利用最短路径发现犯罪团伙
社会与信息网络
2015-09-01 v1 物理与社会
摘要
使用现有的社区检测算法提取社区会产生难以分析的稠密子网络。提取一个体现嫌疑人列表关系的小样本是调查开始阶段的重要部分。在本文中，我们展示了最短路径网络搜索算法（SPNSA）的效能，该算法从“算法输入”（即一组特别感兴趣的节点的小子集）开始，构建调查性子网络。算法输入可由已知罪犯、嫌疑人或有影响力的人物组成。这使得我们的方法区别于现有的社区检测算法。我们将 SPNSA 应用于 Enron 电子邮件通信数据集，以那些因与 Enron 倒闭相关的洗钱罪被定罪的人作为算法输入。该算法生成了稀疏且小型的子网络， feasibly 可识别出需进一步调查的人员名单及其关系。相比之下，我们表明使用社区检测算法或 k-邻域方法识别感兴趣的子网络会产生规模更大、复杂度更高的子网络。当使用 Enron 的 18 名高层管理人员作为算法输入时，生成的子网络识别出了 4 名非管理人员且不在算法输入中的被定罪罪犯。我们还通过从算法输入中移除一名被定罪罪犯并重新运行算法直接测试了 SPNSA；在 9 个案例中有 5 个案例显示被遗漏的罪犯出现在生成的子网络中。
引用
@article{arxiv.1503.06289,
title = {Using shortest path to discover criminal community},
author = {Pritheega Magalingam and Stephen Davis and Asha Rao},
journal= {arXiv preprint arXiv:1503.06289},
year = {2015}
}