特定组织发展对象倾向预测方法、系统、终端及存储介质

摘要

本申请涉及一种特定组织发展对象倾向预测方法、系统、终端及存储介质，其属于公共安全技术领域，包括获取已知特定组织成员名单，以及已知特定组织成员的关联关系信息；根据所述关联关系信息，构建形成内部行为特征数据集和外部行为特征数据集；所述内部行为特征数据集为已知特定组织成员群体内部行为特征数据集，所述外部行为特征数据集为已知特定组织成员群体外部行为特征数据集；基于预设的分类算法，根据所述内部行为特征数据集和外部行为特征数据集，构建倾向预测模型；根据所述倾向预测模型，分析得到已知特定组织成员群体外部人员的倾向预测。本申请具有准确预测特定组织发展对象倾向的效果。

说明书

技术领域

本申请涉及公共安全技术领域，尤其是涉及一种特定组织发展对象倾向预测方法、系统、终端及存储介质。

背景技术

当前，一些组织团体利用科学、宗教或治病为幌子，掩盖其对信徒的权力、精神控制和盘剥，以最终获取其信徒无条件效忠和服从、并使之放弃社会共同价值观(包括伦理、科学、公民、教育等)，从而对社会、个人自由、健康、教育和民主体制造成危害。

随着移动互联网、社交媒体的普及，各类违法信息传播加剧，传播手段日益隐蔽，现有的监测手段的不足日益凸显，互联网发展为有关部门开展针对这类组织团体的整治专项工作带来了空前的挑战，对于这些组织团体的发展对象的入教倾向，往往需要较多的人力及时间进行监测分析。

针对上述中的相关技术，发明人认为当前亟需一种对特定组织发展对象倾向预测的方法。

发明内容

本申请提供一种特定组织发展对象倾向预测方法、系统、终端及存储介质，具有准确预测特定组织发展对象倾向的特点。

本申请目的一是提供一种特定组织发展对象倾向预测方法。

本申请的上述申请目的一是通过以下技术方案得以实现的：

一种特定组织发展对象倾向预测方法，包括：

获取已知特定组织成员名单，以及已知特定组织成员的关联关系信息；

根据所述关联关系信息，构建形成内部行为特征数据集和外部行为特征数据集；所述内部行为特征数据集为已知特定组织成员群体内部行为特征数据集，所述外部行为特征数据集为已知特定组织成员群体外部行为特征数据集；

基于预设的分类算法，根据所述内部行为特征数据集和外部行为特征数据集，构建倾向预测模型；

根据所述倾向预测模型，分析得到已知特定组织成员群体外部人员的倾向预测。

通过采用上述技术方案，首先根据已知特定组织成员的名单，及其成员的住、行、通讯等多类维度的关联关系信息，挖掘人员之间交通频繁度、活跃地区面广度等特征，形成内部行为特征数据集和外部行为特征数据集，然后构建一个倾向预测模型，从而从已知特定组织成员接触的人员中，发现哪些正在被特定组织作为重要发展对象进行拉拢和勾连，准确预测到特定组织发展对象的倾向风险。

本申请在一较佳示例中可以进一步配置为：所述获取已知特定组织成员名单，以及已知特定组织成员的关联关系信息，包括：

获取已知特定组织成员名单；

遍历所述已知特定组织成员名单，获取特定组织成员的行为数据；所述行为数据包括轨迹、通讯、金融等数据；

根据所述行为数据，整理得到已知特定组织成员的关联成员信息；所述关联关系信息包括关联关系名单和关联关系行为数据。

本申请在一较佳示例中可以进一步配置为：所述根据所述关联关系信息，形成内部行为特征数据集和外部行为特征数据集，包括：

根据所述关联关系名单，整理得到已知特定组织成员群体之间的关系数据集和已知特定组织成员与群体之外的关系数据集；

根据所述已知特定组织成员群体之间的关系数据集和已知特定组织成员与群体之外的关系数据集，结合关联关系行为数据，整理形成内部行为特征数据集和外部行为特征数据集。

本申请在一较佳示例中可以进一步配置为：所述基于预设的分类算法，根据所述内部行为特征数据集和外部行为特征数据集，构建倾向预测模型，包括：

基于预设时间阈值，根据所述外部行为特征数据集，划分生成第一外部行为特征数据集和第二外部行为特征数据集；

根据所述内部行为特征数据集和第一外部行为特征数据集，整合形成训练集；

基于预设的分类算法，根据所述训练集，构建倾向预测模型。

本申请在一较佳示例中可以进一步配置为：所述根据所述内部行为特征数据集和第一外部行为特征数据集，整合形成训练集，包括：

根据所述内部行为特征数据集，将其中样本标记为1；

基于预设的样本平衡规则，根据所述内部行为特征数据集，计算需要标记为0的样本量；根据所述需要标记为0的样本量，从第一外部行为特征数据集和第二外部行为特征数据集抽取同样数量的样本，并将其中样本标记为0；

结合所述标记1和标记0的样本，整合形成训练集S33。

本申请在一较佳示例中可以进一步配置为：所述根据所述倾向预测模型，分析得到已知特定组织成员群体外部人员的倾向预测，包括：

根据所述第一外部行为特征数据集和第二外部行为特征数据集中未抽取样本，整合形成待测集；

遍历所述待测集，利用所述倾向预测模型，预测得到标记为1的记录表；

基于预设分析规则，根据所述记录表，分析得到待测集中每一人的倾向风险值。

本申请在一较佳示例中可以进一步配置为：所述内部行为特征数据集和外部行为特征数据集为实时更新的数据集。

本申请目的二是提供一种特定组织发展对象倾向预测系统。

本申请的上述申请目的二是通过以下技术方案得以实现的：

一种特定组织发展对象倾向预测系统，包括：

获取模块，所述获取模块用于获取已知特定组织成员名单，以及已知特定组织成员的关联关系信息；

第一构建模块，所述第一构建模块用于根据所述关联关系信息，形成内部行为特征数据集和外部行为特征数据集；

第二构建模块，所述第二构建模块用于基于预设的分类算法，根据所述内部行为特征数据集和外部行为特征数据集，构建倾向预测模型；

分析模块，所述分析模块用于根据所述倾向预测模型，分析得到已知特定组织成员群体外部人员的倾向预测。

本申请目的三是提供一种智能终端。

本申请的上述申请目的三是通过以下技术方案得以实现的：

一种智能终端，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行的上述特定组织发展对象倾向预测方法的计算机程序指令。

本申请目的四是提供一种计算机介质，能够存储相应的程序。

本申请的上述申请目的四是通过以下技术方案得以实现的：

一种计算机可读存储介质，存储有能够被处理器加载并执行上述任一种特定组织发展对象倾向预测方法的计算机程序。

综上所述，本申请包括以下至少一种有益技术效果：

本申请利用轨迹、通讯、社交、社区、社保等多类维度的数据，对已知特定组织群体人员，从其住、行、通联等多项数据中挖掘人员之间交通频繁度、活跃地区面广度等特征，训练一个倾向预测模型，用于从特定组织人员接触的非特定组织人员中，发现哪些正在被特定组织群里作为重要传教对象进行拉拢和勾连，准确预测到特定组织发展对象的入教倾向风险。

附图说明

图1是本申请实施例中一种特定组织发展对象倾向预测方法的流程示意图。

图2是本申请实施例中一种特定组织发展对象倾向预测系统的结构示意图。

附图标记说明：1、获取模块；2、第一构建模块；3、第二构建模块；4、分析模块。

具体实施方式

本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域人员在阅读完本说明书后可以根据需要对本实施例作出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的全部其他实施例，都属于本申请保护的范围。

下面结合说明书附图对本申请实施例做进一步详细描述。

本申请提供一种特定组织发展对象倾向预测方法，所述方法的主要流程描述如下。

如图1所示：

步骤S101：获取已知特定组织成员名单，以及已知特定组织成员的关联关系信息。

在本申请实施例中，首先从有关部门的数据库中筛选已知的特定组织活跃人员，得到已知特定组织成员名单S10。

在本申请实施例中，获取得到已知特定组织成员名单后，从有关部门其它的行为数据库中，获取已知特定组织成员的关联关系信息；具体的，从交通数据库获取已知特定组织成员的轨迹数据，从通讯数据库获取已知特定组织成员的通讯数据，接着，从轨迹、通讯、社交等数据中通过轨迹时空关联、通讯行为、社交好友等等关系中，形成已知特定组织成员的关联关系名单和关联关系行为数据。

步骤S102：根据所述关联关系信息，形成内部行为特征数据集和外部行为特征数据集。

在本申请实施例中，根据上述关联关系名单，整理得到已知特定组织成员群体之间的关系数据集S21和已知特定组织成员与群体之外的关系数据集S22。

在本申请实施例中，从上述已知特定组织成员名单S10中选择人员，然后再利用其轨迹、通讯、社交、社保(不限于，可以基于实际项目，尽可能多的构件行为特征)等数据，形成已知特定组织成员群体之间的关系数据集S21群体之间的每个人与其它特定组织成员的关联特征指标，例如，同火车次数、同住宿次数、同民航次数、同汽车驾乘次数、近半年同特定组织成员关联人数、通话次数、通话时长、通话频率、通联其它特定组织人数、社交同好友数量、社交同群数量，还可以从轨迹数据中构建个人的轨迹习惯，例如，近半年交通出行频率、近半年出行地点数量，还可以从社保数据中构建近半年人员的工作行为指标，例如，近半年职工社保缴纳月数等等，上述各类指标基本上都是从一个人员与其它特定组织成员的关联情况、本人活跃情况、本人活跃广度和本人职业情况等，对人员进行刻画，不限于上述指标，形成内部行为特征数据集S31。

在本申请实施例中，对于已知特定组织成员与群体之外的关系数据集S22，结合已知特定组织成员名单S10中的对象，利用轨迹数据，同样按照上述方式构建非特定组织成员与已知特定组织人员的关联情况、本人活跃情况、本人活跃广度和本人职业情况等，形成外部行为特征数据集S32。

步骤S103：基于预设的分类算法，根据所述内部行为特征数据集和外部行为特征数据集，构建倾向预测模型。

在本申请实施例中，对于外部行为特征数据集S32，需要利用一个时间阈值将其分成两部分，即按照已知特定组织成员与群体之外的关系数据集S22中人群与已知特定组织成员名单S10中人群关联的时间持续时间进行分开，分成该两部分是因为通常接触的越晚的非特定组织成员，更适合用于模型去学习被发展较低风险人员的特征，而与特定组织接触时间持续较长的非特定组织人员，是有关部门比较关注的易转化人员，可根据时间项目情况，不同地区的特定组织发展有区别，农村与城市有区别，发达地区与落后地区也有区别，这里接触较短划分为第一外部行为特征数据集S321，接触较长划分为第二外部行为特征数据集S322。

可以理解的是，上述内部行为特征数据集S31及第一外部行为特征数据集S321和第二外部行为特征数据集S322，随着时间的变化，其中的样本也是动态变化的。

在本申请实施例中，在得到内部行为特征数据集S31，以及第一外部行为特征数据集S321和第二外部行为特征数据集S322后，首先对内部行为特征数据集S31中的样本派生标记，标记为1，然后参考内部行为特征数据集S31按照一定比例计算需要标记为0的样本量，该比例结合项目的情况；可以理解的是，如果需要预测的更加敏感通常偏向于1的比例更高，反之则偏向于0更高。

在本申请实施例中，确定0标记的比例后，再从第一外部行为特征数据集S321和第二外部行为特征数据集S322中进行数据抽取，以接触时间较短的第一外部行为特征数据集S321占大多数比例为原则抽取后，与内部行为特征数据集S31结合，形成训练集S33；而接触时间较长的第二外部行为特征数据集S322中未抽取到的对象则作为待测集S41。

在本申请实施例中，根据训练集S33，使用分类算法训练得到预测模型，其中，分类算法采用现有技术中各种分类任务的机器学习算法，例如，线性分类器；朴素贝叶斯分类器；最小二乘支持向量机；最近邻居法；Boosting算法；ANN人工神经网络等。

步骤S104：根据所述倾向预测模型，分析得到已知特定组织成员群体外部人员的倾向预测。

在本申请实施例中，训练得到倾向预测模型后，利用待测集S41进行倾向预测，得到疑似特定组织发展对象的入教风险预测值；具体的，将待测集S41中的特征数据导入倾向预测模型内，通过倾向预测模型识别出特征集S41中哪些对象，已经在行为习惯上偏向于特定组织成员数据库S21中的对象被误识别为特定组织人员，并得到预测为1的可信度x。

在本申请实施例中，重复上述步骤S103和步骤S104，结合时间的数据增长，多次使用随机的方式，从特定组织关联关系特征数据集S322中未抽取的对象作为待测集S41，然后统计哪些S32中的对象被误识别为特定组织人员，以及每个人员被预测的次数n。

最后，计算被预测为1的每个对象被发展入教的平均风险值

本申请还提供一种特定组织发展对象倾向预测系统，如图2所示，一种特定组织发展对象倾向预测系统包括：获取模块1，所述获取模块1用于获取已知特定组织成员名单，以及已知特定组织成员的关联关系信息；第一构建模块2，所述第一构建模块2用于根据所述关联关系信息，形成内部行为特征数据集和外部行为特征数据集；第二构建模块3，所述第二构建模块3用于基于预设的分类算法，根据所述内部行为特征数据集和外部行为特征数据集，构建倾向预测模型；分析模块4，所述分析模块4用于根据所述倾向预测模型，分析得到已知特定组织成员群体外部人员的倾向预测。

为了更好地执行上述方法的程序，本申请还提供一种智能终端，智能终端包括存储器和处理器。

其中，存储器可用于存储指令、程序、代码、代码集或指令集。存储器可以包括存储程序区和存储数据区，其中存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令以及用于实现上述特定组织发展对象倾向预测方法的指令等；存储数据区可存储上述特定组织发展对象倾向预测方法中涉及到的数据等。

处理器可以包括一个或者多个处理核心。处理器通过运行或执行存储在存储器内的指令、程序、代码集或指令集，调用存储在存储器内的数据，执行本申请的各种功能和处理数据。处理器可以为特定用途集成电路、数字信号处理器、数字信号处理装置、可编程逻辑装置、现场可编程门阵列、中央处理器、控制器、微控制器和微处理器中的至少一种。可以理解地，对于不同的设备，用于实现上述处理器功能的电子器件还可以为其它，本申请实施例不作具体限定。

本申请还提供一种计算机可读存储介质，例如包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。该计算机可读存储介质存储有能够被处理器加载并执行上述特定组织发展对象倾向预测方法的计算机程序。

以上描述仅为本申请得较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离前述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其他技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。