近年来,我国涉毒违法犯罪数量激增。在信息时代背景下,毒品犯罪呈现出许多新的特点,给涉毒案件的侦破带来了新的挑战。从以往产生的案件中充分挖掘涉毒人员的特征和关系并进行科学分析,是打击和预防毒品犯罪的重要工作。针对毒品犯罪群体化、隐蔽化等现代涉毒犯罪特点,本文提出了一种基于大数据的涉毒人员全息画像方法。通过采集裁判文书网中的涉毒案件刑事裁判文书,进行知识抽取、融合、存储,形成涉毒社会关系网络;通过添加公安数据,构建公安禁毒知识图谱库,实现涉毒人员间的复杂关系全息画像,分析、预测涉毒人员的行为。本文主要创新与工作如下:1、提出一种基于改进K-means算法的涉毒文书采集方法。构建实时文书采集分类系统,保证涉毒人员数据的动态收集。通过提取量刑要素,分析发现量刑结果受毒品数量、种类、认罪认罚、再犯等因素影响。针对多人多罪现象,提出涉毒行为与涉毒人员关联性分析模型,抽取涉毒人员信息作为涉毒行为的主语。2、构建涉毒人员静态全息画像和动态全息画像。首先,基于GRU模型将学习特征接入CRF解码层构建实体抽取模型,通过依存句法分析等方法匹配关系规则,完成涉毒人员实体抽取和关系抽取,利用KGCloud云平台实现涉毒人员的静态全息画像展示。其次,基于BERT+Bi GRU+CRF方法实现中文地址要素解析,作为动态全息画像的空间要素。最后,构建涉毒人数时序预测模型,通过拟合基于Prophet模型的传染病预测数据,验证模型有效性,为涉毒人员动态全息画像构建提供时间标签参考。3、构建涉毒人员社会网络,模拟涉毒行为传播过程。基于SIR传染病模型、Agent建模理论,构建涉毒人员社会网络,提出了涉毒行为传播模型,分析不同条件下涉毒行为的传播情况。4、设计面向公安机关的缉毒监控平台系统。通过涉毒人员全息画像展示,帮助公安机关办案民警全方位了解涉毒人员所有关联信息;利用知识图谱进行分析、研判,挖掘隐藏涉毒人员及团伙;通过分析社会网络中涉毒行为传播情况,预测涉毒行为传播趋势,帮助公安机关提前采取措施预防涉毒犯罪。