计算机应用研究
APPLICATION RESEARCH OF COMPUTERS
2000 Vol.17 No.3 P.91-92




相关案件的数据挖掘
朱天翔　李力
摘　要：研究案件信息资料的专用数据挖掘技术，提出了相关案件的发现模型，并讨论了其实现方法，对案件串联、案件分析有十分重要的现实意义。
关键词：知识发现 数据挖掘 数据库 案件信息
1　引言
　　随着计算机技术的发展，数据库技术的广泛应用，各行各业都积累了大量的数据，这些数据资源的背后蕴藏着许多有价值的知识。在数据库中发现并提取这些知识，具有十分重要的现实意义。于是数据库中知识发现(Knowledge Discovery in Database,简称KDD)技术，即数据挖掘技术的研究成了当前数据库研究的热点问题之一。
　　数据挖掘(Data Mining)就是从大量的数据库中提取隐含的、未知的、对决策有潜在价值的知识和规则的过程。
　　数据挖掘得到的知识表示为概念(Conception)、规则(Rules)、规律(Regularities)和模式(Patterns)等。
　　本文讨论数据挖掘技术在案件信息资料中的应用，案件信息资料是指沈阳市公安局案件信息数据库，它经过七年的积累，是目前国内公安行业中数据最全、容量最大的数据库，数据资源不可多得。在这大量数据的背后蕴藏着许多对实际工作有用的知识，挖掘这些知识就需要数据挖掘技术。
　　案件串联工作是公安业务中很重要的工作，这项工作一般要通过手工方式对案件资料进行查询、检索，再根据工作经验分析确定串联案件，这是一项专业性强、繁杂、量大的工作。本文的工作是通过数据挖掘技术自动地、智能地挖掘出相关案件，将这些相关案件提供给领域专家，经过分析评价确定串联案件。这样就可以大大地降低工作量，提高工作效率。
2　相关案件的挖掘
　　相关案件是指根据若干数据项的值可以确定的，具有相同性质的案件。相关案件属概念范畴。在公安业务中将相关案件(可能是同一伙案犯所为)串联在一起，对分析案件、审案、深挖、统计分析及辅助决策等工作都有很大帮助。
2.1　相关案件的定义
　　案件资料可抽象为一个信息系统，用四元组表示：
S=<U, A, V, F >
其中，U是一组对象(或事例)的有限集合，称为论域；设有n个对象，则U可表示为：U={u1, u2, ..., un}。A是有限个属性的有限集合，设有m个属性，则A可表示为：A={a1, a2, ..., am}，V是属性的值域集，V={v1, v2, ..., vm}，其中vi是属性ai的值域；F是信息函数(Information function)，F：U×A→V，F(xi, aj)vj。定义2.1 相关属性：U是论域，A是U的属性集合，是根据领域知识确定的，用于判别数据对象具有相同性质的属性集，是A的子集，中的每个属性a(aA)叫做相关属性。
　　例如：作案手段、处所、案件类别等属性。
　　定义2.2 相关度：相关属性a的值域为Va={Va1, Va2, ..., Van}，对于其中一个值Vai，给定的一组相关程度的度量 {c1, c2, ..., cn} 。其中cj是Vaj对Vai的相关程度，称作Vaj对Vai的相关度。
　　例如：作案手段={撬锁，尾随，破门，割包，冒充，潜伏}，撬锁对应的一组相关度为{1，0，0.8，0.2，0，0}。
　　定义2.3 相关案件：若两起案件相关属性的相关度之和C大于给定的阈值Cp，则称这两起案件为相关案件。
　　例如：设相关属性为案件类别、选择处所和作案手段，破门与撬锁的相关度为0.8，给定相关度阈值为2.5，有两起案件：
　　　　　　　案件类别　　　选择处所　　　作案手段
　　案件1　　入室盗窃案　　　民宅　　　　　撬锁
　　案件2　　入室盗窃案　　　民宅　　　　　破门
　　则这两起案件是相关案件。
2.2　相关案件的发现
　　根据上述定义，发现相关案件要知道相关属性的相关度，相关度的值有领域专家根据领域知识给出，为表达相关度，定义相关度矩阵Ma。

　　Cij是属性a的第j项对第i项的相关度。
　　Ma是一个对称矩阵，只取下三角即可。
　　例如：作案手段的相关度矩阵为
　　　　　撬锁　　尾随　　破门　　割包　　冒充　　潜伏
　　撬锁　　1　　　0　　　　0　　　0　　　　0　　　0
　　尾随　　0　　　1　　　　0　　　0　　　　0　　　0
　　破门　0.8　　0.5　　　　1　　　0　　　　0　　　0
　　割包　　0　　0.9　　　　0　　　1　　　　0　　　0
　　冒充　　0　　0.8　　　0.3　　　0　　　　1　　　0
　　潜伏　　0　　　0　　　　0　　　0　　　　0　　　1
　　分析案件时要知道所有相关属性的相关度矩阵，依据相关属性及相关度矩阵就可以求出案件相关度的和，根据给定阈值Cp可求解全部相关案件。
2.3　相关案件的求解算法
　　输入 信息系统U，n个记录，所有相关属性的相关度矩阵
Ma1--Mam
　　输出 L相关案件的集合
　　1) FOR i=1 TO n-1 (n为记录数)
　　2) FOR j=i+1 TO n
　　3) A[i,j]=0
　　4) FOR k=1 TO m
　　5) A[i,j]=A[i,j]+Mak[i,j] (Mak[i,j]在相关矩阵中取相关度)
　　6) NEXT
　　7) IF A[i,j]>=Cp
　　8) 
　　9) ENDIF
　　10) NEXT
　　11) 
　　12) NEXT
　　13) 输出L
　　1)循环取出案件；2)与其它案件比较；4)～6)求相关度之和；7)判断是否相关；11)将相关案件放入结果集；13)输出结果。
3　实验分析
　　本文的研究在沈阳市公安局案件信息系统中进行了运行实验，来分析算法正确性及执行效率。
　　案件信息数据库中共有案件100,671起，设案件类别、作案地点、作案手段为相关属性，给定阈值为2.5，挖掘出相关案件324组，其中手段是尾随，案别是入室盗窃、杀人，作案地点在五爱市场附近的相关案件6起；盗窃通讯器材，异地销赃的相关案件13起...。
　　通过算法可以找出许多相关案件，这些结果可供领域专家参考，经领域专家分析评价，就可以完成案件串联工作。这比以往靠手工操作，根据经验对案件信息数据库查询、检索要方便许多，效率也提高了许多。
4　结论
　　数据挖掘系统有两类，通用系统和专用系统。通用系统适应性强，但算法的执行效率不高；专用系统的适用面窄，但可以利用领域知识，提高算法的执行效率。数据挖掘操作一般面对的是大规模数据库，算法的执行效率很重要。本文从挖掘知识的模型入手进行了分析研究，并设计了执行效率较高的执行算法。
　　案件串联工作是公安业务中一项水平要求高、处理繁杂的工作。本文提出的相关案件数据挖掘的实现，提高了串联案件工作的效率。目前，国内案件信息系统的数据挖掘技术应用尚属空白，本文在这方面的探索具有实际意义。
朱天翔(沈阳工业大学信息科学与工程学院 沈阳 110023)
李力(沈阳工业大学信息科学与工程学院 沈阳 110023)
参考文献
1 李 力, 许占文, 刘桂芳. 分类特征规则及趋势规则的发现算法. 小型微型计算机系统, 1999.9
2 李 力, 朱天翔, 许占文. 分类特征规则的数据挖掘技术. 沈阳工业大学学报, 1999.9
3 王 军. 数据库知识发现的研究. 中国科学院软件研究所, 博士论文, 1997
4 李 力. 数据挖掘技术的研究与应用. 沈阳工业大学, 硕士论文, 1999
5 Han J, Conference Tutorial Notes: Data Mining Techniques, In Proceedings of ACM SIGMOD International Conference'96 on Management of Data (SIGMOD'96), Montreal, Canada, June, 1996
6 Fayyed U, Hausller D, Stolorz P. Mining Scientific Data, Comm. ACM 39(11), 1996
收稿日期：1999年9月22日
