數(shù)據(jù)挖掘技術(shù)及其在刑偵工作中的應(yīng)用分析

趙華珍

河南警察學(xué)院

數(shù)據(jù)挖掘技術(shù)及其在刑偵工作中的應(yīng)用分析

趙華珍

河南警察學(xué)院

本文首先對(duì)數(shù)據(jù)挖掘技術(shù)和刑偵工作中關(guān)聯(lián)規(guī)則的應(yīng)用問(wèn)題進(jìn)行了簡(jiǎn)要介紹，從而探討了數(shù)據(jù)挖掘技術(shù)在刑偵工作中應(yīng)用存在的問(wèn)題，并在新犯罪敏感性和權(quán)重參數(shù)基礎(chǔ)上對(duì)Apriori算法進(jìn)行了優(yōu)化，希望對(duì)提升數(shù)據(jù)挖掘技術(shù)在刑偵工作中的應(yīng)用效率起到促進(jìn)作用。

數(shù)據(jù)挖掘技術(shù)；刑偵工作；應(yīng)用

前言

近年來(lái)，信息技術(shù)以日新月異的速度飛快發(fā)展，給人們的工作及生活帶來(lái)了極大的轉(zhuǎn)變，現(xiàn)階段，相關(guān)領(lǐng)域也加大了對(duì)信息技術(shù)的研發(fā)力度，在人工智能以及數(shù)據(jù)庫(kù)的研發(fā)過(guò)程中，數(shù)據(jù)挖掘技術(shù)受到了廣泛關(guān)注，現(xiàn)階段將這一技術(shù)同刑偵工作進(jìn)行緊密的結(jié)合，從而有效提升刑偵工作效率至關(guān)重要。然而，目前我國(guó)刑偵工作中對(duì)數(shù)據(jù)挖掘技術(shù)的應(yīng)用還處于初級(jí)階段，因此還存在一定缺陷，在這種情況下，有針對(duì)性的采取有效措施彌補(bǔ)數(shù)據(jù)挖掘技術(shù)在刑偵工作中應(yīng)用的不足具有重要意義。

一、數(shù)據(jù)挖掘技術(shù)在刑偵工作中應(yīng)用存在的問(wèn)題

（一）數(shù)據(jù)挖掘技術(shù)

Data Mining即數(shù)據(jù)挖掘，通常也被稱之為KnowledgeDiscovery in Database，指的是在對(duì)知識(shí)以及內(nèi)容進(jìn)行研究的過(guò)程中，從數(shù)據(jù)庫(kù)中進(jìn)行提取，而這些知識(shí)實(shí)際上是具有一定潛在可利用功能的，同時(shí)也具有隱含的性質(zhì)，在知識(shí)提取過(guò)程中，可以通過(guò)多種形式，如模式、規(guī)律以及概念等［1］。在對(duì)數(shù)據(jù)進(jìn)行儲(chǔ)存的過(guò)程中，主要應(yīng)用的是數(shù)據(jù)庫(kù)管理系統(tǒng)，而數(shù)據(jù)分析是以機(jī)器學(xué)習(xí)法為主的，從而對(duì)海量數(shù)據(jù)背后所隱藏的知識(shí)進(jìn)行挖掘，以上兩者充分的融合就是數(shù)據(jù)挖掘技術(shù)產(chǎn)生的基礎(chǔ)。

（二）刑偵工作中關(guān)聯(lián)規(guī)則的應(yīng)用問(wèn)題

首先，傳統(tǒng)的Apriori算法，敏感性在新項(xiàng)目中的體現(xiàn)相對(duì)較低。由于在記錄犯罪行為的過(guò)程中，是一個(gè)不斷更新的過(guò)程，在傳統(tǒng)犯罪行為消失而新的犯罪行為產(chǎn)生的過(guò)程中，數(shù)據(jù)庫(kù)中的內(nèi)容產(chǎn)生不間斷更新，這一過(guò)程很容易造成一定的變化產(chǎn)生于項(xiàng)目之間的關(guān)聯(lián)中，而關(guān)聯(lián)規(guī)則不斷創(chuàng)新。在傳統(tǒng)Apriori算法中，這一現(xiàn)象被忽視，即新的項(xiàng)目增加基礎(chǔ)上，在對(duì)支持度在不同項(xiàng)目集中的體現(xiàn)進(jìn)行求解的過(guò)程中，基數(shù)總是以整個(gè)數(shù)據(jù)庫(kù)中的犯罪行為記錄為主，這種現(xiàn)象同關(guān)聯(lián)規(guī)則挖掘具有明顯的沖突，也就是說(shuō)在對(duì)其進(jìn)行應(yīng)用的過(guò)程中，無(wú)法對(duì)新產(chǎn)生的頻繁項(xiàng)目集進(jìn)行及時(shí)的發(fā)現(xiàn)，因此也就無(wú)法對(duì)關(guān)聯(lián)規(guī)則進(jìn)行有效的更新。

其次，傳統(tǒng)的Apriori算法應(yīng)用中對(duì)不同項(xiàng)的重要性產(chǎn)生了忽略。該算法對(duì)數(shù)據(jù)庫(kù)中被分析的對(duì)象產(chǎn)生的規(guī)律進(jìn)行了分析，而完全忽略了不同項(xiàng)應(yīng)用過(guò)程中重要性具有差別這一特點(diǎn)，因此在對(duì)這些項(xiàng)展開(kāi)研究的過(guò)程中，它們被一致視為擁有相同的價(jià)值。這一現(xiàn)象的產(chǎn)生，經(jīng)常性造成部分出現(xiàn)率低、價(jià)值較高的項(xiàng)被忽略。在對(duì)傳統(tǒng)的Apriori算法進(jìn)行應(yīng)用的過(guò)程中，分析公安犯罪行為常常導(dǎo)致對(duì)重要情節(jié)的忽視，而這些重要的情節(jié)通常會(huì)對(duì)社會(huì)產(chǎn)生嚴(yán)重的危害，也是惡性犯罪行為的代表。

二、數(shù)據(jù)挖掘技術(shù)在刑偵工作中有效應(yīng)用的改進(jìn)模型

（一）新犯罪敏感性基礎(chǔ)上的Apriori優(yōu)化算法

權(quán)重參數(shù)基礎(chǔ)上優(yōu)化Apriori算法，主要意圖是促使敏感性在新犯罪行為中得以提升。對(duì)頻發(fā)項(xiàng)目集算法的改進(jìn)是優(yōu)化Apriori算法的主要途徑。

當(dāng)1≤α≤∞時(shí)，將參數(shù)α引入舊數(shù)據(jù)集當(dāng)中，有助于對(duì)頻繁項(xiàng)目集的發(fā)現(xiàn)，如果頻繁項(xiàng)目集擁有不小于最小支持度同α的比值，則應(yīng)當(dāng)?shù)玫奖Ａ?，?dāng)心的數(shù)據(jù)集在數(shù)據(jù)庫(kù)中產(chǎn)生，此時(shí)對(duì)最小支持度同α的比值小于支持度的頻繁項(xiàng)目集進(jìn)行充分的考慮，同時(shí)還包含現(xiàn)階段所增加的數(shù)據(jù)集，在不斷增大的數(shù)據(jù)庫(kù)規(guī)模的背景下，相對(duì)穩(wěn)定狀態(tài)將產(chǎn)生于項(xiàng)目增加的狀態(tài)當(dāng)中，如果最小支持度同α的比值小于部分頻繁項(xiàng)目集的支持度，那么對(duì)這一頻繁項(xiàng)目集進(jìn)行掃描過(guò)程中所需的時(shí)間一定小于對(duì)整個(gè)數(shù)據(jù)集的掃描時(shí)間，從而能夠有效提升頻繁項(xiàng)目集發(fā)現(xiàn)的效率［2］。

（二）權(quán)重參數(shù)基礎(chǔ)上的Apriori優(yōu)化算法

權(quán)重參數(shù)基礎(chǔ)上優(yōu)化Apriori算法，主要意圖是在對(duì)權(quán)重參數(shù)應(yīng)用以后，從而促使不同犯罪行為性質(zhì)的衡量可以對(duì)不同的權(quán)值進(jìn)行利用，從而對(duì)支持度函數(shù)進(jìn)行設(shè)定，并從中將重大犯罪行為之間的關(guān)聯(lián)規(guī)則進(jìn)行深入挖掘。

假設(shè)集合X取值范圍為［x1，x2，……xr］，它屬于21，并且，xi屬于I，i的取值為1至r；在對(duì)項(xiàng)集X的權(quán)值進(jìn)行表示的過(guò)程中，應(yīng)用Wx，其取值屬于［0，1］［3］。此時(shí)，當(dāng)X為單個(gè)的項(xiàng)，那么可以在基集產(chǎn)生以后對(duì)其權(quán)展開(kāi)賦值，反之，它的權(quán)值應(yīng)當(dāng)在各項(xiàng)中進(jìn)行獲得。由此可見(jiàn)，在對(duì)某個(gè)函數(shù)進(jìn)行利用的基礎(chǔ)上，可以對(duì)項(xiàng)的權(quán)值在項(xiàng)集X權(quán)值中的體現(xiàn)進(jìn)行計(jì)算，相關(guān)函數(shù)關(guān)系如下：Wx=F（Wx1，Wx2……，Wxr），在權(quán)值定義以后，變可以定義支持度函數(shù)：f（X）= Wx。numTids（x）/numTids（φ）。

結(jié)論

綜上所述，刑偵工作方法隨著時(shí)代的發(fā)展也發(fā)生了重大變化，現(xiàn)階段，信息網(wǎng)絡(luò)偵查成為刑偵工作中的關(guān)鍵。隨著信息技術(shù)同刑偵工作融合的程度越來(lái)越深，人們意識(shí)到數(shù)據(jù)挖掘技術(shù)在這一工作中的重要功能，然而，我國(guó)在這一方面的研究還處于初級(jí)階段，現(xiàn)有的刑偵工作在對(duì)數(shù)據(jù)挖掘技術(shù)進(jìn)行應(yīng)用的過(guò)程中還存在一定缺陷，鑒于此，本文在對(duì)數(shù)據(jù)挖掘技術(shù)和Apriori算法中的缺陷展開(kāi)了探討，并有針對(duì)性的提出了優(yōu)化Apriori算法的途徑，希望對(duì)我國(guó)刑偵工作效率和質(zhì)量的提升起到促進(jìn)作用。

［1］張震.數(shù)據(jù)挖掘技術(shù)分析及其在高校管理決策中的應(yīng)用［J］.遠(yuǎn)程教育雜志，2015，06：32-35+62.

［2］張乾.數(shù)據(jù)挖掘技術(shù)分析及其在高等學(xué)校教務(wù)管理中的應(yīng)用［J］.經(jīng)濟(jì)師，2014，07：103-104.

［3］高燕飛，陳俊杰.試析計(jì)算機(jī)數(shù)據(jù)挖掘技術(shù)在檔案信息管理系統(tǒng)中的運(yùn)用［J］.內(nèi)蒙古師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2015，04：44-46.