知識(shí)圖譜關(guān)系網(wǎng)絡(luò)在現(xiàn)代警務(wù)中的應(yīng)用場景

陳 銳，華 東，桑朝陽

(浙江省公安廳，浙江 杭州 330100)

0 引言

知識(shí)圖譜是基于大數(shù)據(jù)的智能化自然語言信息分析技術(shù)，實(shí)質(zhì)上屬于信息分析工具中的一種，能夠把抽象冗雜的信息通過采集處理、融合計(jì)算、可視映射及繪制等過程以基于易理解的形象化的方式顯示出來，已被廣泛應(yīng)用于電商、農(nóng)業(yè)、工業(yè)、醫(yī)療、軍事、治安、教育等領(lǐng)域。谷歌、亞馬遜、騰訊、Facebook、阿里、奈飛、PayPal、華為、蘋果、百度等諸多企業(yè)紛紛探索拓展其在金融、電商、醫(yī)療多個(gè)領(lǐng)域的相關(guān)應(yīng)用，推廣前景被一致看好[1]。對(duì)于警務(wù)工作而言，經(jīng)過十余年的“基礎(chǔ)工作信息化，信息工作基礎(chǔ)化”的快速發(fā)展，特別是近2年云計(jì)算技術(shù)的賦能，知識(shí)圖譜關(guān)系網(wǎng)絡(luò)越來越多地在該領(lǐng)域被應(yīng)用并取得實(shí)效。

1 知識(shí)圖譜基礎(chǔ)理論

知識(shí)圖譜通過將可視化技術(shù)與數(shù)學(xué)、圖形學(xué)、信息科學(xué)等學(xué)科理論及方法結(jié)合，把抽象冗雜的信息通過采集處理、可視繪制等圖形化方式直觀顯示出來。在現(xiàn)代警務(wù)模式中，人與人之間關(guān)系聚類的挖掘計(jì)算更加亟需知識(shí)圖譜的應(yīng)用。現(xiàn)實(shí)生活中，知識(shí)圖譜應(yīng)用在關(guān)系聚類的挖掘計(jì)算基礎(chǔ)是人的基本屬性、行為指數(shù)和信息交互(實(shí)體、關(guān)系、屬性以及語義描述)等，但因?yàn)閿?shù)據(jù)規(guī)模巨大、結(jié)構(gòu)異樣、質(zhì)量不一，需要充分使用機(jī)器學(xué)習(xí)、自然語言處理等技術(shù)進(jìn)行自動(dòng)化的圖譜構(gòu)建。知識(shí)圖譜關(guān)系網(wǎng)絡(luò)可以通過對(duì)錯(cuò)綜復(fù)雜的實(shí)體、關(guān)系、屬性以及語義描述數(shù)據(jù)(包括結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化)進(jìn)行高效準(zhǔn)確的加工處理、整合清洗，轉(zhuǎn)化為海量的實(shí)體元素與關(guān)系數(shù)據(jù)，知識(shí)匯聚融合后對(duì)數(shù)據(jù)進(jìn)行邏輯歸屬和冗雜錯(cuò)誤數(shù)據(jù)過濾。

簡單來說，知識(shí)圖譜應(yīng)用于關(guān)系聚類分析主要具有以下3種特點(diǎn)。

(1)可以通過圖數(shù)據(jù)庫比對(duì)算法進(jìn)行效率極高的數(shù)據(jù)檢索，檢索訪問次數(shù)越多、范圍越廣,就能比中越多信息和內(nèi)容，效率越高。

(2)圖數(shù)據(jù)庫面向的數(shù)據(jù)量是數(shù)十到百億級(jí)，甚至更多。它使用圖的方式有效地存儲(chǔ)數(shù)據(jù)和知識(shí)之間的內(nèi)在關(guān)聯(lián)關(guān)系，可以實(shí)現(xiàn)系統(tǒng)化而非凌亂分散地展示相關(guān)知識(shí)體系。

(3)具備人類自然語言智能識(shí)別和推理能力，從整理出的數(shù)據(jù)中自動(dòng)識(shí)別和推斷出多維度關(guān)系與知識(shí)，可以模擬人腦思維方式去總結(jié)、證明和推測，脫離專業(yè)知識(shí)和業(yè)務(wù)經(jīng)驗(yàn)制約而獨(dú)立完成全部過程。

2 傳統(tǒng)關(guān)聯(lián)分析弊端分析

傳統(tǒng)人物關(guān)聯(lián)分析存在的痛點(diǎn)難點(diǎn)主要表現(xiàn)在以下方面。

一是分析過程耗時(shí)耗力，整體效率不高。傳統(tǒng)分析主要采用“查詢+比對(duì)”分析方法，即使查詢檢索也是單因子單表查詢檢索，復(fù)合因子、交叉因子或多表交叉查詢檢索效率很低，且由于分析對(duì)象及與其關(guān)聯(lián)的對(duì)象數(shù)量龐大、系統(tǒng)獨(dú)立分散、數(shù)據(jù)種類繁雜、基礎(chǔ)信息重復(fù)、標(biāo)準(zhǔn)不一、共享不足等原因，查詢耗時(shí)長，分析效率不高。使用傳統(tǒng)方式的查詢分析操作無法在最短時(shí)間內(nèi)高效率針對(duì)某些特定的應(yīng)用場景挖掘出分析對(duì)象的關(guān)聯(lián)特征。

二是基礎(chǔ)數(shù)據(jù)缺失不全，結(jié)果不夠準(zhǔn)確。傳統(tǒng)的人物關(guān)聯(lián)關(guān)系分析通常需要借助多個(gè)部門警種、多個(gè)信息系統(tǒng)、多類數(shù)據(jù)資源，將查詢到的零散數(shù)據(jù)進(jìn)行整合，梳理內(nèi)在邏輯，組合人物畫像，形成關(guān)系鏈條[2]。分析人員的專業(yè)水平參差不齊會(huì)導(dǎo)致結(jié)果出現(xiàn)偏差。多個(gè)部門、系統(tǒng)和資源中的數(shù)據(jù)質(zhì)量參差不齊，結(jié)構(gòu)異樣、缺失甚至錯(cuò)誤，導(dǎo)致分析人員初期的數(shù)據(jù)檢索、收集、清洗和整理的難度極大，需要長期、重復(fù)、機(jī)械地處理相關(guān)數(shù)據(jù)，最終因?yàn)楦鞣N客觀原因影響得到的結(jié)果往往與事實(shí)背道而馳。

三是綜合信息多元混雜，挖掘提煉不強(qiáng)。人物關(guān)系可通過多維行為(線上或線下、物流交易、社交通訊、交通住宿、人力資源與招聘、金融投資理財(cái)、保險(xiǎn)零售、通信傳媒、醫(yī)療繳費(fèi)、電子商務(wù)等)或是與內(nèi)在聯(lián)系的對(duì)象來表現(xiàn)。但由于人的行為具有多元復(fù)雜性、個(gè)體傾向差異性，且隨著社會(huì)進(jìn)步，各種新型的行為層出不窮，需對(duì)多種行為或多個(gè)對(duì)象進(jìn)行綜合信息分析，目前采取的傳統(tǒng)方式挖掘分析難以滿足現(xiàn)代多行為數(shù)據(jù)分析挖掘的實(shí)際需求[1]。

3 關(guān)系圖譜概念流程

關(guān)系圖譜泛指基于綜合利用各類數(shù)據(jù)可視化分析軟件，通過機(jī)器人流程自動(dòng)化(RPA)等完成特定需求的集數(shù)據(jù)搜集、清洗、打標(biāo)、建庫、建模、分析及展現(xiàn)等功能于一體，根據(jù)數(shù)據(jù)是維度還是度量，是離散還是連續(xù)，選取與其相匹配的圖形元素以及圖形屬性進(jìn)行映射，進(jìn)而達(dá)到傳遞想表達(dá)信息的目的。關(guān)系數(shù)據(jù)關(guān)聯(lián)研究對(duì)象包含的范圍越廣，表面上好像沒有相關(guān)性，但是底層具有潛在內(nèi)關(guān)聯(lián)價(jià)值的事物就越多，分析人物關(guān)聯(lián)關(guān)系也就需要將海量龐雜的單維或低維數(shù)據(jù)拆解清洗，量化為對(duì)現(xiàn)代警務(wù)工作有用的指標(biāo)指數(shù)，繼而開展后續(xù)數(shù)據(jù)關(guān)聯(lián)分析。這個(gè)過程也可以描述為通過定義的最小支持和最小置信度來尋找強(qiáng)關(guān)聯(lián)規(guī)則、描繪關(guān)系圖譜的過程。

通常來說，利用關(guān)系圖譜進(jìn)行人物關(guān)聯(lián)分析的流程如下，這些流程步驟并非固定的，可根據(jù)研究對(duì)象和目標(biāo)有選擇性地省略、新增或重復(fù)。

3.1 數(shù)據(jù)采集

直接決定數(shù)據(jù)維度、格式、顆粒度、精確度等，很大程度上決定了輸出結(jié)果質(zhì)量和最終分析準(zhǔn)確性。行業(yè)關(guān)系圖譜構(gòu)建更需要帶著專業(yè)特色的目的進(jìn)行數(shù)據(jù)采集，盡量摒棄明確與關(guān)聯(lián)分析無關(guān)的數(shù)據(jù)采集。

3.2 數(shù)據(jù)存儲(chǔ)

支持各類結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化海量數(shù)據(jù)的低成本存儲(chǔ)，為超長時(shí)間的海量歷史數(shù)據(jù)存儲(chǔ)和使用提供基礎(chǔ)支撐[3]。在數(shù)據(jù)存儲(chǔ)層中，將會(huì)按照存儲(chǔ)數(shù)據(jù)量、計(jì)算能力、計(jì)算速度進(jìn)行分主題存儲(chǔ)。因?yàn)閳D數(shù)據(jù)庫在關(guān)聯(lián)查詢的效率上遠(yuǎn)遠(yuǎn)高于傳統(tǒng)的關(guān)系數(shù)據(jù)存儲(chǔ)，所以對(duì)大量數(shù)據(jù)應(yīng)用圖數(shù)據(jù)庫來存儲(chǔ)較好。

3.3 標(biāo)準(zhǔn)處理

標(biāo)準(zhǔn)處理包括噪聲去除、數(shù)據(jù)清洗、標(biāo)簽分類、特征提取、信息抽取、建庫建模、分析研判等內(nèi)容。對(duì)臟數(shù)據(jù)和噪聲進(jìn)行去除，對(duì)散亂無序數(shù)據(jù)進(jìn)行整合清洗，保留有價(jià)值數(shù)據(jù)，對(duì)多源異構(gòu)數(shù)據(jù)進(jìn)行清洗匯聚，建立基于專家系統(tǒng)、模式識(shí)別、機(jī)器學(xué)習(xí)等相關(guān)技術(shù)的數(shù)學(xué)處理模型，利用大數(shù)據(jù)、云計(jì)算技術(shù)實(shí)現(xiàn)數(shù)據(jù)快速標(biāo)準(zhǔn)的處理。

3.4 知識(shí)融合

通過標(biāo)準(zhǔn)處理后的數(shù)據(jù)，獲得了結(jié)構(gòu)統(tǒng)一、真實(shí)表達(dá)的實(shí)體、關(guān)系等數(shù)據(jù)后，再經(jīng)過知識(shí)融合步驟對(duì)數(shù)據(jù)進(jìn)行邏輯歸屬和冗雜錯(cuò)誤數(shù)據(jù)過濾，將實(shí)體與實(shí)體進(jìn)行對(duì)應(yīng)、鏈接，最后合并外部知識(shí)庫和數(shù)據(jù)庫。

3.5 知識(shí)計(jì)算

以上步驟實(shí)現(xiàn)的基本事實(shí)表達(dá)數(shù)據(jù)再通過實(shí)體并列關(guān)系相似度計(jì)算、位置順序關(guān)系排列完成本體構(gòu)建，將數(shù)據(jù)歸類成人、案(事)、物、地址、組織機(jī)構(gòu)等人腦概念。在此基礎(chǔ)上不斷反復(fù)數(shù)據(jù)或概念更新、質(zhì)量評(píng)估和糾正等環(huán)節(jié)。

3.6 可視映射

按照可視化技術(shù)要求，將處理后的數(shù)據(jù)按照數(shù)值、時(shí)間、空間、數(shù)據(jù)聯(lián)系等方面映射成為可視化直觀元素，映射后的元素可以直接被可視化技術(shù)使用。

3.7 感知展現(xiàn)

利用數(shù)據(jù)可視化結(jié)果進(jìn)行分析，建立人物關(guān)系圖譜。在實(shí)踐中更多地利用可視化軟件對(duì)數(shù)據(jù)進(jìn)行交互式展現(xiàn)，利于人腦直觀感知和結(jié)果表示[4]。

4 關(guān)系圖譜行業(yè)應(yīng)用現(xiàn)狀

當(dāng)前關(guān)系圖譜應(yīng)用無所不在，幾乎覆蓋所有行業(yè)和領(lǐng)域，包括教育、醫(yī)療、金融、商業(yè)、法律、行政等，前提是要像警務(wù)分析人員關(guān)系聚類一樣，在每個(gè)行業(yè)都要建立起特有的具有業(yè)務(wù)屬性的知識(shí)圖譜，并不斷完善和更新。當(dāng)前已有很多行業(yè)開展了較為深度的應(yīng)用，也取得了較為明顯的成效。

4.1 司法關(guān)系圖譜

降低了司法理論和實(shí)踐中的應(yīng)用難度，可以將司法工作中所涉及的法律法規(guī)、條例規(guī)范、經(jīng)驗(yàn)做法、司法主體和對(duì)象等相互關(guān)聯(lián)起來，形成具有較強(qiáng)邏輯性和結(jié)構(gòu)性的司法關(guān)系圖譜。通過關(guān)系圖譜還可以方便快速地調(diào)用到關(guān)聯(lián)得更形象直觀的文本圖形、語音視頻等數(shù)據(jù)。

4.2 農(nóng)業(yè)關(guān)系圖譜

農(nóng)業(yè)關(guān)系圖譜可以極大程度累積和利用農(nóng)業(yè)常識(shí)、規(guī)律、經(jīng)驗(yàn)、關(guān)聯(lián)行業(yè)知識(shí)等相關(guān)知識(shí)。深入挖掘分析相應(yīng)的實(shí)體之間內(nèi)在的關(guān)聯(lián)關(guān)系，并用關(guān)系圖譜進(jìn)行表達(dá)，構(gòu)造全面的農(nóng)業(yè)知識(shí)庫，直觀地預(yù)測和指導(dǎo)農(nóng)業(yè)領(lǐng)域發(fā)展趨勢及輔助決策。

4.3 醫(yī)療關(guān)系圖譜

挖掘遺傳基因，降低診療成本，在醫(yī)療行業(yè)，發(fā)現(xiàn)和診療遺傳性疾病的成本高、周期長。醫(yī)療關(guān)系圖譜的數(shù)據(jù)組成包括臨床數(shù)據(jù)、實(shí)驗(yàn)數(shù)據(jù)、理論研究成果以及各類共享數(shù)據(jù)，構(gòu)建遺傳學(xué)醫(yī)療關(guān)系圖譜，加大遺傳性疾病的診療精準(zhǔn)性和降低治療難度，節(jié)約治療成本。例如“IBM登月計(jì)劃”，對(duì)臨床醫(yī)療做出了臨床輔助診斷和安全治療手段建議等方面的貢獻(xiàn)，其背后就是醫(yī)療關(guān)系圖譜基于海量臨床經(jīng)驗(yàn)數(shù)據(jù)、實(shí)驗(yàn)數(shù)據(jù)和理論研究數(shù)據(jù)相互關(guān)聯(lián)的實(shí)戰(zhàn)應(yīng)用。

4.4 電詐關(guān)系圖譜

這是警務(wù)工作中關(guān)系圖譜眾多應(yīng)用中的一種。最近幾年，電信詐騙的形式多種多樣，涉案金額巨大，造成惡劣的影響。仿冒身份、購物詐騙、利誘詐騙、消費(fèi)詐騙、釣魚木馬病毒詐騙等，騙子越來越多，手段越來越具有迷惑性，被害者防不勝防，甚至很多被害者都是高級(jí)知識(shí)分子，也在不知不覺中受騙上當(dāng)。在這種情況下，原來通過個(gè)案攻堅(jiān)、串并案偵查等傳統(tǒng)方法進(jìn)行反詐偵查已經(jīng)遠(yuǎn)遠(yuǎn)不夠，需要建立一個(gè)反詐關(guān)系圖譜來積極應(yīng)對(duì)。電信詐騙的核心是人，在金融投資詐騙的偵查分析研判中，需要對(duì)接涉及電詐的所有相關(guān)數(shù)據(jù)源，對(duì)多源異構(gòu)數(shù)據(jù)清洗整理后構(gòu)建對(duì)應(yīng)的關(guān)系圖譜，建設(shè)標(biāo)準(zhǔn)統(tǒng)一的結(jié)構(gòu)化數(shù)據(jù)庫供機(jī)器學(xué)習(xí)、理解和分析研判。這樣不僅可以整合涉案人員的基本信息，還可以把涉案人員的消費(fèi)記錄、行為記錄、關(guān)系信息、線上日志信息等整合到反電詐知識(shí)圖譜里，從而進(jìn)行分析和預(yù)測，最終得到電詐犯罪團(tuán)伙成員的真實(shí)身份信息及內(nèi)在關(guān)聯(lián)信息，為打擊電詐案件高發(fā)態(tài)勢提供直觀的決策指引及偵破方向。此外，通過構(gòu)建海量的歷史電詐元素的關(guān)系圖譜，實(shí)現(xiàn)高風(fēng)險(xiǎn)數(shù)據(jù)的分析研判和機(jī)器學(xué)習(xí)，按電詐主題元素計(jì)算風(fēng)險(xiǎn)結(jié)果反饋，構(gòu)建特征專題數(shù)據(jù)庫，提煉固化分析規(guī)則，完善預(yù)警分析模型，可以有效進(jìn)行電詐案件的前期干預(yù)，避免電詐案件的發(fā)生和終止現(xiàn)發(fā)電詐案件的發(fā)展。

4.5 電商關(guān)系圖譜

擁有海量數(shù)據(jù)的互聯(lián)網(wǎng)電商行業(yè)，當(dāng)前在關(guān)系圖譜應(yīng)用方面處于世界前列。各大互聯(lián)網(wǎng)巨頭，通過構(gòu)建自身電商生態(tài)閉環(huán)，讓電商數(shù)據(jù)在整個(gè)閉環(huán)中產(chǎn)生、消化、再產(chǎn)生，反復(fù)地完善其關(guān)系圖譜和知識(shí)庫，讓搜索引擎擁有了更精準(zhǔn)的分析能力和更智能的推薦能力，能夠更好的為客戶提供關(guān)鍵和滿意的電商產(chǎn)品信息，從而引導(dǎo)消費(fèi)。例如淘寶的商品關(guān)系圖譜背后有著商品標(biāo)準(zhǔn)化、結(jié)構(gòu)化這一個(gè)基礎(chǔ)性和根源性的過程。淘寶關(guān)系圖譜以商品名稱、商品分類、商品參數(shù)、商品品牌、標(biāo)準(zhǔn)條碼、熱門標(biāo)簽等為核心，利用自然語言識(shí)別和分析技術(shù)，整合關(guān)聯(lián)了成千上億的用戶興趣屬性，形成了龐大的關(guān)系網(wǎng)。能夠分析全平臺(tái)數(shù)據(jù)，對(duì)違禁貨物和違法交易行為進(jìn)行預(yù)警及干預(yù)，也可以幫助用戶迅速準(zhǔn)確從海量產(chǎn)品中篩選出適合的商品，提高用戶購物體驗(yàn)和交易安全等。

5 關(guān)系圖譜前景

5.1 改善數(shù)據(jù)結(jié)構(gòu)

大數(shù)據(jù)時(shí)代背景下，隨著物聯(lián)網(wǎng)、云計(jì)算等技術(shù)運(yùn)用于各個(gè)行業(yè)部門，數(shù)據(jù)呈現(xiàn)出融合交叉的特點(diǎn)。知識(shí)圖譜可以幫助人物信息模塊化利用，將各種類型的數(shù)據(jù)進(jìn)行規(guī)范整理和分類存儲(chǔ)。在檢索輸出結(jié)果階段，用戶可以通過關(guān)鍵字檢索等方式輸入內(nèi)容，系統(tǒng)會(huì)解析分析，將關(guān)聯(lián)內(nèi)容篩選排序，結(jié)構(gòu)化輸出結(jié)果[5]。例如“人員綜合畫像”模塊輸入關(guān)鍵字，系統(tǒng)通過對(duì)已有數(shù)據(jù)的清洗、關(guān)聯(lián)、分類，將人員基本情況、關(guān)聯(lián)人基本情況、所屬物品情況、人員行業(yè)特征信息及人員行為信息在同一界面多維度直觀展示。

5.2 輔助科學(xué)決策

關(guān)系圖譜是從海量數(shù)據(jù)資源中清洗出符合條件的信息，可以實(shí)時(shí)快速地深度分析大數(shù)據(jù)中的實(shí)體與關(guān)聯(lián)關(guān)系，利用已知內(nèi)在聯(lián)系或具體特征推斷出與之有關(guān)聯(lián)的新的聯(lián)系。除此之外，關(guān)系圖譜的推斷并不僅僅局限于通過人物對(duì)象的行為或通過內(nèi)在邏輯這些傳統(tǒng)的單一思維方式，而是從數(shù)據(jù)出發(fā)，構(gòu)建關(guān)系網(wǎng)絡(luò)，多種因素綜合考慮推斷，相較于傳統(tǒng)的方式，利用關(guān)系圖譜能夠?qū)?shù)據(jù)進(jìn)行深度分析、精準(zhǔn)研判和及時(shí)的預(yù)測[6]。比如關(guān)系圖譜的推斷，在警務(wù)工作中，為快速準(zhǔn)確鎖定目標(biāo)人員、物品、地址、案事件和背景信息，民警的任何操作都是圍繞該特定的工作意圖和目的進(jìn)行的，建立并應(yīng)用該圖譜，民警能實(shí)現(xiàn)快速精準(zhǔn)偵查工作，這對(duì)于警務(wù)決策的精準(zhǔn)性和全面性而言至關(guān)重要。

5.3 提升展示效果

在人物關(guān)聯(lián)領(lǐng)域運(yùn)用關(guān)系圖譜，可以將來源于不同數(shù)據(jù)庫系統(tǒng)、不同部門的數(shù)據(jù)信息進(jìn)行整合，理清人物相關(guān)聯(lián)的內(nèi)在邏輯，構(gòu)建關(guān)系標(biāo)簽脈絡(luò)，將冗雜的人物對(duì)象數(shù)據(jù)有序化[2]。例如，構(gòu)建“人員矩陣”，使被分析對(duì)象的“標(biāo)簽關(guān)系人或物”通過縱橫排列的二維數(shù)據(jù)表格或三維立體模型展示，并利用數(shù)據(jù)特性，按條件排列，有效打通人與人、人與物之間的關(guān)系脈絡(luò)，幫助分析人員在最短時(shí)間內(nèi)了解對(duì)象群體特征及內(nèi)在關(guān)聯(lián)性。

5.4 賦能警務(wù)AI

關(guān)系圖譜可以讓當(dāng)前應(yīng)用在多種場景下的警務(wù)AI更智能更安全。它能應(yīng)用于當(dāng)前各個(gè)層級(jí)公安機(jī)關(guān)及警種條線的各類警務(wù)工作，可以讓基層民警從枯燥無味的數(shù)據(jù)分析中解放出來，快速梳理嫌疑對(duì)象關(guān)系脈絡(luò)，找到關(guān)鍵目標(biāo)，發(fā)現(xiàn)活躍在本地的犯罪團(tuán)伙，實(shí)現(xiàn)人案關(guān)聯(lián)，最終落地打擊。關(guān)系圖譜不僅適用于破案追逃，還能在反恐維穩(wěn)、社會(huì)治安治理和行政審批等公安工作各個(gè)領(lǐng)域發(fā)揮重要作用。未來，傳統(tǒng)的調(diào)查、研究，甚至訊問、勘查、分析研判等警務(wù)工作將被關(guān)系圖譜賦能的警務(wù)AI代替，警力資源得到極大程度釋放。

6 結(jié)語

綜上所述，利用關(guān)系類知識(shí)圖譜系統(tǒng)進(jìn)行人物關(guān)聯(lián)分析，有以下幾個(gè)方面的優(yōu)勢。一是能夠滿足更高層次的數(shù)據(jù)服務(wù)需求。關(guān)系圖譜系統(tǒng)立足于大數(shù)據(jù)資源，深入挖掘提煉數(shù)據(jù)信息，建設(shè)“要素關(guān)聯(lián)、融合共享、智能分配、全域一體”數(shù)據(jù)資源池，使人物關(guān)聯(lián)分析從簡單的“信息查詢”轉(zhuǎn)變?yōu)楦咝У摹爸悄軕?yīng)用”，打通了人物相關(guān)聯(lián)的數(shù)據(jù)脈絡(luò)[2]，實(shí)現(xiàn)基礎(chǔ)數(shù)據(jù)對(duì)行業(yè)需求的更有力支撐。二是助推行業(yè)信息質(zhì)量提檔升級(jí)。在系統(tǒng)應(yīng)用過程中，通過對(duì)已采集數(shù)據(jù)進(jìn)行標(biāo)簽化、規(guī)范化、結(jié)構(gòu)化的處理，去除噪聲數(shù)據(jù)和臟數(shù)據(jù), 提升知識(shí)質(zhì)量[3]，從而優(yōu)化數(shù)據(jù)庫結(jié)構(gòu)，有力提升行業(yè)基礎(chǔ)數(shù)據(jù)的質(zhì)量，為行業(yè)需求滿足夯實(shí)基礎(chǔ)。三是顯著提升分析效能。通過對(duì)綜合畫像、關(guān)系網(wǎng)絡(luò)和人員矩陣分析等專業(yè)功能模塊的構(gòu)建，不僅能夠建立“人+行為+軌跡+關(guān)系”人員多維信息檔案，通過關(guān)系拓展、對(duì)象關(guān)聯(lián)，還能實(shí)現(xiàn)從“單人檔案”向“群體檔案”、從“單一關(guān)系”向“多重關(guān)系”、從“基本分析”向“深度挖掘”轉(zhuǎn)變，滿足了可視化分析、直觀化分析等高階需求，有力提升了大數(shù)據(jù)環(huán)境下人物關(guān)聯(lián)分析效能。