随着智能化安防系统的快速发展,犯罪案件侦破效率得到很大提高。所谓的智能化安防系统指的是报警系统、门禁系统以及城市监控系统。特别是监控系统已经在犯罪预防与侦破中起到了不可或缺的作用,但是传统的安防技术仍然存在明显的不足,即无法在犯罪事件发生之前给出预警,如果我们的犯罪分析系统能对犯罪做出预测以达到阻止犯罪事件发生的目的,那么该系统将具有重要的价值。因此,对犯罪预警理论的研究具有极其重要的价值。本研究提出犯罪度的概念,从中抽取网络言论犯罪度理论进行研究,网络言论犯罪度指某网络ID通过其网络言论表现出的犯罪可能性大小。对犯罪心理与言论特征之间关系的研究,提出了一种基于犯罪心理学与自然语言处理技术的网络言论犯罪度理论。该理论运用机器学习、词典等文本分析方法,并结合犯罪心理学,基于矩阵运算建立起网络言论犯罪度理论框架与数学模型,从海量数据角度构建了可行性系统,从大数据运算角度对系统进行了巧妙设计与优化。在模型构建方面,本文一则结合了犯罪心理学将犯罪过程剥离,以下称之为犯罪度三因素:(1)需求因素:言论文本有需求得不到满足的语义;(2)情绪因素:言论文本表达的情绪极性为消极,且消极情绪有累积倾向;(3)准备因素:言论文本有犯罪人为犯罪做准备的语义;通过三因素的定义使犯罪可能性可以用数学方式表达。二则充分考虑了大数据计算的实际需求,构建犯罪度向量,通过矩阵的方式构建犯罪度数学模型,充分利用分布式系统特点提高计算效率。在文本分类方面,本文结合了机器学习和词典的方法进行了文本分类,本文将文本情感分类方法运用到犯罪度三因素判断上,得到了很好的效果。本文在需求因素与情绪因素的判别上分别运用了朴素贝叶斯,情感词典的方法。在准备因素判别上本文构建了犯罪敏感词词典,并结合了机器学习与词典的方法进行双重判别,大大提高了判别准确度。