使用人工智能模型绘制非法枪支贩运的结构和动态映射

科学领域:

• 犯罪学 犯罪学
• 计算社会科学 计算社会科学
• 国际安全 国际安全

背景情况:

• 非法贩运枪支对全球健康,贸易和安全构成重大风险.
• 由于新闻报道的碎片化,多语言和偏见,了解其网络结构具有挑战性.
• 拉丁美洲面临着非法贩运枪支造成的不成比例的影响.

研究的目的:

• 为了分析非法贩运枪支,使国际犯罪统计分类 (ICCS) 成为可操作的.
• 开发一个使用BERT架构和实体解决方案的零射击提示的自动化,多语言管道.
• 将碎片化的新闻转化为结构化,可审计的指标,用于可重复分析.

主要方法:

• 使用了三部分的分析管道与BERT架构和实体解决方案的零射击提示.
• 将多语言新闻报道转换为结构化的JSON数据,包含命名实体,地理码和时间.
• 应用了国际犯罪分类统计目的 (ICCS) 框架.

主要成果:

• 从2014年到2024年7月,确定了8,171份枪支走私报告,事件增加了十倍.
• 地理范围从20个国家扩大到80多个国家,从2022年到2023年增加155%.
• 揭示了海上偏见,港口的使用率是陆地或空中航线的六倍,并将贩运与贩毒,谋杀和恐怖主义联系起来.

结论:

• 本研究介绍了ICCS在使用现代语言技术对枪支走私的首次自动化,多语言应用.
• 开发的管道使早期预警系统成为可能,增强了贩运路线的跨境协调,并支持干预评估.
• 结构化数据将媒体叙述转化为可操作的证据,用于打击有组织犯罪的战略,战术和操作决策.