Maio 2020 vol. 3 num. 1 - XIX Simpósio de Pesquisa Operacional & Logística da Marinha
Artigo Completo - Open Access.
O MODELO PROBABILÍSTICO DE TÓPICOS APLICADO À SEGURANÇA PÚBLICA
O MODELO PROBABILÍSTICO DE TÓPICOS APLICADO À SEGURANÇA PÚBLICA
Basilio, Marcio Pereira ; Pereira, Valdecy ;
Artigo Completo:
A pesquisa objetivou desenvolver uma metodologia para descoberta de conhecimento em banco de dados dos serviços de atendimento de emergência, com base nos relatos das ocorrências policiais atendidas, com a finalidade de gerar informação para subsidiar os órgãos encarregados de cumprir a lei no planejamento das ações de investigação e combate de ações criminais. A metodologia constituiu-se da utilização de técnicas de mineração de texto, conjugada à técnica LDA (Latent Dirichlet Allocation) para obtenção de tópicos sobre a criminalidade. A avaliação e validação dos tópicos foi feita por especialistas da área. Como resultados pode-se relatar que o método utilizado permitiu a identificação dos delitos mais comuns ocorridos no período de 01 de janeiro a 31 de dezembro de 2016, nas áreas estudadas. A análise dos tópicos identificados permitiu reafirmar que os crimes não ocorrem de forma linear em uma determinada localidade, no presente estudo 40% dos delitos identificados na Área Integrada de Segurança Pública nº 5 (AISP 5 Região do Centro da Cidade do Rio de Janeiro), não possuíam correspondência com a Área Integrada de Segurança Pública nº 19 (AISP 19 Bairro de Copacabana), bem como, 33% dos delitos da AISP 19 não foram identificados na AISP 5. Como limitação pode se registrar que os dados coletados representam a dinâmica social dos bairros do centro e da zona sul da cidade do Rio de Janeiro no período específico de janeiro de 2013 a dezembro de 2016. O que implica dizer que os resultados não podem ser generalizados para áreas com características diferentes. A metodologia desenvolvida contribui de forma complementar na identificação de práticas delituosas e suas características a partir dos relatos das ocorrências policiais arquivadas nos bancos de dados dos serviços de emergências. O conhecimento gerado permite aos especialistas dos órgãos encarregados de fazer cumprir a lei avaliar, reformular e construir estratégias diferenciadas para o combate de crimes em determinada localidade. Como implicações sociais pode-se inferir que com a escolha das estratégias adequadas ao combate da criminalidade local, o modelo proposto proporcionará um aumento da sensação de segurança por meio da redução efetiva dos delitos.
Artigo Completo:
A pesquisa objetivou desenvolver uma metodologia para descoberta de conhecimento em banco de dados dos serviços de atendimento de emergência, com base nos relatos das ocorrências policiais atendidas, com a finalidade de gerar informação para subsidiar os órgãos encarregados de cumprir a lei no planejamento das ações de investigação e combate de ações criminais. A metodologia constituiu-se da utilização de técnicas de mineração de texto, conjugada à técnica LDA (Latent Dirichlet Allocation) para obtenção de tópicos sobre a criminalidade. A avaliação e validação dos tópicos foi feita por especialistas da área. Como resultados pode-se relatar que o método utilizado permitiu a identificação dos delitos mais comuns ocorridos no período de 01 de janeiro a 31 de dezembro de 2016, nas áreas estudadas. A análise dos tópicos identificados permitiu reafirmar que os crimes não ocorrem de forma linear em uma determinada localidade, no presente estudo 40% dos delitos identificados na Área Integrada de Segurança Pública nº 5 (AISP 5 Região do Centro da Cidade do Rio de Janeiro), não possuíam correspondência com a Área Integrada de Segurança Pública nº 19 (AISP 19 Bairro de Copacabana), bem como, 33% dos delitos da AISP 19 não foram identificados na AISP 5. Como limitação pode se registrar que os dados coletados representam a dinâmica social dos bairros do centro e da zona sul da cidade do Rio de Janeiro no período específico de janeiro de 2013 a dezembro de 2016. O que implica dizer que os resultados não podem ser generalizados para áreas com características diferentes. A metodologia desenvolvida contribui de forma complementar na identificação de práticas delituosas e suas características a partir dos relatos das ocorrências policiais arquivadas nos bancos de dados dos serviços de emergências. O conhecimento gerado permite aos especialistas dos órgãos encarregados de fazer cumprir a lei avaliar, reformular e construir estratégias diferenciadas para o combate de crimes em determinada localidade. Como implicações sociais pode-se inferir que com a escolha das estratégias adequadas ao combate da criminalidade local, o modelo proposto proporcionará um aumento da sensação de segurança por meio da redução efetiva dos delitos.
Palavras-chave: Modelo Probabilístico de tópicos 1; Mineração de texto; LDA; Crime; Segurança Pública.,
Palavras-chave: Modelo Probabilístico de tópicos 1; Mineração de texto; LDA; Crime; Segurança Pública.,
DOI: 10.5151/spolm2019-134
Referências bibliográficas
- [1] AGNEW,. A theory of crime resistance and susceptibility. Criminology, 54, n. 2, 2016. 181-21 doi: 10.1111/1745-9125.12104. [2] ALWIDIAN , S. A.; BANI-SALAMEH, H. A.; ALSLAITY, A. N. Text data mining: A proposed framework and future perspectives. International Journal of Business Information Systems, 18, n. 2, 2015. 127-140. [3] BAYLEY, D. H. Police for the future. New York: Oxford University Press, 1994. [4] BASILIO, M. B.; PEREIRA, V.; BRUM, G. Identification of operational demand in law enforcement agencies. Data Technologies and Applications, V. 53 n. 3, pp. 333-372, 2019. https://doi.org/10.1108/DTA-12-2018-0109 [5] BLEI, D. M.; NG, A. Y.; JORDAN, M. I. Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 2003. 993-1022. [6] BRAGA, A. The Effects of Hot Spots Policing on Crime. The Annals of the American Academy of Political and Social Sciense, 578, n. 1, 200 104-125. [7] BRAGA, A. A. Hot spots policing and crime prevention: A systematic review of randomized controlled trials. Journal of Experimental Criminology, n. 1, 2005. 317–342. [8] CAPUANO, A. The cognitive power of artificial neural networks model ART1 for information retrieval. Ciência da Informação, 38, n. 1, 2009. 9-30. https://dx.doi.org/10.1590/S0100-1965200900010000 [9] CHEN, Y.-L.; LIU, Y.-H.; HO, W.-L. A text mining approach to assist the general public in the retrieval of legal documents. JOURNAL OF THE AMERICAN SOCIETY FOR INFORMATION SCIENCE AND TECHNOLOGY, 64, n. 2, February 2013. 280–290.DOI:10.1002/asi.22767. [10] CUNHA, C. Nova gramática do português contemporâneo. 3. ed. Rio de Janeiro: Nova Fronteira, 200 [11] DAVIS, T. A.; HU, Y. The University of Florida Sparse Matrix Collection. ACM Transactions on Mathematical Software, 38, n. 1, 201 [12] DUFF, I. S.; GRIMES, R. G.; LEWIS, J. G. Sparse matrix test problems. ACM Transactions on Mathematical Software (TOMS), 15, n. 1, 1989. 1-14. Doi:10.1145/62038.62043. [13] FALEIROS, T. D. P.; LOPES, A. D. A. MODELOS PROBABILÍSTICOS DE TÓPICOS: DESVENDANDO O LATENT DIRICHLET ALLOCATION. Universidade de São Paulo. São Carlos, p. 59. 2016. (ISSN 0103-2569). [14] FELDMAN, ; DAGAN, I. Knowledge Discovery in Textual Databases (KDT). THE FIRST INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING. Montreal: [s.n.]. 1995. p. 112-117. [15] GOLDSTEIN, H. Problem-oriented policing. New York: McGraw-Hill, 1990. [16] HABERMAN, C. P. Overlapping Hot Spots? Examination of the Spatial Heterogeneity of Hot Spots of Different Crime Types. Criminology and Public Policy, 16, n. 2, May 2017. 633-660. https://doi.org/10.1111/1745-9133.12303. [17] MORAIS, E. A. M.; AMBRÓSIO, A. P. L. Mineração de Textos. Universidade Federal de Goiás. [S.l.], p. 29. 2007. Disponível em: http://www.inf.ufg.br/sites/default/files/uploads/relatorios-tecnicos/RT-INF_005-07.pdf. [18] SHERMAN, L. W.; GARTIN, P. R.; BUERGER, M. E. Hot Spots of predatory crime: routine activities and the criminology of place. Criminology, 27, n. 1, 1989. 27–56. DOI:10.1111/j.1745-9125.1989.tb00862.x. [19] SHERMAN, L.; WEISBURD, D. General deterrent effects of police patrol in crime hot spots: A randomized controlled trial. Justice Quarterly, 12, 1995. 625-648. [20] SHERMAN, W. et al. Preventing crime: what works, what doesn´t, what´s promising. [S.l.]. 1998. [21] SKOLNICK, J. H.; BAYLEY, D. H. The new blue line: Police innovation in six American cities. New York: Free Press, 1986. [22] WEISBURD, ; ECK, E. What Can Police Do to Reduce Crime, Disorder, and Fear? The Annals of the American Academy of Political and Social Sciense, 593, n. 1, 2004. 42-65.
Como citar:
Basilio, Marcio Pereira; Pereira, Valdecy; "O MODELO PROBABILÍSTICO DE TÓPICOS APLICADO À SEGURANÇA PÚBLICA", p. 1859-1874 . In: Anais do XIX Simpósio de Pesquisa Operacional & Logística da Marinha.
São Paulo: Blucher,
2020.
ISSN 2175-6295,
DOI 10.5151/spolm2019-134
últimos 30 dias | último ano | desde a publicação
downloads
visualizações
indexações