(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111229509.X (22)申请日 2021.10.21 (71)申请人 中通服公众信息产业股份有限公司 地址 830000 新疆维吾尔自治区乌鲁 木齐 市黄河路191号 (72)发明人 程涛　廖毅　李英　罗龑　 (74)专利代理 机构 济南智圆行方专利代理事务 所(普通合伙企业) 37231 代理人 杨际伟 (51)Int.Cl. G06K 9/62(2022.01) G06F 40/289(2020.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 一种基于聚类算法的高危 地区识别方法 (57)摘要 本发明提供了一种基于聚类算法的高危地 区识别方法， 属于高危地区识别技术领域。 其技 术方案为： 一种基于聚类算法的高危地区识别方 法， 包括对接相关部门的信息系统， 获取历史案 件数据， 生成训练数据集； 提取地址信息和高危 特征并生 成高危特征向量集； 对高危地区特征向 量集使用聚类算法计算， 进行聚类模型训练， 生 成模型库； 根据目标用户的身份信息提取居住信 息， 判断目标用户是否来自有高危特征的区域。 本发明的有益效果为： 通过对相关部门的历史案 件数据进行处理， 采用自动的特征提取和无监督 聚类机器学习算法实现地区与高危特征的聚类， 实现自动的高危 地区的识别。 权利要求书2页 说明书6页 附图3页 CN 114398934 A 2022.04.26 CN 114398934 A 1.一种基于聚类算法的高危 地区识别方法， 其特 征在于， 包括以下步骤： 对接相关部门的信 息系统， 获取历史案件数据， 根据案件数据生成包括案件信 息、 地址 信息、 高危特 征的关联 数据集， 作为训练数据集； 提取所述训练数据集中的地址信息， 并对所述地址信息进行编码， 每个地址对应生成 一个地址向量， 最终形成地址向量 集； 对所述地址向量 集内相似度超过设定阈值的所述 地址向量进行归并； 提取所述训练数据集中的高危特 征， 对高危特 征进行编码， 形成高危特 征向量集； 关联所述地址向量 集与所述高危特 征向量集后得到高危 地区特征向量集； 对所述高危 地区特征向量集使用聚类算法计算， 进行聚类模型训练， 生成模型库； 根据目标用户的身份数据提取居住信 息， 并对所述居住信 息进行编码生成待识别地址 编码； 所述待识别地址编码与所述模型库进行匹配， 经过模型预测后， 判断目标用户是否来 自有高危特 征的区域。 2.根据权利要求1所述的基于聚类算法的高危地区识别方法， 其特征在于， 设定更新周 期， 定期获取新增的案件数据， 生成与所述训练数据集格式相同的增量数据集， 提取并关联 与所述增量数据集相应的地址向量集和高危特征向量集， 并更新至 当前的高危地区特征向 量集， 重新进行聚类模型训练， 更新所述模型库。 3.根据权利要求1所述的基于聚类算法的高危地区识别方法， 其特征在于， 所述对地址 进行编码具体为： 首先采用国家标准地理信息库进 行分词， 对每个词进 行数字索引， 从而实 现地址的向量 化。 4.根据权利要求3所述的基于聚类算法的高危地区识别方法， 其特征在于， 通过欧氏距 离算法对地址 向量计算相似度， 通过多轮迭代， 将相似度大于一个阈值的地址组合进行合 并。 5.根据权利要求4所述的基于聚类算法的高危地区识别方法， 其特征在于， 地址向量的 相似度的计算如下： A＝(a[1]， a[2]， …， a[n])和B＝(b[1]， b[2]， …， b[n])之间的距离ρ(A， B)定义为下面的公式： 其中d值越小， 则说明两个地址向量A、 B的相似度越高。 6.根据权利要求4所述的基于聚类算法的高危地区识别方法， 其特征在于， 所述 聚类模 型训练具体为： 所述聚类算法是基于Spar k实现的K ‑means算法； 计算K值； 输入计算好的K值 和特征向量； 经计算结果存 储到模型库中。 7.一种基于聚类算法的高危地 区识别系统， 其特征在于， 包括第 一获取单元， 用于对接 相关部门的信息系统， 获取历史案件数据， 根据案件数据生成包括案件信息、 地址信息、 高 危特征的关联 数据集， 作为训练数据集； 地址向量生成单元， 用于提取所述训练数据集中的地址信 息， 并对地址进行编码， 每个 地址对应生成一个地址向量， 最终形成地址向量 集； 地址向量归 并单元， 用于对所述地址向量集内相似度超过设定 阈值的所述地址向量进权　利　要　求　书 1/2 页 2 CN 114398934 A 2行归并； 第二获取单元， 用于对接相关部门的信 息系统， 结合实时流处理技术获取增量数据集， 所述增量数据集 为随时间更新 不断产生的新数据； 高危特征向量生成单元， 用于提取所述训练数据集和增量数据集中的高危特征， 对高 危特征进行编码， 形成高危特 征向量集； 向量合并单元， 用于关联所述地址向量集与所述高危特征向量集后得到高危地 区特征 向量集； 模型库生成单元， 用于对高危地区特征向量集使用聚类算法计算， 进行聚类模型训练， 生成模型库； 识别单元， 用于提取目标用户的居住信息， 并对所述居住信息进行编码生成待识别地 址编码； 模型预测单元， 用于将所述待识别地址编码与所述模型库进行匹配， 预测判断目标用 户是否来自具有高危特 征的区域。 8.根据权利要求7所述的基于聚类算法的高危地区识别系统， 其特征在于， 还包括更新 单元， 用于更新所述模型库， 具体为： 设定更新周期， 定期获取新增的案件数据， 生 成与所述 训练数据集格式相同的增量数据集， 提取并关联与所述增量数据集相应的地址向量集和高 危特征向量集， 并更新至 当前的高危地区特征向量集， 重新进 行聚类模型训练， 更新所述模 型库。权　利　要　求　书 2/2 页 3 CN 114398934 A 3