基于知識(shí)圖譜的治安風(fēng)險(xiǎn)知識(shí)查詢系統(tǒng)

摘要：為了提高管理和應(yīng)對(duì)各種治安風(fēng)險(xiǎn)的效率，為公安實(shí)戰(zhàn)決策提供輔助，支撐智慧警務(wù)教育和建設(shè)，該研究構(gòu)建了治安風(fēng)險(xiǎn)知識(shí)查詢系統(tǒng)。利用知識(shí)圖譜技術(shù)對(duì)治安風(fēng)險(xiǎn)相關(guān)文獻(xiàn)進(jìn)行處理，首先人工篩選數(shù)據(jù)，將篩選后的數(shù)據(jù)轉(zhuǎn)化為知識(shí)庫，并上傳至數(shù)據(jù)庫。通過搭建接口，完成初步的知識(shí)查詢系統(tǒng)軟件封裝，并在此基礎(chǔ)上進(jìn)行進(jìn)一步的完善，構(gòu)建出功能齊全且具實(shí)用價(jià)值的系統(tǒng)。基于知識(shí)圖譜的治安風(fēng)險(xiǎn)知識(shí)查詢軟件可以為警務(wù)工作提供全面、系統(tǒng)的治安風(fēng)險(xiǎn)信息，并且通過查詢問答功能，幫助警務(wù)工作更好地理解治安風(fēng)險(xiǎn)，提高應(yīng)對(duì)能力。

關(guān)鍵詞：知識(shí)圖譜；治安風(fēng)險(xiǎn)；知識(shí)查詢；查詢系統(tǒng)

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

文章編號(hào)：1009-3044（2025）17-0051-06

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

0 引言

黨的二十大報(bào)告指出“健全社會(huì)治理共建共享體系，提升社會(huì)治理效能”，凸顯出社會(huì)治理對(duì)于維護(hù)國家安全和社會(huì)穩(wěn)定的重要意義[1]。治安風(fēng)險(xiǎn)的評(píng)估與管理，作為公安、治安管理部門的核心職責(zé)，對(duì)保障社會(huì)安全至關(guān)重要[2]。有效評(píng)估治安風(fēng)險(xiǎn)，可提前預(yù)測(cè)潛在治安問題；合理實(shí)施風(fēng)險(xiǎn)管理措施，能最大程度減輕治安風(fēng)險(xiǎn)對(duì)社會(huì)的不良影響。

知識(shí)查詢?cè)谥伟诧L(fēng)險(xiǎn)防控領(lǐng)域作用顯著。它能助力公安部門迅速獲取關(guān)鍵信息和知識(shí)，用于犯罪趨勢(shì)分析、社交媒體監(jiān)測(cè)、安全事件響應(yīng)及安全咨詢等方面，從而助力公安部門精準(zhǔn)把握和評(píng)估潛在安全風(fēng)險(xiǎn)[3-5]。在此背景下，本研究創(chuàng)新性地構(gòu)建了基于知識(shí)圖譜的治安風(fēng)險(xiǎn)知識(shí)查詢系統(tǒng)，以更好地管理和應(yīng)對(duì)各類治安風(fēng)險(xiǎn)，為營造安全穩(wěn)定的社會(huì)環(huán)境添磚加瓦。

當(dāng)前，知識(shí)查詢技術(shù)已廣泛應(yīng)用于科學(xué)研究、醫(yī)學(xué)、農(nóng)業(yè)、金融等多個(gè)領(lǐng)域。例如，黃軍凱等人開發(fā)了基于標(biāo)準(zhǔn)數(shù)字化的智能編制系統(tǒng)，實(shí)現(xiàn)標(biāo)準(zhǔn)查詢與編制功能[6]；王冬等提出了基于層級(jí)池化序列匹配的知識(shí)圖譜復(fù)雜問答最優(yōu)查詢圖選擇方法[7]；林夏瑩等則利用知識(shí)圖譜技術(shù)管理銀行客戶數(shù)據(jù)[8]。在國內(nèi)，治安風(fēng)險(xiǎn)防控與管理備受關(guān)注。王楊探索多元治理、場(chǎng)景治理、整合治理等新型治理模式，為治安風(fēng)險(xiǎn)防控注入新活力[9]；陳鵬等結(jié)合社區(qū)安全指標(biāo)體系、日常活動(dòng)理論及層次分析法，為治安防控提供堅(jiān)實(shí)理論支撐[10]；風(fēng)險(xiǎn)評(píng)估、社會(huì)治安防控、預(yù)警、預(yù)控等手段的綜合運(yùn)用，也推動(dòng)了治安風(fēng)險(xiǎn)防控向科學(xué)化、高效化邁進(jìn)[11]。本研究聚焦于治安風(fēng)險(xiǎn)知識(shí)查詢系統(tǒng)，相較于現(xiàn)有研究，更貼合公安警務(wù)實(shí)際需求，針對(duì)性更強(qiáng)，在知識(shí)圖譜構(gòu)建與應(yīng)用方面更具創(chuàng)新性，能有效填補(bǔ)相關(guān)領(lǐng)域研究空白，深化知識(shí)查詢技術(shù)在治安防控領(lǐng)域的應(yīng)用，進(jìn)一步提升治安風(fēng)險(xiǎn)防控效能，具有較高的學(xué)術(shù)價(jià)值與實(shí)踐意義。

本研究的技術(shù)路線圖如圖1所示。該系統(tǒng)的核心是利用知識(shí)圖譜技術(shù)對(duì)治安風(fēng)險(xiǎn)相關(guān)文獻(xiàn)進(jìn)行處理，首先人工篩選結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，將篩選后的數(shù)據(jù)轉(zhuǎn)化為知識(shí)庫，并上傳至數(shù)據(jù)庫。接下來，通過搭建接口，完成初步的知識(shí)查詢系統(tǒng)軟件封裝，并在此基礎(chǔ)上進(jìn)行進(jìn)一步的完善，最終形成一個(gè)功能完備、實(shí)用性強(qiáng)的知識(shí)查詢系統(tǒng)。

1 知識(shí)查詢系統(tǒng)構(gòu)建

1.1 知識(shí)圖譜構(gòu)建

知識(shí)圖譜構(gòu)建流程，如圖2所示，包括需求分析、數(shù)據(jù)收集、本體設(shè)計(jì)、知識(shí)抽取、知識(shí)融合、知識(shí)存儲(chǔ)六大部分[12]。

1.1.1 需求分析

構(gòu)建治安風(fēng)險(xiǎn)知識(shí)圖譜需滿足以下核心需求：

1） 為公安機(jī)關(guān)的治安風(fēng)險(xiǎn)研判、防控決策和應(yīng)急處置提供知識(shí)支撐。

2） 收集并整合多源治安風(fēng)險(xiǎn)數(shù)據(jù)，明確數(shù)據(jù)來源與抽取方式。

3） 精準(zhǔn)抽取數(shù)據(jù)中的風(fēng)險(xiǎn)事件、因素、規(guī)律及防控措施等知識(shí)。

4） 以合適形式結(jié)構(gòu)化表示治安風(fēng)險(xiǎn)知識(shí)，形成知識(shí)圖譜。

5） 提供便捷查詢和可視化界面，方便用戶瀏覽分析。

1.1.2 數(shù)據(jù)獲取

治安風(fēng)險(xiǎn)知識(shí)圖譜的數(shù)據(jù)來源于知網(wǎng)文獻(xiàn)，如圖3，通過搜索篇名為治安和風(fēng)險(xiǎn)的文獻(xiàn)，設(shè)置“僅有全文”和“全部期刊”，最后得到86篇文獻(xiàn)，文獻(xiàn)的發(fā)表年份來自2005年到2023年，主要主題分布為“治安風(fēng)險(xiǎn)”“風(fēng)險(xiǎn)評(píng)估”“社會(huì)治安”等，治安風(fēng)險(xiǎn)知識(shí)圖譜利用該數(shù)據(jù)進(jìn)行后續(xù)知識(shí)抽取和存儲(chǔ)等過程。

1.1.3 本體設(shè)計(jì)

本體設(shè)計(jì)是知識(shí)圖譜構(gòu)建的關(guān)鍵步驟，它定義了知識(shí)圖譜中實(shí)體、屬性和關(guān)系的語義。本體設(shè)計(jì)的好壞直接影響知識(shí)圖譜的質(zhì)量和可理解性。本體設(shè)計(jì)應(yīng)遵循以下原則：明確性，本體中的概念和關(guān)系必須有明確的定義和描述。一致性，本體中的概念和關(guān)系必須相互一致，避免出現(xiàn)矛盾或歧義；可擴(kuò)展性，本體應(yīng)該易于擴(kuò)展，以適應(yīng)新的知識(shí)和需求；可重用性，本體中的概念和關(guān)系應(yīng)該盡可能地被重用，以減少冗余和提高可維護(hù)性。

本系統(tǒng)的實(shí)體類型分為9類，屬性類型分為9類，具體實(shí)體和關(guān)系的搭配如表1所示。

本系統(tǒng)的關(guān)系分為15類，具體內(nèi)容如表2所示。

1.1.4 知識(shí)抽取

知識(shí)抽取是從非結(jié)構(gòu)化或半結(jié)構(gòu)化的文本、圖像、視頻等數(shù)據(jù)中提取結(jié)構(gòu)化知識(shí)的過程。它旨在將人類可理解的信息轉(zhuǎn)化為機(jī)器可處理的格式，以便于存儲(chǔ)、檢索和推理。知識(shí)抽取包括數(shù)據(jù)預(yù)處理、實(shí)體識(shí)別、關(guān)系抽取、知識(shí)表示等，由于機(jī)器抽取需要大量人工標(biāo)注數(shù)據(jù)且效果并不理想，所以本系統(tǒng)的知識(shí)抽取采用人工方式，首先瀏覽文獻(xiàn)，確定風(fēng)險(xiǎn)類型并連接父節(jié)點(diǎn)寫入三元組，然后人工實(shí)體識(shí)別、關(guān)系抽取并寫入三元組，如表3，最后將實(shí)體和實(shí)體屬性寫入表格，如表4。

1.1.5 知識(shí)融合

知識(shí)融合是指將來自不同來源的知識(shí)進(jìn)行整合和統(tǒng)一的過程，目的是消除知識(shí)之間的異構(gòu)性，形成一個(gè)連貫且一致的知識(shí)體系[13]。本系統(tǒng)采用使用手工定義的規(guī)則來融合知識(shí)，將文獻(xiàn)中涉及的實(shí)體歸為所屬類而不是統(tǒng)一一類，同時(shí)將實(shí)體所涉及的關(guān)系按照上述模板進(jìn)行填寫，保證了關(guān)系的一致性。通過知識(shí)融合，治安風(fēng)險(xiǎn)知識(shí)圖譜可以實(shí)現(xiàn)集成和統(tǒng)一表示，為知識(shí)圖譜的構(gòu)建和后續(xù)的知識(shí)挖掘和查詢提供一個(gè)高質(zhì)量的知識(shí)基礎(chǔ)。

1.1.6 知識(shí)存儲(chǔ)

知識(shí)存儲(chǔ)是指將結(jié)構(gòu)化的知識(shí)表示形式持久化到存儲(chǔ)介質(zhì)中的過程，對(duì)于知識(shí)圖譜的構(gòu)建和維護(hù)至關(guān)重要，它確保知識(shí)的可用性、可訪問性和可持久性。

本系統(tǒng)使用 Neo4j 圖數(shù)據(jù)庫來存儲(chǔ)治安風(fēng)險(xiǎn)知識(shí)圖譜，Neo4j 提供高效的圖查詢和推理能力[14]，可以滿足治安風(fēng)險(xiǎn)研判和防控的需要。

將三元組數(shù)據(jù)導(dǎo)入后利用Neo4j數(shù)據(jù)庫的可視化展示，如圖4，可以清楚地看到實(shí)體、屬性、關(guān)系的數(shù)量和類別，并且可以用Cypher語言進(jìn)行初步的查詢。

1.2 查詢系統(tǒng)構(gòu)建

治安風(fēng)險(xiǎn)知識(shí)查詢系統(tǒng)有五層架構(gòu)，如圖5，包括基礎(chǔ)設(shè)施層、數(shù)據(jù)庫資源層、應(yīng)用層、接入層、用戶層。

2 知識(shí)查詢系統(tǒng)實(shí)現(xiàn)

2.1 知識(shí)圖譜構(gòu)建實(shí)現(xiàn)

知識(shí)圖譜構(gòu)建步驟如下：

1） 將人工提取的三元組保存至“知識(shí)庫.xlsx”文件。該文件含10個(gè)工作表，前9個(gè)為存有實(shí)體及其屬性的實(shí)體表，最后1個(gè)為存有三元組的關(guān)系表。

2） 通過Python腳本實(shí)現(xiàn)“知識(shí)庫.xlsx”文件向Neo4j數(shù)據(jù)庫的導(dǎo)入。

連接數(shù)據(jù)庫：利用Graph類連接至本地Neo4j數(shù)據(jù)庫，端口為7474，輸入用戶名及密碼。

讀取數(shù)據(jù)：借助pandas庫讀取9個(gè)Excel工作表，各表分別包含不同實(shí)體類型及其屬性。

創(chuàng)建節(jié)點(diǎn)：針對(duì)每個(gè)實(shí)體類型（如行為類型、行為、風(fēng)險(xiǎn)類型等） ，生成相應(yīng)節(jié)點(diǎn)，并為各節(jié)點(diǎn)設(shè)置屬性。

創(chuàng)建邊：針對(duì)關(guān)系表中的每一行，查詢對(duì)應(yīng)節(jié)點(diǎn)，并依據(jù)關(guān)系類型在節(jié)點(diǎn)間建立邊。

3） 數(shù)據(jù)導(dǎo)入完成后，可在Neo4j數(shù)據(jù)庫中展示，如圖6所示。

2.2 系統(tǒng)功能實(shí)現(xiàn)

2.2.1 用戶登錄模塊

如圖7，用戶登錄模塊允許用戶使用其憑據(jù)登錄到應(yīng)用程序。具體流程如圖8。

1） 登錄頁面，用戶訪問登錄頁面，該頁面包含一個(gè)登錄表單。

2） 提交登錄表單，用戶輸入其用戶名和密碼并提交登錄表單。

3） 表單驗(yàn)證，驗(yàn)證登錄表單，確保所有必填字段已填寫且憑據(jù)有效。

4） 用戶身份驗(yàn)證，Django后端使用提供的憑據(jù)對(duì)用戶進(jìn)行身份驗(yàn)證。

5） 登錄成功，如果用戶身份驗(yàn)證成功，應(yīng)用程序?qū)⒌卿浻脩舨⑵渲囟ㄏ虻街黜摶蝾A(yù)定義的目標(biāo) URL。

6） 登錄失敗，如果用戶身份驗(yàn)證失敗，應(yīng)用程序?qū)@示錯(cuò)誤消息并重新呈現(xiàn)登錄表單。

該模塊還包括其他功能：

忘記密碼，該模塊提供一個(gè)鏈接，允許用戶在忘記密碼時(shí)重置密碼。

注冊(cè)，該模塊提供一個(gè)鏈接，允許用戶創(chuàng)建一個(gè)新賬戶。

關(guān)鍵代碼包括Django用戶登錄視圖、用戶登錄模板等。

Django用戶登錄視圖中定義了一個(gè)基于Django的用戶登錄視圖。它處理GET和POST請(qǐng)求：GET請(qǐng)求，呈現(xiàn)一個(gè)登錄表單。POST請(qǐng)求，驗(yàn)證登錄表單。如果表單有效，則使用提供的憑據(jù)對(duì)用戶進(jìn)行身份驗(yàn)證。如果用戶身份驗(yàn)證成功，則登錄用戶并將其重定向到主頁。如果用戶身份驗(yàn)證失敗，則顯示錯(cuò)誤消息并重新呈現(xiàn)登錄表單。用戶登錄模板包括用戶登錄頁面的HTML模板，使用Bootstrap框架來創(chuàng)建登錄表單，顯示錯(cuò)誤消息（如果存在） ，并允許用戶在忘記密碼的情況下重置密碼，還提供一個(gè)鏈接，允許用戶注冊(cè)一個(gè)新賬戶。

2.2.2 實(shí)體識(shí)別模塊

如圖9，實(shí)體識(shí)別模塊實(shí)現(xiàn)了從文本中識(shí)別實(shí)體及其類型。具體流程如圖10所示。

1） 構(gòu)建詞典：從知識(shí)庫加載術(shù)語并將其映射到實(shí)體類型。

2） 構(gòu)建詞樹（ACTree） ：根據(jù)術(shù)語構(gòu)建一個(gè)前綴樹，以加快過濾過程。

3） 實(shí)體識(shí)別：使用構(gòu)造的詞樹和詞典，在文本中匹配實(shí)體，若無匹配項(xiàng)則用BM25模型進(jìn)行模糊匹配。

4） 實(shí)體分類：根據(jù)詞典映射，將匹配到的實(shí)體歸類到相應(yīng)的類型。

5） 如果匹配成功輸出實(shí)體列表及其類型。

2.2.3 實(shí)體查詢模塊

如圖11，實(shí)體查詢模塊實(shí)現(xiàn)了根據(jù)實(shí)體名稱查詢實(shí)體及屬性信息。如圖12具體流程為：

1） 根據(jù)前端輸入的實(shí)體名稱發(fā)送GET請(qǐng)求，在Django后端響應(yīng)并發(fā)送執(zhí)行Neo4j查詢。

2） 如果有結(jié)果就解析查詢結(jié)果，提取實(shí)體屬性和標(biāo)簽，沒有就返回HTML提示。

3） 根據(jù)結(jié)果，將提取的實(shí)體信息組織成HTML表格。

4） 返回HTML表格字符串，用于在前端顯示實(shí)體信息。

該模塊的技術(shù)細(xì)節(jié)包括使用Neo4j Cypher查詢語言執(zhí)行查詢。使用Python字典和列表來組織查詢結(jié)果。使用HTML和CSS來格式化實(shí)體信息表格。

2.2.4 關(guān)系查詢模塊

如圖13，關(guān)系查詢模塊實(shí)現(xiàn)了根據(jù)實(shí)體名稱和關(guān)系類型查詢實(shí)體之間的關(guān)系，可以單側(cè)輸入或雙側(cè)輸入實(shí)體，關(guān)系可以進(jìn)行選擇。經(jīng)過查詢后生成表格和知識(shí)圖譜。如圖14，具體流程如下：

1） 根據(jù)輸入的實(shí)體名稱和關(guān)系類型發(fā)送GET請(qǐng)求，后端處理請(qǐng)求構(gòu)造Neo4j查詢。

2） 執(zhí)行查詢返回結(jié)果，后端解析結(jié)果。

3） 組織查詢結(jié)果為數(shù)據(jù)、類別和表格代碼。

4） 根據(jù)返回結(jié)果生成HTML表格和知識(shí)圖譜JSON響應(yīng)。

5） 前端模板根據(jù)響應(yīng)生成表格和知識(shí)圖譜。

該模塊的技術(shù)細(xì)節(jié)包括使用Neo4j Cypher查詢語言執(zhí)行查詢，使用Python字典和列表來組織查詢結(jié)果，使用HTML和CSS來格式化實(shí)體關(guān)系表，JSON響應(yīng)遵循特定的模式，便于處理和可視化。

2.2.5 知識(shí)圖譜問答模塊

如圖15，知識(shí)圖譜問答模塊中，用戶可以選擇示例問題或輸入相似問題，進(jìn)行問答，回答的形式以文本框、表格、知識(shí)圖譜的形式展示。

3 總結(jié)

在建設(shè)穩(wěn)定的治安環(huán)境這一宏大命題下，治安風(fēng)險(xiǎn)防范扮演著舉足輕重的角色。治安風(fēng)險(xiǎn)的識(shí)別[15]、評(píng)估與應(yīng)對(duì)，直接關(guān)系到社會(huì)的和諧穩(wěn)定與民眾的安居樂業(yè)。因此，構(gòu)建一個(gè)高效、精準(zhǔn)的治安風(fēng)險(xiǎn)管理體系[16]，成為當(dāng)前社會(huì)治理領(lǐng)域亟待解決的重要課題。

本研究聚焦治安風(fēng)險(xiǎn)領(lǐng)域，利用知識(shí)圖譜技術(shù)構(gòu)建了綜合性治安風(fēng)險(xiǎn)知識(shí)圖譜，并開發(fā)了輔助決策軟件。該知識(shí)圖譜涵蓋多種治安風(fēng)險(xiǎn)因素、關(guān)聯(lián)關(guān)系及影響路徑，為治安風(fēng)險(xiǎn)的識(shí)別、評(píng)估與應(yīng)對(duì)提供了有力支撐。輔助決策軟件通過自然語言處理技術(shù)，使用戶能快速獲取治安風(fēng)險(xiǎn)知識(shí)信息和分析結(jié)果，并提供豐富篩選定位功能。但本研究存在數(shù)據(jù)來源有限、實(shí)時(shí)性不足、用戶交互體驗(yàn)有待提升等不足。未來，將拓展數(shù)據(jù)來源，加強(qiáng)與警務(wù)系統(tǒng)對(duì)接，提升知識(shí)圖譜實(shí)時(shí)性，優(yōu)化軟件交互體驗(yàn)，并探索知識(shí)圖譜在相關(guān)領(lǐng)域的應(yīng)用，為社會(huì)治理提供更全面的技術(shù)支持。

參考文獻(xiàn)：

[1] 習(xí)近平.高舉中國特色社會(huì)主義偉大旗幟為全面建設(shè)社會(huì)主義現(xiàn)代化國家而團(tuán)結(jié)奮斗：在中國共產(chǎn)黨第二十次全國代表大會(huì)上的報(bào)告[J].共產(chǎn)黨員，2022，77（21）：4-26.

[2] YALBULGANOV A A.The internal state financial control reform：tasks，objectives and legal challenges[J].Actual Problems of Russian Law，2020，15（11）：76-94.

[3] 胡勉寧，張騰飛，賈楠.基于知識(shí)圖譜的社區(qū)治安風(fēng)險(xiǎn)事件預(yù)警設(shè)計(jì)與實(shí)現(xiàn)：以社區(qū)盜竊案件為例[J].安全，2022，43（12）：29-38.

[4] 吳紹忠，魏永忠.基于隱性知識(shí)的網(wǎng)絡(luò)涉穩(wěn)輿情分析技術(shù)研究[J].警察技術(shù)，2015（6）：44-46.

[5] MARUFUZZAMAN M，AGHALARI A，RANTA J H，et al.Optimizing civilian response strategy under an active shooting incident[J].IEEE Systems Journal，2021，15（4）：4804-4815.

[6] 黃軍凱，呂黔蘇，林正平，等.基于標(biāo)準(zhǔn)數(shù)字化的標(biāo)準(zhǔn)智能編制系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].科技與創(chuàng)新，2023（18）：38-40.

[7] 王冬，周思航，黃健，等.基于層級(jí)池化序列匹配的知識(shí)圖譜復(fù)雜問答最優(yōu)查詢圖選擇方法[J].系統(tǒng)工程與電子技術(shù)，2024，46（8）：2686-2695.

[8] 林夏瑩，連海峰，黃思潔.基于知識(shí)圖譜的銀行客戶數(shù)據(jù)管理研究[J].金融科技時(shí)代，2023，31（8）：10-15.

[9] 王楊.風(fēng)險(xiǎn)社會(huì)視域下大規(guī)模語言模型的治安風(fēng)險(xiǎn)與多元治理：以ChatGPT為例[J].互聯(lián)網(wǎng)天地，2023（7）：24-31.

[10] 趙鵬凱，陳鵬，洪衛(wèi)軍.基于AHP的社區(qū)侵財(cái)類治安風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系研究[J].法制與社會(huì)，2015（26）：173-175.

[11] 周奕舒.盲盒經(jīng)濟(jì)的治安風(fēng)險(xiǎn)以及防控路徑研究[J].江西警察學(xué)院學(xué)報(bào)，2023（3）：55-61.

[12] COLUCCI E，LINGUA A M，KOKLA M，et al.Minor historical centres ontology enrichment and population：an hamlet case study[J].The International Archives of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2022，XLIII-B4-2022：31-37.

[13] 韓立巖，周芳.基于D-S證據(jù)理論的知識(shí)融合及其應(yīng)用[J].北京航空航天大學(xué)學(xué)報(bào)，2006，32（1）：65-68，73.

[14] 楊秋紅.基于大數(shù)據(jù)背景的NoSQL數(shù)據(jù)庫技術(shù)分析[J].電腦知識(shí)與技術(shù)，2023，19（24）：67-69.

[15] 戴宜航.治安風(fēng)險(xiǎn)識(shí)別研究[D].北京：中國人民公安大學(xué)，2017.

[16] 殷星辰.立體化社會(huì)治安防控體系建設(shè)的經(jīng)驗(yàn)總結(jié)與改進(jìn)建議：以北京市朝陽區(qū)為例[J].北京警察學(xué)院學(xué)報(bào)，2020（3）：24-31.

【通聯(lián)編輯：李雅琪】