何隽飞，赵 慧，何学明

(1.武汉科技大学 机器人与智能系统研究院，湖北 武汉 430080；2.武警海警学院 机电管理系，浙江 宁波 315801)

0 引 言

承办重大国际活动时，在不影响人民群众正常工作生活的前提下，通常会在的人群聚集区域入口设立严密的视频监控和安保闸口，通过监控闸口的身份识别信息，对人员进行数据库信息比对[1]。研究表明，在实际案例中暴恐组织记录在案的人员一般不直接参与暴恐活动，而是通过发展亲友、组织新人直接制造暴恐活动，这给安保任务对可疑人员进行威胁等级研判带来了新的技术挑战[2]。目前现有的较为完备的人员信息库一般是半结构化的文本数据库；情报研判需要情报人员大量的人工参与才能进行，效率十分低下[3]。如何自动从大量的文本中提取出有用的信息，为后续研判提供支撑是首要待解决的技术问题。

本文通过对文本表示模型和文本分类方法的研究，提出了面向情报研判的可疑人员文本表示方法。方法通过引入文本类别参数改进TF-IDF文本特征提取算法，使文本表示模型能够充分表征可疑人员属性特征，从而提高威胁研判的效率。研究表明，潜在的可疑人员一般具有和暴恐份子相似或者重叠的行为规律和属性特征。利用这一规律，本文基于历史数据库的可疑人员信息进行文本类别特征学习，通过提取可疑人员的行为规律和属性特征，并进行文本表示，然后通过文本分类算法不断加深对文本特征的学习，训练出能对可疑人员进行研判的分类模型，从而实现对可疑人员的威胁等级研判。……