摘要
对海量涉恐数据进行挖掘分析处理可以发现大量的反恐情报信息,当这些情报信息体量非常大时,有必要进一步进行压缩。反恐情报的压缩模式挖掘需要修改经典方法中的先验知识产生方式、频繁项集产生方式以及特殊规则的筛选方式,适应反恐情报分析的需求及特点。该方法对反恐情报中的大量情报线索进行压缩可以有效减少待处理的情报信息数据量,提高提取信息的准确性和针对性。
It is necessary to compress the information which is deduced from mass counter-terrorism data to reduce the data volume. According to the demands and features of counter-terrorism intelligence analysis, we need to modify the ways of generating the a priori knowledge, deducing frequent item sets and filtrating special rules. This method of mining compressed patterns is helpful to reduce the data volume of intelligence information and improve the veracity and targeted degree of intelligence in the field of counter terrorism.
作者
李勇男
Li Yongnan(People's Public Security University of China)
出处
《图书馆杂志》
CSSCI
北大核心
2019年第6期69-75,共7页
Library Journal
基金
2018年度北京市社会科学基金项目“大数据驱动的首都反恐情报决策机制研究”(项目编号:18GLC062)
2017年度教育部人文社会科学研究青年基金项目“基于数据挖掘的涉恐情报量化分析方法研究”(项目编号:17YJCZH098)的研究成果之一
关键词
压缩模式
反恐情报
冗余规则
通用规则
最大频繁模式
Compressed pattern
Counter terrorism intelligence
Redundant rule
General rule
Maximal frequent pattern
