在大数据时代的背景下,传统重点人员管控的模式受到了挑战。互联网技术的发展,使得漏控、脱控现象时有发生。同时部门之间存在的信息壁垒,导致大量积累的数据没有发挥其应有的价值。针对上述问题,本文以重点人员智能积分预警系统为背景,对于已经积累的历史卷宗,结合用户画像理论,运用大数据挖掘技术进行重点人员画像的构建和分析,辅助领域专家分析和决策,实现重点人员的动态管控。本文的研究内容如下:(1)重点人员画像构建的关键技术。提出了多维度表示框架,用于指导重点人员画像构建和分析;设计了基于层叠神经网络的实体识别模型用于社交维度的构建,解决历史卷宗存在的实体嵌套、行文过长的问题;设计了融入主题信息的关键抽取模型用于主题维度的构建,提高了对历史卷宗抽取的关键词的主题相关度和覆盖度。(2)重点人员画像分析的关键技术。提出了重点人员画像中自然维度、社交维度和主题维度的表征方法,用于后续分析。结合领域专家的业务分析需求,提出了个体、群体目标分析,设计了基于欠采样的随机森林算法用于个体目标分析,解决了由于数据集的不平衡造成高、中风险程度判定效果差的问题;设计了基于多维度融合的快速局部异常因子算法用于群体目标分析,考虑了不同维度对重点人员离群程度的贡献度不同,同时提高了计算每一个重点人员离群程度的速度。(3)重点人员画像系统的设计与实现。系统包含了系统管理平台、数据采集子系统、数据治理子系统、画像构建子系统、人员预警子系统和大数据计算平台。着重设计和实现了系统中的画像构建子系统和人员预警子系统,并展示了系统的构建效果。