طراحی الگوی داده‌کاوی پیشنهادی به‌منظور شناسایی مجرمان

زمینه و هدف: این پژوهش بر آن است تا با بهره‌گیری از الگوریتم‌های داده‌کاوی به تحلیل داده‌های ثبت‌شده در بانک اطلاعاتی پلیس مربوط به‌دستگیرشدگان توسط گشت‌های انتظامی تهران بزرگ در سه‌ماهه اول سال 1389 بپردازد و با استفاده از آنها، الگویی طراحی ‌شود که به شناسایی مجرمان واقعی از بین انبوه ‌‌متهمان دستگیرشده اقدام ‌‌کند. این الگو می‌تواند به‌عنوان یک سامانه تصمیم‌یار در اختیار کارشناسان انتظامی قرار گیرد تا فرآیند شناسایی و دستگیری مجرمان واقعی با سرعت و دقت بیشتری انجام شود. روش‌شناسی: این پژوهش از نوع پژوهش‌های داده‌محور بوده و بر اساس یک فرایند استاندارد داده‌کاوی CRISP-DM، داده‌های دستگیرشدگان که شامل متغیرهای جمعیت‌شناختی ‌‌متهمان و کلانتری محل دستگیری است، پس از یکپارچه‌سازی و پالایش، با استفاده از الگوریتم‌های CHAID,CRT C5.0 و شبکه عصبی MLP مدل‌سازی ‌‌شدند. یافته‌ها: الگوریتم C5.0 در فن درخت تصمیم نتایج بهتری را به لحاظ دقت شناسایی مجرمان واقعی نسبت به سایر الگوریتم‌های درخت تصمیم، مانند CHAID, CRT دارد؛ اما نسبت به الگوی طراحی‌شده توسط شبکه عصبی MLP دقت کمتری دارد. نتایج: با استفاده از الگوریتم‌های درخت تصمیم، در مجموع 19 قانون کشف و ارائه شد. ‌‌برای بررسی این قوانین، نشست خبرگان تشکیل ‌‌شد و در نهایت از 19 قانون استخراج‌شده، 3 قانون مرتبط با موضوع مورد پژوهش شناخته شده و مورد تأیید قرار گرفت.