CN110704469B - 一种预警等级的更新方法、更新装置及可读存储介质 - Google Patents
一种预警等级的更新方法、更新装置及可读存储介质 Download PDFInfo
- Publication number
- CN110704469B CN110704469B CN201911005117.8A CN201911005117A CN110704469B CN 110704469 B CN110704469 B CN 110704469B CN 201911005117 A CN201911005117 A CN 201911005117A CN 110704469 B CN110704469 B CN 110704469B
- Authority
- CN
- China
- Prior art keywords
- information
- calibrated
- personnel
- feature
- correlation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 239000011159 matrix material Substances 0.000 claims abstract description 123
- 238000011156 evaluation Methods 0.000 claims description 44
- 230000008520 organization Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请提供了一种预警等级的更新方法、更新装置及可读存储介质,所述更新方法包括:从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征和待标定人员的历史预警等级,以及从信息数据流中获取待标定人员在预设时间段内的实时关联信息下的至少一个关联特征;基于历史关联信息下的至少一个关联特征以及实时关联信息下的至少一个关联特征,确定待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵,并通过人员预警模型确定待标定人员的更新预警等级;利用更新预警等级替换待标定人员的历史预警等级。从而能够对待标定人员的预警等级进行有效准确的标定以及预警等级的更新,简单方便,准确率高。
Description
技术领域
本申请涉及人员预警技术领域,尤其是涉及一种预警等级的更新方法、更新装置及可读存储介质。
背景技术
在信息飞速发展的今天,网络中能够将需要重点观察人员的相关信息进行存储,警务人员或相关人员能够通过存储的信息对相关人员进行长期的跟踪与预警,当重点观察人员的预警等级达到一定级别的时候,及时的对重点观察人员进行预警。
目前,警务人员或相关人员是根据预先存储于数据库中的相关信息,生成需要重点观察的人的预警信息,对重点观察的人进行预警。但是数据库中的信息都是之前录入好的,重点观察人员的信息会随着时间的流逝,随之发生变化,其危险程度可能会随之增加,如果一直根据之前的信息确定重点观察人员的预警等级,会使得确定出的重点观察人员的预警等级不够准确。
发明内容
有鉴于此,本申请的目的在于提供一种预警等级的更新方法、更新装置及可读存储介质,通过结合待标定人员的历史关联信息下的关联特征以及预设时间段内的实时关联信息下的关联特征,可以有效准确的得到当前待标定人员目前的预警等级,从而能够对待标定人员的预警等级进行准确的标定以及预警等级的更新,简单方便,准确率高。
本申请实施例提供了一种预警等级的更新方法,所述更新方法包括:
从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征和所述待标定人员的历史预警等级,以及从信息数据流中获取所述待标定人员在预设时间段内的实时关联信息下的至少一个关联特征;
基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵;
将所述第一要素关联矩阵、所述第二要素关联矩阵以及所述人员特征矩阵输入至人员预警模型中,确定所述待标定人员的更新预警等级;
利用所述更新预警等级替换所述待标定人员的历史预警等级。
进一步的,所述关联特征包括身份特征、关联人员特征、关联事件特征、关联组织特征、关联地点特征以及关联物品特征中的至少一种。
进一步的,通过以下步骤基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵:
从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下不同特征维度的两个关联特征之间的第一关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下不同特征维度的两个关联特征之间的第一关联指数;
基于多个在历史关联信息下的第一关联指数以及多个在实时关联信息下的第一关联指数,确定所述待标定人员的第一要素关联矩阵。
进一步的,通过以下步骤基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第二要素关联矩阵:
从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下相同特征维度的两个关联特征之间的第二关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下相同特征维度的两个关联特征之间的第二关联指数;
基于多个在历史关联信息下的第二关联指数以及多个在实时关联信息下的第二关联指数,确定所述待标定人员的第二要素关联矩阵。
进一步的,通过以下步骤确定出不同特征维度的两个关联特征之间的第一关联数据:
获取不同特征维度的两个关联特征之间的评估指数以及轨迹评估指数;
基于所述评估指数,计算不同特征维度的两个关联特征之间的评估关联指数,以及基于所述轨迹评估指数,计算不同特征维度的两个关联特征之间的轨迹关联指数;
基于多个所述评估关联指数以及多个所述轨迹关联指数,确定不同特征维度的两个关联特征之间的第一关联指数。
进一步的,所述评估指数包括置信度、鲜活度、同源频次以及异源频次中的至少一种,以及所述轨迹评估指数包括同轨迹相似度、轨迹鲜活度、轨迹同源频次以及轨迹异源频次中的至少一种。
本申请实施例还提供了一种预警等级的更新装置,所述更新装置包括:
特征获取模块,用于从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征和所述待标定人员的历史预警等级,以及从信息数据流中获取所述待标定人员在预设时间段内的实时关联信息下的至少一个关联特征;
矩阵确定模块,用于基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵;
预警等级确定模块,用于将所述第一要素关联矩阵、所述第二要素关联矩阵以及所述人员特征矩阵输入至人员预警模型中,确定所述待标定人员的更新预警等级;
替换模块,用于利用所述更新预警等级替换所述待标定人员的历史预警等级。
进一步的,所述关联特征包括身份特征、关联人员特征、关联事件特征、关联组织特征、关联地点特征以及关联物品特征中的至少一种。
进一步的,所述矩阵确定模块在用于基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵时,通过以下步骤基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵:
从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下不同特征维度的两个关联特征之间的第一关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下不同特征维度的两个关联特征之间的第一关联指数;
基于多个在历史关联信息下的第一关联指数以及多个在实时关联信息下的第一关联指数,确定所述待标定人员的第一要素关联矩阵。
进一步的,所述矩阵确定模块在用于基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵时,通过以下步骤基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第二要素关联矩阵:
从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下相同特征维度的两个关联特征之间的第二关联指数,以及从所述实时关联信息下的至少一个关联特征,确定出在实时关联信息下相同特征维度的两个关联特征之间的第二关联指数;
基于多个在历史关联信息下的所述第二关联指数以及多个在实时关联信息下的所述第二关联指数,确定所述待标定人员的第二要素关联矩阵。
进一步的,所述矩阵确定模块在用于从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下不同特征维度的两个关联特征之间的第一关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下不同特征维度的两个关联特征之间的第一关联指数时,通过以下步骤确定出不同特征维度的两个关联特征之间的第一关联数据:
获取不同特征维度的两个关联特征之间的评估指数以及轨迹评估指数;
基于所述评估指数,计算不同特征维度的两个关联特征之间的评估关联指数,以及基于所述轨迹评估指数,计算不同特征维度的两个关联特征之间的轨迹关联指数;
基于多个所述评估关联指数以及多个所述轨迹关联指数,确定不同特征维度的两个关联特征之间的第一关联指数。
进一步的,所述评估指数包括置信度、鲜活度、同源频次以及异源频次中的至少一种,以及所述轨迹评估指数包括同轨迹相似度、轨迹鲜活度、轨迹同源频次以及轨迹异源频次中的至少一种。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的预警等级的更新方法的步骤。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上述的预警等级的更新方法的步骤。
本申请实施例提供的预警等级的更新方法、更新装置及可读存储介质,从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征和所述待标定人员的历史预警等级,以及从信息数据流中获取待标定人员在预设时间段内的实时关联信息下的至少一个关联特征;基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵;将所述第一要素关联矩阵、所述第二要素关联矩阵以及所述人员特征矩阵输入至人员预警模型中,确定所述待标定人员的更新预警等级;利用所述更新预警等级替换所述待标定人员的历史预警等级。
这样,本申请通过将待标定人员在历史关联信息下的至少一个关联特征与在实时关联信息下的至少一个关联特征相结合,通过人员预警模型,确定待标定人员的更新预警等级,并用确定出的更新预警等级替换待标定人员的历史预警等级。因此,可以有效准确的得到当前待标定人员目前的预警等级,从而能够对待标定人员的预警等级进行准确的标定以及预警等级的更新,简单方便,准确率高。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种预警等级的更新方法的流程图;
图2为本申请实施例所提供的一种预警等级的更新方法中,第一要素关联矩阵确定方法的流程图;
图3为本申请实施例所提供的一种预警等级的更新方法中,第二要素关联矩阵确定方法的流程图;
图4为本申请实施例所提供的一种预警等级的更新装置的结构示意图;
图5为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
首先,对本申请可适用的应用场景进行介绍。本申请可应用于人员预警技术领域。通过从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征,以及从信息数据流中获取待标定人员在预设时间段内的实时关联信息下的至少一个关联特征,通过人员预警模型,确定所述待标定人员的更新预警等级,利用所述更新预警等级替换所述待标定人员的历史预警等级,从而实现人员预警等级的更新。
经研究发现,警务人员或相关人员是根据预先存储于数据库中的相关信息,生成需要重点观察的人的预警信息,对重点观察的人进行预警。但是数据库中的信息都是之前录入好的,重点观察人员的信息会随着时间的流逝,其信息也会随之发生变化,其危险程度可能会随之增加,如果一直根据之前的信息确定重点观察人员的预警等级,将会使得对重点观察人员的预警等级不够准确。
基于此,本申请实施例提供了一种预警等级的更新方法,通过将待标定人员在历史关联信息下的至少一个关联特征与在实时关联信息下的至少一个关联特征相结合,通过人员预警模型,确定待标定人员的更新预警等级,并用确定出的更新预警等级替换待标定人员的历史预警等级。可以有效准确的得到当前待标定人员目前的预警等级,从而能够对待标定人员的预警等级进行准确的标定以及预警等级的更新,简单方便,准确率高。
请参阅图1,图1为本申请实施例所提供的一种预警等级的更新方法的流程图。如图1中所示,本申请实施例提供的预警等级的更新方法,包括:
S101、从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征和所述待标定人员的历史预警等级,以及从信息数据流中获取所述待标定人员在预设时间段内的实时关联信息下的至少一个关联特征。
该步骤中,在对待标定人员进行预警时,从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征以及待标定人员根据历史关联信息下至少一个关联特征确定出的历史预警等级,同时,从信息数据流中获取待标定人员在预设的时间段内的实时关联信息下的至少一个关联特征。
其中,所述历史关联信息是指所述待标定人员有记载的历史信息,也就是说待标定人员近期活动所出现的一些信息还不能够及时的记录在历史关联信息里面,例如,“所述待标定人员刚刚买了一张火车票”,因此,为了能够准确地对所述待标定人员的预警等级进行预测,还要从信息数据流中获取所述待标定人员最近的预设时间段内的实时关联信息下的至少一个关联特征。
所述关联特征包括身份特征、关联人员特征、关联事件特征、关联组织特征、关联地点特征以及关联物品特征中的至少一种。
所述身份特征可以包括:重点人特征、自然特征、身份特征、时空行为特征、涉案特征、地理特征等。
所述关联人员特征可以包括:同类伴随、涉案伴随、同类同住、同户籍地同住等。
所述关联事件特征可以包括:作案手段、案件类型、案事件影响程度、事件时空特征等。
所述关联组织特征可以包括:成员特征、组织涉案特征、组织地域特征、组织物品特征等。
所述关联地点特征可以包括:重点区域特征、人员密度特征、案件相关特征等。
所述关联物品特征可以包括:重点物品特征、物品特征、物品所属特征、物品时空行为特征等。
S102、基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵。
该步骤中,基于从信息数据库中获取到的所述历史关联信息下的至少一个关联特征以及从信息数据流中获取到的实时关联信息下的至少一个关联特征,确定出能够输入到人员预警模型中的所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵。
S103、将所述第一要素关联矩阵、所述第二要素关联矩阵以及所述人员特征矩阵输入至人员预警模型中,确定所述待标定人员的更新预警等级。
该步骤中,将步骤S102中确定出的所述第一要素关联矩阵、所述第二要素关联矩阵以及人员特征矩阵输入到人员预警模型中,通过所述人员预警模型,确定所述待标定人员的更新预警等级。
其中,所述人员预警模型可以为任何的机器学习模型,如:神经网络、深度神经网络、条件随机场以及马可夫模型等。
S104、利用所述更新预警等级替换所述待标定人员的历史预警等级。
该步骤中,利用确定出的所述待标定人员的更新预警信息替换所述待标定人员的历史预警信息,从而在下次预警时能够在本次预警的基础上,再次更新待标定人员的预警等级。
本申请实施例提供的预警等级的更新方法,从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征和所述待标定人员的历史预警等级,以及从信息数据流中获取所述待标定人员在预设时间段内的实时关联信息下的至少一个关联特征;基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵;将所述第一要素关联矩阵、所述第二要素关联矩阵以及所述人员特征矩阵输入至人员预警模型中,确定所述待标定人员的更新预警等级;利用所述更新预警等级替换所述待标定人员的历史预警等级。
这样,本申请通过将待标定人员在历史关联信息下的至少一个关联特征与在实时关联信息下的至少一个关联特征相结合,通过人员预警模型,确定待标定人员的更新预警等级,并用确定出的更新预警等级替换待标定人员的历史预警等级。可以有效准确的得到当前待标定人员目前的预警等级,从而能够对待标定人员的预警等级进行准确的标定以及预警等级的更新,简单方便,准确率高。
请参阅图2,图2为本申请实施例提供的一种预警等级的更新方法中,第一要素关联矩阵确定方法的流程图。如图2中所示,本申请实施例提供的预警等级的更新方法,第一要素关联矩阵确定方法,包括:
S201、从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下不同特征维度的两个关联特征之间的第一关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下不同特征维度的两个关联特征之间的第一关联指数。
该步骤中,从所述历史关联信息下的至少一个关联特征中,任意确定出两个不同特征维度的关联特征(例如,一个关联特征属于关联事件特征、另一个关联特征属于关联人员特征),确定在历史关联信息信息下,这两个关联特征之间存在的第一关联指数;同时,从所述实时关联信息下的至少一个关联特征中,任意确定出两个不同特征维度的关联特征(例如,一个关联特征属于关联事件特征、另一个关联特征属于关联人员特征),确定在实时关联信息信息下,这两个关联特征之间存在的第一关联指数。
具体的,在历史关联信息下或者是实时关联信息下,从一个特征维度中任意选择一个关联特征作为待计算关联特征,遍历其他特征维度的所有关联特征(即在所有关联特征中除所述待计算关联特征所属的特征维度之外的关联特征),计算该关联特征与其他特征维度的所有关联特征之间的第一关联指数。
示例性的,在历史关联信息下或者实时关联信息下的关联人员特征中包括“特征A、特征B”,在关联事件特征中包括“特征C、特征D”,在关联物品特征中包括“特征E、特征F”,任意选出一个关联特征“特征A”,分别计算特征A与特征B、特征C、特征D、特征E和特征F之间的第一关联指数。
S202、基于多个在历史关联信息下的第一关联指数以及多个在实时关联信息下的第一关联指数,确定所述待标定人员的第一要素关联矩阵。
该步骤中,根据计算出的多个在历史关联信息下的第一关联指数以及多个在实时关联信息下的第一关联指数,将所有的第一关联指数进行排列,组合形成待标定人员的第一要素关联矩阵。
进一步的,通过以下步骤确定出不同特征维度的两个关联特征之间的第一关联数据:获取不同特征维度的两个关联特征之间的评估指数以及轨迹评估指数;基于所述评估指数,计算不同特征维度的两个关联特征之间的评估关联指数,以及基于所述轨迹评估指数,计算不同特征维度的两个关联特征之间的轨迹关联指数;基于多个所述评估关联指数以及多个所述轨迹关联指数,确定不同特征维度的两个关联特征之间的第一关联指数。
该步骤中,在历史关联信息下或者实时关联信息下,获取两个不同特征维度的关联特征之间的多个评估指数,计算不同特征维度下的两个关联特征之间的评估关联指数,同时,在历史关联信息下或者实时关联信息下,获取两个不同特征维度的关联特征之间的多个轨迹评估指数,计算不同特征维度下的两个关联特征之间的轨迹关联指数,基于多个所述评估关联指数以及多个所述轨迹关联指数通过叠加计算,确定出不同维度下的两个关联特征之间的第一关联指数。
其中,所述评估指数包括置信度、鲜活度、同源频次以及异源频次中的至少一种,以及所述轨迹评估指数包括同轨迹相似度、轨迹鲜活度、轨迹同源频次以及轨迹异源频次中的至少一种。
本申请实施例提供的预警等级的更新方法,从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下不同特征维度的两个关联特征之间的第一关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下不同特征维度的两个关联特征之间的第一关联指数;基于多个在历史关联信息下的第一关联指数以及多个在实时关联信息下的第一关联指数,确定所述待标定人员的第一要素关联矩阵。
这样,基于多个在历史关联信息下的第一关联指数以及多个在实时关联信息下的第一关联指数,确定出所述待标定人员的第一要素关联矩阵,从而在将不同维度各个关联特征相关联的同时,综合考虑了历史关联信息和实时关联信息,使得对待标定人员的预警等级的预测更加准确。
请参阅图3,图3为本申请实施例提供的一种预警等级的更新方法中,第二要素关联矩阵确定方法的流程图。如图3中所示,本申请实施例提供的预警等级的更新方法中,第二要素关联矩阵确定方法,包括:
S301、从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下相同特征维度的两个关联特征之间的第二关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下相同特征维度的两个关联特征之间的第二关联指数。
该步骤中,从所述历史关联信息下的至少一个关联特征中,在一个特征维度中任意确定出一个关联特征(例如,一个属于关联事件特征这个特征维度下的关联特征),确定在历史关联信息下,该关联特征与在相同特征维度中除该关联特征之外的所有关联特征之间的第二关联指数;同时,从所述实时关联信息下的至少一个关联特征中,在一个特征维度中任意确定出一个关联特征(例如,一个属于关联事件特征这个特征维度下的关联特征),确定在实时关联信息下,该关联特征与在相同特征维度中除该关联特征之外的所有关联特征之间的第二关联指数。
具体的,在历史关联信息下或者是实时关联信息下,从一个特征维度中任意选择一个关联特征作为待计算关联特征,遍历相同特征维度中的所有关联特征(即在待计算关联特征所属的特征维度之中除该待计算关联特征之外的所有关联特征),计算该关联特征与相同特征维度中除该关联特征之外的所有关联特征之间的第二关联指数。
对应于上述实施例,在历史关联信息下或者实时关联信息下的关联人员特征中包括“特征A、特征B”,在关联事件特征中包括“特征C、特征D”,在关联物品特征中包括“特征E、特征F、特征G”,任意选出一个关联特征“特征A”,计算特征A与相同特征维度中的特征B之间的第二关联指数,特征C与特征D之间的第二关联指数,特征E与特征F和特征G之间的第二关联指数。
S302、基于多个在历史关联信息下的所述第二关联指数以及多个在实时关联信息下的所述第二关联指数,确定所述待标定人员的第二要素关联矩阵。
该步骤中,根据计算出的多个在历史关联信息下的第二关联指数以及多个在实时关联信息下的第二关联指数,将所有的第二关联指数进行排列,组合形成待标定人员的第二要素关联矩阵。
进一步的,所述预警等级的更新方法,基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的人员特征矩阵。
该步骤中,在历史关联信息以及实时关联信息下,将至少一个关联特征按照特征维度进行划分,确定每个特征维度的中包括的多个关联特征,即及将至少一个关联特征按照特征维度进行划分,基于所述待标定人员的历史关联信息以及实时关联信息,形成所述待标定人员的人员特征矩阵。
本申请实施例提供的预警等级的更新方法,从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下相同特征维度的两个关联特征之间的第二关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下相同特征维度的两个关联特征之间的第二关联指数;基于多个在历史关联信息下的所述第二关联指数以及多个在实时关联信息下的所述第二关联指数,确定所述待标定人员的第二要素关联矩阵。
这样,基于多个在历史关联信息下的第二关联指数以及多个在实时关联信息下的第二关联指数,确定出所述待标定人员的第二要素关联矩阵,从而在将相同维度的各个关联特征相关联的同时,综合考虑了历史关联信息和实时关联信息,使得对待标定人员的预警等级的预测更加准确。
请参阅图4,图4为本申请实施例所提供的一种预警等级的更新装置的结构示意图。如图4中所示,所述预警等级的更新装置400包括:
特征获取模块410,用于从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征和所述待标定人员的历史预警等级,以及从信息数据流中获取所述待标定人员在预设时间段内的实时关联信息下的至少一个关联特征;
矩阵确定模块420,用于基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵;
预警等级确定模块430,用于将所述第一要素关联矩阵、所述第二要素关联矩阵以及所述人员特征矩阵输入至人员预警模型中,确定所述待标定人员的更新预警等级;
替换模块440,用于利用所述更新预警等级替换所述待标定人员的历史预警等级。
进一步的,所述关联特征包括身份特征、关联人员特征、关联事件特征、关联组织特征、关联地点特征以及关联物品特征中的至少一种。
进一步的,所述矩阵确定模块420在用于基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵时,通过以下步骤基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵:
从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下不同特征维度的两个关联特征之间的第一关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下不同特征维度的两个关联特征之间的第一关联指数;
基于多个在历史关联信息下的第一关联指数以及多个在实时关联信息下的第一关联指数,确定所述待标定人员的第一要素关联矩阵。
进一步的,所述矩阵确定模块420在用于基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵时,通过以下步骤基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第二要素关联矩阵:
从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下相同特征维度的两个关联特征之间的第二关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下相同特征维度的两个关联特征之间的第二关联指数;
基于多个在历史关联信息下的第二关联指数以及多个在实时关联信息下的第二关联指数,确定所述待标定人员的第二要素关联矩阵。
进一步的,所述矩阵确定模块420在用于从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下不同特征维度的两个关联特征之间的第一关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下不同特征维度的两个关联特征之间的第一关联指数时,通过以下步骤确定出不同特征维度的两个关联特征之间的第一关联数据:
获取不同特征维度的两个关联特征之间的评估指数以及轨迹评估指数;
基于所述评估指数,计算不同特征维度的两个关联特征之间的评估关联指数,以及基于所述轨迹评估指数,计算不同特征维度的两个关联特征之间的轨迹关联指数;
基于多个所述评估关联指数以及多个所述轨迹关联指数,确定不同特征维度的两个关联特征之间的第一关联指数。
进一步的,所述评估指数包括置信度、鲜活度、同源频次以及异源频次中的至少一种,以及所述轨迹评估指数包括同轨迹相似度、轨迹鲜活度、轨迹同源频次以及轨迹异源频次中的至少一种。
本申请实施例提供的预警等级的更新装置,从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征和所述待标定人员的历史预警等级,以及从信息数据流中获取所述待标定人员在预设时间段内的实时关联信息下的至少一个关联特征;基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵;将所述第一要素关联矩阵、所述第二要素关联矩阵以及所述人员特征矩阵输入至人员预警模型中,确定所述待标定人员的更新预警等级;利用所述更新预警等级替换所述待标定人员的历史预警等级。
这样,本申请通过将待标定人员在历史关联信息下的至少一个关联特征与在实时关联信息下的至少一个关联特征相结合,通过人员预警模型,确定待标定人员的更新预警等级,并用确定出的更新预警等级替换待标定人员的历史预警等级。可以有效准确的得到当前待标定人员目前的预警等级,从而能够对待标定人员的预警等级进行准确的标定以及预警等级的更新,简单方便,准确率高。
请参阅图5,图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示,所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令,当电子设备500运行时,所述处理器510与所述存储器520之间通过总线530通信,所述机器可读指令被所述处理器510执行时,可以执行如上述图1所示方法实施例中的预警等级的更新方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的预警等级的更新方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种预警等级的更新方法,其特征在于,所述更新方法包括:
从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征和所述待标定人员的历史预警等级,以及从信息数据流中获取所述待标定人员在预设时间段内的实时关联信息下的至少一个关联特征;其中,所述关联特征包括身份特征、关联人员特征、关联事件特征、关联组织特征、关联地点特征以及关联物品特征中的至少一种;
基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵;其中,所述历史关联信息是指所述待标定人员有记载的历史信息;
将所述第一要素关联矩阵、所述第二要素关联矩阵以及所述人员特征矩阵输入至人员预警模型中,确定所述待标定人员的更新预警等级;其中,所述人员预警模型可以为任何的机器学习模型;
利用所述更新预警等级替换所述待标定人员的历史预警等级;
通过以下步骤确定所述人员特征矩阵:
在历史关联信息以及实时关联信息下,将至少一个关联特征按照特征维度进行划分,确定每个特征维度的中包括的多个关联特征;
基于所述待标定人员的历史关联信息以及实时关联信息,形成所述待标定人员的人员特征矩阵。
2.根据权利要求1所述的更新方法,其特征在于,通过以下步骤基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵:
从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下不同特征维度的两个关联特征之间的第一关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下不同特征维度的两个关联特征之间的第一关联指数;
基于多个在历史关联信息下的第一关联指数以及多个在实时关联信息下的第一关联指数,将所有的第一关联指数进行排列,组合形成待标定人员的第一要素关联矩阵。
3.根据权利要求1所述的更新方法,其特征在于,通过以下步骤基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第二要素关联矩阵:
从所述历史关联信息下的至少一个关联特征中,确定出在历史关联信息下相同特征维度的两个关联特征之间的第二关联指数,以及从所述实时关联信息下的至少一个关联特征中,确定出在实时关联信息下相同特征维度的两个关联特征之间的第二关联指数;
基于多个在历史关联信息下的第二关联指数以及多个在实时关联信息下的第二关联指数,将所有的第二关联指数进行排列,组合形成待标定人员的第二要素关联矩阵。
4.根据权利要求2所述的更新方法,其特征在于,通过以下步骤确定出不同特征维度的两个关联特征之间的第一关联指数:
获取不同特征维度的两个关联特征之间的评估指数以及轨迹评估指数;
基于所述评估指数,计算不同特征维度的两个关联特征之间的评估关联指数,以及基于所述轨迹评估指数,计算不同特征维度的两个关联特征之间的轨迹关联指数;
基于多个所述评估关联指数以及多个所述轨迹关联指数通过叠加计算,确定出不同特征维度下两个关联特征之间的第一关联指数。
5.根据权利要求4所述的更新方法,其特征在于,所述评估指数包括置信度、鲜活度、同源频次以及异源频次中的至少一种,以及所述轨迹评估指数包括同轨迹相似度、轨迹鲜活度、轨迹同源频次以及轨迹异源频次中的至少一种。
6.一种预警等级的更新装置,其特征在于,所述更新装置包括:
特征获取模块,用于从信息数据库中获取待标定人员在历史关联信息下的至少一个关联特征和所述待标定人员的历史预警等级,以及从信息数据流中获取所述待标定人员在预设时间段内的实时关联信息下的至少一个关联特征;其中,所述关联特征包括身份特征、关联人员特征、关联事件特征、关联组织特征、关联地点特征以及关联物品特征中的至少一种;
矩阵确定模块,用于基于所述历史关联信息下的至少一个关联特征以及所述实时关联信息下的至少一个关联特征,确定所述待标定人员的第一要素关联矩阵、第二要素关联矩阵以及人员特征矩阵;其中,所述历史关联信息是指所述待标定人员有记载的历史信息;
预警等级确定模块,用于将所述第一要素关联矩阵、所述第二要素关联矩阵以及所述人员特征矩阵输入至人员预警模型中,确定所述待标定人员的更新预警等级;其中,所述人员预警模型可以为任何的机器学习模型;
替换模块,用于利用所述更新预警等级替换所述待标定人员的历史预警等级;
通过以下步骤确定所述人员特征矩阵:
在历史关联信息以及实时关联信息下,将至少一个关联特征按照特征维度进行划分,确定每个特征维度的中包括的多个关联特征;
基于所述待标定人员的历史关联信息以及实时关联信息,形成所述待标定人员的人员特征矩阵。
7.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至5中任一项所述的预警等级的更新方法的步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至5中任一项所述的预警等级的更新方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911005117.8A CN110704469B (zh) | 2019-10-22 | 2019-10-22 | 一种预警等级的更新方法、更新装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911005117.8A CN110704469B (zh) | 2019-10-22 | 2019-10-22 | 一种预警等级的更新方法、更新装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110704469A CN110704469A (zh) | 2020-01-17 |
CN110704469B true CN110704469B (zh) | 2022-11-11 |
Family
ID=69200887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911005117.8A Active CN110704469B (zh) | 2019-10-22 | 2019-10-22 | 一种预警等级的更新方法、更新装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110704469B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111372197B (zh) * | 2020-03-12 | 2021-03-19 | 深圳市天彦通信股份有限公司 | 预警方法及相关装置 |
CN112948203B (zh) * | 2021-02-03 | 2023-04-07 | 刘靖宇 | 一种基于大数据的电梯智能检验方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010095314A1 (ja) * | 2009-02-17 | 2010-08-26 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
WO2017031856A1 (zh) * | 2015-08-25 | 2017-03-02 | 百度在线网络技术(北京)有限公司 | 信息预测的方法和装置 |
CN107729465A (zh) * | 2017-10-12 | 2018-02-23 | 杭州中奥科技有限公司 | 人物危险度的评估方法、装置及电子设备 |
CN108388969A (zh) * | 2018-03-21 | 2018-08-10 | 北京理工大学 | 基于个人行为时序特征的内部威胁人物风险预测方法 |
CN110209709A (zh) * | 2019-06-06 | 2019-09-06 | 四川九洲电器集团有限责任公司 | 一种关注人员行为分析的方法 |
-
2019
- 2019-10-22 CN CN201911005117.8A patent/CN110704469B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010095314A1 (ja) * | 2009-02-17 | 2010-08-26 | 株式会社日立製作所 | 異常検知方法及び異常検知システム |
WO2017031856A1 (zh) * | 2015-08-25 | 2017-03-02 | 百度在线网络技术(北京)有限公司 | 信息预测的方法和装置 |
CN107729465A (zh) * | 2017-10-12 | 2018-02-23 | 杭州中奥科技有限公司 | 人物危险度的评估方法、装置及电子设备 |
CN108388969A (zh) * | 2018-03-21 | 2018-08-10 | 北京理工大学 | 基于个人行为时序特征的内部威胁人物风险预测方法 |
CN110209709A (zh) * | 2019-06-06 | 2019-09-06 | 四川九洲电器集团有限责任公司 | 一种关注人员行为分析的方法 |
Non-Patent Citations (1)
Title |
---|
基于时空关联的警用信息***的设计与应用;杨忠德等;《地球信息科学学报》;20110815(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110704469A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6508353B2 (ja) | 情報処理装置 | |
US11516219B2 (en) | System and method for role mining in identity management artificial intelligence systems using cluster based analysis of network identity graphs | |
US20210360000A1 (en) | System and method for intelligent agents for decision support in network identity graph based identity management artificial intelligence systems | |
Mohler | Marked point process hotspot maps for homicide and gun crime prediction in Chicago | |
CN110738388B (zh) | 关联图谱评估风险传导的方法、装置、设备和存储介质 | |
CN106656996B (zh) | 一种信息安全风险评估方法 | |
Isaac | Hope, hype, and fear: the promise and potential pitfalls of artificial intelligence in criminal justice | |
CN110704469B (zh) | 一种预警等级的更新方法、更新装置及可读存储介质 | |
dos Santos et al. | A cointegration analysis of crime, economic activity, and police performance in São Paulo city | |
US20190213332A1 (en) | Data security and protection system using uniqueness factor classification and analysis | |
Reich et al. | Partially supervised spatiotemporal clustering for burglary crime series identification | |
WO2016063341A1 (ja) | 時系列予測装置、及び時系列予測方法 | |
CN113506050A (zh) | 员工绩效的评估方法、装置、电子设备及可读存储介质 | |
JP2018180712A (ja) | モデル変数候補生成装置および方法 | |
Chalfin et al. | Measuring marginal crime concentration: A new solution to an old problem | |
Zhang et al. | Crash prediction and risk evaluation based on traffic analysis zones | |
Gungor et al. | Developing machine-learning models to predict airfield pavement responses | |
Craissati et al. | Serious further offences: An exploration of risk and typologies | |
CN113781246A (zh) | 基于预设标签的策略生成方法、装置及存储介质 | |
CN110598124B (zh) | 数值属性挖掘方法、装置、计算机设备和存储介质 | |
Outay et al. | Random forest models for motorcycle accident prediction using naturalistic driving based big data | |
Zhang et al. | ARIMA Model‐Based Fire Rescue Prediction | |
Pacaiova et al. | Systematic approach in maintenance management improvement | |
Kadar et al. | Towards a burglary risk profiler using demographic and spatial factors | |
CN114662961A (zh) | 一种评标专家库智能管理*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210914 Address after: 100000 room 650, 6th floor, building 11, Huashan Garden Cultural Media Industrial Park, 1376 folk culture street, Gaobeidian village, Gaobeidian Township, Chaoyang District, Beijing Applicant after: Beijing Zhizhi Heshu Technology Co.,Ltd. Address before: No.310, building 4, courtyard 8, Dongbei Wangxi Road, Haidian District, Beijing Applicant before: MININGLAMP SOFTWARE SYSTEMS Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |