我国犯罪预测及其研究的现状、问题与发展趋势——对“中国知网”的内容分析

对"中国知网"犯罪预测论文的内容分析显示,我国犯罪预测及其研究的滞后主要体现在三方面:一是技术准备不足,预测方法落后;二是预测目的错位,脱离实务需求;三是缺乏时代视野,与犯罪预测的主流趋势脱节.相应地,改进预测方法和技术,强化犯罪预测与犯罪控制实务的联系,紧跟犯罪预测的国际主流,是我国犯罪预测发展的应然趋势.     

大数据视野下犯罪预测的机遇、风险与规制——以英美德“预测警务”为例

犯罪预测是警察部门进行犯罪预警与侦查的重要手段。大数据背景下的犯罪预测兼有传统犯罪预测原理和大数据分析技术的双重特色。犯罪预测大数据化改变了传统警务的执法模式,提升了犯罪预测的效率与精确度,确保了执法过程证据留痕与可追溯。与此同时,数据化的犯罪预测中存在的"黑数据"现象、数据获取过度侵犯个人隐私、算法不透明导致的歧视偏见以及数据壁垒的存在,给科学的犯罪预测造成一定风险。为应对风险,有必要优化犯罪预测中的数据选择标准,在数据收集时坚持信息"个人自决"原则和比例原则,一定范围内促进算法公开与透明,加强数据之间的交流与共享。     

基于长短期记忆模型的入室盗窃犯罪预测研究

随着智慧警务建设的兴起,利用时空大数据对犯罪事件进行预测成为具有前瞻性的研究。基于2015—2018年WH市110入室盗窃类接警数据,利用循环神经网络(RNN)改进得到的长短期记忆模型(LSTM),通过学习得到最佳性能对应的迭代次数、回看天数、空间依赖度、失活率等超参数,构建最优的二值化接警数据长短期记忆模型(BD-LSTM*)和频数统计数据长短期记忆模型(RD-LSTM*),并分别对WH市各区域的案件发生概率以及案件发生数量进行预测。结果表明,两种犯罪预测模型具有良好的预测精度和稳健性。     

论大数据监控的本质及其社会后果

大数据监控技术正在世界范围内铺展开来，除了规模庞大和自动化特点之外，大数据监控的根本特征是监控的“预测性”，即藉助之前收集的大数据通过计算机算法预测出未来的犯罪行为。然而，该技术必然遭遇可能性与可欲性问题的双重挑战，一个被宣称为无所不能的技术从根本上来说是不可能实现的，一个被赋予了无限光环的技术实际上对人类生存构成了严重的威胁。面对大数据监控，应保持清醒的头脑，对其所隐含的内在弊病和盲目的技术扩张做出冷静的判断。