知識圖譜在智能審訊中的應用研究*

江蘇警官學院 張詩揚，謝天，曹世聰，王浩臣，潘辰陽

一、國內外對于大數據訊問的研究現狀

國內研究現狀：隨著大數據、人工智能技術的廣泛應用，公安機關民警也跟隨新技術不斷改變著原有的工作模式和思維模式。當前，我國公安機關在不斷研發基于智能大數據技術的輔助系統。大數據技術在偵查訊問中的典型應用包括以下幾個方面：

（一）智能證據審查

偵查訊問的重要任務就是獲取犯罪嫌疑人口供，與案件中其他證據相互印證形成完整的證據鏈條，同時，訊問工作中發現的犯罪線索，可能會有助于破獲積案隱案，擴大戰果。隨著人工智能技術的深入發展和進一步應用，可以按照證據的合法性、客觀性、關聯性，分梯次逐層對證據進行審查。通過智能系統，將犯罪嫌疑人的口供與其他證據進行比對，及時發現不合法及瑕疵證據，并給出排除和補正意見。結合案件中獲取的其他證據，判斷是否符合客觀性，是否與案件相關。通過對所有案件證據進行審查，判斷是否形成了完整證據鏈條，有無遺漏證據的情況。

（二）訊問文本數據挖掘系統

在訊問筆錄數據化的基礎上，針對海量訊問文本數據應用人工智能技術進行深入挖掘，對案件信息進行智能分析檢索比對，提取有價值的情報信息。具體來說，訊問文本數據挖掘系統通過案件構成要素挖掘案件地址及案件人物特征，并進行相似詞義分析、案件相似性分析、案件串并分析等，對各種數據抽取后建模，構建一個智能數據系統，從而發現犯罪線索，實現犯罪預警研判，及時有效預防犯罪，推動偵查模式由被動轉向主動。

二、傳統“大數據+訊問”訊問模式的不足

根據筆者團隊成員對江蘇省內多個基層公安機關的調研可以看出，總體而言，“大數據+訊問”模式在“了解犯罪嫌疑人基本情況”“提供訊問需要的證據和線索”和“追查同案犯”上能發揮較好的作用，但在“選配訊問人員”和“審查判斷證據方面”所發揮的作用仍不理想，見表1。

表1 “大數據+訊問”功能效果分析

（一）訊問準備階段對于犯罪嫌疑人信息的不完善

參與審訊的民警在訊問實施前的準備階段，應當盡可能地通過公安機關所掌握的查找手段去詳細收集與犯罪嫌疑人有關的信息。訊問策略的運用建立在對犯罪嫌疑人的心理分析基礎之上，對案件情況的全面摸排是對心理分析的關鍵，因此在審訊前充分掌握犯罪嫌疑人的信息就顯得尤為重要。在當前信息科技發展日新月異的時代，每一個人都會或多或少地在數據空間中留有相應的痕跡，但由于技術水平的限制問題，我們很多的基層公安民警在訊問時并不能較好地掌握犯罪嫌疑人的詳細信息情況，因此也會導致對犯罪嫌疑人的分析不夠深入。

（二）提供的訊問對策使用效果差強人意

在實際的訊問過程中，公安機關所采用的審訊工具所提供的訊問對策使用效果實用性較差，并不能因勢利導，往往按照固有的訊問套路來提供固定的對策,在模擬民警思維上有局限性。畢竟訊問經驗是要通過長期的實踐積累出來的，在訊問過程中，民警不光要運用邏輯思維，直覺等非理性思維同樣也發揮著作用，但僅僅套用固定訊問思維的審訊工具并不能做到這點，這就會導致一部分經驗不足參與訊問的民警在使用審訊工具后將訊問的重點集中于犯罪嫌疑人所參與的某一單獨案件中，忽略了犯罪嫌疑人所參與作案的其他起違法犯罪，不能較好地起到深挖犯罪嫌疑人隱案、積案和余罪的作用。

（三）通過數據庫串并案件方面存在問題

要想精準地挖掘出犯罪嫌疑人所參與的所有案件，就要在訊問過程中將隱藏在犯罪嫌疑人作案前后的每一個細節都剖析清楚，并且尋找各細節之間的聯系。例如案件中所涉及的資金的結算、清理、流向問題；重點人員通信情況；犯罪主要成員活動軌跡等，公安機關要想方便快捷地獲取諸如此類的信息，就要與專業的信息網絡公司和其他部門、企業建立起完善的數據共享機制，以此更好地查明同案犯和犯罪嫌疑人余罪情況。但在傳統的“大數據+訊問”模式中，此類的數據共享機制并未能建立并且使用，導致辦案民警并不能對嫌疑人在犯罪過程中的各環節進行信息分析和數據研判，也就不能更好地串并案件。

（四）利用大數據進行訊問的安全風險問題

公安機關作為國家行政機關，代表國家行使權力，公安民警對于犯罪嫌疑人進行訊問的電子筆錄都是絕密，其中包含了大量的公民個人信息和犯罪信息，由此也產生了筆錄文書泄露的風險問題。例如訊問系統的定期檢修維護人員，很容易就可以獲取到民警對犯罪嫌疑人的訊問筆錄文本。還有一些系統常見的漏洞也會導致訊問筆錄文本的泄露，很難做到能和紙質的訊問筆錄一樣安全絕密。

三、知識圖譜在智能訊問中應用的實現

（一）知識圖譜的概念

知識圖譜本質上是一種語義網絡，是一種趨于結構形態的數據庫，是一種認知人工智能領域的典型技術，用來描述真實世界中存在的各種實體或概念，以及它們之間的關聯關系，然后通過網狀圖形結構將其表現出來。知識圖譜的數據組織結構符合人的思維模式，是人工智能的基礎，是大數據環境下建設智慧警務的有效途徑。

（二）知識圖譜在圖鑒畫像方面的應用

在警務應用中，圖鑒畫像是對犯罪嫌疑人外貌、性格、習慣等多方面的綜合表述，民警可以通過圖鑒畫像了解犯罪嫌疑人已知以及推斷出來的全部信息。將知識圖譜應用于犯罪嫌疑人圖鑒畫像方面，可以使得審訊更加智能化，通過對犯罪嫌疑人已知信息的錄入，掃描已知的數據庫，推斷出犯罪嫌疑人的其他特征，使得訊問民警更快了解犯罪嫌疑人情況，同時自動選配最合適這個嫌疑人的訊問民警，制定出有效合理的訊問計劃。

1.數據采集

包括犯罪嫌疑人數據和審訊數據兩部分。犯罪嫌疑人數據可以通過知識圖譜與現有警務平臺的信息聯通、網絡在線搜索與審訊民警錄入等方式組成；審訊數據則可以通過與現有的智能筆錄系統等平臺聯通或者開發專業的智能訊問系統，將審訊民警信息、每次訊問具體情況都及時錄入知識圖譜，以積累龐大的信息量，輔助圖鑒畫像的構建。

2.應用情況

利用知識圖譜將單個或多個犯罪嫌疑人的數據進行畫像，可以格式化其信息特征，便于審訊民警更加直觀地把握其特點，從而更加有技巧性地進行合理訊問。首先，審訊民警通過圖鑒畫像，了解犯罪嫌疑人的興趣點和薄弱點，從而引導話題，找到切入點，在訊問中掌握主動權。其次，綜合多次審訊記錄，找到其中矛盾點或者細節性問題，為接下來的審訊做好準備。最后，通過所有情況的全面分析，并結合對應審訊民警特點、習慣等方面的信息，匹配最佳的審訊民警和審訊對策。

（三）知識圖譜在生理信息方面的應用

犯罪嫌疑人的生理信息包括微表情、動作、語言、心跳、血壓等多個方面，能夠從微觀角度反應犯罪嫌疑人的心理狀況。在訊問中加入知識圖譜對生理信息的采集，能夠便于審訊人員及時了解犯罪嫌疑人的情緒，進而探明犯罪嫌疑人的心理狀態，對識別謊言、提高審訊效率具有重要意義。

1.數據采集

包括犯罪嫌疑人微表情、動作等肢體數據和心跳、血壓等生理數據兩方面。前者可以通過在訊問過程中對犯罪嫌疑人肢體與面部表情變化的抓捕獲取，后者可以通過對犯罪嫌疑人進行身體檢查或者在訊問過程中通過專業的神經信息采集儀器進行收集處理。

2.應用情況

通過知識圖譜監測犯罪嫌疑人在審訊中生理、心理等方面的變化，能夠為進一步審訊提供有效服務。一方面，在審訊過程中，對犯罪嫌疑人生理信息采集后，可以結合審訊的具體情況，發現犯罪嫌疑人對訊問過程中的哪一個環節、哪一個問題有著不同尋常的表現，從而抓住審訊突破口；另一方面，在審訊結束后，可以通過犯罪嫌疑人的供述以及審訊現場視頻，研判犯罪嫌疑人在此次審訊中供述的真假情況，提高審訊的效率。

四、知識圖譜在智能訊問中應用的前景

人工智能技術作為一項高端技術成果，已經成為國家發展戰略。人工智能技術應用于訊問中無疑會給訊問工作帶來巨大的機遇，注入巨大的活力。

當前，我國公安機關也在不斷研發基于智能技術的輔助系統。傳統審訊方法通常是利用嫌疑人與外界信息隔離的環境，對嫌疑人施加壓力或者激勵感化，以獲取嫌疑人的真實供述。有學者對M市公安局50名預審民警的審訊方法進行調查。調查顯示，常見的傳統審訊方法依次是：情感感化、使用證據、政策宣講、說服教育以及其他。然而，我們熟知的傳統訊問方法過于依賴偵查人員的經驗和直覺判斷，且難以對嫌疑人心理進行精準分析，這就造成了對犯罪嫌疑人的心里琢磨不透、判斷錯誤等后果。偵查訊問中為了促使犯罪嫌疑人如實供述，準確把握犯罪嫌疑人的供述心理，除了使用言語策略、話術技巧之外，對其行為的觀察、分析和理解至關重要。偵查人員可以運用行為科學技術方法對犯罪嫌疑人在訊問過程中表現的行為進行全面記錄與分析獲取更全面的行為信息，可幫助偵查人員判斷其供述動機及口供真偽。現代審訊技術是基于審訊對象的心理與行為數據，運用行為科學分析原理與方法，形成的一整套訊問規則、規范和工具體系。將知識圖譜技術運用到偵查訊問階段，是大數據輔助公安工作的一次創新，知識圖譜本質上是一種語義網絡，允許用戶搜索引擎知道的所有事物、人物或者地方，而且能夠顯示查詢的實時信息，比傳統的關系型數據庫更加自由多樣化。利用知識圖譜技術實現公安大數據的推理與應用，能夠突破已有的思維定式，廣泛地獲取外腦支撐。訊問是偵查辦案的重要一環，特別依賴審訊人員的經驗，特別需要獲得機器的智能輔助。該項目利用知識圖譜技術實現訊問的智能輔助，能夠及時向審訊人員推送案件關聯知識，推薦訊問策略，輔助制定訊問方案，提高訊問效率，使訊問擺脫極度依賴經驗的困境，能夠節約辦案成本，減少警力和資源投入，減輕基層民警的工作負擔，有效提升訊問的質量，真正發揮人腦和機器結合的優勢。

知識圖譜運用廣泛，將其運用到公安民警訊問工作中，可以使訊問更加高效，使整個訊問過程變得更加智能化。

五、結語

互聯網時代的來臨，使得世界各地隨時隨地會產生海量資料，大數據就是這些海量資料的匯總。在大數據時代，通過各種算法可以在大數據的海量資料中發現價值，大數據訊問也就應運而生，國內外發現訊問中海量資料背后存在的巨大價值并對此展開研究，筆者的研究也建立在此基礎上，希望挖掘出訊問中大數據的更大價值。筆者在通過對傳統訊問模式以及傳統“大數據+訊問”模式進行剖析后發現了其中的不足之處，比如在訊問準備階段對犯罪嫌疑人各種信息的掌握并不完全，比如并不能在訊問中擇取最優訊問對策。由此筆者認為大數據發展到當前階段或許人工智能領域是大數據訊問新的發展方向以及突破口。筆者在長期的研究與探討下得出建立智能訊問中的知識圖譜存在一定的可行性，運用大數據以及人工智能等技術對隱性的犯罪信息進行分解重構，抽象概括犯罪嫌疑人的背景、喜好、習慣甚至宗教信仰等，通過特定算法發現潛藏在訊問背后卻難以被發現的有巨大價值的數據，并建立訊問知識圖譜數據庫，為知識圖譜在智能訊問中的具體應用奠定基礎，使警方在訊問的模式中由被動變為主動，讓警方在訊問中占據優勢。

筆者自身能力有限，在訊問知識圖譜方面的研究依然十分淺薄，關于對此方面的研究尤其是訊問知識圖譜的具體應用和應用前景只能具象于警務活動訊問實踐之中。筆者期待能夠在實踐中對訊問知識圖譜進行更加深入的研究與探索，建立健全訊問知識圖譜數據庫，為基層民警帶來福音，為推進公安工作現代化與智能化作出更大的貢獻。