犯罪对于世界各地的社会来说是一个古老且永无休止的问题，犯罪侦查和打击犯罪总是追捕那些往往领先一步的犯罪分子。

研究发表在国际知识发展杂志与机器学习 (ML) 一起转向情感数据，深度学习（深度学习）技术来开发技术，有一天可能会帮助我们更好地了解犯罪心理，甚至可能预测犯罪活动，从而预防犯罪活动。

印度泰米尔纳德邦蒂鲁吉拉伯利国家理工学院仪器与控制工程系系主任兼系主任 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深度学习方法来识别未来的犯罪热点。

通过分析基于语音的情绪暗示使用机器学习算法，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。

研究人员指出情绪状态的重要性言语模式让他们能够探索基于语音的情绪检测。他们考虑了语言起源、副语言线索和说话者的特征。这使他们能够将获得的情感数据与其他因素（例如地点和热点地区发生的犯罪类型）结合起来。

虽然这个概念听起来相当未来主义，但提取和识别数据模式的算法的快速进步绝不只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、侦查犯罪并预测未来的犯罪活动。

未来的工作可能允许类似的机器学习技术用于应急响应系统，而不仅仅是用于打击犯罪。通过分析打电话的人的情感内容紧急服务，该系统也许能够区分真正的紧急情况和非紧急情况，甚至是欺诈性呼叫，这可以大大减轻服务的负担。研究让预测精度越来越接近理想的100%最终结果只是时间问题犯罪- 战斗人工智能情绪探测器。

更多信息：A. Kalai Selvan 等人，使用 BI-LSTM 深度学习模型进行犯罪检测和犯罪热点预测，国际知识发展杂志（2024）。DOI：10.1504/IJKBD.2024.137600