某省级公安机关与360亿方智能以本体共建警情研判体系｜案例研究

110警情既是公安机关开展即时处置的重要信息来源，也记录着一些矛盾持续发展的过程。同一件事可能在不同时间被多次反映，报警内容和分类标签也会随之变化。对于情报指挥部门，及时看清这些记录之间的联系，是从日常接处警中发现风险的重要工作。

某省级公安机关依托与360亿方智能共建的大模型实验室，建设110警情智能研判体系。应用后，分析报告编撰及上报时间由平均5小时缩短至约0.5小时。在提升信息处理效率的同时，系统通过本体统一警情中的业务含义，将不同时间、不同分类的相关记录关联起来，再结合大模型分析共同背景和事件变化，帮助业务人员发现单条记录与分类统计中不易看出的连续警情。

1、海量警情背后的分类与关联难题

某省级公安机关的情报指挥部门承担警情信息汇聚、风险研判及指挥支撑工作，日均接处警量达万起量级，历史警情已积累至千万条量级。此前，该部门已经建设接处警系统和警综平台，并汇聚相关基础数据。随着情指行一体化工作推进，业务关注点进一步转向如何利用存量记录，更及时地发现风险。

警情信息主要来自现场报警和电话报警。接警单虽然包含部分结构化字段，事情经过仍有大量自由描述，电话内容也需要转为文本后进行分析。传统方法主要依靠关键词和分类统计，容易受到描述方式的影响。例如，筛选涉及未成年人的警情时，仅凭“儿童”等词语匹配，可能把儿童车事故等无关记录一并纳入，仍需人工逐条核查。

重复警情识别的难点更为突出。同一电话号码多次报警，比较容易通过统计发现；同一矛盾在不同时间表现为不同类别的纠纷，则难以仅凭标签看出其联系。临时专题分析也需要重新设计筛选条件，再组织人员整理信息。

因此，本次建设目标是提高警情分类和要素提取的准确性，并将相关记录关联起来，帮助业务人员理解事件的发展过程。

2、本体与大模型协同，关联分散警情并支撑研判

围绕提高信息识别质量和关联研判能力的目标，该部门与360亿方智能共同建设110警情智能研判体系。一方面要处理大量接警记录，另一方面要将处理结果转化为业务人员可以直接使用的分析能力，因此需要打通从数据接入到研判应用的完整链路。

在现有业务系统基础上，整体方案采用三层架构，上层为业务应用流程，中层为能力组件，下层为统一的情报平台底座。本体为各层提供统一的业务对象和关联关系，使数据处理结果能够被后续分析调用，并保留与原始警情的联系。

上层围绕实际研判工作组织应用。系统先识别对象、提取要素，再检索相关警情与背景信息，经人工审核后形成分析和预警。分析结果继续推送至现有情指行一体化平台，为后续工作提供支撑。

中层提供数据采集和要素提取能力，同时支持智能搜索与分析预警。数据采集负责接入接警单及相关基础信息；要素提取完成警情分类，识别文本中的关键内容。智能搜索用于查找历史和相似警情，分析预警则围绕一人多警、一地多警等任务组织相关记录，辅助发现需要进一步核查的线索。

底层为统一的情报平台底座，由智能体生产、知识库运营和数据集成组成，为上层能力组件及研判应用提供数据、知识和工具支撑。

在产品承载上，360亿方智能通过本体语义平台管理警情业务对象及其关系，连接原始数据，为上层应用提供对象查询和关联分析能力。

智能体负责理解业务需求并组织分析，通过Skill调用本体中的对象、关系和相关记录。对象查询与链路分析等通用能力，可以进一步组织为重复警情追踪、相关记录检索等业务功能；系统连接工具则负责对接警综平台等外部系统。业务人员通过自然语言提出任务，由系统调用相应组件完成分析，无需直接操作底层数据。

警情域本体模型涵盖人员与地点、原始警情与融合事件，以及承办组织和行动。模型首先明确业务对象的含义，例如区分报警人、受害人和实施人等角色，使不同记录中的描述能够按照共同口径组织，供后续分析使用。

在统一业务含义后，系统通过关联匹配，将涉及同一人员或地点的记录组织到相应对象下，并进一步关联存在共同背景的警情。原始记录分别保留，记录之间的联系也被明确表达出来。即使多条警情发生时间不同、分类标签不同，业务人员仍可以沿着相关对象查看事件的连续经过。

大模型负责理解警情描述，本体为其提供关联后的记录与业务上下文。系统据此分析不同警情是否存在共同背景，以及事件是否呈现变化或升级迹象，形成需要进一步核查的线索。分析结果保留原始信息依据，便于业务人员复核。模型中的行动及反馈关系为后续业务衔接提供基础，实际指挥和处置仍由相应人员依职责完成。

3、通过业务共建和样本验证完成本体建设

整体架构明确后，建设工作的重点是将警情业务转化为系统能够理解和调用的本体模型。360亿方智能与业务人员先明确对象定义及判断标准，再完成数据连接和模型验证，为后续应用建立基础。

建设初期，双方选择边界清楚、便于评价的分类识别任务作为切入点。客户最初提供约5000条警情，360亿方智能据此分析记录特点，梳理关键对象和业务角色，形成第一版本体模型。通过具体样本讨论，双方能够更快确认哪些信息需要提取，以及如何判断处理结果是否符合业务要求。

对象定义需要贴合实际工作。同样是记录中的人员，可能承担报警人、受害人或实施人等不同角色；一条警情也可能涉及多名同类角色。业务人员负责解释角色边界，360亿方智能将这些含义转化为对象属性和关联关系，避免将数据库中的人员字段直接等同于业务对象。

在此基础上，双方进一步校准专业术语与分类标签。通用模型能够理解日常语言，对公安内部术语的掌握却不充分。360亿方智能将业务人员确认的专业定义用于模型微调，再通过补充数据反复检验。输出与业务理解存在偏差时，双方重新检查术语定义或分类边界，逐步改善识别结果。

业务模型明确后，360亿方智能将原有数据表和接口映射到相应对象，完成必要的数据整理，再结合实际警情检验关联分析结果，逐步将应用从分类识别延伸至重复警情研判。

项目沉淀了警情域本体模型，以及要素抽取、关联匹配等分析组件。后续新增专题可以在已有模型和组件上调整，减少重复建设；涉及新的业务范围时，仍需重新确认对象含义和判断口径。

4、上线后通过人机协作持续运营和迭代本体

本体模型投入使用后，工作重点转向日常应用和持续维护。一方面，需要让分析能力融入业务人员的工作流程；另一方面，需要根据新增任务和使用反馈调整模型，使本体持续反映业务需要。

人工审核是日常运行中的必要环节。敏感警情先经过规则初筛和大模型复核，再由业务人员确认，随后进入预警与上报流程。审核人员可以查看原始记录，修正分析结果，并决定是否采纳相关建议。系统承担辅助分析，后续指挥和处置仍由相应人员依职责完成。

实际使用也会不断产生调整需求。新增专题可能需要补充分析对象，术语变化可能要求重新明确分类边界，审核中发现的判断差异则需要回到原始记录核查。业务人员与360亿方智能据此讨论调整方向，将确认后的变化补充到本体和应用中，使现场经验能够持续积累。

这一阶段仍需要业务与技术人员共同参与。前沿部署工程师（FDE）负责理解现场需求，协助将业务变化落实为模型或应用调整；客户则根据自身技术能力承担相应维护工作。通过明确分工，本体建设与上线运营形成连续过程：前期建立业务模型，后续在使用中检验和完善，逐步扩大可支撑的任务范围。

5、信息处理提效为关联研判释放更多精力

系统投入使用后，警情要素提取与报告处理效率得到改善。分析报告编撰及上报时间由平均5小时缩短至约0.5小时，警情要素提取准确率由约55%提升至95%。常规与专项警情的完整要素提取速度达到约2.5秒每条。

在关联研判方面，系统能够将分散记录中的共同业务背景呈现出来。例如，在对一组欠薪相关警情的事后分析中，不同人员在不同地点反映的问题，表面上呈现为不同事件。通过本体关联共同工作单位等业务对象，再结合大模型理解具体描述，系统将这些记录与共同的欠薪背景联系起来，为业务人员进一步核查提供线索。

信息处理提效减少了重复整理工作，跨记录关联则帮助业务人员从分散警情中梳理事件经过，为进一步核查共同背景和相关主体提供依据。

6、以明确场景带动本体建设和能力积累

警情研判这个案例说明，选择目标清楚、能够评价的任务，有助于推动本体落地。警情分类和要素提取可以通过具体样本核对，业务人员与360亿方智能能够较快发现分歧，并确定调整方向。基础处理质量提高后，再进入跨记录关联等复杂任务，建设过程更容易与业务需求保持一致。

业务共同参与，是本体能够准确表达工作逻辑的重要条件。业务人员的参与应贯穿本体建设与使用过程。对角色含义和记录关联依据的确认，能够帮助技术人员校准模型，使本体持续贴近实际研判需要。这种协作需要在上线后延续，将使用中发现的理解偏差及时转化为调整依据。

本体的扩展也需要跟随实际需求推进。当前建设主要围绕警情领域展开，后续接入其他警种的数据，还需要解决角色扩充与模型融合问题。以具体场景积累对象定义和分析方法，再逐步扩大应用范围，能够让投入与业务价值同步接受检验，也为持续运营保留调整空间。