مروری بر پیش بینی وقوع تجمعات غیرقانونی با استفاده از مجموعه روش های یادگیری ماشین
امروزه شبکه های اجتماعی، محل حکمرانی و بستری مناسب برای دشمنان کشور شده است. در جریان تجمع هایی که گاهی در کشور رخ داده، به درستی اثبات شده که شبکه های اجتماعی و پیام رسان های خارجی، محلی برای ساماندهی، مدیریت، تحریک، ترغیب و حتی آموزش جوانان برای اغتشاش و خرابکاری بوده است. در حال حاضر با افزایش سریع انواع جرائم، روش های سنتی بررسی جرم قادر به ارائه نتایج مطلوب نبوده، زیرا سرعت آن ها کند و ناکارآمد است. هدف از این مطالعه این است که چگونه یادگیری ماشین می تواند توسط نهادهای امنیتی یا انتظامی برای کشف، پیشگیری و مقابله با تجمعات غیر قانونی با سرعتی بسیار دقیق و سریع استفاده شود.
روش شناسی:
برای دست یابی به این هدف تعداد 73 مقاله در بازه زمانی 2012 تا 2023 که در آن از روش های یادگیری ماشین استفاده شده مورد بررسی قرار گرفت. مشاهده می کنیم که اکثر مقالات از رویکرد یادگیری ماشین با نظارت و داده های برچسب گذاری شده استفاده می کنند.
با این حال شبکه های عصبی مصنوعی با 44 درصد، روش های جنگل تصادفی با 30 درصد و روش K-نزدیک ترین همسایه با 26 درصد متداول ترین روش های مورد استفاده بودند؛ همچنین 62 درصد از محققان از مجموعه داده های مجرمانه برخط پورتال های عمومی بر روی شبکه اینترنت و 38 درصد نیز از مجموعه داده های رسمی و خصوصی سازمان های قانونی از جمله پلیس در تحقیقات خود استفاده کرده اند. نتایج تحقیق نشان می دهند که به کارگیری روش های جنگل تصادفی بهترین کارائی را داشته است؛ اما برای مجموعه داده های بزرگ، استفاده از روش های شبکه عصبی مصنوعی بهترین نتایج را برای پیش بینی وقوع جرم بر اساس زمان و مکان آن برآورده ساخته است.
الگوریتم ، پیش بینی ، فراخوان ، یادگیری ماشین
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.