[논문 리뷰] Criminal Geographical Profiling: Using FCA for Visualization and Analysis of Crime Data

Quist-Aphetsi Kester|arXiv (Cornell University)|2013. 10. 02.

Rough Sets and Fuzzy Logic참고 문헌 6인용 수 4

한 줄 요약

이 논문은 범죄 유형, 장소, 범인 등 다양한 요소 간의 패턴을 식별함으로써 형식적 개념 분석(FCA)을 활용하여 범죄 지리 데이터를 시각화하고 분석하는 방법을 제안한다. 속성 기반의 관계로부터 갈로아 래티스를 구성함으로써, 이 방법은 업데이트된 범죄 데이터로부터 동적 시각화와 통찰력 추출을 가능하게 하며, 이전에 식별된 패턴을 유지한다.

ABSTRACT

Fighting criminal activities in our modern societies required the engagement of intelligent information systems that can analyze crime data geographically and enable new concepts to be deduced from it. These information systems should be able to create visualization of such data as well as have the capability of giving new incite of information, if data is updated whilst maintaining the previously predicted patterns. This paper proposed the use of Formal Concept Analysis, or Galois Lattices, a data analysis technique grounded on Lattice Theory and Propositional Calculus, for the visualization and analysis of crime data. This method considered the set of common and distinct attributes of crimes in such a way that categorization are done based on related crime types, geographical locations and the persons involved.

연구 동기 및 목표

• 범죄 데이터를 지리적으로 분석하기 위한 지능형 정보 시스템을 개발하기 위해.
• 새로운 데이터가 통합될 때 범죄 패턴의 동적 시각화를 가능하게 하기 위해.
• 데이터 업데이트 과정에서 이전에 예측된 패턴과의 일관성을 유지하기 위해.
• 범죄 유형, 장소, 개인 간의 공통적이고 차별화된 특성들을 식별하기 위해.
• 구조화된 데이터 분석을 통해 경찰 기관이 실질적인 통찰력을 확보할 수 있도록 지원하기 위해.

제안 방법

• 범죄 데이터에 기반하여 래티스 이론과 명제 논리학을 활용한 형식적 개념 분석(FCA)을 적용하기 위해.
• 범죄 유형, 장소, 관여자 등 범죄 속성을 기반으로 갈로아 래티스를 구성하기 위해.
• 속성 중심의 데이터 모델링을 활용하여 공통 특성을 가진 사건들을 그룹화하기 위해.
• 결과로 도출된 래티스를 시각화하여 범죄 패턴 간의 계층적 관계를 드러내기 위해.
• 새로운 데이터가 추가될 때도 래티스 구조가 일관성을 유지하여 이전의 통찰을 보존하기 위해.
• 범죄 프로파일링을 위해 복잡하고 다차원적인 데이터를 처리할 수 있는 FCA의 능력을 활용하기 위해.

실험 결과

연구 질문

• RQ1 FCA는 다차원적으로 분석 가능한 범죄 데이터에서 의미 있는 패턴을 어떻게 추출할 수 있는가?
• RQ2 새로운 범죄 데이터를 통합할 때 FCA는 이전에 식별된 패턴을 유지할 수 있는가?
• RQ3 래티스 구조에 범죄 속성을 시각화함으로써 어떤 통찰을 도출할 수 있는가?
• RQ4 범죄 유형, 장소, 범인의 공통 속성들이 형식적 개념 래티스에서 어떻게 관련되어 있는가?
• RQ5 FCA는 변화하는 범죄 데이터에 대한 동적 실시간 분석을 어느 정도 지원하는가?

주요 결과

• FCA는 복잡한 범죄 데이터를 계층적 갈로아 래티스를 통해 시각화함으로써 범죄 간 숨겨진 관계를 드러내는 데 기여한다.
• 새로운 데이터가 도입되더라도 이전에 식별된 패턴을 성공적으로 유지함으로써 분석의 연속성을 확보한다.
• 범죄 유형, 장소, 개인의 공통 속성을 기반으로 한 범죄 분류가 래티스 구조에 효과적으로 반영된다.
• 래티스 표현 방식은 범죄 클러스터와 이질적 패턴을 직관적으로 탐색할 수 있도록 한다.
• 전체 데이터셋을 다시 처리하지 않고도 업데이트된 데이터로부터 새로운 통찰을 도출할 수 있다.
• 이 시스템은 경찰 기관 지능 시스템에 실질적인 구현 가능성을 보여준다.