贝业思对公共安全痛点的解决之道

高效率高准确率

房地产
商业零售
公共安全
广告营销
通讯

公共安全痛点

贝业思在公共安全行业主要聚焦在利用大数据和机器学习技术协助案件侦破,包括从海量历史案件数据中提取关键信息,并为办案人员把新发案件与历史案件进行关联,发现高价值线索。这一工作面临如下难题:

处理文字信息

案件信息主要以案件描述文本形式存在,因此不同办案人员在进行案件描述时,撰写、格式以及用语都缺乏统一规范,导致历史案件信息使用困难。

信息高度分散

各类案件信息通常存放在不同的信息系统之中,难以将信息进行最大程度地融合以提升破案效率。

缺乏智能分析模型

目前研判系统主要依靠民警进行人工关联,即使能对案件之间进行有限关联,所得到的结果也通常以描述、总结性形式呈现。办案人员难以从这样的分析结果中提取明晰信息。

解决方案
贝业思的深度语义学习模型通过分析案件描述文字信息,实现以下功能:
提取案件描述重要实体特征

如案件涉及人名、物品、地点、时间、金额、银行账号、社交账号、电话号码、电邮、网站网址等。

识别与重要实体语义相关的上下文词汇

如人名与“嫌疑人”、“被骗”、“报案人”; 金额与“转账”、“微信”、“盗窃”等。

识别、提取反映案件信息的重要关键词

如与作案手法,案件类别相关的名词、动词和形容词。

对案件进行关联与分类

对关联与分类结果进行清晰明了的图示化展示

联系我们
×
姓名
职业
年龄
电话
邮箱