随着互联网的广泛发展,地下制售假烟团伙在网络中发布大量非法从事烟草经营、走私的信息,我们将这些信息称之为涉烟情报。互联网涉烟情报的收集、甄别和研判是烟草专卖执法人员在打击互联网涉烟违法活动中赖以决策的基础。面对网络涉烟违法活动现状,本文提出了互联网环境下的涉烟情报辅助研判系统方案。整个方案通过如下步骤完成:(1)结合现有数据爬取工具以及本文设计的python爬虫工具对出现涉烟情报的网站、论坛、贴吧等抓取所需文本及图像数据。数据清洗后进行分词、词性标注、命名实体识别、依存句法分析等自然语言底层处理,并对数据进行人工标注,构建涉烟数据集。(2)将文本和图像一起作为涉烟数据筛查模型的输入,模型的输出是与烟草相关的文本及图像。使用基于词频-逆向文件频率方法(Term frequency-inverse document frequency,Tf-idf)将文本语义特征向量化,另外构建了一种简化的卷积神经网络模型,用分类概率值表征配图语义特征,将文本及图像特征融合后进行分类。实验表明,对于涉烟数据筛查,本文提出的基于融合特征的分类准确率较基于单一文本特征的分类准确率提高了2.65%。进一步证明了文本及配图的融合特征对比单一的文本特征,融合了更多的语义信息,填补了文本特征信息的不完整性。(3)将涉烟文本作为涉烟情报事件抽取模型的输入,把涉烟情报抽取任务转化为涉烟事件抽取任务,模型的输出是从事烟草经营、走私的涉烟情报信息。提出了一种改进的基于Word2vec句子语义相似度计算的事件种子聚类算法,事件抽取模式经过泛化和过滤后,在ACE语料和本文的涉烟数据集上事件抽取F值分别提高了0.9%、3.7%。实验表明,本文提出的方法能够完成涉烟情报的抽取任务。(4)设计并实现了互联网环境下的涉烟情报辅助研判系统。主要功能模块包括:数据收集模块、数据预处理模块、涉烟数据筛查模块及涉烟情报抽取模块。经过烟草部门试用,证明本文提出的互联网环境下的涉烟情报辅助研判系统方案的可行性和有效性。