欢迎来到进口食品商务网！

犯罪是全世界社会的一个古老而永无止境的问题，犯罪侦查和打击犯罪一直在追捕那些往往领先一步的罪犯。

发表在《国际知识发展杂志》(International Journal of Knowledge-based Development)上的一项研究将情感数据与机器学习(ML)和深度学习(DL)技术结合起来，开发出一种技术，有朝一日可能帮助我们更好地理解犯罪心理，甚至预测犯罪活动，从而预防犯罪。

印度泰米尔纳德邦蒂鲁奇拉帕利国立理工学院仪器与控制工程系的A. Kalai Selvan和N. Sivakumaran有两个主要目标:使用基于情感数据的ML模型预测犯罪，以及使用应用于犯罪事件数据的DL方法识别未来的犯罪热点。

通过使用ML算法分析基于语音的情感线索，该团队对各种犯罪的检测准确率达到了97.2%。此外，深度学习技术，特别是卷积堆叠双向长短期记忆(LSTM)，使他们能够以95.64%的准确率检测犯罪热点。

研究人员指出，语言模式中情绪状态的重要性如何使他们能够探索基于语言的情绪检测。他们考虑了语言来源、副语言线索和说话者的特点。这使得他们能够将他们获得的情感数据与其他因素结合起来，比如地点和热点地区发生的犯罪类型。

虽然这个概念听起来相当未来主义，但能够提取和识别数据模式的算法的快速发展绝不仅仅是科幻小说中的事情。该团队表示，他们的方法可以监控犯罪热点地区的活动，探测犯罪，并预测未来的犯罪活动。

未来的工作可能会允许类似的机器学习技术用于应急响应系统，而不仅仅是在打击犯罪方面。通过分析呼叫紧急服务的人的情感内容，该系统可能能够区分真正的紧急情况和非紧急情况甚至欺诈电话，这可能会大大减轻服务的负担。这项研究使预测精度越来越接近100%的终极打击犯罪的人工智能情绪探测器，这只是时间问题。

更多信息:A. Kalai Selvan等，基于BI-LSTM深度学习模型的犯罪侦查和犯罪热点预测，国际知识发展杂志(2024)。DOI: 10.1504/IJKBD.2024.137600引文:使用深度学习模型的犯罪侦查和犯罪热点预测(2024,4月19日)检索自https://techxplore.com/news/2024-04-crime-hot-deep.html，检索自2024年4月20日。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。