团伙犯罪中基于PageRank的嫌疑人犯罪影响力分析.pdf

团伙犯罪中基于PageRank的疑人犯罪影响力分析

摘要：如何准确评估嫌疑人的影响力是侦破团伙犯罪的关键，为此，在

PageRank算法的基础上，结合团伙犯罪的网络结构特性，提出团伙犯罪中嫌疑

人犯罪影响力评估模型.该模型首先结合已掌握的作案信息将团伙犯罪网络转化

为有向加权网络，再根据中间中心度、接近中心度两大网络特性确定罪犯影响力

转移矩阵，最后该模型以实际的案例为实验数据得出具体的嫌疑人犯罪影响力，

并以两种成熟的模型为对比模型，实现结果显示该模型的评估结果与实际案件结

果拟合度较高，且准确率也高于对比模型，验证了该模型具有较高的准确性和可

行性.

关键词：PageRank;网络结构特性；团伙犯罪；嫌疑人影响力

近年来，随着通信技术的发展，团伙犯罪的作案手段也随之发生了巨大改变，

呈现出结构性、隐秘性、动态性等特点，这给公安机关的侦破工作带来了一定的

挑战，特别是近些年频发的涉黑团伙犯罪、经济团伙犯罪以及网络团伙犯罪.研

究表明，目前的犯罪团伙呈现出一定的社会网络特性，所以很多学者将社会网络

分析方法应用于团伙犯罪案件的分析中，主要涉及两大领域.第一，团伙犯罪网

络组织结构的研究，比如赵迪等[1]通过研究犯罪嫌疑人的地域特征构建共同犯

罪网络模型，并对共同犯罪现象及其原因进行探究；ZHANG等(21充分研究了

人口拐卖案件中犯罪成员的人际关系网络；同时，MCILLWAIN[3]的研究也表明

犯罪人之间的人际关系是团伙犯罪的一个决定性因素；也有研究成果表明目前的

地域性犯罪是团伙犯罪的一个重要性倾向，并以此分析地域性犯罪的性质和特征

[461;还有一些通过分析网络结构特征，比如网络密度、聚集系数、中心性分析

团伙犯罪网络[7-10].第二，团伙犯罪网络中的人员以及人员关系研究，比如孙萌

(11)通过PageRank算法对犯罪人的影响力以及用户关系强度进行研究；

FREEMAN12I对犯罪网络中的每一个成员进行了研究，得到每一成员对整个网

络的影响程度；李瑞东[13|通遇数据挖掘技术设计了犯罪成员的组织关系模型.

在团伙犯罪侦查中，能够有效识别关键人物，进而掌握犯罪组织网络结构是

其中最为重要的一环.目前，关于团伙犯罪网络结构的研究虽然层出不穷，但是

真正能够落地实施的却不多，究其原因主要有二：一是实验数据有限，算法的有

效性难以保证；二是研究方法过于局限，算法的可移植性较差.因此，本文在大

数据背景下，提出团伙犯罪中基于PageRank算法以及网络结构特性的嫌疑人

定的犯罪嫌疑人进行重要性排序.该嫌疑人犯罪影响力评估模型首先将团伙犯罪

网络转化为有向加权网络，其次根据网络结构特性确定犯罪影响力转移矩阵，最

后根据PageRank算法计算出团伙犯罪中嫌疑人的犯罪影响力.

1研究方法

1.1PageRank算法

PageRank算法将万维网看成一幅看似杂乱而有章可循的有向图，网页对应

节点，超链接对应边，然后利用随机过程的相关知识计算得出网页的权值[14].

如图1是由5个网页构成的一幅网络有向图.

PageRank算法的核心思想可总结为如下三点.

(1)链接即肯定：在万维网中，当一个网页A含有很多连入链接时，表明

网页A是被其他网页肯定的，在计算网页权值时，其他网页会将自己的权威值

分配给自己所指向的网页A.

(2)链接即贡献：在万维网中，任何一个网页会平均将权威值分配给自己

所指向的网页，同理，任何一个网页的权威值由所有指向自身网页的权威值决定.

(3)权威确定权威：若万维网中某一权威网页A指向另一网页B时，网页

B也将变成权威网页，因为在计算网页B的权威值时，权威网页A对网页B的

贡献值会远远大于其他指向网页B的非权威网页的贡献值.

PageRank算法的核心公式如式(1)所示：

P=(1-d)eeT/n+dUTP,(1)

式(1)中，e为单位矩阵，P代表网页的权威向量值，d代表阻尼系数，U

是根据网页的链接关系得到的转移矩阵.

在本文中将以PageRank算法为基础，衡量团伙犯罪网络中的嫌疑人犯罪

影响力.将犯罪组织网络中的某个犯罪嫌疑人i的影响力设为P,那么所有犯罪嫌

疑人的用户影响力则为{P,P),…,Pn},对应的犯罪影响力可建模成为一个向

在式(2)中，对于每一个k∈[i,n],都必须满足：

在本模型中，Ukk的值都设定为0.

1.2点度中心度

现实世界中，为了最大程度地保护自己，