1.基于大数据的缉私案件情报关联方法，其特征在于包含以下步骤：
s1：基于缉私案件相关信息，构建缉私案件的情报要素关系表达模型；
s2：参照缉私情报要素关系表达模型中要素组成及其关系，构建深度学习算法模型的要素关系抽取方法，完成多层次缉私情报关联分析；
s3：基于s2中的关联分析结果，结合单据链、资金链和货物链证据链条，实现大数据环境下智能化的缉私情报关联分析验证。
2.根据权利要求1所述的基于大数据的缉私案件情报关联方法，其特征在于步骤s1所述缉私案件的情报要素关系表达模型构建流程，具体包括以下步骤：
s11：缉私案件的要素关系表达
基于缉私案件的案件特征和数据来源，构建缉私案件的要素关系表达模型；
s12：字符向量化
对数据资料进行情报关系标注，得到已标注数据集，基于已标注数据集及未标注的案件文本语料，利用产生词向量的相关模型工具对分好词的文本进行无监督训练学习。
3.根据权利要求1所述的基于大数据的缉私案件情报关联方法，其特征在于上述步骤s2中所述深度学习算法模型的建模流程具体包括以下步骤：
s21：情报边界检测
抽取句子中的情报边界，并对情报进行序列标注，构建情报边界检测模型；
s22：情报关系类型推断
给定一个包含n个节点的图，图卷积神经网络的目标是学习图上的结构相关的节点表示，网络的输入为：一个图结构的矩阵表示，图卷积神经网络的每层都用非线性函数进行传递，再通过激活函数获得节点输出矩阵；
s3：缉私情报关联分析验证。
4.根据权利要求3所述的基于大数据的缉私案件情报关联方法，其特征在于所述激活函数为relu。