基于JavaEE與APRIORI算法的公安情報(bào)分析

摘要：隨著社會(huì)的發(fā)展，信息技術(shù)的進(jìn)步，與大數(shù)據(jù)技術(shù)的廣泛應(yīng)用，公安系統(tǒng)的信息化建設(shè)也得到了長(zhǎng)足的發(fā)展，從各類案件卷宗信息、身份證信息、戶口信息、交通信息、住宿信息、通信信息、天網(wǎng)數(shù)據(jù)監(jiān)控?cái)?shù)據(jù)等各類信息的電子化，為我們從這些海量數(shù)據(jù)中分析出某類案件產(chǎn)生的各種背景因素、各類因素之間的關(guān)聯(lián)關(guān)系，提供了數(shù)據(jù)基礎(chǔ)。而通過分析這些關(guān)聯(lián)關(guān)系，能夠?yàn)樘囟ò讣膫善?，提供方向指?dǎo)的數(shù)據(jù)支持。

關(guān)鍵詞：JavaEE;apriori

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）27-0097-03

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1 背景

利用大數(shù)據(jù)技術(shù)，開展公安情報(bào)分析，如今已經(jīng)成為公安系統(tǒng)信息化建設(shè)的核心。根據(jù)統(tǒng)計(jì)年鑒分享平臺(tái)的數(shù)據(jù)分析，從2016年到2017年公安機(jī)關(guān)刑事案件立案數(shù)據(jù)如下：2016年，公安機(jī)關(guān)刑事立案總數(shù)為642.75萬起，其中盜竊案430.43萬起，占比66.97%;2017年公安機(jī)關(guān)刑事案件立案總數(shù)548.26萬起，其中盜竊案345.97萬起，占比63.1%。2016年盜竊案中人室盜竊立案1184052起，占比18.42%;盜竊機(jī)動(dòng)車立案435221起，占比6.77%。如此之多的盜竊案，其中大部分都不能破案，因此，本系統(tǒng)試著通過運(yùn)用APRIORI算法，來分析盜竊案中各類字段之間的關(guān)聯(lián)性，為案件的偵破提供數(shù)據(jù)支持。

2 技術(shù)介紹

2.1 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是形如X—Y的蘊(yùn)涵表達(dá)式，在數(shù)據(jù)庫(kù)表中，可以將X與Y看成表中的字段，通過迭代算法，分析出各個(gè)字段出現(xiàn)的次數(shù)，然后根據(jù)貝葉斯算法，計(jì)算字段值出現(xiàn)的關(guān)聯(lián)性概率，關(guān)聯(lián)規(guī)則的強(qiáng)度可以用它的支持度（support）和置信度（con-fidence）來度量，Support（支持度）：表示同時(shí)包含A和B的事務(wù)占所有事務(wù)的比例。如果用P（A）表示使用A事務(wù)的比例，那么Support=P（A&B）。Confidence（可信度）：表示使用包含A的事務(wù)中同時(shí)包含B事務(wù)的比例，即同時(shí)包含A和B的事務(wù)占包含A事務(wù)的比例。公式表達(dá)：Confidence=P（A&B）/P（A），通過合理設(shè)置置信度，能為公安破案提供偵破方向的數(shù)據(jù)支持。

2.2 JavaEE技術(shù)

為便于民警進(jìn)行數(shù)據(jù)的實(shí)時(shí)查詢，本系統(tǒng)通過B/S架構(gòu)的JavaEE技術(shù)來實(shí)現(xiàn)，JavaEE是一個(gè)開發(fā)分布式企業(yè)級(jí)應(yīng)用的規(guī)范和標(biāo)準(zhǔn)。通過JDBC技術(shù)實(shí)現(xiàn)平臺(tái)無關(guān)的與各類數(shù)據(jù)庫(kù)的連接，通過STRUTS技術(shù)實(shí)現(xiàn)前端頁(yè)面與后臺(tái)技術(shù)的分離。

3 數(shù)據(jù)字段設(shè)計(jì)

根據(jù)盜竊案結(jié)案錄入的內(nèi)容，審訊內(nèi)容，破案經(jīng)過，本系統(tǒng)著重分析盜竊案的如下字段數(shù)據(jù)，盜竊物品：分類為A1現(xiàn)金，A2手機(jī)，A3貴重物品，A4家電，A5古董字畫，A6含重大價(jià)值的文件（科技類，遺囑）。同理方式處理作案手段（Bl撬鎖，B2翻窗，B3冒充戶主開鎖，B4未關(guān)門，B5自己家），地點(diǎn)（C1小區(qū)，C2普通民房，C3出租屋，C4店鋪），對(duì)象（D1獨(dú)居老人，D2單身女性，D3單身職員，D4家人外出的空屋），動(dòng)機(jī)（El購(gòu)買毒品，E2賭博，E3補(bǔ)貼家用，E4獲取重大遺產(chǎn)，E5售賣獲利，E6還債，E7其他），團(tuán)伙人數(shù)（2人團(tuán)伙，3人團(tuán)伙，4人團(tuán)伙，其他），聯(lián)系方式（G1手機(jī)聯(lián)系，G2 QQ聯(lián)系，G3微信聯(lián)系，G4其他），案發(fā)前后去向（H1回住所，H2網(wǎng)吧，H3賓館，H4麻將館，H5 KTV），是否前科（I1是，12不是），時(shí)間（J1受害人上班，J2受害人睡著，J3受害者外出）學(xué)歷（KI小學(xué)，K2初中，K3高中，K4中專，K5大專，K6本科，K7碩士，K8博士），作案者年齡（11 15-20.L221-25，L326-35.L4 36-45 L5 46-50）踩點(diǎn)時(shí)間（M1案發(fā)前一周內(nèi)，M2，案發(fā)前一個(gè)月，M3案發(fā)前很久）。作案者職業(yè)（N1學(xué)生，N2無業(yè)人員，N3臨時(shí)工，N4薪水<3000，N5薪水<5000，N6個(gè)體戶）

具體數(shù)據(jù)如表1：

4 主要功能模塊

案件統(tǒng)計(jì)分析：通過當(dāng)前報(bào)案信息，選擇某個(gè)報(bào)案進(jìn)行數(shù)據(jù)分析。

關(guān)聯(lián)字段的篩選：根據(jù)案件已有的線索，選擇數(shù)據(jù)分析的字段內(nèi)容。

可信度與置信度的設(shè)置：根據(jù)同類案件的數(shù)量，設(shè)置可信度與置信度。

關(guān)聯(lián)規(guī)則顯示：顯示關(guān)聯(lián)分析結(jié)果數(shù)據(jù)。

5 案件統(tǒng)計(jì)分析

進(jìn)入情報(bào)分析系統(tǒng)，首先根據(jù)不同查詢條件查詢報(bào)案案件類別，效果如下：

通過struts配置文件：

if （session.getAttribute（" daoqielist"）！="nully*將統(tǒng)計(jì)查詢數(shù)據(jù)，放到session中的daoqieList中，如果有刪除舊的。*/

session. removeAttribute（"daoqieList"）; session. setAttribute（”daoqieList"，tj DAO.query2（tj Form》;

public List query2（ tongjiForm tjForm）（

List daoqieList= new ArrayList0;

String sql= "select 8from tongji where”;

if（！ tj Form.getAO.equals（”0"》

sql =sql+ "and A=”+”¨+tj Form.getAO+”¨;

if（！ tj Form.getB O.equals（" 0"》

sql=sql+”and B=”+”¨+tj Form.getB0+”¨;

……….‘

ResultSet rs= conn.executeQuery（sql2）;

try{

while （rs.next0）{

tjForm= new tongjiForm0;

tjForm.setIDcard （rs.getString（l》;

tjForm.setA（rs.getString（2》;

tj Form.setB （rs.getString（3》;

……..

daoqieList.add（tjForm）;

）

…...

return daoqieList;

7 可信度與置信度的設(shè)置

通過點(diǎn)擊統(tǒng)計(jì)分析：進(jìn)行字段篩選與置信度，支持度的選擇。

List tjlist = （List） session.getAttribute（"daoqieList"）;

ArrayLisKString> dataList = new ArrayList （）;

for （int i = 0; i < tjlist.size（）; i++） {

tjForm = （tongjiForm） tjlist.get（i）;

for（int j=O;j

if （str_cond[j].equals（"A "》

condition = tjForm.getAO + ";";

if （str_cond[jl.equals（"B "》

condition = condition + tjForm.getBO + ";";

dataList.add（condition）;

//關(guān)聯(lián)分析代碼

Map relationRulesMap = apriori2.getRela-tionRules（frequentSetMap）;

SeKString> rrKeySet = relationRulesMap.keySet0;

for （String rrKey ： rrKeySet） {

String s = rrKey;

System.out.println（s.replaceAII（";"， " "） + " ： '1 +“概率為 ："+ relationRulesMap.get（rrKey》;

}

9 結(jié)束語(yǔ)

本系統(tǒng)通過分析盜竊案的各類字段之間的關(guān)聯(lián)關(guān)系，在收到的報(bào)案信息中，根據(jù)已有的線索信息，可以設(shè)置字段篩選內(nèi)容，從而分析出個(gè)字段之間的出現(xiàn)概率，為案件的偵破提供方向指導(dǎo)。

參考文獻(xiàn)：

[1]陳鵬，瞿珂，胡嘯峰.犯罪情報(bào)分析中的數(shù)據(jù)挖掘應(yīng)用[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2017，26（2）： 249-253.

[2]李樂亮，李桂峰.論盜竊案件的特點(diǎn)及偵查方法[J].市場(chǎng)周刊（理論研究），2008（12）： 92，115-116.

[3]劉智明，廖藝.入室盜竊案外圍現(xiàn)場(chǎng)勘查的幾點(diǎn)啟示[J].法制博覽，2017（5）： 152.

[4]梁凡，趙麗.基于中智模糊關(guān)聯(lián)規(guī)則生成的大數(shù)據(jù)挖掘分析算法[J].計(jì)算機(jī)應(yīng)用與軟件，2019，36（10）： 285-292，298.

[5]雷宇.面向大數(shù)據(jù)的高維數(shù)據(jù)挖掘技術(shù)研究[J].企業(yè)科技與發(fā)展，2019（7）： 166-167.

[6]羅樂，葛啟東，周永學(xué).基于Apriori算法的裝備數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘[J].指揮控制與仿真，2020，4（10）：2.

[7]王彬.盜竊案件偵查的數(shù)據(jù)碰撞問題研究[J].遼寧警察學(xué)院學(xué)報(bào)，2019，21（5）： 34-40.

【通聯(lián)編輯：謝媛媛】

作者簡(jiǎn)介：徐雪飛（1977-），男，江西南昌人，講師，碩士，主要研究方向?yàn)檐浖こ獭?/p>