کشف و بررسی جرم با داده­ کاوری: چارچوب کلی برای تطبیق جرم

نام سمینار:

Procedia Computer Science

عنوان مقاله:

Detecting and investigating crime by means of data mining: a general crime matching framework

Abstract
Data mining is a way to extract knowledge out of usually large data sets; in other words it is an approach to discover hidden
relationships among data by using artificial intelligence methods. The wide range of data mining applications has made it an
important field of research. Criminology is one of the most important fields for applying data mining. Criminology is a process
that aims to identify crime characteristics. Actually crime analysis includes exploring and detecting crimes and their relationships
with criminals. The high volume of crime datasets and also the complexity of relationships between these kinds of data have
made criminology an appropriate field for applying data mining techniques. Identifying crime characteristics is the first step for
developing further analysis. The knowledge that is gained from data mining approaches is a very useful tool which can help and
support police forces. An approach based on data mining techniques is discussed in this paper to extract important entities from
police narrative reports which are written in plain text. By using this approach, crime data can be automatically entered into a
database, in law enforcement agencies. We have also applied a SOM clustering method in the scope of crime analysis and finally
we will use the clustering results in order to perform crime matching process

.

کشف و بررسی جرم با داده­ کاوری:

چارچوب کلی برای تطبیق جرم

چکیده

دادکاوی روشی برای استخراج دانش معمولا از مجموعه داده­های بزرگ است؛ به بیان دیگر، داده­کاوی روشی برای کشف روابط پنهان بین داده­ها معمولا با استفاده از روش­های هوشمند مصنوعی است. گستره­ی وسیع کاربردهای داده­کاوی آن را تبدیل به زمینه­ی تحقیقاتی مهمی کرده است.  جرم­شناسی یکی از مهم­ترین زمینه­ها برای استفاده از داده­کاوی است. جرم­شناسی فرآیندی است که هدف آن تشخیص ویژگی­های جرم است. در واقع، تحلیل جرم شامل بررسی و شناسایی جرم­ها و روابط بین مجرمان است. حجم زیادی از مجموعه­داده­های مرتبط با جرم و همچنین پیچیدگی روابط بین این نوع از داده­ها باعث شده است تا جرم­شناسی زمینه­ای مناسب برای استفاده از روش­های داده­کاوی باشد. تعیین ویژگی­های جرم اولین گام برای توسعه­ی تحلیل­های بیشتر است. دانشی که از رویکردهای داده­کاوی حاصل می­شود ابزاری بسیار سودمند است که می­توان به نیروهای پلیس کمک کند. رویکردی مبتنی بر روش­های داده کاوی در این مقاله مورد بحث واقع می­شود تا چیزهایی مهم از گزارشات توصیفی پلیس که در plain text نوشته شده است استخراج شود.  با ایتفاده از ای رویکرد، داده­های جرم را می­توان بصورت خودکار در یک پایگاه داده (law enforcement agencies) وارد کرد. همچنین، از روش خوشه­بندی SOM در زمینه­ی تحلیل جرم استفاده کرده­ایم و در نهایت از نتایج خوشه­بندی به منطور انجام فرایند تطبیق جرم استفاده خواهیم کرد.