一种用于受害者预测的基于规则的模型
人工智能
2022-03-08 v3 计算机与社会
摘要
在本文中，我们提出了一种称为风险人群脆弱性指数（VIPAR）分数的新型自动化模型，用于识别未来可能遭受枪击受害的罕见人群。类似地，聚焦威慑方法识别脆弱个体并提供某些类型的干预（如外联服务）以预防社区中的暴力。所提出的基于规则的引擎模型是首个用于受害者预测的基于 AI 的模型。本文旨在比较聚焦威慑策略名单与 VIPAR 分数名单对未来枪击受害的预测能力。借鉴犯罪学研究，该模型使用年龄、既往犯罪史和同伴影响作为未来暴力的主要预测因子。采用社交网络分析来衡量同伴对结果变量的影响。该模型还使用逻辑回归分析来验证变量选择。我们的实证结果显示，VIPAR 分数预测了 25.8% 的未来枪击受害者和 32.2% 的未来枪击嫌疑人，而聚焦威慑名单预测了 13% 的未来枪击受害者和 9.4% 的未来枪击嫌疑人。该模型在预测未来致命与非致命枪击方面优于聚焦威慑政策的情报名单。此外，我们讨论了关于无罪推定权利的担忧。
引用
@article{arxiv.2001.01391,
title = {A Rule-Based Model for Victim Prediction},
author = {Murat Ozer and Nelly Elsayed and Said Varlioglu and Chengcheng Li and Niyazi Ekici},
journal= {arXiv preprint arXiv:2001.01391},
year = {2022}
}