犯罪對世界各地的社會來說是一個古老且永無止境的問題，犯罪偵查和打擊犯罪總是追捕那些往往領先的犯罪分子。

研究發表在國際知識發展雜誌與機器學習 (ML) 一起轉向情緒數據，深度學習（深度學習）技術來發展技術，有一天可能會幫助我們更了解犯罪心理，甚至可能預測犯罪活動，從而預防犯罪活動。

印度泰米爾納德邦蒂魯吉拉伯利國家理工學院儀器與控制工程系系主任兼系主任 A. Kalai Selvan 和 N. Sivakumaran 有兩個主要目標：使用基於情感數據的 ML 模型預測犯罪，以及使用應用於犯罪事件資料的深度學習方法來識別未來的犯罪熱點。

透過分析基於語音的情緒暗示使用機器學習演算法，該團隊對各種犯罪的檢測準確率達到了 97.2%。此外，深度學習技術，特別是卷積堆疊雙向長短期記憶（LSTM），使他們能夠以 95.64% 的準確率檢測犯罪熱點。

研究人員指出情緒狀態的重要性言語模式讓他們能夠探索基於語音的情緒檢測。他們考慮了語言起源、副語言線索和說話者的特徵。這使他們能夠將獲得的情感數據與其他因素（例如地點和熱點地區發生的犯罪類型）結合起來。

雖然這個概念聽起來相當未來主義，但提取和識別資料模式的演算法的快速進步絕不只是科幻小說中的事情。團隊表示，他們的方法可以監控犯罪熱點地區的活動、偵查犯罪並預測未來的犯罪活動。

未來的工作可能允許類似的機器學習技術用於緊急應變系統，而不僅僅是用於打擊犯罪。透過分析打電話的人的情感內容緊急服務，該系統也許能夠區分真正的緊急情況和非緊急情況，甚至是欺詐性呼叫，這可以大大減輕服務的負擔。研究讓預測精度越來越接近理想的100%最終結果只是時間問題犯罪- 戰鬥人工智慧情緒探測器。

更多資訊：A. Kalai Selvan 等人，使用 BI-LSTM 深度學習模型進行犯罪檢測和犯罪熱點預測，國際知識發展雜誌（2024）。DOI：10.1504/IJKBD.2024.137600