎng)景應(yīng)用。通過采取多源數(shù)據(jù)的關(guān)聯(lián)聚類、情報(bào)報(bào)告的自動(dòng)生成、情報(bào)偵查經(jīng)驗(yàn)的修正等挖掘分析流程,全面發(fā)揮偵查人員在數(shù)據(jù)預(yù)處理、數(shù)據(jù)倉庫構(gòu)建、數(shù)據(jù)挖掘模型平臺(tái)設(shè)計(jì)等方面的價(jià)值優(yōu)勢(shì),客觀、科學(xué)、高效地為專項(xiàng)維度的場(chǎng)景應(yīng)用提供多源數(shù)據(jù)情報(bào)偵查的決策服務(wù)。

(2)領(lǐng)域維度的場(chǎng)景應(yīng)用。領(lǐng)域維度的場(chǎng)景應(yīng)用主要是指偵查人員對(duì)不同多源數(shù)據(jù)從數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)倉庫構(gòu)建、數(shù)據(jù)融合、數(shù)據(jù)關(guān)聯(lián)、數(shù)據(jù)聚類等流程進(jìn)行挖掘分析,將多源數(shù)據(jù)的挖掘分析結(jié)果轉(zhuǎn)化為多源數(shù)據(jù)情報(bào)偵查決策的情報(bào)支持,助推領(lǐng)域情報(bào)偵查工作形成較有利的態(tài)勢(shì)。

(3)政策維度的場(chǎng)景應(yīng)用。政策維度的場(chǎng)景應(yīng)用主要是針對(duì)多源數(shù)據(jù)情報(bào)偵查過程中涉及情報(bào)偵查計(jì)劃、刑事政策、偵查制度等重大問題,尤其是涉及重特大案件情報(bào)偵查的規(guī)劃和論證、情報(bào)偵查決策的制定、情報(bào)偵查制度的建立,以及情報(bào)偵查計(jì)劃的實(shí)施和檢驗(yàn)、情報(bào)偵查決策的反饋和修正等具體場(chǎng)景的應(yīng)用,以服務(wù)偵查決策,提升決策內(nèi)容的整體性。

(4)協(xié)作維度的場(chǎng)景應(yīng)用。協(xié)作維度的場(chǎng)景應(yīng)用主要是通過構(gòu)建嵌入開放式多源數(shù)據(jù)情報(bào)偵查的算法挖掘分析框架模型,幫助偵查人員全面熟悉和掌握鏈路預(yù)測(cè)、關(guān)聯(lián)聚類、離群數(shù)據(jù)檢測(cè)等不同算法的價(jià)值優(yōu)勢(shì),促使不同偵查人員之間能夠及時(shí)有效地進(jìn)行數(shù)據(jù)融合、數(shù)據(jù)倉庫構(gòu)建等情報(bào)偵查協(xié)作的共建共享,提高多源數(shù)據(jù)情報(bào)偵查的協(xié)作水平和管理創(chuàng)新。

二、多源數(shù)據(jù)情報(bào)偵查平臺(tái)設(shè)計(jì)

為了提高多源數(shù)據(jù)情報(bào)偵查流程模型構(gòu)建的科學(xué)性和高效性,以多源數(shù)據(jù)情報(bào)源為主線,以鏈路預(yù)測(cè)、關(guān)聯(lián)聚類、離群數(shù)據(jù)檢測(cè)等數(shù)據(jù)挖掘算法為技術(shù)方法,以實(shí)現(xiàn)情報(bào)偵查的應(yīng)然價(jià)值為核心目標(biāo),探索多源數(shù)據(jù)情報(bào)偵查的平臺(tái)設(shè)計(jì)。依據(jù)多源數(shù)據(jù)情報(bào)偵查的不同屬性,其平臺(tái)設(shè)計(jì)可以采取多源數(shù)據(jù)分布式的框架進(jìn)行構(gòu)建,以保證多源數(shù)據(jù)情報(bào)偵查應(yīng)用的準(zhǔn)確性、一致性和安全性。(如下圖所示)

多源數(shù)據(jù)情報(bào)偵查平臺(tái)設(shè)計(jì)示意圖

多源數(shù)據(jù)情報(bào)偵查平臺(tái)的設(shè)計(jì)主要以“確立情報(bào)偵查價(jià)值需求——多源數(shù)據(jù)的挖掘分析——情報(bào)的處理與研判——情報(bào)的傳遞與供給”為基本思路,總體按照“多源數(shù)據(jù)挖掘分析——多源數(shù)據(jù)融合與場(chǎng)景應(yīng)用形成——情報(bào)偵查決策與價(jià)值需求匹配”為平臺(tái)設(shè)計(jì)框架。總體而言,多源數(shù)據(jù)情報(bào)偵查的平臺(tái)設(shè)計(jì)方案主要包括多源數(shù)據(jù)端、多源數(shù)據(jù)融合、多源數(shù)據(jù)情報(bào)偵查決策應(yīng)用、情報(bào)偵查價(jià)值需求匹配四個(gè)部分。

第一,多源數(shù)據(jù)端。數(shù)據(jù)匯集是多源數(shù)據(jù)挖掘分析的前提,而多源數(shù)據(jù)的挖掘分析不僅是多源數(shù)據(jù)情報(bào)偵查應(yīng)用的關(guān)鍵環(huán)節(jié),而且是實(shí)現(xiàn)多源數(shù)據(jù)情報(bào)偵查應(yīng)然價(jià)值的重要保障。由于多源數(shù)據(jù)存在類別形態(tài)多樣、權(quán)限歸屬離散、屬性動(dòng)態(tài)復(fù)雜等突出問題,[5]需要線上和線下進(jìn)行數(shù)據(jù)匯集,然后對(duì)其采取數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)倉庫構(gòu)建,以及數(shù)據(jù)管理和數(shù)據(jù)共享等數(shù)據(jù)預(yù)處理技術(shù),從而為多源數(shù)據(jù)情報(bào)偵查的應(yīng)用提供前提和重要支撐。

第二,多源數(shù)據(jù)融合。數(shù)據(jù)融合是整個(gè)多源數(shù)據(jù)挖掘與分析平臺(tái)設(shè)計(jì)中最為重要的程序,主要任務(wù)是解決多源數(shù)據(jù)挖掘分析不全面、不準(zhǔn)確、不統(tǒng)一等相關(guān)問題。按照對(duì)多源數(shù)據(jù)進(jìn)行關(guān)聯(lián)聚類的具體要求,可以采用底層融合、中層融合、高層融合等層次性的數(shù)據(jù)融合技術(shù)方法。其中,底層融合的任務(wù)是對(duì)多源數(shù)據(jù)的形態(tài)類別、來源渠道、加權(quán)系數(shù)、領(lǐng)域特征等進(jìn)行挖掘和歸約,主要采取動(dòng)態(tài)數(shù)據(jù)爬取、常態(tài)固定采集等方式完成數(shù)據(jù)融合;中層融合的目標(biāo)是提升多源數(shù)據(jù)的可信度和關(guān)聯(lián)性,主要通過構(gòu)建多源數(shù)據(jù)與數(shù)據(jù)犯罪情勢(shì)之間的時(shí)空矩陣關(guān)系、數(shù)據(jù)序列權(quán)重關(guān)系、情報(bào)對(duì)象社交關(guān)系、情報(bào)服務(wù)與數(shù)據(jù)挖掘算法關(guān)系等數(shù)據(jù)關(guān)聯(lián)規(guī)則庫,從而提高多源數(shù)據(jù)情報(bào)偵查的決策質(zhì)量;高層融合是多源數(shù)據(jù)情報(bào)偵查數(shù)據(jù)融合的核心,也是連接多源數(shù)據(jù)情報(bào)偵查決策應(yīng)用的橋梁和平臺(tái),主要通過關(guān)聯(lián)聚類融合、圖譜融合、檢索融合、領(lǐng)域融合等方式實(shí)現(xiàn)。

第三,多源數(shù)據(jù)情報(bào)偵查決策應(yīng)用。結(jié)合多源數(shù)據(jù)的內(nèi)涵屬性和情報(bào)偵查的價(jià)值需求,多源數(shù)據(jù)情報(bào)偵查決策應(yīng)用的設(shè)計(jì)主要包括情報(bào)偵查場(chǎng)景應(yīng)用和情報(bào)偵查決策方式兩個(gè)部分。情報(bào)偵查場(chǎng)景應(yīng)用具體包括專項(xiàng)維度場(chǎng)景應(yīng)用、領(lǐng)域維度場(chǎng)景應(yīng)用、政策維度場(chǎng)景應(yīng)用、協(xié)作維度場(chǎng)景應(yīng)用四個(gè)方面,而情報(bào)偵查決策方式則具體包括智能情報(bào)檢索、個(gè)性情報(bào)推薦、專案情報(bào)定制和智慧情報(bào)預(yù)測(cè)四項(xiàng)內(nèi)容。

第四,情報(bào)偵查價(jià)值需求匹配。多源數(shù)據(jù)情報(bào)偵查的平臺(tái)設(shè)計(jì)是面向各級(jí)各類案件所需情報(bào)偵查服務(wù)的方案,偵查人員與情報(bào)偵查價(jià)值需求都依賴于多源數(shù)據(jù)情報(bào)偵查平臺(tái)設(shè)計(jì)的科學(xué)性和合理性。同時(shí),在提供情報(bào)偵查場(chǎng)景應(yīng)用和決策方式的過程中,偵查人員需要及時(shí)收集關(guān)于情報(bào)規(guī)則構(gòu)建與反饋、情報(bào)場(chǎng)景應(yīng)用反饋與修正、情報(bào)偵查應(yīng)用評(píng)估與反饋等相關(guān)信息,推動(dòng)對(duì)多源數(shù)據(jù)情報(bào)偵查平臺(tái)設(shè)計(jì)方案進(jìn)行實(shí)時(shí)的修正和改進(jìn)。

三、多源數(shù)據(jù)情報(bào)偵查的流程模型構(gòu)建

傳統(tǒng)情報(bào)偵查的流程主要包括情報(bào)搜集、情報(bào)控制、情報(bào)存儲(chǔ)、情報(bào)傳輸、情報(bào)分析和情報(bào)利用等,而多源數(shù)據(jù)情報(bào)偵查的流程與其有著本質(zhì)的區(qū)別。特別是在多源數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新時(shí)代背景下,多源數(shù)據(jù)情報(bào)偵查的流程更加強(qiáng)調(diào)多源數(shù)據(jù)融合、數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)倉庫構(gòu)建以及情報(bào)偵查決策的應(yīng)用與反饋修正等,從而形成具有需求性、多源性、智能性、動(dòng)態(tài)性等特點(diǎn)的現(xiàn)代智能情報(bào)偵查新流程。結(jié)合多源數(shù)據(jù)情報(bào)偵查的內(nèi)涵屬性和平臺(tái)設(shè)計(jì)方案,多源數(shù)據(jù)情報(bào)偵查流程的主要原理體現(xiàn)在四個(gè)節(jié)點(diǎn)上。首先,需要明確情報(bào)偵查的價(jià)值需求,分析情報(bào)偵查的主要目標(biāo),明確制定情報(bào)偵查的計(jì)劃、流程、指標(biāo)體系等任務(wù),選擇情報(bào)偵查的技術(shù)方法。然后,明確收集多源數(shù)據(jù)的類型、途徑、策略,匯集多源數(shù)據(jù)的收集結(jié)果。同時(shí),需要對(duì)各種符號(hào)型、數(shù)值型、圖片型等多源數(shù)據(jù)采取數(shù)據(jù)融合,完成多源數(shù)據(jù)情報(bào)偵查的數(shù)據(jù)倉庫構(gòu)建。其次,采取數(shù)據(jù)濾重、數(shù)據(jù)去噪、數(shù)據(jù)降維等多源數(shù)據(jù)的清洗技術(shù)方法,完成其類別形態(tài)的統(tǒng)一標(biāo)準(zhǔn),再利用關(guān)聯(lián)分析、聚類分析、離群分析、演化分析等方法完成對(duì)涉案不同多源數(shù)據(jù)的挖掘與分析。再次,通過對(duì)多源數(shù)據(jù)挖掘分析出來的各種結(jié)果進(jìn)行解讀,研判其內(nèi)在的原理和離群數(shù)據(jù)產(chǎn)生的原因,并且撰寫情報(bào)偵查的決策報(bào)告。最后,根據(jù)情報(bào)偵查的價(jià)值需求,對(duì)多源數(shù)據(jù)情報(bào)偵查的應(yīng)用進(jìn)行實(shí)時(shí)檢測(cè)、價(jià)值評(píng)估和反饋修正等。

依據(jù)多源數(shù)據(jù)情報(bào)偵查流程的主要原理,可以將多源數(shù)據(jù)情報(bào)偵查流程劃分為情報(bào)偵查價(jià)值的需求預(yù)設(shè)、多源數(shù)據(jù)的檢索與匯集、多源數(shù)據(jù)的融合、多源數(shù)據(jù)的清洗與處理等七個(gè)模塊。

(一)情報(bào)偵查價(jià)值的需求預(yù)設(shè)模塊

多源數(shù)據(jù)情報(bào)偵查的任務(wù)是數(shù)據(jù)犯罪情勢(shì)分析,還是犯罪行為的動(dòng)態(tài)監(jiān)測(cè)?是挖掘關(guān)鍵性數(shù)據(jù)、分析報(bào)告,還是偵查推理判斷、情報(bào)歸類提煉,或者是提供情報(bào)偵查決策方案?是情報(bào)偵查價(jià)值分析,還是多源數(shù)據(jù)的算法應(yīng)用?對(duì)于這些問題,偵查人員需要提前就情報(bào)偵查價(jià)值的需求進(jìn)行預(yù)設(shè)。情報(bào)偵查價(jià)值的需求預(yù)設(shè)主要包括兩個(gè)層面。第一層,情報(bào)偵查價(jià)值的需求預(yù)設(shè)包括挖掘分析多源數(shù)據(jù)、情報(bào)研判和決策等,而預(yù)設(shè)對(duì)象則是某一類案或某一個(gè)案的數(shù)據(jù)犯罪情勢(shì)構(gòu)成要素。第二層,情報(bào)偵查價(jià)值的需求預(yù)設(shè)屬于數(shù)據(jù)挖掘、數(shù)據(jù)算法、數(shù)據(jù)融合、數(shù)據(jù)倉庫構(gòu)建和數(shù)據(jù)關(guān)聯(lián)規(guī)則等方面的主題。為了快速高效地實(shí)現(xiàn)多源數(shù)據(jù)情報(bào)偵查的應(yīng)然價(jià)值,還需要對(duì)情報(bào)偵查對(duì)象進(jìn)行挖掘和建模。在傳統(tǒng)情報(bào)偵查過程中,側(cè)重于采取定性分析方法對(duì)情報(bào)偵查對(duì)象進(jìn)行挖掘分析,而在多源數(shù)據(jù)情報(bào)偵查過程中則會(huì)更多使用定量分析方法。在制定情報(bào)偵查計(jì)劃、選擇偵查途徑、擬采取偵查措施類型等之前,類案情報(bào)偵查對(duì)象往往需要偵查人員全面客觀地掌握當(dāng)前數(shù)據(jù)犯罪情勢(shì)、傳統(tǒng)情報(bào)偵查經(jīng)驗(yàn)和不足、國內(nèi)外情報(bào)偵查比較典型的成功做法以及情報(bào)偵查發(fā)展態(tài)勢(shì)等,從而促使情報(bào)偵查價(jià)值的需求預(yù)設(shè)更加具有客觀性和精確性。對(duì)于個(gè)案情報(bào)偵查對(duì)象,偵查人員以前會(huì)采取調(diào)查訪問、摸底排隊(duì)等方式進(jìn)行分析研判,這不但難以及時(shí)獲得情報(bào)支持,還導(dǎo)致情報(bào)偵查價(jià)值的需求預(yù)設(shè)效果出現(xiàn)偏差甚至偵查錯(cuò)誤。然而,在多源數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新時(shí)代,類案情報(bào)偵查對(duì)象和個(gè)案情報(bào)偵查對(duì)象都亟需偵查人員通過情報(bào)偵查價(jià)值的需求預(yù)設(shè)及時(shí)高效地挖掘與分析涉案數(shù)據(jù)、犯罪構(gòu)成要素、犯罪過程計(jì)劃和決策實(shí)施等方面的情報(bào)需求。例如,通過對(duì)涉案虛擬注冊(cè)數(shù)據(jù)、旅游數(shù)據(jù)、住宿數(shù)據(jù)、買賣數(shù)據(jù)、檢索瀏覽數(shù)據(jù)等不同多源數(shù)據(jù)情報(bào)源的挖掘分析,即可對(duì)犯罪情勢(shì)中的各構(gòu)成要素進(jìn)行數(shù)據(jù)刻畫和數(shù)據(jù)鑒別,進(jìn)而能夠準(zhǔn)確驗(yàn)證情報(bào)偵查價(jià)值的需求預(yù)設(shè)。在確定情報(bào)偵查價(jià)值的需求預(yù)設(shè)之后,必然要求偵查人員明確多源數(shù)據(jù)情報(bào)偵查的目標(biāo)任務(wù),并根據(jù)目標(biāo)任務(wù)及其時(shí)效性制定情報(bào)偵查計(jì)劃,構(gòu)建情報(bào)偵查流程,確定情報(bào)偵查評(píng)估指標(biāo)體系,以及選擇合適的多源數(shù)據(jù)挖掘分析算法等。

(二)多源數(shù)據(jù)的檢索與匯集模塊

多源數(shù)據(jù)檢索與匯集流程的任務(wù)是確定多源數(shù)據(jù)檢索與匯集的來源途徑、范圍、類別,制定匯集策略和實(shí)施匯集技術(shù)方法,并對(duì)其結(jié)果進(jìn)行評(píng)估和反饋。[6]一方面,多源數(shù)據(jù)匯集與獲取是多源數(shù)據(jù)情報(bào)偵查開展的前提和基礎(chǔ)。按照對(duì)多源數(shù)據(jù)挖掘分析的不同過程,可以將多源數(shù)據(jù)匯集與獲取具體劃分為尋找數(shù)據(jù)、下載數(shù)據(jù)、提取數(shù)據(jù)三個(gè)環(huán)節(jié)?？梢酝ㄟ^多源數(shù)據(jù)檢索選擇和確定哪里有實(shí)現(xiàn)情報(bào)價(jià)值所需的多源數(shù)據(jù),發(fā)現(xiàn)和尋找所需的多源數(shù)據(jù)并進(jìn)行下載或復(fù)制,然后從數(shù)據(jù)倉庫構(gòu)建中提取所需的多源數(shù)據(jù)。在情報(bào)數(shù)據(jù)匯集系統(tǒng)中,偵查人員可以根據(jù)情報(bào)偵查的情勢(shì)變化而對(duì)存儲(chǔ)在數(shù)據(jù)庫中的多源數(shù)據(jù)進(jìn)行實(shí)時(shí)更新,并及時(shí)對(duì)更新后的多源數(shù)據(jù)進(jìn)行分類、歸約、標(biāo)引等,主要包括對(duì)多源數(shù)據(jù)匯集范圍的選擇、匯集周期的確定、匯集內(nèi)容的過濾、匯集存儲(chǔ)的標(biāo)引、匯集結(jié)果的解析和匯集決策的推薦等過程。情報(bào)數(shù)據(jù)匯集系統(tǒng)中除了選擇和確定的URL多源數(shù)據(jù)列表之外,還有特定的多源數(shù)據(jù)頻繁項(xiàng)目數(shù)據(jù)集,共同構(gòu)成多源數(shù)據(jù)情報(bào)偵查的數(shù)據(jù)詞表體系。另一方面,多源數(shù)據(jù)匯集后,需要對(duì)多源數(shù)據(jù)的規(guī)模、關(guān)聯(lián)性、時(shí)效性、權(quán)威性和真?zhèn)涡缘冗M(jìn)行數(shù)據(jù)評(píng)估和反饋。例如,偵查人員需要對(duì)多源數(shù)據(jù)的規(guī)模是否能夠滿足情報(bào)偵查的價(jià)值需求、多源數(shù)據(jù)的類別形態(tài)是否多維全面、多源數(shù)據(jù)的挖掘分析是否精確有效、多源數(shù)據(jù)的挖掘算法是否科學(xué)合理、多源數(shù)據(jù)的來源途徑是否合法可靠等進(jìn)行評(píng)估和反饋,從而確保多源數(shù)據(jù)的檢索和匯集與情報(bào)偵查的價(jià)值需求高度匹配和融合。

(三)多源數(shù)據(jù)的融合模塊

構(gòu)建多源數(shù)據(jù)情報(bào)偵查流程模型過程所表現(xiàn)出的最主要特征是數(shù)據(jù)融合。將通過不同途徑和方法所獲取匯集的不同類別形態(tài)的各種多源數(shù)據(jù)情報(bào)源聚類在一起,使其形成格式統(tǒng)一、權(quán)重加權(quán)系數(shù)相同或相似、應(yīng)用目標(biāo)可視多樣的頻繁項(xiàng)目數(shù)據(jù)集,該過程即為多源數(shù)據(jù)融合。[7]顯然,多源數(shù)據(jù)融合主要解決的是利用不同的多源數(shù)據(jù)情報(bào)源進(jìn)行數(shù)據(jù)轉(zhuǎn)換和協(xié)作,使不同的多源數(shù)據(jù)進(jìn)行迭代式的互相彌補(bǔ),實(shí)現(xiàn)對(duì)多源數(shù)據(jù)的挖掘更加全面、客觀和精確。一方面,實(shí)現(xiàn)同一情報(bào)偵查價(jià)值需求的多源數(shù)據(jù)可能是由不同的客戶端、不同的途徑來源、不同的數(shù)據(jù)倉庫等組成;另一方面,多源數(shù)據(jù)的類別形態(tài)具有典型的多樣性,既包括結(jié)構(gòu)型、非結(jié)構(gòu)型、半結(jié)構(gòu)型、異構(gòu)型等多源數(shù)據(jù),又包括符號(hào)型、數(shù)值型、文本型、圖片型等多源數(shù)據(jù),造成多源數(shù)據(jù)的類別形態(tài)具有顯著的動(dòng)態(tài)性和多樣性。這些不同的多源數(shù)據(jù)能夠從不同維度反映和揭示犯罪情勢(shì)的構(gòu)成要素,進(jìn)而對(duì)經(jīng)過數(shù)據(jù)融合后新的多源數(shù)據(jù)進(jìn)行相關(guān)性分析,能夠更加深入地挖掘分析其與犯罪情勢(shì)具有關(guān)聯(lián)性的各種內(nèi)在數(shù)理關(guān)系,為多源數(shù)據(jù)情報(bào)偵查的價(jià)值需求預(yù)設(shè)、情報(bào)偵查決策的應(yīng)用提供強(qiáng)有力的數(shù)據(jù)支持和數(shù)據(jù)參考。根據(jù)多源數(shù)據(jù)情報(bào)偵查的應(yīng)然價(jià)值現(xiàn)實(shí)需求,多源數(shù)據(jù)的數(shù)據(jù)融合主要涉及多源數(shù)據(jù)的同步與更新、共享與轉(zhuǎn)換、匯集與清洗、倉庫構(gòu)建與集成、互補(bǔ)與映射、關(guān)聯(lián)與聚類、歸約與加權(quán)權(quán)重、共同相鄰與衍生相鄰等方面,每個(gè)多源數(shù)據(jù)的數(shù)據(jù)融合都需要不同的數(shù)據(jù)技術(shù)處理方法。[8]不同多源數(shù)據(jù)或其數(shù)據(jù)節(jié)點(diǎn)之間都具有一定程度的互補(bǔ)性,可以采取數(shù)據(jù)交叉印證、數(shù)據(jù)路徑測(cè)量、數(shù)據(jù)時(shí)序矩陣等算法進(jìn)行數(shù)據(jù)融合。多源數(shù)據(jù)的融合模塊不僅能夠降低和消除不同多源數(shù)據(jù)情報(bào)源之間的差異性和異構(gòu)性,還能夠有效提高多源數(shù)據(jù)情報(bào)偵查挖掘與分析的完整性和聚類性。

(四)多源數(shù)據(jù)的清洗與處理模塊

在多源數(shù)據(jù)情報(bào)偵查的挖掘分析過程中,各種多源數(shù)據(jù)呈現(xiàn)出海量復(fù)雜、類別形態(tài)多樣、指數(shù)級(jí)增長、結(jié)構(gòu)動(dòng)態(tài)各異等特點(diǎn),而如何構(gòu)建成格式標(biāo)準(zhǔn)統(tǒng)一的多源數(shù)據(jù)是多源數(shù)據(jù)清洗與處理亟需解決的問題。要建立高效的多源數(shù)據(jù)質(zhì)量挖掘與分析評(píng)估體系,對(duì)涉案的不同多源數(shù)據(jù)情報(bào)源展開數(shù)據(jù)校對(duì)、數(shù)據(jù)過濾、數(shù)據(jù)去噪等技術(shù)處理,從而優(yōu)質(zhì)高效地完成對(duì)多源數(shù)據(jù)的清洗與處理。從多源數(shù)據(jù)的內(nèi)涵屬性和情報(bào)偵查的特殊價(jià)值而言,多源數(shù)據(jù)的清洗與處理主要包括數(shù)據(jù)過濾、數(shù)據(jù)識(shí)別、數(shù)據(jù)降維和數(shù)據(jù)重名區(qū)分等。通過不同途徑匯集的多源數(shù)據(jù)難以避免數(shù)據(jù)的重復(fù)現(xiàn)象,因此,在對(duì)其進(jìn)行挖掘分析之前需要進(jìn)行數(shù)據(jù)的重名區(qū)分。有些重復(fù)的多源數(shù)據(jù)的類別形態(tài)可能一樣,有些重復(fù)的多源數(shù)據(jù)則可能會(huì)出現(xiàn)完全不一樣的類別形態(tài),這就要求偵查人員首先對(duì)多源數(shù)據(jù)進(jìn)行分析與識(shí)別,把同配多源數(shù)據(jù)的不同類別形態(tài)進(jìn)行融合歸一,比如對(duì)縮寫與全稱、同義與轉(zhuǎn)換、縮略與合并、重構(gòu)與兼并等多源數(shù)據(jù)的清洗與處理。此外,多源數(shù)據(jù)的清洗與處理還包括數(shù)據(jù)去噪、數(shù)據(jù)查漏、數(shù)據(jù)補(bǔ)缺等。例如,偵查人員需要對(duì)海量、動(dòng)態(tài)的多源數(shù)據(jù)進(jìn)行去噪、查漏和補(bǔ)缺,對(duì)高維復(fù)雜的多源數(shù)據(jù)進(jìn)行數(shù)據(jù)降維處理等。所以,多源數(shù)據(jù)清洗與處理的模塊能夠全面提升多源數(shù)據(jù)情報(bào)偵查挖掘分析的客觀性和高效性。

(五)多源數(shù)據(jù)的挖掘分析模塊

從多源數(shù)據(jù)情報(bào)偵查的關(guān)聯(lián)聚類效果而言,多源數(shù)據(jù)的挖掘分析主要包括離群分析、計(jì)量分析、演化分析、模式分析、網(wǎng)絡(luò)分析、關(guān)聯(lián)分析、共現(xiàn)分析、聚類分析和矩陣分析等方法。[9]例如,偵查人員通過模式分析法可以挖掘分析數(shù)據(jù)犯罪情勢(shì)中的犯罪模式類型,通過關(guān)聯(lián)分析法可以分析與涉嫌犯罪具有關(guān)聯(lián)性的各種數(shù)理關(guān)系,通過聚類分析法可以對(duì)犯罪主體、犯罪時(shí)空、犯罪痕跡、犯罪過程等進(jìn)行類別聚類分析,通過矩陣分析法可以挖掘分析某類型或某個(gè)案犯罪的情報(bào)偵查預(yù)測(cè)。為了提升對(duì)多源數(shù)據(jù)挖掘分析的精確性,可以采取以下幾種典型的挖掘分析方法。第一,計(jì)量挖掘分析法。計(jì)量挖掘分析的對(duì)象主要包括犯罪主體、犯罪時(shí)空、犯罪痕跡、犯罪客體和犯罪過程等刑事案件的構(gòu)成要素,具體方法又包括犯罪統(tǒng)計(jì)排序法、犯罪周期時(shí)序法、犯罪數(shù)量空間分布法和犯罪類型增長法等。計(jì)量挖掘分析的主要功能包括對(duì)犯罪主體的發(fā)現(xiàn)和識(shí)別、多源數(shù)據(jù)情報(bào)源的特征選擇、數(shù)據(jù)犯罪情勢(shì)的熱點(diǎn)預(yù)測(cè)等,這些功能有助于偵查人員及時(shí)掌握數(shù)據(jù)犯罪情勢(shì),從而作出有利于偵查情勢(shì)發(fā)展的多源數(shù)據(jù)情報(bào)偵查決策。第二,關(guān)聯(lián)挖掘分析法。相關(guān)性原理作為多源數(shù)據(jù)情報(bào)偵查方法的主要原理,對(duì)涉案多源數(shù)據(jù)的挖掘與分析提供了強(qiáng)有力的理論支撐和保障。常用的關(guān)聯(lián)挖掘分析法主要包括鏈路預(yù)測(cè)關(guān)聯(lián)法、數(shù)據(jù)關(guān)聯(lián)規(guī)則法、數(shù)據(jù)聚類關(guān)聯(lián)法等,[10]其功能是挖掘涉案的多源數(shù)據(jù)情報(bào)源與數(shù)據(jù)犯罪情勢(shì)之間的數(shù)理關(guān)系。第三,網(wǎng)絡(luò)挖掘分析法。網(wǎng)絡(luò)挖掘分析的對(duì)象主要是網(wǎng)絡(luò)多源數(shù)據(jù)的類別形態(tài)、演化規(guī)律、模型機(jī)制、機(jī)構(gòu)屬性和數(shù)據(jù)路徑等,主要是通過對(duì)網(wǎng)絡(luò)多源數(shù)據(jù)的密度分布、聚類規(guī)則、數(shù)據(jù)距離、加權(quán)權(quán)重系數(shù)、相鄰數(shù)據(jù)節(jié)點(diǎn)等進(jìn)行挖掘分析,尋找和發(fā)現(xiàn)其與數(shù)據(jù)犯罪情勢(shì)相關(guān)的各種數(shù)據(jù)節(jié)點(diǎn)、數(shù)據(jù)連邊、共同數(shù)據(jù)相鄰閾值等,快速地獲知多源數(shù)據(jù)情報(bào)偵查的價(jià)值需求和決策分解任務(wù)。第四,演化挖掘分析法。演化挖掘分析主要包括對(duì)過去犯罪行為的梳理總結(jié)、對(duì)目前犯罪動(dòng)態(tài)的實(shí)時(shí)檢測(cè)、對(duì)數(shù)據(jù)犯罪情勢(shì)的預(yù)測(cè)等三個(gè)方面。其中,對(duì)過去犯罪行為的梳理總結(jié)可以采取多源數(shù)據(jù)時(shí)序分析、犯罪周期分析等方法;對(duì)目前犯罪動(dòng)態(tài)的實(shí)時(shí)檢測(cè)可以采取數(shù)據(jù)漸變矩陣分析、數(shù)據(jù)異常突增分析等;對(duì)數(shù)據(jù)犯罪情勢(shì)的預(yù)測(cè)可以采取犯罪情景預(yù)測(cè)分析、犯罪數(shù)據(jù)趨勢(shì)外推分析等方法。顯然,偵查人員應(yīng)該依據(jù)不同的情報(bào)偵查價(jià)值需求采取不同的多源數(shù)據(jù)挖掘分析方法,提高對(duì)多源數(shù)據(jù)情報(bào)源挖掘的精確性。

(六)多源數(shù)據(jù)情報(bào)的發(fā)現(xiàn)與凝練模塊

對(duì)涉案的不同多源數(shù)據(jù)情報(bào)源進(jìn)行挖掘分析之后,需要對(duì)挖掘分析的結(jié)果進(jìn)行解讀和論證,及時(shí)發(fā)現(xiàn)犯罪情勢(shì)的變化規(guī)律,并將其轉(zhuǎn)換為多源數(shù)據(jù)情報(bào)偵查決策的數(shù)據(jù)情報(bào)支持和參考。其中,對(duì)多源數(shù)據(jù)挖掘分析結(jié)果的解讀主要依靠情報(bào)偵查的假設(shè)論證、多源數(shù)據(jù)規(guī)律的挖掘統(tǒng)計(jì)、多源數(shù)據(jù)的離群數(shù)據(jù)檢測(cè)、情報(bào)偵查決策應(yīng)用的反饋和修正等方法,而對(duì)多源數(shù)據(jù)離群結(jié)果的解讀則依靠多源數(shù)據(jù)的離群算法、情報(bào)偵查決策的強(qiáng)弱突變驗(yàn)證法、多源數(shù)據(jù)挖掘結(jié)果的多元協(xié)同歸約法等。對(duì)多源數(shù)據(jù)挖掘分析結(jié)果的解讀和對(duì)多源數(shù)據(jù)離群結(jié)果的解讀是檢驗(yàn)多源數(shù)據(jù)情報(bào)偵查價(jià)值需求的感知和決策反饋應(yīng)用的重要指標(biāo)。顯然,對(duì)多源數(shù)據(jù)情報(bào)發(fā)現(xiàn)與凝練模塊的構(gòu)建,不僅是制定多源數(shù)據(jù)情報(bào)偵查價(jià)值需求的應(yīng)然要求,而且是提高多源數(shù)據(jù)情報(bào)偵查決策效率的必然選擇。誠然,在多源數(shù)據(jù)情報(bào)發(fā)現(xiàn)與凝練的流程中,通過對(duì)涉案的各種多源數(shù)據(jù)情報(bào)源的挖掘分析,不僅能夠發(fā)現(xiàn)犯罪情勢(shì)變化的時(shí)序特征和時(shí)空矩陣類別,而且能夠?qū)Ψ缸锴閯?shì)進(jìn)行模擬預(yù)測(cè),從而提高多源數(shù)據(jù)情報(bào)偵查場(chǎng)景應(yīng)用的高效性。

(七)情報(bào)偵查決策報(bào)告的撰寫與傳遞模塊

在構(gòu)建多源數(shù)據(jù)情報(bào)偵查流程模型過程中,偵查人員需要圍繞情報(bào)偵查的價(jià)值需求廣泛收集涉案的各種多源數(shù)據(jù)情報(bào)源,采取神經(jīng)網(wǎng)絡(luò)、決策樹、鏈路預(yù)測(cè)和區(qū)塊鏈等多種關(guān)聯(lián)聚類的數(shù)據(jù)挖掘算法,實(shí)時(shí)預(yù)測(cè)犯罪情勢(shì),并將對(duì)多源數(shù)據(jù)情報(bào)源所挖掘與分析出來的各種關(guān)聯(lián)數(shù)理關(guān)系有效地融合到多源數(shù)據(jù)情報(bào)偵查的決策應(yīng)用中,從而形成多源數(shù)據(jù)情報(bào)偵查決策報(bào)告。情報(bào)偵查決策報(bào)告的撰寫與傳遞模塊不僅能夠服務(wù)于情報(bào)偵查的價(jià)值需求感知、數(shù)據(jù)挖掘算法的選擇、多源數(shù)據(jù)的互相融合和數(shù)據(jù)情報(bào)挖掘分析師的建立等,而且具有多源數(shù)據(jù)情報(bào)源的倉庫構(gòu)建、多源數(shù)據(jù)情報(bào)偵查的平臺(tái)設(shè)計(jì)管理和流程模型構(gòu)建、多源數(shù)據(jù)情報(bào)偵查決策實(shí)施的反饋與修正等價(jià)值功能。依據(jù)情報(bào)偵查決策報(bào)告撰寫的屬性范疇不同,可以將其內(nèi)容分為為偵查人員提供情報(bào)偵查的價(jià)值需求感知分析、多源數(shù)據(jù)挖掘算法的不同價(jià)值優(yōu)勢(shì)、多源數(shù)據(jù)情報(bào)偵查決策實(shí)施方案的選擇和反饋修正等。情報(bào)偵查決策報(bào)告的類型主要包括多源數(shù)據(jù)情報(bào)偵查的動(dòng)態(tài)簡報(bào)、決策參考報(bào)告、深度情報(bào)價(jià)值分析報(bào)告、數(shù)據(jù)化的犯罪情勢(shì)預(yù)測(cè)報(bào)告等。情報(bào)偵查決策報(bào)告的撰寫包括淺入淺出、深入深出、淺入深出、深入淺出四種方式。同時(shí),依據(jù)多源數(shù)據(jù)情報(bào)偵查的傳遞功能價(jià)值不同,可以將情報(bào)偵查決策報(bào)告的傳遞分為制定情報(bào)傳遞的范式、選擇情報(bào)傳遞的時(shí)效、情報(bào)傳遞的恰當(dāng)接收、情報(bào)傳遞的應(yīng)用反饋和情報(bào)傳遞失察的研判等具體過程。情報(bào)偵查決策報(bào)告的傳遞要求選擇科學(xué)的情報(bào)傳遞方式,在恰當(dāng)合理的時(shí)空內(nèi)傳遞給急需的偵查人員。所以,為了實(shí)現(xiàn)情報(bào)偵查決策報(bào)告撰寫與傳遞模塊的價(jià)值,必須明確情報(bào)偵查決策報(bào)告類型、科學(xué)設(shè)計(jì)情報(bào)偵查決策報(bào)告結(jié)構(gòu)、合理選擇情報(bào)偵查決策報(bào)告內(nèi)容、重點(diǎn)突出情報(bào)偵查決策報(bào)告結(jié)論、嚴(yán)格控制情報(bào)偵查決策報(bào)告的篇幅和傳遞范圍等相關(guān)要求。

四、多源數(shù)據(jù)情報(bào)偵查的應(yīng)用算法探討

在多源數(shù)據(jù)情報(bào)的挖掘與分析過程中,多源數(shù)據(jù)情報(bào)源的價(jià)值密度較低,需要采用Map-reduce多模態(tài)檢索算法等多源數(shù)據(jù)算法對(duì)其進(jìn)行挖掘與分析。同時(shí),多源數(shù)據(jù)情報(bào)源還具有更新速度特快的顯著特點(diǎn),這要求多源數(shù)據(jù)情報(bào)偵查應(yīng)用算法應(yīng)當(dāng)具有收斂速度快、耗時(shí)慢等高效的算法優(yōu)勢(shì)。顯然,偵查人員不僅需要將涉案“軟數(shù)據(jù)”與“硬數(shù)據(jù)”、內(nèi)部型數(shù)據(jù)與外部型數(shù)據(jù)、虛擬數(shù)據(jù)與實(shí)體數(shù)據(jù)等不同類別形態(tài)的多源數(shù)據(jù)情報(bào)源進(jìn)行聯(lián)動(dòng)整合,還需要將符號(hào)型數(shù)據(jù)、數(shù)值型數(shù)據(jù)、圖片型數(shù)據(jù)和文本型數(shù)據(jù)等不同屬性結(jié)構(gòu)的多源數(shù)據(jù)情報(bào)源進(jìn)行科學(xué)高效的融合。所以,偵查人員應(yīng)該轉(zhuǎn)變傳統(tǒng)數(shù)據(jù)情報(bào)偵查的價(jià)值導(dǎo)向,積極主動(dòng)挖掘不同的多源數(shù)據(jù)情報(bào)源與數(shù)據(jù)犯罪情勢(shì)之間的各種關(guān)聯(lián)數(shù)理關(guān)系,全面提升多源數(shù)據(jù)情報(bào)偵查預(yù)測(cè)和決策的精確度,及時(shí)為預(yù)防和打擊犯罪提供有效的應(yīng)對(duì)措施。

(一)Map-reduce多模態(tài)檢索算法

Map-reduce多模態(tài)檢索算法是Hadoop多源數(shù)據(jù)算法中的一部分,主要用于對(duì)不同的系統(tǒng)、層次、形態(tài)等多模態(tài)的多源數(shù)據(jù)進(jìn)行挖掘處理,可以將其部署在多源數(shù)據(jù)情報(bào)偵查的分布式數(shù)據(jù)倉庫中,進(jìn)而完成對(duì)不同多源數(shù)據(jù)情報(bào)源的運(yùn)算與歸約。[11]Map-reduce多模態(tài)檢索算法具有典型的易于控制、收斂速度快、運(yùn)算效率高等突出特點(diǎn),其運(yùn)算過程主要分為Reduce-task和Map-task兩部分。利用Map-reduce多模態(tài)檢索算法可以將對(duì)多源數(shù)據(jù)情報(bào)源的挖掘任務(wù)細(xì)分為數(shù)個(gè)子任務(wù),降低多源數(shù)據(jù)融合的復(fù)雜度,再把多源數(shù)據(jù)情報(bào)偵查的子任務(wù)分配給Map-task,并由Reduce-task運(yùn)算和匯總Map-task所挖掘分析的數(shù)據(jù)結(jié)果。在接收到涉案情報(bào)偵查價(jià)值需求的檢索任務(wù)后,數(shù)據(jù)倉庫中的各多源數(shù)據(jù)會(huì)根據(jù)HDFS的預(yù)設(shè)對(duì)Master的數(shù)據(jù)節(jié)點(diǎn)、數(shù)據(jù)連邊進(jìn)行數(shù)據(jù)情報(bào)檢索,并將檢索后所形成的多源數(shù)據(jù)聚類頻繁項(xiàng)目子集調(diào)度給Map-task。同時(shí),還需要在Map-task運(yùn)算階段將多源數(shù)據(jù)情報(bào)偵查的任務(wù)目標(biāo)部署在Split的數(shù)據(jù)運(yùn)算函數(shù)映射中,使用反復(fù)的數(shù)據(jù)迭代運(yùn)算②這一數(shù)據(jù)挖掘分析中的典型技術(shù)算法,通過先取一個(gè)粗糙的數(shù)據(jù)節(jié)點(diǎn)相似度近似值,然后用同一個(gè)遞推公式,反復(fù)校正此閾值,直至符合預(yù)定精度要求為止,從而完成對(duì)涉案多源數(shù)據(jù)降維空間轉(zhuǎn)換的Map-reduce多模態(tài)檢索和字典求解。而在Map-reduce多模態(tài)檢索運(yùn)算的Reduce-task階段,可以通過Shuffle計(jì)算挖掘分析出不同多源數(shù)據(jù)之間數(shù)據(jù)節(jié)點(diǎn)的相鄰權(quán)重加權(quán)系數(shù),并依據(jù)其系數(shù)的相似度或近似值而尋找和挖掘與數(shù)據(jù)犯罪情勢(shì)具有內(nèi)在關(guān)聯(lián)性的各種數(shù)理關(guān)系。顯然,Map-reduce多模態(tài)檢索算法主要從多源數(shù)據(jù)情報(bào)源的完整程度和準(zhǔn)確程度兩個(gè)方面進(jìn)行挖掘分析。只有Map-reduce多模態(tài)檢索結(jié)果與數(shù)據(jù)犯罪情勢(shì)發(fā)展的客觀實(shí)際相符合時(shí),才表明多源數(shù)據(jù)情報(bào)偵查應(yīng)用的準(zhǔn)確性和客觀性。還可以根據(jù)Map-reduce多模態(tài)檢索結(jié)果與涉案多源數(shù)據(jù)情報(bào)源總數(shù)的比例,計(jì)算部分未知檢索結(jié)果與其所有數(shù)據(jù)的占有比例閾值,進(jìn)而降低或消除多源數(shù)據(jù)情報(bào)偵查應(yīng)用的離群度和冗余度。所以,采取Map-reduce多模態(tài)檢索算法能夠提升對(duì)涉案多源數(shù)據(jù)情報(bào)源挖掘的完整性和準(zhǔn)確性,從而全面提高多源數(shù)據(jù)情報(bào)偵查應(yīng)用的客觀性和精確性。

(二)協(xié)同過濾推薦算法

協(xié)同過濾推薦算法的原理是統(tǒng)計(jì)與目標(biāo)用戶有著相同興趣的用戶,或者有同樣經(jīng)驗(yàn)的用戶群體,歸納該用戶群體感興趣的信息,將這些信息推薦給目標(biāo)用戶。[13]通過采取協(xié)同過濾推薦算法能夠挖掘與分析犯罪嫌疑人潛在的個(gè)性喜好,從而有利于對(duì)犯罪嫌疑人或數(shù)據(jù)犯罪情勢(shì)展開多源數(shù)據(jù)情報(bào)的刻畫,且該算法所形成情報(bào)偵查預(yù)測(cè)和決策的質(zhì)量都比較高。依據(jù)多源數(shù)據(jù)情報(bào)偵查所針對(duì)的數(shù)據(jù)犯罪情勢(shì)客體不同,可以將協(xié)同過濾推薦算法分為基于用戶的協(xié)同過濾推薦算法和基于項(xiàng)目的協(xié)同過濾推薦算法兩部分。其中,基于用戶的協(xié)同過濾推薦算法主要是指采取數(shù)據(jù)統(tǒng)計(jì)的運(yùn)算方法發(fā)現(xiàn)與犯罪嫌疑人具有相同或相似個(gè)性喜好的其他犯罪嫌疑人;而基于項(xiàng)目的協(xié)同過濾推薦算法主要是指通過對(duì)涉案犯罪嫌疑人的個(gè)性喜好、犯罪空間時(shí)序的系數(shù)、犯罪痕跡的鑒別和犯罪對(duì)象的選擇等情報(bào)偵查項(xiàng)目的挖掘分析,再通過尋找和運(yùn)算與其存在相似性的情報(bào)偵查需求項(xiàng)目,實(shí)時(shí)代替基于用戶的協(xié)同過濾推薦算法。

結(jié)合多源數(shù)據(jù)情報(bào)偵查的特殊價(jià)值需求和平臺(tái)設(shè)計(jì),可以將多源數(shù)據(jù)情報(bào)偵查的協(xié)同過濾推薦算法具體分為以下幾個(gè)步驟。首先,匯集數(shù)據(jù)犯罪情勢(shì)的多源數(shù)據(jù)情報(bào)源。此處的多源數(shù)據(jù)情報(bào)源主要是基于不同情報(bào)偵查價(jià)值需求項(xiàng)目的多源數(shù)據(jù)。偵查人員可依據(jù)數(shù)據(jù)犯罪情勢(shì)來分析判斷該算法對(duì)數(shù)據(jù)的適合性。同時(shí),多源數(shù)據(jù)情報(bào)偵查的應(yīng)用平臺(tái)也會(huì)根據(jù)犯罪嫌疑人的涉嫌犯罪行為自動(dòng)對(duì)存儲(chǔ)在數(shù)據(jù)倉庫中的不同多源數(shù)據(jù)情報(bào)源展開挖掘與分析,從而快速高效地發(fā)現(xiàn)其與數(shù)據(jù)犯罪情勢(shì)之間潛在的各種關(guān)聯(lián)數(shù)理關(guān)系。其次,對(duì)多源數(shù)據(jù)進(jìn)行近關(guān)聯(lián)搜索,將已挖掘和待挖掘多源數(shù)據(jù)的節(jié)點(diǎn)相似度作為兩者之間的權(quán)重加權(quán)系數(shù)③,依據(jù)已挖掘多源數(shù)據(jù)的節(jié)點(diǎn)權(quán)重加權(quán)系數(shù)能夠獲取待挖掘多源數(shù)據(jù)的節(jié)點(diǎn)權(quán)重加權(quán)系數(shù),達(dá)到對(duì)不同多源數(shù)據(jù)情報(bào)源的關(guān)聯(lián)聚類效果。例如,偵查人員可以采取正弦相似度算法、余弦相似度算法和皮爾森相似度算法等技術(shù)方法完成對(duì)多源數(shù)據(jù)的最近鄰搜索。最后,形成情報(bào)偵查決策的推薦結(jié)果。根據(jù)多源數(shù)據(jù)最近鄰收集所運(yùn)算和獲得的數(shù)據(jù)節(jié)點(diǎn)權(quán)重加權(quán)系數(shù)閾值,使挖掘分析出的關(guān)聯(lián)數(shù)理關(guān)系作為情報(bào)偵查決策的依據(jù),并將所形成的情報(bào)偵查決策及時(shí)推薦給有情報(bào)偵查價(jià)值需求的偵查人員。相較于傳統(tǒng)情報(bào)偵查的數(shù)據(jù)推薦算法,協(xié)同過濾推薦算法受到多源數(shù)據(jù)情報(bào)偵查中歷史數(shù)據(jù)和更新數(shù)據(jù)的影響或制約比較小,所以,采取多源數(shù)據(jù)情報(bào)偵查的協(xié)同過濾推薦算法,不僅能夠保障對(duì)不同多源數(shù)據(jù)的數(shù)據(jù)節(jié)點(diǎn)權(quán)重加權(quán)系數(shù)挖掘分析的穩(wěn)定性,還能夠提升多源數(shù)據(jù)情報(bào)偵查挖掘與分析應(yīng)用的高效性。

(三)仿射數(shù)據(jù)傳播聚類算法

仿射數(shù)據(jù)傳播聚類算法是指主要利用不同多源數(shù)據(jù)情報(bào)源之間互相傳播的技術(shù)方法形成頻繁項(xiàng)目數(shù)據(jù)集合的聚類中心,從而實(shí)現(xiàn)各個(gè)多源數(shù)據(jù)節(jié)點(diǎn)自動(dòng)關(guān)聯(lián)聚類的一種智能數(shù)據(jù)挖掘算法。相較于傳統(tǒng)的數(shù)據(jù)關(guān)聯(lián)聚類算法,仿射數(shù)據(jù)傳播聚類算法不需要對(duì)多源數(shù)據(jù)情報(bào)源的數(shù)據(jù)形態(tài)類別、聚類初始中心、數(shù)據(jù)連邊和數(shù)據(jù)路徑等權(quán)重加權(quán)系數(shù)進(jìn)行提前預(yù)設(shè)。任何一個(gè)多源數(shù)據(jù)的數(shù)據(jù)節(jié)點(diǎn)都具有潛在關(guān)聯(lián)聚類中心的價(jià)值,通過采取數(shù)據(jù)迭代算法就能夠自動(dòng)形成多源數(shù)據(jù)頻繁項(xiàng)目數(shù)據(jù)集合的聚類中心,促使多源數(shù)據(jù)情報(bào)偵查應(yīng)用的結(jié)果更具有精確性。從仿射數(shù)據(jù)傳播聚類算法的價(jià)值優(yōu)勢(shì)角度來說,可以將其在多源數(shù)據(jù)情報(bào)偵查中的應(yīng)用分為兩個(gè)步驟。

第二步,運(yùn)算和挖掘獲取多源數(shù)據(jù)互相傳播的吸引值和歸屬值。多源數(shù)據(jù)的吸引值主要是將不同多源數(shù)據(jù)從數(shù)據(jù)節(jié)點(diǎn)i傳播到作為潛在多源數(shù)據(jù)頻繁項(xiàng)目集合關(guān)聯(lián)聚類中心數(shù)據(jù)節(jié)點(diǎn)k的相似度閾值,即R(i,k);而潛在數(shù)據(jù)節(jié)點(diǎn)k′的歸屬值可通過在R(i,k)中插入數(shù)據(jù)節(jié)點(diǎn)i來獲取。同時(shí),多源數(shù)據(jù)的歸屬值是從多源數(shù)據(jù)頻繁項(xiàng)目集合中潛在關(guān)聯(lián)聚類中心數(shù)據(jù)節(jié)點(diǎn)k傳播到數(shù)據(jù)節(jié)點(diǎn)i的相似度閾值,即A(i,k)。顯然,多源數(shù)據(jù)的歸屬值不僅揭示了數(shù)據(jù)節(jié)點(diǎn)k作為數(shù)據(jù)節(jié)點(diǎn)i關(guān)聯(lián)聚類中心適配的權(quán)重加權(quán)程度,而且在一定程度上反映了數(shù)據(jù)節(jié)點(diǎn)k對(duì)其他潛在數(shù)據(jù)節(jié)點(diǎn)的吸引值大小。多源數(shù)據(jù)情報(bào)偵查的仿射數(shù)據(jù)傳播聚類算法,一方面具有降低數(shù)據(jù)挖掘運(yùn)算的耗時(shí)量和提高多源數(shù)據(jù)利用率的功能;另一方面,還促使多源數(shù)據(jù)情報(bào)偵查應(yīng)用具有較強(qiáng)的便捷性和實(shí)用性等價(jià)值優(yōu)勢(shì),更加有利于多源數(shù)據(jù)情報(bào)偵查應(yīng)然價(jià)值的高效實(shí)現(xiàn)。

(四)圖卷積網(wǎng)絡(luò)多源算法

圖卷積網(wǎng)絡(luò)多源算法最早是由學(xué)者Thomas Kipf提出的,主要原理是通過對(duì)不同多源數(shù)據(jù)的數(shù)據(jù)節(jié)點(diǎn)相似度特征進(jìn)行卷積并采取圖的方式進(jìn)行挖掘分析,具有數(shù)據(jù)收斂速度快、運(yùn)算耗時(shí)少、成本低等顯著特征。[14]圖卷積網(wǎng)絡(luò)多源算法的應(yīng)用平臺(tái)主要包括輸入層、隱藏層和輸出層三個(gè)部分。其中,輸入層主要輸入不同多源數(shù)據(jù)的節(jié)點(diǎn)共同矩陣和相鄰矩陣,目的是挖掘與分析不同數(shù)據(jù)節(jié)點(diǎn)之間相似度的權(quán)重加權(quán)系數(shù);隱藏層的任務(wù)是利用Relu算法、Dropout算法等挖掘算法對(duì)不同類別形態(tài)、不同屬性范疇的多源數(shù)據(jù)分布進(jìn)行數(shù)據(jù)倉庫構(gòu)建,防止出現(xiàn)數(shù)據(jù)冗余、數(shù)據(jù)重復(fù)等現(xiàn)象;輸出層的作用是將所挖掘和構(gòu)建數(shù)據(jù)倉庫中的多源數(shù)據(jù)轉(zhuǎn)化成行為的數(shù)據(jù)預(yù)測(cè)閾值。

多源數(shù)據(jù)情報(bào)偵查的圖卷積網(wǎng)絡(luò)多源算法具有數(shù)據(jù)收斂速度快、運(yùn)算客觀性強(qiáng)和情報(bào)偵查預(yù)測(cè)精確度高等顯著價(jià)值優(yōu)勢(shì),多源數(shù)據(jù)情報(bào)偵查的情報(bào)價(jià)值需求可通過圖卷積網(wǎng)絡(luò)多源算法得以實(shí)現(xiàn)。多源數(shù)據(jù)情報(bào)偵查的圖卷積網(wǎng)絡(luò)多源算法可分為以下六個(gè)步驟。第一步,多源數(shù)據(jù)的預(yù)處理。在獲取到涉案各種多源數(shù)據(jù)情報(bào)源之后,采取數(shù)據(jù)清洗、數(shù)據(jù)過濾等技術(shù)方法對(duì)其進(jìn)行數(shù)據(jù)預(yù)處理,再將經(jīng)過數(shù)據(jù)預(yù)處理的多源數(shù)據(jù)轉(zhuǎn)化為多源數(shù)據(jù)頻繁項(xiàng)目的本體集合并以RDF的類別形態(tài)予以存儲(chǔ)。第二步,構(gòu)建多源數(shù)據(jù)的拓?fù)鋱D。以RDF類別形態(tài)的多源數(shù)據(jù)頻繁項(xiàng)目本體集合為數(shù)據(jù)模型構(gòu)建多源數(shù)據(jù)的拓?fù)鋱D,該本體集合中所有多源數(shù)據(jù)的總數(shù)量就是其構(gòu)建拓?fù)鋱D的數(shù)據(jù)節(jié)點(diǎn)總數(shù)。可以采用One-hot稀疏數(shù)據(jù)矩陣⑤來表示多源數(shù)據(jù)拓?fù)鋱D的矩陣特征,促使構(gòu)建多源數(shù)據(jù)的拓?fù)鋱D更加客觀合理。同時(shí),還可以根據(jù)不同數(shù)據(jù)節(jié)點(diǎn)之間相似度權(quán)重加權(quán)系數(shù)的差異性,將其構(gòu)建為兩個(gè)具有無向型的多源數(shù)據(jù)拓?fù)鋱D。第三步,多源數(shù)據(jù)的實(shí)例化張量。為了提升多源數(shù)據(jù)情報(bào)偵查挖掘與分析應(yīng)用的精確性,需要對(duì)已構(gòu)建的多源數(shù)據(jù)拓?fù)鋱D采取實(shí)例化張量運(yùn)算,主要包括數(shù)據(jù)節(jié)點(diǎn)矩陣、共同相鄰數(shù)據(jù)路徑矩陣、數(shù)據(jù)節(jié)點(diǎn)相似度、數(shù)據(jù)節(jié)點(diǎn)的距離標(biāo)簽,以及數(shù)據(jù)連邊的無向圖等實(shí)例化的張量運(yùn)算。第四步,構(gòu)建圖卷積網(wǎng)絡(luò)多源算法模型。為避免和降低在圖卷積網(wǎng)絡(luò)多源算法中出現(xiàn)數(shù)據(jù)過擬合等離群異?，F(xiàn)象,可采取Leaky-relu函數(shù)對(duì)涉案的多源數(shù)據(jù)進(jìn)行非線性激活,并利用Soft-max函數(shù)對(duì)圖卷積網(wǎng)絡(luò)多源算法展開Adam模型優(yōu)化,從而提升圖卷積網(wǎng)絡(luò)多源算法模型的科學(xué)性。第五步,訓(xùn)練多源數(shù)據(jù)集。將多源數(shù)據(jù)拓?fù)鋱D中數(shù)據(jù)節(jié)點(diǎn)A、B作為被訓(xùn)練多源數(shù)據(jù)集的對(duì)象,依據(jù)數(shù)據(jù)距離、數(shù)據(jù)路徑、數(shù)據(jù)閾值、共同相鄰或衍生相鄰的數(shù)據(jù)節(jié)點(diǎn)等不同的數(shù)據(jù)節(jié)點(diǎn)屬性范疇,將其作為訓(xùn)練多源數(shù)據(jù)集的相似度模型輸入來源。然后,通過圖卷積網(wǎng)絡(luò)多源算法模型挖掘與分析最合適多源數(shù)據(jù)情報(bào)偵查應(yīng)用的特征矩陣Abest和相鄰矩陣Bbest。第六步,多源數(shù)據(jù)集的測(cè)試。在挖掘分析最合適多源數(shù)據(jù)情報(bào)偵查挖掘分析的特征矩陣Abest和相鄰矩陣Bbest之后,將其應(yīng)用于不同多源數(shù)據(jù)頻繁項(xiàng)目集的測(cè)試。在多源數(shù)據(jù)集的測(cè)試過程中,首先選擇和確定多源數(shù)據(jù)X、Y作為被測(cè)試的數(shù)據(jù)節(jié)點(diǎn),然后分別計(jì)算數(shù)據(jù)節(jié)點(diǎn)X、Y的數(shù)據(jù)距離、數(shù)據(jù)路徑、相似度閾值、權(quán)重加權(quán)系數(shù)和數(shù)據(jù)連邊等,最后將上述多源數(shù)據(jù)節(jié)點(diǎn)X、Y的計(jì)算結(jié)果代入圖卷積網(wǎng)絡(luò)多源算法的運(yùn)算模型進(jìn)行挖掘與分析,其輸出的結(jié)果即為多源數(shù)據(jù)情報(bào)偵查的數(shù)理關(guān)系挖掘分析結(jié)果。

(五)異構(gòu)傳感數(shù)據(jù)融合目標(biāo)識(shí)別算法

傳統(tǒng)的數(shù)據(jù)情報(bào)偵查算法為了降低數(shù)據(jù)挖掘的計(jì)算量,往往采用單一數(shù)據(jù)特征選擇的靜態(tài)目標(biāo)識(shí)別算法,對(duì)類別形態(tài)、格式標(biāo)準(zhǔn)、內(nèi)涵屬性等相同或相似的同源數(shù)據(jù)具有較好的情報(bào)偵查挖掘分析價(jià)值。然而,隨著多源數(shù)據(jù)情報(bào)源的不斷產(chǎn)生,傳統(tǒng)單一數(shù)據(jù)特征選擇的靜態(tài)目標(biāo)識(shí)別算法已難以適應(yīng)多源數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新時(shí)代情報(bào)偵查工作的價(jià)值需求?；诖?提出和引入一種特殊的異構(gòu)傳感數(shù)據(jù)融合目標(biāo)識(shí)別算法顯得尤為必要。依據(jù)對(duì)不同異構(gòu)多源數(shù)據(jù)情報(bào)偵查的情報(bào)價(jià)值需求和流程模型構(gòu)建,可以將異構(gòu)傳感數(shù)據(jù)融合目標(biāo)識(shí)別算法具體分為三個(gè)步驟。第一步,異構(gòu)多源數(shù)據(jù)的融合。異構(gòu)多源數(shù)據(jù)的融合主要包括多源數(shù)據(jù)目標(biāo)狀態(tài)的融合和多源數(shù)據(jù)目標(biāo)特性的融合兩個(gè)部分。將通過不同情報(bào)偵查途徑所獲取的各種異構(gòu)多源數(shù)據(jù)進(jìn)行數(shù)據(jù)匯集、數(shù)據(jù)清洗、數(shù)據(jù)集成等數(shù)據(jù)預(yù)處理之后,再采取多傳感器的數(shù)據(jù)目標(biāo)跟蹤技術(shù)將各種多源數(shù)據(jù)的目標(biāo)狀態(tài)進(jìn)行互相融合,從而完成對(duì)多源數(shù)據(jù)情報(bào)源的數(shù)據(jù)目標(biāo)挖掘和跟蹤。同時(shí),在對(duì)多源數(shù)據(jù)目標(biāo)狀態(tài)融合的基礎(chǔ)上,還需要進(jìn)一步對(duì)數(shù)據(jù)倉庫中不同多源數(shù)據(jù)的類別形態(tài)和內(nèi)涵屬性進(jìn)行挖掘與分析,完成對(duì)多源數(shù)據(jù)目標(biāo)特性的融合應(yīng)用。顯然,通過對(duì)異構(gòu)多源數(shù)據(jù)的融合應(yīng)用,一方面在多源數(shù)據(jù)情報(bào)偵查的數(shù)據(jù)倉庫構(gòu)建過程中能夠有效降低和消除冗余數(shù)據(jù)、重復(fù)數(shù)據(jù)、多維數(shù)據(jù)等離群多源數(shù)據(jù)出現(xiàn)的概率;另一方面,還具有提升后續(xù)異構(gòu)傳感數(shù)據(jù)融合目標(biāo)識(shí)別算法高效、客觀的運(yùn)算價(jià)值。第二步,提取多源數(shù)據(jù)的目標(biāo)特征。異構(gòu)傳感數(shù)據(jù)融合目標(biāo)識(shí)別算法的關(guān)聯(lián)數(shù)理關(guān)系挖掘分析主要有數(shù)據(jù)識(shí)別目標(biāo)特征、數(shù)據(jù)空間特征、數(shù)據(jù)統(tǒng)計(jì)特征、數(shù)據(jù)閾值變換特征等技術(shù)方法。其中的數(shù)據(jù)識(shí)別目標(biāo)特征方法主要是通過對(duì)多源數(shù)據(jù)的抽象提取所獲得,能夠揭示和反映出不同多源數(shù)據(jù)識(shí)別目標(biāo)特征的本質(zhì)屬性區(qū)別。例如,偵查人員可以采用直方圖的方式選擇和提取多源數(shù)據(jù)識(shí)別目標(biāo)的特征,圖像的灰度級(jí)表示不同多源數(shù)據(jù)識(shí)別目標(biāo)特征的空間分布。可利用直方圖的圖像區(qū)域大小M×N(M、N為坐標(biāo)值)標(biāo)定多源數(shù)據(jù)在該圖上的可識(shí)別目標(biāo)特征,不同多源數(shù)據(jù)的可識(shí)別目標(biāo)特征分別通過公式F(Mk)=Nk來具體計(jì)算標(biāo)定。其中,k的閾值范圍為[0,L-1]。此外,還可以通過余弦頻譜、正弦頻譜、傅里葉頻譜等技術(shù)方法挖掘和提取不同多源數(shù)據(jù)的目標(biāo)特征。第三步,實(shí)現(xiàn)情報(bào)偵查的目標(biāo)識(shí)別。在異構(gòu)傳感數(shù)據(jù)融合目標(biāo)識(shí)別算法過程中,沖突閾值表示不同多源數(shù)據(jù)目標(biāo)識(shí)別之間的權(quán)重沖突概率,而影響和制約沖突閾值的要素比較多。若多源數(shù)據(jù)M1和M2的沖突閾值較高時(shí),則可以將兩者進(jìn)行數(shù)據(jù)融合;若兩者之間的權(quán)重沖突概率特別高時(shí),則需要先采取關(guān)聯(lián)聚類算法降低權(quán)重沖突概率,再進(jìn)行調(diào)整融合?？上葘⒉煌嘣磾?shù)據(jù)之間的沖突閾值提前進(jìn)行預(yù)設(shè),為了確保偵查目標(biāo)識(shí)別的精確性和客觀性,需要對(duì)其沖突閾值和概率進(jìn)行不斷的檢驗(yàn)和修正。通過調(diào)整和修改不同多源數(shù)據(jù)之間的沖突閾值和概率來確保偵查目標(biāo)識(shí)別的準(zhǔn)確性,既考慮了不同多源數(shù)據(jù)內(nèi)涵屬性之間的兼容性,又合理解決了沖突閾值和概率過高等相關(guān)問題。因此,采用異構(gòu)傳感數(shù)據(jù)融合目標(biāo)識(shí)別算法不僅能夠全面降低和減少多源數(shù)據(jù)情報(bào)偵查應(yīng)然價(jià)值和實(shí)際效果之間的差異性,還能夠大幅度提升多源數(shù)據(jù)情報(bào)偵查目標(biāo)識(shí)別的準(zhǔn)確性和高效性。

(六)數(shù)據(jù)分類壓縮算法

PPM壓縮算法、旋轉(zhuǎn)門算法等傳統(tǒng)數(shù)據(jù)情報(bào)偵查算法往往存在有損壓縮的缺陷,已難以滿足多源數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新時(shí)代情報(bào)偵查工作的價(jià)值需求,所以,需要引入數(shù)據(jù)分類壓縮算法⑥的多源數(shù)據(jù)情報(bào)偵查應(yīng)用方法。結(jié)合數(shù)據(jù)分類壓縮算法的價(jià)值優(yōu)勢(shì)和多源數(shù)據(jù)情報(bào)偵查的實(shí)際需求導(dǎo)向,可以將多源數(shù)據(jù)情報(bào)偵查的數(shù)據(jù)分類壓縮算法分為四個(gè)方面。一是多源數(shù)據(jù)的劃分。根據(jù)不同多源數(shù)據(jù)情報(bào)源被壓縮的算法平臺(tái)設(shè)計(jì),可以將其劃分為多源數(shù)據(jù)的時(shí)間戳壓縮和多源數(shù)據(jù)的質(zhì)量碼壓縮兩個(gè)部分。其中,多源數(shù)據(jù)的時(shí)間戳壓縮主要是尋找和匯集涉案多源數(shù)據(jù)情報(bào)源時(shí)的時(shí)間戳,這不僅能夠提升多源數(shù)據(jù)情報(bào)偵查決策的準(zhǔn)確性,而且能夠保障數(shù)據(jù)倉庫構(gòu)建、數(shù)據(jù)集成等多源數(shù)據(jù)情報(bào)偵查流程模型的完整性和時(shí)序性。而多源數(shù)據(jù)的質(zhì)量碼壓縮是分析判斷對(duì)多源數(shù)據(jù)情報(bào)源挖掘和分析工作狀態(tài)的質(zhì)量碼,主要包括連續(xù)型、離群型、Bool型等類型。根據(jù)多源數(shù)據(jù)情報(bào)偵查的不同情報(bào)價(jià)值需求,多源數(shù)據(jù)的質(zhì)量碼壓縮可以采取不同的數(shù)據(jù)閾值[0,1]表示其不同的數(shù)據(jù)精度。二是多源數(shù)據(jù)時(shí)間戳和質(zhì)量碼的壓縮。先預(yù)置一個(gè)多源數(shù)據(jù)時(shí)間戳和質(zhì)量碼壓縮的基準(zhǔn)閾值,通過處理其他多源數(shù)據(jù)時(shí)間戳和質(zhì)量碼壓縮而獲取兩者之間的數(shù)據(jù)序列差值,并對(duì)相等或不相等的多源數(shù)據(jù)時(shí)間戳和質(zhì)量碼壓縮之間的差值進(jìn)行記錄和存儲(chǔ),再采取數(shù)據(jù)節(jié)點(diǎn)匹配的RLE算法⑦完成多源數(shù)據(jù)時(shí)間戳和質(zhì)量碼的壓縮目標(biāo)。三是多源數(shù)據(jù)數(shù)值的壓縮。在使用數(shù)據(jù)分類壓縮算法對(duì)不同多源數(shù)據(jù)進(jìn)行數(shù)值壓縮的過程中,不但要考慮各數(shù)值壓縮之間的差異性,而且還需要考慮不同多源數(shù)據(jù)之間的類別形態(tài)、內(nèi)涵屬性、數(shù)據(jù)路徑和數(shù)據(jù)距離等。例如,針對(duì)不同數(shù)值型多源數(shù)據(jù)之間權(quán)重加權(quán)系數(shù)波動(dòng)性較小的特點(diǎn),可以直接對(duì)此類型的多源數(shù)據(jù)進(jìn)行數(shù)值壓縮。對(duì)于符號(hào)型、文本型等不同類型的多源數(shù)據(jù),可以先預(yù)設(shè)一個(gè)多源數(shù)據(jù)數(shù)值壓縮的基準(zhǔn)值和固定差值范圍,并對(duì)多源數(shù)據(jù)的字典采取初始化操作。同時(shí),根據(jù)不同多源數(shù)據(jù)的記錄和存儲(chǔ)以及其基準(zhǔn)值之間差值的范圍,尋找相對(duì)應(yīng)的數(shù)據(jù)節(jié)點(diǎn)字符串索引,再采取LZ78算法⑧等技術(shù)方法完成對(duì)多源數(shù)據(jù)數(shù)值的壓縮任務(wù)。四是數(shù)據(jù)分類壓縮算法的性能測(cè)試。為了提升多源數(shù)據(jù)情報(bào)偵查預(yù)測(cè)和決策應(yīng)用的精確性,需要對(duì)數(shù)據(jù)分類壓縮的算法進(jìn)行性能測(cè)試,主要從多源數(shù)據(jù)時(shí)間戳、質(zhì)量碼和數(shù)值壓縮等方面展開檢驗(yàn)和修正。顯然,相較于傳統(tǒng)的數(shù)據(jù)情報(bào)偵查方法,數(shù)據(jù)分類壓縮算法更加能夠滿足多源數(shù)據(jù)情報(bào)偵查的應(yīng)用價(jià)值需求。多源數(shù)據(jù)情報(bào)偵查的數(shù)據(jù)分類壓縮算法兼顧了對(duì)涉案多源數(shù)據(jù)挖掘與分析的效率和質(zhì)量,這不僅有利于降低數(shù)據(jù)的收斂耗時(shí)和數(shù)值的壓縮時(shí)間,還有利于提高多源數(shù)據(jù)情報(bào)偵查應(yīng)用的高效性和優(yōu)質(zhì)性。

五、結(jié)語

基于多源數(shù)據(jù)的情報(bào)偵查方法是多源數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新時(shí)代的新型數(shù)據(jù)情報(bào)偵查方法,并且包括Map-reduce多模態(tài)檢索算法、協(xié)同過濾推薦算法、仿射數(shù)據(jù)傳播聚類算法、圖卷積網(wǎng)絡(luò)多源算法、異構(gòu)傳感數(shù)據(jù)融合目標(biāo)識(shí)別算法、數(shù)據(jù)分類壓縮算法等多種多源數(shù)據(jù)情報(bào)偵查方法,且不同的多源數(shù)據(jù)情報(bào)偵查方法有著不同的算法價(jià)值優(yōu)勢(shì)?；诖?引入多源數(shù)據(jù)情報(bào)偵查方法的研究范式既是必要的,也是及時(shí)的。以多源數(shù)據(jù)情報(bào)偵查的內(nèi)涵與屬性為研究邏輯起點(diǎn),提出多源數(shù)據(jù)情報(bào)偵查的平臺(tái)設(shè)計(jì)方案,構(gòu)建多源數(shù)據(jù)情報(bào)偵查的流程模型,探討多源數(shù)據(jù)情報(bào)偵查的應(yīng)用算法,這不僅有助于提高多源數(shù)據(jù)融合的準(zhǔn)確率和關(guān)聯(lián)聚類的挖掘率,而且能夠增強(qiáng)多源數(shù)據(jù)溯源的客觀性和情報(bào)偵查價(jià)值應(yīng)用的高效性,從而實(shí)現(xiàn)由“等待需要”向“創(chuàng)造需求”轉(zhuǎn)變的應(yīng)然情報(bào)偵查價(jià)值。

注釋:

①數(shù)據(jù)犯罪情勢(shì)主要是通過數(shù)據(jù)對(duì)犯罪情勢(shì)進(jìn)行描繪,將犯罪情勢(shì)諸要素進(jìn)行量化,以數(shù)據(jù)及數(shù)理關(guān)系描繪犯罪情勢(shì),從而為多源數(shù)據(jù)情報(bào)偵查提供科學(xué)準(zhǔn)確的數(shù)據(jù)基礎(chǔ)。

②數(shù)據(jù)迭代運(yùn)算是數(shù)據(jù)挖掘分析中的一類典型技術(shù)算法,其原理是先取一個(gè)粗糙的數(shù)據(jù)節(jié)點(diǎn)相似度近似值,然后用同一個(gè)遞推公式,反復(fù)校正此閾值,直至符合預(yù)定精度要求為止。該算法主要應(yīng)用于BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練、卡爾曼濾波五組核心遞推公式、赫爾默特方差分量估計(jì)、拱壩溢流壩計(jì)算點(diǎn)位徑向距離等方面。

③所謂權(quán)重加權(quán)系數(shù)是指在數(shù)據(jù)挖掘分析過程中,為了顯示若干數(shù)據(jù)在數(shù)據(jù)倉庫總數(shù)據(jù)源中所具有的重要程度,分別給予不同的比例系數(shù)。權(quán)重加權(quán)系數(shù)主要分為自重權(quán)數(shù)系數(shù)與加重權(quán)數(shù)系數(shù)兩種,權(quán)重加權(quán)系數(shù)閾值的大小與所挖掘分析的目標(biāo)重要程度有關(guān)。

④數(shù)據(jù)適配度主要是通過對(duì)數(shù)據(jù)源使用適當(dāng)?shù)腡ransact-SQL語句映射Fill(可更改DataSet中的數(shù)據(jù)以匹配數(shù)據(jù)源中的數(shù)據(jù))和Update(可更改數(shù)據(jù)源中的數(shù)據(jù)以匹配DataSet中的數(shù)據(jù))來提供這一橋梁銜接,從而提高數(shù)據(jù)在SQL Server數(shù)據(jù)庫進(jìn)行挖掘分析的性能和準(zhǔn)確率。

⑤在數(shù)據(jù)被轉(zhuǎn)換和融合后,存在部分?jǐn)?shù)據(jù)不能直接被分配或存儲(chǔ)在數(shù)據(jù)倉庫的數(shù)據(jù)分類器中被挖掘分析的情況,而數(shù)據(jù)分類器往往默認(rèn)數(shù)據(jù)是連續(xù)的,并且是有序的。為了解決上述問題,其中一種典型的解決方法是采用獨(dú)熱編碼即One-hot稀疏數(shù)據(jù)矩陣,One-hot稀疏數(shù)據(jù)矩陣方法是使用N位數(shù)據(jù)寄存器來對(duì)N個(gè)數(shù)據(jù)進(jìn)行編碼,每個(gè)數(shù)據(jù)都有獨(dú)立的寄存器位,并且數(shù)據(jù)和寄存器隨機(jī)對(duì)應(yīng)組合,在任何時(shí)候都是一對(duì)一有效,即只有一個(gè)寄存器位有效,主要具有解決數(shù)據(jù)分類器不好處理屬性數(shù)據(jù)的問題和在一定程度上擴(kuò)充數(shù)據(jù)屬性特征的作用。

⑥數(shù)據(jù)分類壓縮算法是指各種數(shù)據(jù)在被數(shù)據(jù)清洗、數(shù)據(jù)集成等存儲(chǔ)在數(shù)據(jù)分類器之后,采取縮減數(shù)據(jù)量而提高其處理、傳輸、存儲(chǔ)和挖掘分析效率,減少數(shù)據(jù)的冗余和存儲(chǔ)的空間等,并且對(duì)壓縮后的數(shù)據(jù)進(jìn)行重構(gòu)(或者叫做還原,解壓縮)后與原來的數(shù)據(jù)完全相同。

⑦RLE(Run LengthEncoding行程編碼)算法是一個(gè)簡單高效的無損數(shù)據(jù)壓縮算法,其基本思路是把數(shù)據(jù)看成一個(gè)線性序列,而這些數(shù)據(jù)序列組織方式分成兩種情況,一種是連續(xù)的重復(fù)數(shù)據(jù)塊,另一種是連續(xù)的不重復(fù)數(shù)據(jù)塊。對(duì)于連續(xù)的重復(fù)數(shù)據(jù)快采用的壓縮策略是用一個(gè)字節(jié)表示數(shù)據(jù)塊重復(fù)的次數(shù),然后在這個(gè)數(shù)據(jù)重?cái)?shù)屬性字節(jié)后面存儲(chǔ)對(duì)應(yīng)的數(shù)據(jù)字節(jié)本身;對(duì)于連續(xù)不重復(fù)的數(shù)據(jù)序列,表示方法和連續(xù)的重復(fù)數(shù)據(jù)塊序列的表示方法一樣,只不過前面的數(shù)據(jù)重?cái)?shù)屬性字節(jié)的內(nèi)容為1。

⑧LZ78算法主要通過對(duì)輸入緩存數(shù)據(jù)進(jìn)行預(yù)先掃描與它維護(hù)的字典中的數(shù)據(jù)進(jìn)行匹配來實(shí)現(xiàn)處理更新后的數(shù)據(jù),在找到字典中不能匹配的數(shù)據(jù)之前它掃描所有的數(shù)據(jù),輸出數(shù)據(jù)在字典中的位置、匹配的長度以及找不到匹配的數(shù)據(jù),并且將結(jié)果數(shù)據(jù)添加到字典中。