随着中国城镇化进程的不断加速,城市公交扒窃行为给公民的生命财产安全构成极大的威胁,对社会风气造成了持续性的影响。研究中基于"犯罪行为是行为人主观意识对客观环境的反致行为"[1]这一理论,采用NLPIR汉语分词系统,整理以往城市公交扒窃行为数据,提取犯罪行为时间、位置数据,在Spark分布式计算框架下,利用DBSCAN算法做地理位置数据的聚类分析,发现造成犯罪反致行为[1]的客观环境和规律。通过改善客观环境,进而提高预防和控制犯罪行为的水平步骤7重复步骤5～6，直到d为A_(i+j)．List中的最后一个站点。步骤8重复步骤4～7，直到i+j＞A．count。步骤9重复步骤3～8，直到b为A本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name_i．List中的最后一个站点。步骤10重复步骤2～9，直到Ai为A中的最后一个公交线段。步骤11获取所有未被标记为visited的公交线段集合，通过迭代计算相邻点的中点，计算出公交线段的中点，相似度计算方法-电动滚圆机滚弧机折弯机张家港倒角机液压倒角机滚圆机存入集合XYMap中。步骤12返回集合XYMap，并在地图中绘制及展示结果。算法运行后的聚类效果如图1所示。从地图展示效果分析，案件呈现以多种不规则形状，一般集中在地铁相似度计算方法-电动滚圆机滚弧机折弯机张家港倒角机液压倒角机滚圆机、车站、医院、学校、商业区附近，这一结果与文献［2］中的结论一致，这也同时验证了城市公交扒窃往往发生在人群集中、经济繁荣的地方。图1案件案发地理位置聚类结果算法以地理位置信息进行聚类，以案件的聚类结果将案件标记为“地铁”案件、“车站”案件、“医院”案件、“学校”案件、“商业街”案件，分别对案件按时间运行统计，具体结果可见表2。(下转第42页)第2期冯佳乐，等:一种基于Spark/DBSCAN算法的城市公交扒窃行为分析方法73针对词语向量化表示的问题,根据词语词向量表示的思想以及借助多义词词典,在K-means聚类多义词语上下文表示的基础上,获得词语的多原型向量表示。对句子中的多义词语,通过计算词语多原型向量表示与词语上下文表示的相似度来进行词义消歧,根据2个句子集中共有词语和差异词语的词义相似度,给出一种基于词语多原型向量表示的句子相似度计算方法,实验结果显示了该方法的有效性。 相似度计算方法-电动滚圆机滚弧机折弯机张家港倒角机液压倒角机滚圆机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name