明略数据打造“公安大脑”用知识图谱数据库助警察破案事半功倍

本文涉及的产品
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_基础版,每接口每天50万次
NLP自然语言处理_高级版,每接口累计50万次
简介:

本文讲的是 :   明略数据打造“公安大脑”用知识图谱数据库助警察破案事半功倍 ,   3天到5分钟:明略数据打造“公安大脑”助警察研判效率大幅提升

“小明,请解析案件线索”“正在解析……”8月22日,明略数据“格物致知·人机同行”发布会现场演示了如何通过人机对话操作,抽丝剥茧,最终锁定犯罪嫌疑人的情景。

用知识图谱数据库助警察破案事半功倍

本次发布会上,明略数据首次发布行业人工智能大脑“明智系统”,该系统针对公安破案时所需的人、事、地、物、组织构建的社会关系网和系统中凝结警察专家研判经验规则和知识,分析推演出案件研判结果,帮助普通警察快速实现基于自然语言交互的人案关系双向可视化自助推演分析,提供精准和效率双提升的高危团伙和高危人员预测预警。

同时,明智系统通过统一入口“小明”,实现自然语言的人机交互,为每一位用户都配备了一名“智能助理”。未来在公安领域,警察不再需要面对数十个系统,上百个界面,而是与“统一入口”助手“小明”对话询问案件线索,寻求破案思路。

用知识图谱数据库助警察破案事半功倍

明智系统在某市公安局落地实践后,帮助研判专家在5分钟内就掌握了关键线索,而同等复杂程度的推演以往可能需要3天时间来处理,警察办案效率得以极大幅提高。

“智慧警务让分析研判更加智能化,基层服务更加精细化,惠警便民更加人性化,重大安保活动更加动态化、系统化。让群众少跑路,让数据多跑腿。”发布会上,明略数据特邀的合作伙伴公安部第一研究所郝久月博士说道。

5分钟锁定嫌疑人“公安大脑”有多神奇?

用知识图谱数据库助警察破案事半功倍

2017年5月,在某市发生的一起案件在网络上引起了轩然大波:一名车主右转时因礼让斑马线行人,行车缓慢,被后方一辆奥迪车鸣笛催促,随后当事人被超车截停,被奥迪车主下车抽打头脸部和辱骂。打人者驾车逃离后,当事人向当地公安机关报案。

这起案件的难点在于通过车牌号查到的涉案奥迪车的车主实际并非打人者本人,且已失联。专案组仅靠线索中断的车牌号,和一段模糊的视频,要找到打人者就好比要通过一张模糊的照片在全市一千多万人中找到目标,可谓大海捞针。

而通过明智系统,在办案民警的操作下,短短5分钟便从车牌号出发、通过找车主以外的研判路径掌握了犯罪嫌疑人的关键情报,为抓捕直接指明了方向。

通过深入理解公安数据,明智系统构建了公安行业专属的知识图谱,在公安全量数据和业务系统的“整合”之上,重新定义情报系统中“检索”的内涵和实现方式。

明略数据打造的“公安大脑”如何助力警察提高效率

用知识图谱数据库助警察破案事半功倍

作为深耕人工智能领域3年的明略数据利用知识图谱为公安提供高效的解决方案的四大特点分别是:一、集成大量犯罪和预测模型,基于大数据对案件研判和预警;二、面向业务应用的大数据平台,连通孤立数据,迅速转为情报;三、显性和隐性的全维度数据关联绘制社会关系网络图谱;四、灵活交互的可视化分析,迅速发现关键线索。该解决方案已经协助公安刑侦和其他警种在破案时无往不利,事半功倍。

以前,民警想要去通过数据锁定犯罪嫌疑人难度极高,民警至多可能需要人工调取200个系统的数据,然后再基于这200个系统的数据,进行分析和整合,而只有研判经验极为丰富的民警,才能在纷繁复杂的数据和关系里,通过逐一比对发现“蛛丝马迹”。

如今,通过明智系统,民警只要以对话的形式对“小明”发布指令,系统就可以自动调取案件相关数据信息,按照公安办案和研判的经验和规则,对“人、事、地、物、组织”进行可视化分析,寻找线索之间的相互关联,类似于“同行同乘”等隐藏关系一目了然。这样一个“公安大脑”凝结了民警多年的办案经验和智慧,从个体附能到群体智慧,使得普通民警能够高效快捷地完成案件线索梳理和分析,寻找破案思路。同时,在每一位民警的使用过程中,明智系统还将不断积累新的规则和智慧,实现自我升级。

未来,人工智能必将成为助力公安的一把利器

其实,除了抓捕嫌疑人,明智系统还积累各专家研判模式经验,实现基于自然语言交互的人案关系双向可视化自助推演分析,提供精准和效率双提升的高危团伙和高危人员预测预警,将在整体上,实现大案快破、小案多破、高危人员提前预警,高危团伙提前管控的实战效果。

不论是在命案积案侦破、打击电信诈骗,还是打击拐卖犯罪、盗抢骗犯罪,人工智能必将在公安科技信息化事业发展中扮演着越来越重要的角色,而明略数据作为行业领先的人工智能公司早就为众多公安部门提供技术支持并积累深厚的技术实力。现在,办案人员在情报研判分析时,不再需要面对数十个系统,上百个界面,而是通过“统一入口”助手“小明”用自然语言向机器询问案件线索,寻求破案思路。

诚如明略数据创始人兼董事长吴明辉所言:“明智系统在知识图谱方面已经取得很大成果,未来将逐渐完善各层次能力,帮助公安、金融、工业实现行业大脑。”

用知识图谱数据库助警察破案事半功倍


原文发布时间为:2015-7-14

本文作者:厂商投稿

本文来自云栖社区合作伙伴IT168,了解相关信息可以关注IT168

原文标题 :明略数据打造“公安大脑”用知识图谱数据库助警察破案事半功倍

目录
相关文章
|
2月前
|
存储 人工智能 Cloud Native
云栖重磅|从数据到智能:Data+AI驱动的云原生数据库
在9月20日2024云栖大会上,阿里云智能集团副总裁,数据库产品事业部负责人,ACM、CCF、IEEE会士(Fellow)李飞飞发表《从数据到智能:Data+AI驱动的云原生数据库》主题演讲。他表示,数据是生成式AI的核心资产,大模型时代的数据管理系统需具备多模处理和实时分析能力。阿里云瑶池将数据+AI全面融合,构建一站式多模数据管理平台,以数据驱动决策与创新,为用户提供像“搭积木”一样易用、好用、高可用的使用体验。
云栖重磅|从数据到智能:Data+AI驱动的云原生数据库
|
2月前
|
存储 监控 数据处理
flink 向doris 数据库写入数据时出现背压如何排查?
本文介绍了如何确定和解决Flink任务向Doris数据库写入数据时遇到的背压问题。首先通过Flink Web UI和性能指标监控识别背压,然后从Doris数据库性能、网络连接稳定性、Flink任务数据处理逻辑及资源配置等方面排查原因,并通过分析相关日志进一步定位问题。
196 61
|
6天前
|
SQL 存储 运维
从建模到运维:联犀如何完美融入时序数据库 TDengine 实现物联网数据流畅管理
本篇文章是“2024,我想和 TDengine 谈谈”征文活动的三等奖作品。文章从一个具体的业务场景出发,分析了企业在面对海量时序数据时的挑战,并提出了利用 TDengine 高效处理和存储数据的方法,帮助企业解决在数据采集、存储、分析等方面的痛点。通过这篇文章,作者不仅展示了自己对数据处理技术的理解,还进一步阐释了时序数据库在行业中的潜力与应用价值,为读者提供了很多实际的操作思路和技术选型的参考。
18 1
|
10天前
|
存储 Java easyexcel
招行面试:100万级别数据的Excel,如何秒级导入到数据库?
本文由40岁老架构师尼恩撰写,分享了应对招商银行Java后端面试绝命12题的经验。文章详细介绍了如何通过系统化准备,在面试中展示强大的技术实力。针对百万级数据的Excel导入难题,尼恩推荐使用阿里巴巴开源的EasyExcel框架,并结合高性能分片读取、Disruptor队列缓冲和高并发批量写入的架构方案,实现高效的数据处理。此外,文章还提供了完整的代码示例和配置说明,帮助读者快速掌握相关技能。建议读者参考《尼恩Java面试宝典PDF》进行系统化刷题,提升面试竞争力。关注公众号【技术自由圈】可获取更多技术资源和指导。
|
13天前
|
前端开发 JavaScript 数据库
获取数据库中字段的数据作为下拉框选项
获取数据库中字段的数据作为下拉框选项
43 5
|
2月前
|
SQL 关系型数据库 数据库
国产数据实战之docker部署MyWebSQL数据库管理工具
【10月更文挑战第23天】国产数据实战之docker部署MyWebSQL数据库管理工具
172 4
国产数据实战之docker部署MyWebSQL数据库管理工具
|
2月前
|
关系型数据库 MySQL 数据库
GBase 数据库如何像MYSQL一样存放多行数据
GBase 数据库如何像MYSQL一样存放多行数据
|
2月前
|
关系型数据库 分布式数据库 数据库
云栖大会|从数据到决策:AI时代数据库如何实现高效数据管理?
在2024云栖大会「海量数据的高效存储与管理」专场,阿里云瑶池讲师团携手AMD、FunPlus、太美医疗科技、中石化、平安科技以及小赢科技、迅雷集团的资深技术专家深入分享了阿里云在OLTP方向的最新技术进展和行业最佳实践。
|
3月前
|
存储 人工智能 Java
Neo4j从入门到精通:打造高效知识图谱数据库 | AI应用开发
在大数据和人工智能时代,知识图谱作为一种高效的数据表示和查询方式,逐渐受到广泛关注。本文从入门到精通,详细介绍知识图谱及其存储工具Neo4j,涵盖知识图谱的介绍、Neo4j的特点、安装步骤、使用方法(创建、查询)及Cypher查询语言的详细讲解。通过本文,读者将全面了解如何利用Neo4j处理复杂关系数据。【10月更文挑战第14天】
223 6
|
3月前
|
人工智能 Cloud Native 容灾
云数据库“再进化”,OB Cloud如何打造云时代的数据底座?
云数据库“再进化”,OB Cloud如何打造云时代的数据底座?