Прогнозирование преступности с использованием машинного обучения и глубокого обучения: систематический обзор и перспективные направления

Прогнозирование преступности с использованием методов машинного обучения и глубокого обучения в последние годы привлекает значительное внимание исследователей, сосредоточенных на выявлении закономерностей и тенденций в совершении преступлений. В данной обзорной статье рассматриваются более 150 публикаций с целью изучения различных алгоритмов машинного обучения и глубокого обучения, применяемых для прогнозирования преступности. В исследовании представлены наборы данных, использованные исследователями для прогнозирования преступности, а также проанализированы основные подходы, применяемые в алгоритмах машинного обучения и глубокого обучения, что позволяет получить представление о различных тенденциях и факторах, связанных с преступной деятельностью. Кроме того, в статье обозначены потенциальные пробелы и перспективные направления, способные повысить точность прогнозирования преступности. Наконец, представленный в статье всесторонний обзор исследований по прогнозированию преступности с использованием подходов машинного обучения и глубокого обучения служит ценным справочным материалом для исследователей в данной области. Более глубокое понимание методов прогнозирования преступности позволит правоохранительным органам разрабатывать стратегии более эффективного предотвращения преступной деятельности и реагирования на нее.