Комп'ютери передбачатимуть злочини за допомогою соцмереж
Австралійські вчені розробили систему, яка поліпшить способи передбачення злочинів на основі даних про місцезнаходження.
Про це повідомляє Naked Science.
У роботі, опублікованій в журналі EPJ Data Science, команда дослідників з RMIT показала, як дані про місцезнаходження і діяльність користувачів з програми Foursquare у поєднанні з алгоритмами рекомендацій дозволяють передбачати злочини точніше, ніж будь-коли.
Користувачі Foursquare діляться своїми локаціями і діяльністю, коли опиняються у різних місцях (чекіни). У дослідженні задіяли дані понад 20 тисяч чекінів користувачів з Брісбена і близько 230 тисяч чекінів користувачів з Нью-Йорка.
Доктор Флора Салім з RMIT стверджує, що динамічні дані про пересування людей містом в режимі реального часу допоможуть розрахувати ймовірність виникнення різних ситуацій на місцевості. Але щоб заповнити безліч дірок у даних на основі місця розташування, дослідники розробили алгоритми рекомендацій, схожі на ті, що використовуються для рекомендації схожих пісень в Spotify.
«Очевидно, що велика частина людей у місті не завжди використовує додаток, а ті, хто скоював злочини, не постив про це, — каже Салім. — Ми використовували рекомендаційні системи, щоб усунути недоліки і передбачати інші дії в будь-яких сценаріях».
У ході тестів система передбачала певні типи злочинів у конкретних частинах міста краще, ніж існуючі моделі прогнозів злочинів на основі тенденцій злочинності.
У Брісбені система стала на 16% точніше у пророкуванні нападів, ніж нинішні моделі, на 6% точніше у пророкуванні незаконного проникнення, на 4% ефективніше у випадках наркозлочинів і грабежів, а також на 2% краще у пророкуванні шахрайства. У Нью-Йорку вона поліпшила точність прогнозів на 4% у разі грабежу та наркозлочинності, шахрайства та незаконного проникнення, а також на 2% при нападах.
Систему можна легко масштабувати для обробки великих даних з будь-якої соціальної платформи, програми або мобільної мережі, що збирає дані про місцерозташування.
Ця робота — лише один приклад того, як дані користувачів можуть бути використані для передбачення їхніх дій для цілого ряду додатків.