داده کاوی جرم (داده کاوی جرایم)

A

یکی از حوزه های پرکاربرد داده کاوی مقوله جرایم و بزهکاری می باشد. در این نوع از تحلیل های داده کاوی هدف شناسایی الگوهای مربوط به رخداد جرایم و ارائه یافته های ارزشمند به تصمیم گیران و سیاست گذاران بوده تا بتوان با اتخاذ سیاست های پیشگیرانه میزان و نرخ وقوع انواع جرایم را در جامعه کاهش داد. 

فیلدهای اطلاعاتی (متغیرهای) مربوط به داده کاوی بر روی جرایم

برای داده کاوی بر روی جرایم مانند هر تحلیل داده کاوی دیگری لازم است تا فیلدهای اطلاعاتی یا همان متغیرهای تحلیلی مورد نظر مشخص باشند. متغیرهای مختلفی را در این نوع تحلیل می توان مد نظر داشت از جمله:

  • سن فرد مجرم
  • جنسیت فرد مجرم
  • محل تولد مجرم
  • محل وقوع جرم
  • نوع جرم
  • انگیزه ها و ریشه های وقوع جرم

البته موارد فوق به عنوان نمونه ارائه شده اند و می توان فیلدهای اطلاعاتی بسیاری مانند وضعیت خانوادگی مجرم، سوابق قبلی مجرم و … را نیز اضافه نمود.

انواع تحلیل های داده کاوی قابل ارائه در بیمه شخص ثالث

مانند هر مساله و پژوهش داده کاوی دیگری در اینجا نیز می توان طیف وسیعی از تحلیل های مختلف را انجام داد که به صورت کلی این تحلیل ها در دو گروه قابل دسته بندی و بیان هستند:

الف) تحلیل های داده کاوی بر روی خود جرم

در این نوع تحلیل ها خود جرایم صورت گرفته مورد نظر می باشند. پس در این وضعیت رکوردهای بانک اطلاعاتی و دیتاست جرایم بوده و فیلدهای اطلاعاتی ویژگی های مربوط به جرم صورت گرفته می باشند. تحلیل های پرکاربرد در این راستا عبارتند از:

  • خوشه بندی مجرمین

خوشه بندی جرایم برای شروع گام موثری می باشد تا پلیس به درک جامع و کاملی رسیده و به صورت شفاف و مشخص بداند که در وضعیت فعلی با چند نوع جرم مواجه است. این موضوع کار سیاست گذاری برای مقابله و همچنین پیشگیری از وقوع جرم را آسان تر می نماید. چرا که به جای تحلیل هزاران جرم صورت گرفته پلیس متوجه خواهد شد که به صورت کلی مثلا با ۴ گروه (خوشه) از جرایم مواجه هست و ویژگی های خاص و برچسب مشخص هریک از این گروه ها به چه صورت می باشد.

  • کلاس بندی (دسته بندی) مجرمین

ب) تحلیل های داده کاوی بر روی فرد مجرم

در این حالت هدف تحلیل الگوهای مربوط به افراد مجرم می باشد. معمولا در این نوع از تحلیل ها مجرمین سابقه دار و یا مجرمینی که مرتکب به جرایب عمده و بزرگی شده اند (مانند قتل، سرقت مسلحانه در ابعاد بزرگ و …) مورد نظر می باشند. پس در این حالت سطرها یا همان رکوردهای بانک اطلاعاتی و دیتاست افراد مجرم مورد مطالعه بوده و ستون ها یا همان فیلدهای اطلاعاتی ویژگی های مربوط به این مجرمین می باشد. تحلیل های پرکاربرد در این راستا عبارتند از:

  • خوشه بندی جرایم صورت گرفته
  • کلاس بندی (دسته بندی) جرایم
رای دادن به این post

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.