【技術實現步驟摘要】
本專利技術涉及人工智能，尤其涉及一種異常行為挖掘方法、裝置、設備和存儲介質。
技術介紹
1、隨著互聯網技術的迅猛發展，特別是大數據、人工智能等先進技術的廣泛應用，網絡異常行為的相關活動呈現出日益猖獗且手段隱蔽的趨勢，這不僅嚴重侵害了群眾的財產安全，還影響社會穩定。
2、目前，異常行為的挖掘多依賴于設定的規則和統計分析，然而這些方法在處理復雜、且龐大的數據時顯得力不從心。具體而言，這類方法在處理語義復雜或隱含的文本信息時，難以準確識別并提取出關鍵行為特征；同時，其還高度依賴于人工設計的特征，不僅耗時耗力，還難以適應快速變化的數據模式和新型手段。此外，傳統方法的適應性和擴展性有限，面對日益復雜的異常行為，其性能瓶頸愈專利技術顯，難以滿足各地方、部門及時、精準挖掘異常行為的需求。
技術實現思路
1、本專利技術提供一種異常行為挖掘方法、裝置、設備和存儲介質，用以解決現有技術中異常行為挖掘依賴于設定規則，準確性、靈活性、泛化能力有限，無法滿足精準及時挖掘的需求的缺陷，實現異常行為的全面挖掘和分析，并能夠直觀展示異常行為的執行群體以及群體內部結構，從而有效提高對異常行為挖掘的準確性和效率。
2、本專利技術提供一種異常行為挖掘方法，包括：
3、獲取異常行為對應事件的事件信息；
4、基于信息抽取模型，對所述事件信息進行關鍵信息抽取，得到關鍵信息，所述信息抽取模型是在大型語言模型基礎上構建的；
5、基于所述關鍵信息和所述事件信息進行關系挖掘
6、基于所述關鍵信息，對所述執行群體和所述關系圖譜進行可視化展示。
7、根據本專利技術提供的一種異常行為挖掘方法，所述事件信息包括事件詳情陳述文本；
8、所述基于信息抽取模型，對所述事件信息進行關鍵信息抽取，得到關鍵信息，包括：
9、基于所述信息抽取模型，對所述事件詳情陳述文本進行實體抽取，并基于所述事件詳情陳述文本，以及實體抽取所得的關鍵實體進行關系抽取，得到所述關鍵實體之間的實體關系；
10、基于所述關鍵實體，以及所述實體關系，確定所述關鍵信息。
11、根據本專利技術提供的一種異常行為挖掘方法，所述基于所述信息抽取模型，對所述事件詳情陳述文本進行實體抽取，并基于所述事件詳情陳述文本，以及實體抽取所得的關鍵實體進行關系抽取，得到所述關鍵實體之間的實體關系，包括：
12、基于所述事件詳情陳述文本，確定第一提示語句；
13、將所述第一提示語句輸入至所述信息抽取模型，得到所述信息抽取模型輸出的所述關鍵實體；
14、基于所述事件詳情陳述文本和所述關鍵實體，確定第二提示語句；
15、將所述第二提示語句輸入至所述信息抽取模型，得到所述信息抽取模型輸出的所述實體關系；
16、其中，所述第一提示語句用于提示所述信息抽取模型基于所述事件詳情陳述文本抽取所述關鍵實體，所述第二提示語句用于提示所述信息抽取模型基于所述事件詳情陳述文本和所述關鍵實體抽取所述實體關系。
17、根據本專利技術提供的一種異常行為挖掘方法，所述事件信息還包括資金流向圖表，所述異常行為對應事件有多個；
18、所述基于所述關鍵信息和所述事件信息進行關系挖掘，得到所述異常行為的執行群體，以及所述執行群體中各成員間的關系圖譜，包括：
19、基于各事件對應的資金流向圖表進行事件關聯，得到各事件中的關聯事件；
20、基于所述關聯事件對應的關鍵信息和資金流向圖表進行關系挖掘，得到所述異常行為的執行群體，以及所述執行群體中各成員間的關系圖譜。
21、根據本專利技術提供的一種異常行為挖掘方法，所述基于各事件對應的資金流向圖表進行事件關聯，得到各事件中的關聯事件，之后還包括：
22、基于所述關聯事件對應的關鍵信息進行共性挖掘，得到所述關聯事件之間的共同特性；
23、基于所述關聯事件之間的共同特性，以及所述關聯事件對應的事件詳情陳述文本進行行為預測，得到所述異常行為的執行群體的行動趨勢；
24、基于所述行動趨勢，對所述異常行為進行預警。
25、根據本專利技術提供的一種異常行為挖掘方法，所述關系圖譜包括所述各成員的角色分工和成員關系；
26、所述基于所述關鍵信息，對所述執行群體和所述關系圖譜進行可視化展示，包括：
27、基于所述關鍵信息，從所述執行群體中確定執行所述異常行為的疑似成員；
28、基于所述關系圖譜和所述事件信息，確定所述疑似成員的異常行為記錄、所述疑似成員的角色分工和在所述執行群體中的關聯成員；
29、基于所述疑似成員的異常行為記錄、角色分工和關聯成員進行特征提取，并基于特征提取所得到的所述疑似成員的人物特征進行肖像刻畫，得到所述疑似成員的肖像并展示。
30、根據本專利技術提供的一種異常行為挖掘方法，所述得到所述疑似成員的肖像并展示，包括：
31、獲取所述異常行為對應事件的處理信息，以及所述疑似成員的狀態信息；
32、基于所述處理信息，以及所述疑似成員的肖像和狀態信息，生成異常行為圖譜，并展示。
33、本專利技術還提供一種異常行為挖掘裝置，包括：
34、獲取單元，用于獲取異常行為對應事件的事件信息；
35、抽取單元，用于基于信息抽取模型，對所述事件信息進行關鍵信息抽取，得到關鍵信息，所述信息抽取模型是在大型語言模型基礎上構建的；
36、挖掘單元，用于基于所述關鍵信息和所述事件信息進行關系挖掘，得到所述異常行為的執行群體，以及所述執行群體中各成員間的關系圖譜；
37、展示單元，用于基于所述關鍵信息，對所述執行群體和所述關系圖譜進行可視化展示。
38、本專利技術還提供一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如上述任一種所述的異常行為挖掘方法。
39、本專利技術還提供一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序被處理器執行時實現如上述任一種所述的異常行為挖掘方法。
40、本專利技術提供的異常行為挖掘方法、裝置、設備和存儲介質，基于信息抽取模型，對異常行為對應事件的事件信息進行關鍵信息抽取，通過高效的數據挖掘和分析方式，從中提取得到各事件的關鍵信息，并基于此挖掘出執行群體以及其內部的結構關系，得到各成員間的關系圖譜，通過對執行群體及關系圖譜的可視化展示，可以使處理人員清晰直觀的了解到異常行為的挖掘程度，明了事件處理的線索和可疑成員，從而有利于精準挖掘異常行為及執行群體，提高挖掘準確度和效率，克服了傳統方案中無法精準實時挖掘的缺陷，實現了異常行為的全面挖掘和精準挖掘，為群眾財產安全和社會穩定提供了保障。
本文檔來自技高網...【技術保護點】
1.一種異常行為挖掘方法，其特征在于，包括：
2.根據權利要求1所述的異常行為挖掘方法，其特征在于，所述事件信息包括事件詳情陳述文本；
3.根據權利要求2所述的異常行為挖掘方法，其特征在于，所述基于所述信息抽取模型，對所述事件詳情陳述文本進行實體抽取，并基于所述事件詳情陳述文本，以及實體抽取所得的關鍵實體進行關系抽取，得到所述關鍵實體之間的實體關系，包括：
4.根據權利要求2所述的異常行為挖掘方法，其特征在于，所述事件信息還包括資金流向圖表，所述異常行為對應事件有多個；
5.根據權利要求4所述的異常行為挖掘方法，其特征在于，所述基于各事件對應的資金流向圖表進行事件關聯，得到各事件中的關聯事件，之后還包括：
6.根據權利要求1至5中任一項所述的異常行為挖掘方法，其特征在于，所述關系圖譜包括所述各成員的角色分工和成員關系；
7.根據權利要求6所述的異常行為挖掘方法，其特征在于，所述得到所述疑似成員的肖像并展示，包括：
8.一種異常行為挖掘裝置，其特征在于，包括：
9.一種電子設備，包括存儲
10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述的異常行為挖掘方法。
...【技術特征摘要】
1.一種異常行為挖掘方法，其特征在于，包括：
2.根據權利要求1所述的異常行為挖掘方法，其特征在于，所述事件信息包括事件詳情陳述文本；
3.根據權利要求2所述的異常行為挖掘方法，其特征在于，所述基于所述信息抽取模型，對所述事件詳情陳述文本進行實體抽取，并基于所述事件詳情陳述文本，以及實體抽取所得的關鍵實體進行關系抽取，得到所述關鍵實體之間的實體關系，包括：
4.根據權利要求2所述的異常行為挖掘方法，其特征在于，所述事件信息還包括資金流向圖表，所述異常行為對應事件有多個；
5.根據權利要求4所述的異常行為挖掘方法，其特征在于，所述基于各事件對應的資金流向圖表進行事件關聯，得到各事件中的關聯事件，之后還包括...
【專利技術屬性】
技術研發人員：張璐，查飛，吳亞輝，馮祥，鮑峰，張友國，程效根，孔凡勝，劉靜娟，李靜靜，陳靜，王傳之，
申請(專利權)人：訊飛智元信息科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。