技术领域
[0001] 本
发明涉及信息处理技术领域，尤其涉及一种犯罪嫌疑人定位方法、装置、电子设备和计算机可读存储介质。
背景技术
[0002] 目前，在案件侦破时，公安人员经常借助人员关系来获取和排查线索。
现有技术中的关系分析仅能依靠公安人员自身来对人员关系进行分析，并且仅能从单个人员入手，逐点分析人与人之间的关系，来筛查犯罪嫌疑人。但是，这种定位犯罪嫌疑人的方式，从单个关系网络
节点入手，逐一分析，随着节点关系度数增加，产生关系的边会呈指数增长，这无疑会消耗公安人员的大量时间，极大地增加了人
力筛查成本，导致定位效果差，定位方式不够智能化。
发明内容
[0003] 本发明的目的旨在至少在一定程度上解决上述的技术问题之一。
[0004] 为此，本发明的第一个目的在于提出一种犯罪嫌疑人定位方法。该方法可以极大地提高公安人员的办案效率，大大降低了公安的人力成本，提高了嫌疑人的定位效果，特别是在涉毒、
赌博等
密度高的关系网络上有比较显著的效果。
[0005] 本发明的第二个目的在于提出一种犯罪嫌疑人定位装置。
[0006] 本发明的第三个目的在于提出一种电子设备。
[0007] 本发明的第四个目的在于提出一种计算机可读存储介质。
[0008] 为达到上述目的，本发明第一方面
实施例提出的犯罪嫌疑人定位方法，包括：获取行为关系数据，其中，所述行为关系数据包括多个行为人员和每个行为人员的行为关系；获取犯罪案件数据，并基于所述犯罪案件数据构建犯罪团伙关系网络图；根据所述行为关系数据和所述犯罪团伙关系网络图，生成涉嫌犯罪的全局关系网络图；根据所述全局关系网络图，从所述多个行为人员中定位犯罪嫌疑人。
[0009] 为达到上述目的，本发明第二方面实施例提出的犯罪嫌疑人定位装置，包括：第一获取模
块，用于获取行为关系数据，其中，所述行为关系数据包括多个行为人员和每个行为人员的行为关系；第二获取模块，用于获取犯罪案件数据；构建模块，用于基于所述犯罪案件数据构建犯罪团伙关系网络图；生成模块，用于根据所述行为关系数据和所述犯罪团伙关系网络图，生成涉嫌犯罪的全局关系网络图；定位模块，用于根据所述全局关系网络图，从所述多个行为人员中定位犯罪嫌疑人。
[0010] 为达到上述目的，本发明第三方面实施例提出的电子设备，包括：
存储器、处理器及存储在所述存储器上并可在所述处理器上运行的
计算机程序，所述处理器执行所述程序时，实现本发明第一方面实施例所述的犯罪嫌疑人定位方法。
[0011] 为达到上述目的，本发明第四方面实施例提出的非临时性计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明第一方面实施例所述的犯罪嫌疑人定位方法。
[0012] 根据本发明实施例的犯罪嫌疑人定位方法、装置、电子设备和存储介质，可获取行为关系数据，其中，该行为关系数据包括多个行为人员和每个行为人员的行为关系，并获取犯罪案件数据，并基于犯罪案件数据构建犯罪团伙关系网络图，之后，根据行为关系数据和犯罪团伙关系网络图，生成涉嫌犯罪的全局关系网络图，最后，根据全局关系网络图，从多个行为人员中定位犯罪嫌疑人。由此，提供了一种智能化的定位方式，即通过从全局分析关系网络，结合了公安人员办案的业务经验，自动找寻与多个不同的犯罪团伙都有行为关系的嫌疑人，极大地提高了公安人员的办案效率，大大降低了公安的人力成本，提高了嫌疑人的定位效果，特别是在涉毒、赌博等密度高的关系网络上有比较显著的效果。
[0013] 本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0014] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0015] 图1是根据本发明一个实施例的犯罪嫌疑人定位方法的
流程图；
[0016] 图2是根据本发明实施例的犯罪团伙关系网络图的示例图；
[0017] 图3是根据本发明实施例的对同案关系图中的同案人员节点进行群编号标注的流程图；
[0018] 图4是根据本发明实施例的涉嫌犯罪的全局关系网络图的示例图；
[0019] 图5是根据本发明一个实施例的计算所述全局关系网络图中每个行为人员节点的相关信息的流程图；
[0020] 图6是根据本发明一个实施例的犯罪嫌疑人定位装置的结构示意图；
[0021] 图7是根据本发明一个具体实施例的犯罪嫌疑人定位装置的结构示意图；
[0022] 图8是根据本发明另一个具体实施例的犯罪嫌疑人定位装置的结构示意图；
[0023] 图9是根据本发明又一个具体实施例的犯罪嫌疑人定位装置的结构示意图；
[0024] 图10是根据本发明一个实施例的电子设备的结构示意图。
具体实施方式
[0025] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0026] 下面参考附图描述本发明实施例的犯罪嫌疑人定位方法、装置、电子设备和计算机可读存储介质。
[0027] 图1是根据本发明一个实施例的犯罪嫌疑人定位方法的流程图。需要说明的是，本发明实施例的犯罪嫌疑人定位方法可应用于本发明实施例的犯罪嫌疑人定位装置，该犯罪嫌疑人定位装置可被配置于电子设备上。其中，该电子设备可以是个人计算机、移动终端等，该移动终端可以是手机、
平板电脑、
个人数字助理等具有各种
操作系统的
硬件设备。
[0028] 如图1所示，该犯罪嫌疑人定位方法可以包括：
[0029] S110，获取行为关系数据，其中，行为关系数据包括多个行为人员和每个行为人员的行为关系。
[0030] 可选地，从各种交通出行工具的购票
网站上获取客户所购买的购票信息，该购票信息可包括身份信息(如身份证号、姓名)、购票时间、购票次数、始发地、目的地、购买车次、购买座位号等；还可从各种住宿商店的
服务器上获取住宿人员的住宿信息，该住宿信息包括住宿人员的身份信息(如身份证号、姓名)、入住时间、入住时长、住宿人员个数、入住房间号等。
[0031] 在获得客户所购买的购票信息和住宿人员的住宿信息之后，可对该获得的购票信息和住宿信息进行数据分析，以获得每个行为人员、以及所述每个行为人员所产生的行为关系。作为一种示例，所述行为关系可包括但不限于同火车关系、同飞机关系、同住宿关系等。
[0032] 举例而言，在获得客户所购买的购票信息和住宿人员的住宿信息之后，可将这些客户和住宿人员作为行为人员，其中，若所述客户和住宿人员中存在属于同一个人的情况，则将该属于同一个人的客户和住宿人员作为一个行为人员；并且，从所述购票信息和住宿信息中找出每个行为人员所产生的行为关系。例如，行为数据可如下面表格1所示的形式进行信息存储，该行为数据中具有行为人员A、B、C和D，且，行为人员A与B之间存在“火车邻座两次”和“火车同订票1次”的行为关系，行为人员A与C之间存在“火车邻座两次”和“火车同订票1次”的行为关系，行为人员A与D之间存在“飞机同订票3次”的行为关系，行为人员B与D之间存在“火车邻座两次”、“同住宿3次”和“飞机邻座1次”的行为关系。
[0033] 表格1
[0034]Src_ID Dest_ID Value
A B 1001:2；1002:1
A C 1001:2；1002:1
A D 2002:3
B D 1001:2；3003:3；2001:1
[0035] 其中，Src_ID表示起始行为人员(节点)ID，Dest_ID表示目的行为人员(节点)ID，Value表示行为关系值，比如试用关系代码表示，例如1001:2代表火车邻座两次，1002:1代表火车同订票1次，2002:3代表飞机同订票3次，3003:3代表同住宿3次，2001:1代表飞机邻座1次等，多个关系用分号分隔。
[0036] S120，获取犯罪案件数据，并基于犯罪案件数据构建犯罪团伙关系网络图。
[0037] 可选地，从公安部
门的服务器端获取犯罪案件数据，并基于该犯罪案件数据构建出犯罪团伙关系网络图。
[0038] 作为一种示例，提取犯罪案件数据中的犯罪人员，并提取犯罪案件数据中的同案人员关系，其中，同案人员关系包括涉案人员、涉及的案件类型(即同案关系)，之后，以犯罪人员为节点，同案人员关系为节点关系，建立同案关系图，并利用连通图
算法对同案关系图中的同案人员节点进行群编号标注，将群编号相同的同案人员节点所在的同案关系图作为犯罪团伙关系网络图。
[0039] 也就是说，可从犯罪案件数据中提取出包含哪些犯罪人员，并从犯罪案件数据中提取出涉及相同案件的人员，并确定该人员所涉及的案件类型，之后，可以以犯罪人员为节点，同案人员关系为节点关系(即以同案人员关系为边)，构建同案关系图，然后，可利用图计算
框架，实现连通图算法，将同案人员标注为群编号相同的犯罪团伙，以得到所述犯罪团伙关系网络图。
[0040] 例如，如图2所示，给出了犯罪团伙关系网络图的示例图，其中，该犯罪团伙关系网络图包含了3个不同犯罪团伙的同案关系图，每个同案关系图具有自身对应的群编号。作为一种示例，该同案关系图可通过下面表格2所示的形式进行信息存储，假设同案关系图中包含涉案人员a、b、c和d，且该人员a与b之间存在“同吸毒1次”的同案关系，人员a与c之间存在“同吸毒1次”的同案关系，人员b与c之间存在“同吸毒1次”和“同入室盗窃1次”的同案关系，人员b与d之间存在“同入室盗窃1次”的同案关系，人员c与d之间存在“同入室盗窃1次”的同案关系。
[0041] 表格2
[0042]Src_ID Dest_ID Value
a b 4001:1
a c 4001:1
b c 4001:1；4002:1
b d 4002:1
c d 4002:1
[0043] 其中，Src_ID表示起始人员(节点)ID，Dest_ID表示目的人员(节点)ID，Value表示同案关系值，可试用同案关系代码表示，例如，4001:2代表同吸毒2次，4002:1代表同入室盗窃1次等，多个同案关系用分号分隔。
[0044] 可选地，在本发明的一个实施例中，如图3所示，所述利用连通图算法对所述同案关系图中的同案人员节点进行群编号标注的具体实现过程可包括以下步骤：
[0045] S310，确定同案关系图中各同案人员所对应的节点，并设置同案关系图中各同案人员节点的初始群编号；
[0046] 可选地，先确定同案关系图中各个同案人员所对应的节点，并将该同案关系图中各同案人员节点的节点ID作为所述各同案人员节点的初始群编号。
[0047] S320，分别将各同案人员节点的自身群编号发送给邻居节点；
[0048] S330，将各同案人员节点接收到的群编号与自身群编号进行比较；
[0049] S340，如果各同案人员节点接收到的群编号小于各同案人员节点的自身群编号，则将各同案人员节点的自身群编号设置为接收到的群编号，并返
回执行所述步骤S320；
[0050] S350，如果各同案人员节点接收到的群编号大于或等于各同案人员节点的自身群编号，则控制各同案人员节点停止发送群编号。
[0051] 举例而言，以图2中a、b、c、d的同案关系图为例，对该同案关系图进行图计算的步骤如下：
[0052] 1)可先将该同案关系图中各节点的节点ID作为各节点的初始群编号；
[0053] 2)首轮
迭代，先将该同案关系图中各节点的自身群编号发送给邻居节点；
[0054] 3)针对每个节点，将上轮迭代收到的群编号与自身群编号进行比较，如果收到的群编号小于自身群编号，则将该节点的自身群编号设置为该收到的群编号中最小的群编号，且继续向邻居节点发送自身群编号；
[0055] 4)当收到的群编号小于或等于节点的自身群编号时，迭代停止，即该节点停止发送群编号。
[0056] 例如，迭代过程可如下：
[0057] 首轮迭代：
[0058] a->b:a代表a向b发送自身群编号groupid的值a；
[0059]ID groupid Send(发送) Recv(接收)
a a a->b:a；a->c:a null
b b b->a:b；b->c:b；b->d:b null
c c c->a:c；c->b:c；c->d:c null
d d d->c:d；d->b:d null
[0060] 第二轮迭代：
[0061] 由于a收到的群编号groupid为b和c，都比自身群编号groupid大，迭代停止，a不再发送消息其他节点都将自身groupid设为收到的比自身groupid小的值，如下面表格所示；
[0062]ID GroupID send recv
a a null b；c
b a b->a:a；b->c:a；b->d:a a,d
c a c->a:a；c->b:a；c->d:a a,b,d
d b d->c:b；d->b:b b,c
[0063] 第三轮迭代：
[0064] a节点上轮迭代已停止，b、c节点本轮收到的groupid都不小于自身groupid，迭代停止，d节点本轮收到的groupid比自身groupid小，更新自身groupid，如下面表格所示；
[0065]ID GroupID send recv
a a null null
b a null a,b
c a null a,b
d b d->c:a；d->b:a a,a
[0066] 第四轮迭代：
[0067] a、b、c节点以在之前迭代轮次停止，d节点本轮未收到任何消息，迭代停止，最终a、b、c、d四个同案人员节点，自身的groupid都为同一值,即这四个人为同一犯罪团伙，如下面表格所示；
[0068]
[0069]
[0070] 由此，利用连通图算法对同案关系图中的同案人员节点进行群编号标注，这样，可将群编号相同的同案人员节点所在的同案关系图作为犯罪团伙关系网络图。
[0071] S130，根据行为关系数据和犯罪团伙关系网络图，生成涉嫌犯罪的全局关系网络图。
[0072] 可选地，提取所述犯罪团伙关系网络图中的涉案人员节点，并基于所述每个行为人员的行为关系，从所述涉案人员节点中找出具有行为关系的涉案人员节点，并基于所述犯罪团伙关系网络图的
基础上，将所述具有行为关系的涉案人员节点与对应的行为人员节点进行边连接，生成所述涉嫌犯罪的全局关系网络图，其中，所述边连接用于指示连接产生行为关系的节点。
[0073] 举例而言，以图2所示的犯罪团伙关系网络图为例，该犯罪团伙关系网络图中具有3个不同的同案关系图，可先提取出该犯罪团伙关系网络图中的所有涉案人员节点a、b、c、d、e、f、g、h、i、j、k和l，并基于所述每个行为人员的行为关系，从这些涉案人员节点中找出具有行为关系的涉案人员节点，如节点a、b、c、d、e、f、g、h、i、j和l，并基于所述犯罪团伙关系网络图的基础上，将这些具有行为关系的涉案人员节点与对应的行为人员节点进行边连接，生成所述涉嫌犯罪的全局关系网络图。
[0074] 例如，如图4所示，假设与涉案人员节点a、b、e对应的行为人员节点为节点A，与涉案人员节点b、f、h、j对应的行为人员节点为节点B，与涉案人员节点c、d、i对应的行为人员节点为节点C，与涉案人员节点g对应的行为人员节点为节点D和E，与涉案人员节点j、l对应的行为人员节点为节点F，图中大写英文字母所对应的节点为行为人员节点，小写英文字母所对应的节点为涉案人员节点，涉案人员节点之间的边连接表示节点间产生同案关系，涉案人员节点与行为人员节点之间的边连接表示节点间产生行为关系。
[0075] S140，根据全局关系网络图，从多个行为人员中定位犯罪嫌疑人。
[0076] 可选地，利用图计算框架算法，计算所述全局关系网络图中每个行为人员节点的相关信息，其中，所述相关信息包括与所述每个行为人员节点有行为关系的犯罪团伙个数、与犯罪人员产生的行为关系数量，并按照预设的排序规则，对所述每个行为人员节点的相关信息进行排序，最后，将排列顺序满足预设条件的相关信息对应的行为人员节点，定位为所述犯罪嫌疑人。
[0077] 也就是说，可利用图计算框架算法，在所述全局关系网络图中计算每个行为人员节点的相关信息，其中，该相关信息可包括但不限于：与多少个不同团伙有行为关系、与多少个不同的犯罪人员有行为关系、与犯罪人员产生的行为关系数量、与犯罪人员产生的行为关系种类等。之后，可按照一定的排序规则，对计算得到的相关信息进行排序，并将排列顺序满足预设条件的相关信息对应的行为人员节点，定位为所述犯罪嫌疑人，并输出该犯罪嫌疑人以提供给用户(如公安人员)。
[0078] 作为一种示例，如图5所示，所述利用图计算框架算法，计算所述全局关系网络图中每个行为人员节点的相关信息的具体实现过程可包括以下步骤：
[0079] S510，基于全局关系网络图中的各节点和边信息，从各节点中确定出目标节点，其中，该目标节点用于指示自身属性为同案人员节点、且边信息为行为关系的节点；
[0080] S520，将目标节点的节点编号、群编号和边信息，发送给与目标节点对应的行为人员节点，所述对应的行为人员节点用于指示与目标节点产生行为关系的节点；
[0081] S530，根据接收到的节点编号、群编号和边信息，计算全局关系网络图中的每个行为人员节点的相关信息。
[0082] 举例而言，对全局关系网络图进行图计算的迭代过程可如下：1)首轮迭代，首先判断图中各节点的自身属性和边信息，如果节点的自身属性为同案人员节点(如图4所示的小写英文字母所对应的节点)，且边信息为行为关系(如图4所示的大小写英文字母对应的节点之间的边连接)，则将该节点自身的节点编号、群编号和边信息，发送给对应边的行为人员节点。例如，以图4所示的全局关系网络图为例，节点a在首轮迭代中所做的事情如下：节点a判断自身为同案人员节点，获取节点a的边信息，该节点a有三条边(分别为a<->b,a<->c,a<->A)，只有边信息“a<->A”为行为关系，此时，可将节点a的节点编号、群编号和边信息“a<->A”(即将表示行为关系的边信息)，发送给对应边的行为人员节点A。
[0083] 2)第二轮迭代：行为人员节点根据收到的节点编号、群编号、以及边信息，计算该行为人员节点的相关信息，比如：与多少个不同团伙有行为关系、与多少个不同的犯罪人员有行为关系、与犯罪人员产生的行为关系数量、与犯罪人员产生的行为关系种类等。
[0084] 这样，在得到每个行为人员节点的相关信息之后，可根据该相关信息，按照一定排序规则对每个行为人员节点进行顺序排序，将排名靠前的节点作为犯罪嫌疑人并推荐给用户。
[0085] 根据本发明实施例的犯罪嫌疑人定位方法，可获取行为关系数据，其中，该行为关系数据包括多个行为人员和每个行为人员的行为关系，并获取犯罪案件数据，并基于犯罪案件数据构建犯罪团伙关系网络图，之后，根据行为关系数据和犯罪团伙关系网络图，生成涉嫌犯罪的全局关系网络图，最后，根据全局关系网络图，从多个行为人员中定位犯罪嫌疑人。由此，提供了一种智能化的定位方式，即通过从全局分析关系网络，结合了公安人员办案的业务经验，自动找寻与多个不同的犯罪团伙都有行为关系的嫌疑人，极大地提高了公安人员的办案效率，大大降低了公安的人力成本，提高了嫌疑人的定位效果，特别是在涉毒、赌博等密度高的关系网络上有比较显著的效果。
[0086] 与上述几种实施例提供的犯罪嫌疑人定位方法相对应，本发明的一种实施例还提供一种犯罪嫌疑人定位装置，由于本发明实施例提供的犯罪嫌疑人定位装置与上述几种实施例提供的犯罪嫌疑人定位方法相对应，因此在前述犯罪嫌疑人定位方法的实施方式也适用于本实施例提供的犯罪嫌疑人定位装置，在本实施例中不再详细描述。图6是根据本发明一个实施例的犯罪嫌疑人定位装置的结构示意图。如图6所示，该犯罪嫌疑人定位装置600可以包括：第一获取模块610、第二获取模块620、构建模块630、生成模块640和定位模块650。
[0087] 具体地，第一获取模块610可用于获取行为关系数据，其中，行为关系数据包括多个行为人员和每个行为人员的行为关系。
[0088] 第二获取模块620可用于获取犯罪案件数据。
[0089] 构建模块630可用于基于犯罪案件数据构建犯罪团伙关系网络图。作为一种示例，如图7所示，该构建模块630可以包括：第一提取单元631、第二提取单元632、第一建立单元633、群编号标注单元634和第二建立单元635。其中，第一提取单元631用于提取犯罪案件数据中的犯罪人员；第二提取单元632用于提取犯罪案件数据中的同案人员关系，其中，同案人员关系包括涉案人员、涉及的案件类型；第一建立单元633用于以犯罪人员为节点，同案人员关系为节点关系，建立同案关系图；群编号标注单元634用于利用连通图算法对同案关系图中的同案人员节点进行群编号标注；第二建立单元635用于将群编号相同的同案人员节点所在的同案关系图作为犯罪团伙关系网络图。
[0090] 作为一种示例，群编号标注单元634可具体用于：确定所述同案关系图中各同案人员所对应的节点，并设置所述同案关系图中各同案人员节点的初始群编号；分别将所述各同案人员节点的自身群编号发送给邻居节点；将所述各同案人员节点接收到的群编号与自身群编号进行比较；如果所述各同案人员节点接收到的群编号小于所述各同案人员节点的自身群编号，则将所述各同案人员节点的自身群编号设置为所述接收到的群编号，并返回执行所述分别将所述各同案人员节点的自身群编号发送给邻居节点的步骤；如果所述各同案人员节点接收到的群编号大于或等于所述各同案人员节点的自身群编号，则控制所述各同案人员节点停止发送群编号。
[0091] 生成模块640可用于根据行为关系数据和犯罪团伙关系网络图，生成涉嫌犯罪的全局关系网络图。作为一种示例，如图8所示，该生成模块640可以包括：提取单元641、确定单元642和生成单元643。其中，提取单元641用于提取犯罪团伙关系网络图中的涉案人员节点；确定单元642用于基于每个行为人员的行为关系，从涉案人员节点中找出具有行为关系的涉案人员节点；生成单元643用于基于犯罪团伙关系网络图的基础上，将具有行为关系的涉案人员节点与对应的行为人员节点进行边连接，生成涉嫌犯罪的全局关系网络图，其中，边连接用于指示连接产生行为关系的节点。
[0092] 定位模块650可用于根据全局关系网络图，从多个行为人员中定位犯罪嫌疑人。作为一种示例，如图9所示，该定位模块650可以包括：计算单元651、排序单元652和定位单元653。其中，计算单元651用于利用图计算框架算法，计算全局关系网络图中每个行为人员节点的相关信息，其中，相关信息包括与每个行为人员节点有行为关系的犯罪团伙个数、与犯罪人员产生的行为关系数量；排序单元652用于按照预设的排序规则，对每个行为人员节点的相关信息进行排序；定位单元653用于将排列顺序满足预设条件的相关信息对应的行为人员节点，定位为犯罪嫌疑人。
[0093] 其中，在本发明的一个实施例中，计算单元651可具体用于：基于全局关系网络图中的各节点和边信息，从各节点中确定出目标节点，其中，目标节点用于指示自身属性为同案人员节点、且边信息为行为关系的节点；将目标节点的节点编号、群编号和边信息，发送给与目标节点对应的行为人员节点，对应的行为人员节点用于指示与目标节点产生行为关系的节点；根据接收到的节点编号、群编号和边信息，计算全局关系网络图中的每个行为人员节点的相关信息。
[0094] 根据本发明实施例的犯罪嫌疑人定位装置，可通过第一获取模块获取行为关系数据，其中，该行为关系数据包括多个行为人员和每个行为人员的行为关系，第二获取模块获取犯罪案件数据，构建模块基于犯罪案件数据构建犯罪团伙关系网络图，生成模块根据行为关系数据和犯罪团伙关系网络图，生成涉嫌犯罪的全局关系网络图，定位模块根据全局关系网络图，从多个行为人员中定位犯罪嫌疑人。由此，提供了一种智能化的定位方式，即通过从全局分析关系网络，结合了公安人员办案的业务经验，自动找寻与多个不同的犯罪团伙都有行为关系的嫌疑人，极大地提高了公安人员的办案效率，大大降低了公安的人力成本，提高了嫌疑人的定位效果，特别是在涉毒、赌博等密度高的关系网络上有比较显著的效果。
[0095] 为了实现上述实施例，本发明还提出了一种电子设备。
[0096] 图10是根据本发明一个实施例的电子设备的结构示意图。如图10所示，该电子设备1000可以包括：存储器1010、处理器1020及存储在存储器1010上并可在处理器1020上运行的计算机程序1030，处理器1020执行所述程序1030时，实现本发明上述任一个实施例所述的犯罪嫌疑人定位方法。
[0097] 为了实现上述实施例，本发明还提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明上述任一个实施例所述的犯罪嫌疑人定位方法。
[0098] 在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0099] 在本
说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0100] 流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、
片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
[0101] 在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定
序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，
随机存取存储器(RAM)，
只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0102] 应当理解，本发明的各部分可以用硬件、
软件、
固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据
信号实现逻辑功能的
逻辑门电路的离散
逻辑电路，具有合适的组合逻辑门电路的
专用集成电路，可编程门阵列(PGA)，
现场可编程门阵列(FPGA)等。
[0103] 本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0104] 此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0105] 上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、
修改、替换和变型。
