基于FastText和WKNN融合模型的警情智能下发

摘要：

警情的下发效率直接关系到公安民警的出警质量,从而影响公安机关驾驭治安局势的能力和水平.在以往的警情下发中,一般只考虑地址位置的经纬度信息,这就导致在管辖范围界限模糊、经纬度定位不准确时,仍需手动下发警情,容易造成人力、物力的损失以及区域安全指数的降低.为了解决这个问题,文中创新性地将区域划分问题转化为分类问题,并综合考虑经纬度地理编码信息以及中文地名语义信息,提出基于FastText和WKNN的融合地址位置和文本相似性的警情自动下发方法.该方法融合了由FastText得到的地址词向量和根据地址解析服务得到的经纬度信息,将二者组成的地址多元要素作为加权KNN(WKNN)模型的输入来训练分类器.同时,WKNN采用sigmoid函数自适应地权衡在不同经纬度解析精度下地址位置坐标与词向量相似性的权重,提高了模型的鲁棒性.以某市历史警情下发数据为依托,实验结果显示警情下发准确率在91％以上,验证了该模型在某市经纬度不准确、新地址冷启动等警情下发场景中的有效性及高效性.

关键词：警情自动下发、融合模型、信息融合、权重权衡、分类器训练、模型验证

所属期刊栏目：43

分类号：TN911.1-34;TP181;TP391

资助基金：国家重点研发计划资助项目;国家自然科学基金资助项目

在线出版日期：2020-07-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：73-80