随着警务信息化和数字化的发展,公安警务系统中积累了海量的数据资源。大数据时代,传统的人工分析、经验主导的警务处理模式已经无法适用于当前的数据量级。打造以情报数据为主导,以人工智能等技术为核心的智慧警务成为新时期的重要实践,智慧警务的建设过程中需要高效的数据挖掘技术来充分发挥数据资源的价值。当前,智慧警务建设过程中面临着网络情报数据处理方法低效、异常检测困难和预警机制滞后等问题,很大程度上限制了智慧警务的发展,无法有效地发挥海量数据资源的价值。本文针对智慧警务建设过程中出现的问题进行了深入的研究和分析,并提出了行之有效的解决方案。首先,针对智慧警务建设中网络情报数据处理方法中存在的问题进行了详细的分析,之后针对公安部门网络情报数据抽取低效的问题提出一种自动模板生成算法,基于页面数据的结构和重复模式信息来自动化地生成页面的抽取模板集,在较低的时间消耗下完成页面内容的抽取,实验测试准确率超过92%。其次,针对智慧警务建设中复杂交易网络中异常检测困难的问题,本文采用深度学习来构建检测模型,提出了一种融合交易网络中交易节点间交易数据和局部拓扑关系数据的两路异构卷积神经网络模型。该模型可以并行化地处理交易网络数据,为犯罪案件的侦破提供科学依据。实验测试结果中准确率达到95%且检测召回率超过97%。然后,针对智慧警务建设过程中犯罪预警机制滞后的问题,提出了一种融合警务系统中人员数据的通用预警模型。该模型基于对警务数据的挖掘分析进而实现对高危人员的及早预警,为警力资源的调配提供科学参考,在不均衡数据集下平均准确度超过了90%。最后,基于上述研究内容设计与实现了智慧警务原型系统,为警务系统数据提供一种切实有效的处理与分析方法。系统测试结果表明,该系统能够满足预期的设计目标。