基于JavaEE與APRIORI算法的公安情報分析

摘要：隨著社會的發(fā)展，信息技術的進步，與大數(shù)據(jù)技術的廣泛應用，公安系統(tǒng)的信息化建設也得到了長足的發(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)控數(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、各類因素之間的關聯(lián)關系，提供了數(shù)據(jù)基礎。而通過分析這些關聯(lián)關系，能夠為特定案件的偵破，提供方向指導的數(shù)據(jù)支持。

關鍵詞：JavaEE;apriori

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2020）27-0097-03

開放科學（資源服務）標識碼（OSID）：

1 背景

利用大數(shù)據(jù)技術，開展公安情報分析，如今已經(jīng)成為公安系統(tǒng)信息化建設的核心。根據(jù)統(tǒng)計年鑒分享平臺的數(shù)據(jù)分析，從2016年到2017年公安機關刑事案件立案數(shù)據(jù)如下：2016年，公安機關刑事立案總數(shù)為642.75萬起，其中盜竊案430.43萬起，占比66.97%;2017年公安機關刑事案件立案總數(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%;盜竊機動車立案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)試著通過運用APRIORI算法，來分析盜竊案中各類字段之間的關聯(lián)性，為案件的偵破提供數(shù)據(jù)支持。

2 技術介紹

2.1 關聯(lián)規(guī)則

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

2.2 JavaEE技術

為便于民警進行數(shù)據(jù)的實時查詢，本系統(tǒng)通過B/S架構的JavaEE技術來實現(xiàn)，JavaEE是一個開發(fā)分布式企業(yè)級應用的規(guī)范和標準。通過JDBC技術實現(xiàn)平臺無關的與各類數(shù)據(jù)庫的連接，通過STRUTS技術實現(xiàn)前端頁面與后臺技術的分離。

3 數(shù)據(jù)字段設計

根據(jù)盜竊案結案錄入的內(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，A3貴重物品，A4家電，A5古董字畫，A6含重大價值的文件（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未關門，B5自己家），地點（C1小區(qū)，C2普通民房，C3出租屋，C4店鋪），對象（D1獨居老人，D2單身女性，D3單身職員，D4家人外出的空屋），動機（El購買毒品，E2賭博，E3補貼家用，E4獲取重大遺產(chǎn)，E5售賣獲利，E6還債，E7其他），團伙人數(shù)（2人團伙，3人團伙，4人團伙，其他），聯(lián)系方式（G1手機聯(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），時間（J1受害人上班，J2受害人睡著，J3受害者外出）學歷（KI小學，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）踩點時間（M1案發(fā)前一周內(nèi)，M2，案發(fā)前一個月，M3案發(fā)前很久）。作案者職業(yè)（N1學生，N2無業(yè)人員，N3臨時工，N4薪水<3000，N5薪水<5000，N6個體戶）

具體數(shù)據(jù)如表1：

4 主要功能模塊

案件統(tǒng)計分析：通過當前報案信息，選擇某個報案進行數(shù)據(jù)分析。

關聯(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置：根據(jù)同類案件的數(shù)量，設置可信度與置信度。

關聯(lián)規(guī)則顯示：顯示關聯(lián)分析結果數(shù)據(jù)。

5 案件統(tǒng)計分析

進入情報分析系統(tǒng)，首先根據(jù)不同查詢條件查詢報案案件類別，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置

通過點擊統(tǒng)計分析：進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 結束語

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

參考文獻：

[1]陳鵬，瞿珂，胡嘯峰.犯罪情報分析中的數(shù)據(jù)挖掘應用[J].計算機系統(tǒng)應用，2017，26（2）： 249-253.

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

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

[4]梁凡，趙麗.基于中智模糊關聯(lián)規(guī)則生成的大數(shù)據(jù)挖掘分析算法[J].計算機應用與軟件，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.基于Apriori算法的裝備數(shù)據(jù)關聯(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].遼寧警察學院學報，2019，21（5）： 34-40.

【通聯(lián)編輯：謝媛媛】

作者簡介：徐雪飛（1977-），男，江西南昌人，講師，碩士，主要研究方向為軟件工程。