安全情报视域下涉案人物画像构建与犯罪风险评估模型研究OACHSSCD

[目的]面向突发性、极端暴力事件的早期识别与预警需求,本文以安全情报为导向,构建涉案人员画像与犯罪风险评估方法框架,为公共安全治理的风险研判与差异化干预提供数据分析路径与情报支持。[方法]基于国内裁判文书数据与美国芝加哥警察局公开登记数据,构建多维特征体系;基于K-means形成群体画像类型,并通过结构化字段形成群体与个体画像摘要;以国内数据为例,通过Neo4j构建涉案人员画像知识图谱;基于随机森林与XGBoost构建风险类型识别模型。[结果/结论]研究结果表明,国内数据聚类得到三类典型画像,国外数据聚类得到六类典型画像;画像摘要与知识图谱可直观呈现不同类型的关键特征及其关联关系;模型评估显示:国内数据上随机森林表现更优(Macro-F1=0.92),国外数据上XGBoost表现更优(Macro-F1=1.00)。在此基础上,本文提出了“画像生成—风险研判—干预建议”的一体化分析流程。