دوره 22، شماره 84 - ( 2-1401 )
جلد 22 شماره 84 صفحات 38-9 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Bakhtiyari Shahri A, Noferesti S, Eftekhari N, Jahantigh N. (2022). Extraction of Drug Crime Patterns and Identifying People at Risk Using Data Mining Techniques. refahj. 22(84), : 1
URL: http://refahj.uswr.ac.ir/article-1-3897-fa.html
URL: http://refahj.uswr.ac.ir/article-1-3897-fa.html
بختیاری شهری احمد، نوفرستی سمیرا، افتخاری نصرت، جهانتیغ نادیا. استخراج الگوهای جرائم مواد مخدر و شناسایی افراد در معرض خطر با استفاده از تکنیکهای دادهکاوی رفاه اجتماعی 1401; 22 (84) :38-9
چکیده: (2083 مشاهده)
مقدمه: رشد فناوری اطلاعات در سازمانها، منبع عظیمی از دادههای ذخیره شده در حوزه جرائم مرتبط با مواد مخدر را فراهم آورده است. تحلیل این دادهها و کشف الگوهای پنهان موجود در آن به کمک داده کاوی میتواند به کشف و پیشگیری از وقوع جرائم در این حوزه کمک نماید. هدف این مقاله بکارگیری تکنیکهای دادهکاوی جهت شناسایی افراد مستعد به قاچاق مواد مخدر در استان سیستان و بلوچستان و نیز کشف الگوهای جرم است.
روش: پژوهش حاضر بر روی دادههای 467 مجرم حوزه مواد مخدر در استان سیستان و بلوچستان که در ﻃﻲ ﺳﺎلهای 1392 الی 1399 ﻣﺮﺗﻜﺐ جرم قاچاق مواد مخدر شدهاند با نمونه گیری در دسترس انجام گرفته است. برای انجام این تحقیق از متدولوژی استاندارد CRISP-DM و الگوریتمهای طبقهبندی ماشین بردار پشتیبان، بیزین ساده، رگرسیون لجستیک، درخت تصمیم و نزدیکترین همسایه و برای استخراج الگوهای جرائم از الگوریتم الگوکاوی اپریوری استفاده شده است.
یافته‌ها: الگوریتم الگوکاوی بالغ بر 20 الگوی جرم با دقت بالای 80 درصد استخراج کرده است. به علاوه نتایج نشان میدهد در میان الگوریتمهای طبقهبندی، طبقهبند نزدیکترین همسایه قادر است با دقت 84 درصد افراد در معرض خطر را شناسایی کند.
نتیجه‌گیری: با بکارگیری مدل ساخته شده با این الگوریتم میتوان سامانهای برای شناسایی افراد مستعد به قاچاق مواد مخدر طراحی کرد. نتایج حاصل از پیشبینیهای انجام گرفته توسط سامانه مذکور و کشف الگوهای پنهان موجود در دادهها می توانند کمک شایانی به پلیس، دستگاههای قضایی و مددکارهای اجتماعی در شناسایی افراد در معرض خطر و کاهش جرائم مرتبط با قاچاق مواد مخدر نمایند.
روش: پژوهش حاضر بر روی دادههای 467 مجرم حوزه مواد مخدر در استان سیستان و بلوچستان که در ﻃﻲ ﺳﺎلهای 1392 الی 1399 ﻣﺮﺗﻜﺐ جرم قاچاق مواد مخدر شدهاند با نمونه گیری در دسترس انجام گرفته است. برای انجام این تحقیق از متدولوژی استاندارد CRISP-DM و الگوریتمهای طبقهبندی ماشین بردار پشتیبان، بیزین ساده، رگرسیون لجستیک، درخت تصمیم و نزدیکترین همسایه و برای استخراج الگوهای جرائم از الگوریتم الگوکاوی اپریوری استفاده شده است.
یافته‌ها: الگوریتم الگوکاوی بالغ بر 20 الگوی جرم با دقت بالای 80 درصد استخراج کرده است. به علاوه نتایج نشان میدهد در میان الگوریتمهای طبقهبندی، طبقهبند نزدیکترین همسایه قادر است با دقت 84 درصد افراد در معرض خطر را شناسایی کند.
نتیجه‌گیری: با بکارگیری مدل ساخته شده با این الگوریتم میتوان سامانهای برای شناسایی افراد مستعد به قاچاق مواد مخدر طراحی کرد. نتایج حاصل از پیشبینیهای انجام گرفته توسط سامانه مذکور و کشف الگوهای پنهان موجود در دادهها می توانند کمک شایانی به پلیس، دستگاههای قضایی و مددکارهای اجتماعی در شناسایی افراد در معرض خطر و کاهش جرائم مرتبط با قاچاق مواد مخدر نمایند.
شماره‌ی مقاله: 1
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
تماس با ما
فصلنامه رفاه اجتماعی
تهران، اوین، بلوار دانشجو، خ کودکیار، دانشگاه علوم بهزیستی و توانبخشی، ساختمان فارابی
تلفن دفتر نشریه: 02171732851
وب سایت: http://refahj.uswr.ac.ir
ایمیل: refahj@uswr.ac.ir
