顧及時(shí)空特征的海關(guān)緝私數(shù)據(jù)抽取模型

李效峪 邱明月 潘汝佳 孫古月 李林繁

南京森林警察學(xué)院，江蘇 南京 210023

一、研究背景

全國(guó)各地海關(guān)緝私在情報(bào)研判模型建設(shè)過(guò)程中，圍繞情報(bào)研判建模和實(shí)際應(yīng)用前途，針對(duì)模型內(nèi)容都作了一些探索實(shí)踐，也取得了較為明顯的初步實(shí)戰(zhàn)應(yīng)用成效。但經(jīng)初步分析，目前情報(bào)研判建模仍以顯性的“點(diǎn)對(duì)點(diǎn)”比對(duì)建模為主［1］?？蓺w納為以下四方面：

第一，缺少對(duì)象的匹配多元化，且模型容錯(cuò)率較低，綜合深度挖掘分析潛在關(guān)聯(lián)少；第二，個(gè)人或部門(mén)的分離研判占較大部分，缺少配合機(jī)制的健全和普及，進(jìn)而導(dǎo)致分析研判結(jié)果缺乏實(shí)際操作性及實(shí)戰(zhàn)指導(dǎo)前瞻性；第三，傳統(tǒng)的情報(bào)研判模型基于協(xié)同的“技戰(zhàn)流”實(shí)戰(zhàn)研判少；第四，依賴(lài)研發(fā)人員的手動(dòng)開(kāi)發(fā)操作，這便對(duì)現(xiàn)有的技術(shù)人才的業(yè)務(wù)能力有較高的需求，倘若具有優(yōu)秀建模能力的專(zhuān)業(yè)警力技術(shù)資源有限，在實(shí)戰(zhàn)中會(huì)大大限制情報(bào)研判模型的操作潛力。

此外，現(xiàn)行數(shù)據(jù)分析提取模型還存在“數(shù)據(jù)共享難、信息關(guān)聯(lián)性差、缺乏跨地域情報(bào)信息的協(xié)作”的信息孤島問(wèn)題，各地海關(guān)緝私部門(mén)信息化、智能化發(fā)展情況差別較大，在數(shù)據(jù)庫(kù)的建設(shè)和使用領(lǐng)域開(kāi)發(fā)程度較淺，基本停滯在亟待開(kāi)發(fā)的階段，運(yùn)用和推廣較難，開(kāi)發(fā)潛力較大。因此緝私情報(bào)之間難以實(shí)現(xiàn)高質(zhì)量、有關(guān)聯(lián)的互通，較深層次的海關(guān)緝私非結(jié)構(gòu)化專(zhuān)業(yè)數(shù)據(jù)的開(kāi)發(fā)更是少之又少。面對(duì)數(shù)量龐大、結(jié)構(gòu)化程度低的緝私信息數(shù)據(jù)，海關(guān)緝私部門(mén)要如何正確地進(jìn)行儲(chǔ)存和處理是情報(bào)能否實(shí)現(xiàn)價(jià)值的關(guān)鍵所在。海關(guān)緝私專(zhuān)業(yè)非結(jié)構(gòu)化數(shù)據(jù)的利用率低，主要體現(xiàn)在其無(wú)序性、雜亂性、復(fù)雜性，而多數(shù)海關(guān)緝私部門(mén)在面臨工作量大而復(fù)雜的海關(guān)緝私業(yè)務(wù)的現(xiàn)實(shí)情況時(shí)，對(duì)此類(lèi)信息類(lèi)型大都選擇棄置，不愿耗費(fèi)有限的優(yōu)質(zhì)警力進(jìn)行深度的信息挖掘提取。

二、研究思路

針對(duì)當(dāng)下的走私犯罪案件，利用傳統(tǒng)的信息抽取方法難以適應(yīng)其智能化、高科技化和共享化的特點(diǎn)，若僅靠傳統(tǒng)的坐等報(bào)案、調(diào)查訪問(wèn)等按部就班的工作模式已難以勝任日益發(fā)展的緝私工作和履行打擊、服務(wù)、參謀三大重要職能［2］。隨著信息社會(huì)的發(fā)展和網(wǎng)絡(luò)的普及，情報(bào)信息工作在偵查辦案中的重要性必將更加明顯、突出，偵查工作對(duì)它的依賴(lài)程度亦將越來(lái)越大［3］，由線索到人、由人到案的偵查工作思路和以情報(bào)信息工作為核心［4］，依托高效能的信息處理模型主導(dǎo)案源及偵辦緝私工作，已成為緝私工作發(fā)展的迫切要求。

知識(shí)圖譜作為邏輯推理智能中認(rèn)知領(lǐng)域的核心技術(shù)，本質(zhì)上是一種揭示各種概念實(shí)體之間聯(lián)系的語(yǔ)義學(xué)習(xí)網(wǎng)絡(luò)，是一種結(jié)構(gòu)性的語(yǔ)義學(xué)習(xí)知識(shí)庫(kù)，用于將各種事物及其相互關(guān)系信息進(jìn)行形式化的描述、集成并聚合大批的知識(shí)，從而更好地實(shí)現(xiàn)對(duì)知識(shí)的快速反饋和推理。知識(shí)圖譜及相關(guān)技術(shù)能有針對(duì)性地解決上述問(wèn)題，但就實(shí)際情況而言，公安知識(shí)圖譜的構(gòu)建方法基于但不等同于其他類(lèi)型知識(shí)圖譜的構(gòu)建方法，它依托于實(shí)戰(zhàn)性強(qiáng)、專(zhuān)業(yè)性強(qiáng)的公安信息，效能和使用也應(yīng)傾斜于公安機(jī)關(guān)和海關(guān)的業(yè)務(wù)領(lǐng)域。本研究從處理公安機(jī)關(guān)和海關(guān)部門(mén)案件過(guò)程中收集的信息情報(bào)出發(fā)，進(jìn)行公安領(lǐng)域知識(shí)圖譜的本體建模，并研究出可實(shí)現(xiàn)基本信息共享，根據(jù)案件類(lèi)型智能化生成知識(shí)圖譜的文本系統(tǒng)。通過(guò)構(gòu)建知識(shí)圖譜這種方式，應(yīng)用在緝私案件文本挖掘和抽取實(shí)戰(zhàn)方面，從而達(dá)到從海量案件文本庫(kù)中挖掘非結(jié)構(gòu)數(shù)據(jù)、隱藏性數(shù)據(jù)等信息，進(jìn)而組織關(guān)聯(lián)形成有效的情報(bào)線索的研究目的。

三、研究意義

海關(guān)緝私情報(bào)知識(shí)來(lái)源于對(duì)每一個(gè)案例的攻克、打磨與總結(jié)，無(wú)論是基于主觀歸納還是機(jī)器學(xué)習(xí)方法，這都是一種從信息到情報(bào)知識(shí)的抽象過(guò)程。這些情報(bào)知識(shí)再經(jīng)過(guò)儲(chǔ)存、管理、共享組成知識(shí)庫(kù)，最后按決策需求被檢索和應(yīng)用于個(gè)案推理。在情報(bào)知識(shí)的生命周期中，海關(guān)緝私信息抽取模型在公安情報(bào)工作中的研究與應(yīng)用意義在于情報(bào)知識(shí)抽取自動(dòng)化。將目前人工為主機(jī)器為輔的情報(bào)過(guò)程升級(jí)為機(jī)器為主人工為輔的情報(bào)過(guò)程，助力深化可解釋、大規(guī)模、統(tǒng)一集約的海關(guān)緝私情報(bào)智能化體系。

（一）信息抽取

信息抽取是一種數(shù)據(jù)從非結(jié)構(gòu)化到結(jié)構(gòu)化的組織過(guò)程。海關(guān)緝私數(shù)據(jù)中存在著大量的非結(jié)構(gòu)化數(shù)據(jù)，如何將這些數(shù)據(jù)結(jié)構(gòu)化以利用現(xiàn)在的結(jié)構(gòu)化數(shù)據(jù)處理生態(tài)是海關(guān)緝私業(yè)務(wù)中一個(gè)重要需求。情報(bào)概念下的信息抽取需要將非結(jié)構(gòu)化的數(shù)據(jù)抽取轉(zhuǎn)化為“人、事、物、時(shí)間、地點(diǎn)、組織、關(guān)系”等情報(bào)要素的結(jié)構(gòu)化數(shù)據(jù)，以形成情報(bào)研判的信息集合，這是傳統(tǒng)關(guān)系型和非關(guān)系型數(shù)據(jù)庫(kù)無(wú)法做到的。

（二）數(shù)據(jù)整合

海關(guān)緝私數(shù)據(jù)來(lái)源廣泛、種類(lèi)繁多，文本、圖像、視頻、音頻、地理信息數(shù)據(jù)等紛繁復(fù)雜的數(shù)據(jù)都需要存儲(chǔ)在信息系統(tǒng)中，這些數(shù)據(jù)數(shù)量巨大而且質(zhì)量良莠不齊、數(shù)據(jù)結(jié)構(gòu)大多不同。傳統(tǒng)列式、行式關(guān)系型儲(chǔ)存技術(shù)無(wú)法高效合理組織這種多模態(tài)數(shù)據(jù)，而以多模態(tài)非關(guān)系型圖數(shù)據(jù)庫(kù)為首作為NewSQL 存儲(chǔ)方案，則能很好地對(duì)這些信息進(jìn)行管理和存儲(chǔ)，極大地加快檢索查詢(xún)的速度。

（三）聯(lián)合作戰(zhàn)

海關(guān)緝私部門(mén)中單方偵破在案件偵破中發(fā)揮的功能有極大的局限性，例如一個(gè)走私保護(hù)動(dòng)物的案件可能涉及刑偵、網(wǎng)安、地方打私等多部門(mén)的信息。在情報(bào)主導(dǎo)的警務(wù)模式中，知識(shí)圖譜能夠很方便地通過(guò)后臺(tái)接口共享各部門(mén)的數(shù)據(jù)、共享情報(bào)研判知識(shí)，融合各部門(mén)的知識(shí)情報(bào)，便于案件線索的深度挖掘，讓各部門(mén)的協(xié)作發(fā)揮“1+1＞2”的作用。

四、緝私案件數(shù)據(jù)抽取設(shè)計(jì)路線

（一）路線設(shè)計(jì)

海關(guān)緝私工作在落地偵辦前通常需要厘清幾大基本問(wèn)題，我們可以概括為“5w+1h 疑問(wèn)”，分別是：在哪里發(fā)生、何時(shí)發(fā)生的、為何發(fā)生、走私何物、走私行為人如何走私及走私動(dòng)機(jī)。海關(guān)緝私信息抽取受緝私案件性質(zhì)所限，時(shí)空要素的不同對(duì)案件走向和情報(bào)經(jīng)營(yíng)方式存在較大影響。故海關(guān)緝私信息在提取各要素時(shí)，所需要參照的時(shí)間、空間要素所占比重更高。沿用普通的刑事案件信息抽取分析模型效果不佳，而時(shí)空的信息是串聯(lián)起緝私個(gè)案甚至是系列案件的關(guān)鍵。緝私信息提取是在計(jì)算機(jī)環(huán)境下，將緝私知識(shí)及緝私專(zhuān)業(yè)信息要素表現(xiàn)為計(jì)算機(jī)可以接受的符號(hào)以及能夠存儲(chǔ)的結(jié)構(gòu)形式。在數(shù)據(jù)世界中，緝私知識(shí)的主體對(duì)象——走私現(xiàn)象或事物，將抽象為緝私實(shí)體，而其具有的各種特征則抽象為時(shí)間、空間、屬性、狀態(tài)、過(guò)程、關(guān)系等關(guān)鍵信息要素。

總體上，根據(jù)知識(shí)的類(lèi)型、特征及其邏輯關(guān)系，緝私知識(shí)可以劃分為三個(gè)層次：概念層、實(shí)體層和關(guān)系層。其中，實(shí)體知識(shí)可以分為三個(gè)子層次，包括基本特征（時(shí)間、空間、屬性、行為）、狀態(tài)特征和過(guò)程特征；關(guān)系知識(shí)可以分為兩個(gè)子層次：概念關(guān)系和特征關(guān)系。按照知識(shí)的層次劃分，可以形成不同粒度的緝私知識(shí)語(yǔ)義單元［5］。通過(guò)分層、分維度對(duì)所有相關(guān)信息進(jìn)行整合，以便于情報(bào)研判部門(mén)對(duì)案件的下一步進(jìn)行研判。

（二）數(shù)據(jù)來(lái)源

本模型實(shí)驗(yàn)數(shù)據(jù)主要來(lái)源于專(zhuān)門(mén)機(jī)關(guān)、社會(huì)部門(mén)和互聯(lián)網(wǎng)輿情等幾大方向。數(shù)據(jù)樣本涉及刑事案件上百宗，案值近百億元，涉稅金額超數(shù)十億元，數(shù)據(jù)統(tǒng)計(jì)指標(biāo)結(jié)果均排在全國(guó)前列。專(zhuān)門(mén)機(jī)關(guān)數(shù)據(jù)是本文本信息提取模型的核心實(shí)驗(yàn)數(shù)據(jù)。此次文本信息提取模型的未來(lái)展望就是為海關(guān)總署打擊走私專(zhuān)項(xiàng)情報(bào)中心提供全方位的數(shù)據(jù)支撐和情報(bào)抓手，為情報(bào)主導(dǎo)警務(wù)提供更廣闊的實(shí)踐平臺(tái)和更多元的拓展思路。

（三）設(shè)計(jì)路徑

目前，非結(jié)構(gòu)化的文本、語(yǔ)音、圖像、視頻和音頻等各類(lèi)型的數(shù)據(jù)抽取有待進(jìn)一步深挖研究。為了貼合實(shí)戰(zhàn)單位信息處理簡(jiǎn)易化需求，并將所得緝私案件文本內(nèi)容物盡其用，模型以文本數(shù)據(jù)為主，針對(duì)緝私案事件文本中時(shí)間、地名、關(guān)系、屬性、人物、事件等關(guān)鍵要素的自然語(yǔ)言描述特點(diǎn)，實(shí)現(xiàn)海關(guān)緝私文本信息抽取方法。

本模型擬進(jìn)行緝私案事件的信息抽取，主要研究?jī)?nèi)容包括以下幾個(gè)方面：一是選取不同類(lèi)型、不同內(nèi)容和不同形式的緝私案件文本信息，構(gòu)建緝私案件樣本庫(kù)；二是將案件中的文本信息進(jìn)行分詞與詞性標(biāo)注；三是實(shí)現(xiàn)實(shí)體識(shí)別、特征信息抽取，如圖1 所示。通過(guò)與海關(guān)系統(tǒng)、公安系統(tǒng)等緝私案事件相關(guān)結(jié)構(gòu)化數(shù)據(jù)的信息融合，實(shí)現(xiàn)緝私案事件信息的多層次、多粒度語(yǔ)義集成。

1.文本信息預(yù)處理

將數(shù)據(jù)中的走私地點(diǎn)、走私時(shí)間、走私物品、走私人員、走私動(dòng)機(jī)、主要走私方法按照一定標(biāo)準(zhǔn)進(jìn)行提取并標(biāo)注詞性，提取標(biāo)準(zhǔn)根據(jù)海關(guān)緝私部門(mén)實(shí)戰(zhàn)中常見(jiàn)案件特征并參考相關(guān)國(guó)家標(biāo)準(zhǔn)制定。

2.模型構(gòu)建

本實(shí)驗(yàn)知識(shí)本體基于文本結(jié)構(gòu)化后的數(shù)據(jù)依據(jù)“循環(huán)法”構(gòu)建，具體步驟如下：

（1）本體需求分析并考查可復(fù)用本體。公安專(zhuān)業(yè)本體構(gòu)建領(lǐng)域，針對(duì)海關(guān)查獲對(duì)走私類(lèi)案件文本數(shù)據(jù)進(jìn)行本體建模。在進(jìn)行了相關(guān)文獻(xiàn)調(diào)研之后，在公安海關(guān)緝私方面并無(wú)相關(guān)構(gòu)建的本體。但是公安領(lǐng)域本體能基于通用領(lǐng)域的本體知識(shí)庫(kù)進(jìn)行拓展。本研究基于百科知識(shí)樹(shù)TermTree 進(jìn)行拓展。

（2）建立領(lǐng)域核心概念。對(duì)文本結(jié)構(gòu)化后的數(shù)據(jù)按照走私物品的不同進(jìn)行匯總統(tǒng)計(jì)，記錄每一個(gè)字段中詞項(xiàng)的詞頻，篩選出詞頻中的高頻詞，得到該走私物品下案件的核心概念。基于這些核心概念來(lái)搭建本體模式層中的知識(shí)節(jié)點(diǎn)。

（3）建立概念分類(lèi)層級(jí)并定義知識(shí)節(jié)點(diǎn)。將這些核心概念要素根據(jù)走私地點(diǎn)、走私時(shí)間、走私物品、走私人員、走私動(dòng)機(jī)、主要走私方法進(jìn)行分類(lèi)，對(duì)象的屬性層級(jí)參照OpenSchema 的語(yǔ)義描述構(gòu)建。

（4）本體評(píng)價(jià)與進(jìn)化。本體在應(yīng)用中需要根據(jù)實(shí)際需求進(jìn)行不斷更新維護(hù)，針對(duì)新的案件信息重新回到第一步進(jìn)行需求分析，重新運(yùn)行本體構(gòu)建的生命周期，本研究通過(guò)設(shè)立開(kāi)源倉(cāng)庫(kù)，以開(kāi)源協(xié)作的方式進(jìn)行領(lǐng)域本體構(gòu)建的生態(tài)循環(huán)。

這種可根據(jù)案件文本生成圖譜的方法，首先通過(guò)知識(shí)標(biāo)注來(lái)將緝私知識(shí)數(shù)據(jù)庫(kù)中的知識(shí)信息映射到案件文本信息上，然后通過(guò)解析文本中的實(shí)體關(guān)系繪制文本語(yǔ)義所描述的圖譜。這種方法能為緝私案件文本挖掘提供一種創(chuàng)新的文本結(jié)構(gòu)化途徑，有助于從龐大的案件文本庫(kù)中挖掘隱藏的實(shí)體關(guān)聯(lián)，形成情報(bào)線索。

五、前景展望

傳統(tǒng)的緝私情報(bào)分析結(jié)果展示主要是依靠文字描述、表格和簡(jiǎn)單的統(tǒng)計(jì)圖，情報(bào)分析人員難以從中發(fā)現(xiàn)情報(bào)串并與研判的依據(jù)和規(guī)律。隨著信息技術(shù)的進(jìn)步和情報(bào)分析需求的不斷增長(zhǎng)，對(duì)于大型的緝私情報(bào)素材集合，迫切需要一種能夠確定緝私情報(bào)素材之間的關(guān)系和蘊(yùn)含的知識(shí)，并表示為相關(guān)人員可以方便理解的可視化形式的技術(shù)［6］。實(shí)現(xiàn)海關(guān)緝私數(shù)據(jù)自動(dòng)化抽取，為各地不同海關(guān)緝私部門(mén)信息化發(fā)展不平衡導(dǎo)致的數(shù)據(jù)分析能力落差，提供了現(xiàn)實(shí)的解決方案，節(jié)省了大量警力資源的同時(shí)，深度挖掘數(shù)據(jù)的價(jià)值，并為各種大數(shù)據(jù)智能應(yīng)用持續(xù)賦能，為后續(xù)緝私情報(bào)抽取、關(guān)聯(lián)、研判的計(jì)算與應(yīng)用提供基礎(chǔ)，對(duì)于大型的緝私情報(bào)素材集合，實(shí)現(xiàn)一種能夠描述情報(bào)的特征維度和各特征之間關(guān)系的情報(bào)要素表達(dá)模型將成為可能。