解锁犯罪层级：识别犯罪网络头目的技术综述、实验与比较探索
社会与信息网络
2024-04-02 v2 人工智能
摘要
这篇综述论文对用于识别犯罪网络中犯罪头目的技术和算法进行了全面分析。对于每种技术，本文都考察了其有效性、局限性、改进潜力和未来前景。现有专注于识别犯罪头目和预测犯罪的算法的综述论文面临的主要挑战是如何有效地对这些算法进行分类。为了解决这一局限性，本文提出了一种新的方法学分类法，将算法分层分类为更详细的类别和具体技术。本文包括实证和实验评估，以对不同技术进行排名。方法学分类法、实证评估和实验比较的结合，使得能够对识别犯罪头目的技术和算法有一个细致而全面的理解，从而帮助研究人员做出明智的决策。此外，本文还对识别犯罪头目技术的未来前景提供了宝贵的见解，强调了潜在的进步和进一步研究的机会。以下是我们的实证分析结果和实验见解的概述，以及我们设计的解决方案：(1) PageRank 和特征向量中心性对于映射网络连接是可靠的，(2) Katz 中心性可以通过间接联系有效识别有影响力的罪犯，强调了它们在犯罪网络中的重要性，(3) 当前模型未能考虑犯罪影响力水平的具体影响、社会经济背景的重要性以及犯罪网络和层级的动态性质，以及 (4) 我们提出了改进措施，例如结合时间动态和情感分析，以反映犯罪活动和关系的流动性。
引用
@article{arxiv.2402.03355,
title = {Unlocking Criminal Hierarchies: A Survey, Experimental, and Comparative Exploration of Techniques for Identifying Leaders within Criminal Networks},
author = {Kamal Taha and Abdulhadi Shoufan and Aya Taha},
journal= {arXiv preprint arXiv:2402.03355},
year = {2024}
}