28、解开犯罪网络的谜团：案例研究

解开犯罪网络的谜团：案例研究

1. 犯罪网络分析基础

在犯罪网络分析中，有几个关键的概念和方法。中心性度量是评估网络中节点重要性的常用手段，包括度中心性、中介中心性和接近中心性。这三种度量虽然都用于说明节点的重要性或中心地位，但对网络成员角色的解读有所不同。例如，度中心性高的个体可能具有领导职能，而中介中心性高的个体可能是网络中的守门人。

交互模式发现也是重要的一环。通过块模型分析，可以发现子组之间的交互模式。块模型分析会根据预定义的阈值比较子组之间的链接密度，从而确定子组之间是否存在关联。这种方法将个体交互细节总结到组间交互中，使网络的整体结构更加明显。

网络可视化则是将网络以图形方式呈现的方法。最小空间分析（SSA）是多维尺度分析（MDS）的一个分支，常用于生成社交网络的二维表示。在 SSA 生成的网络图形中，节点或组之间的关联越强，在图上的距离就越近；关联越弱，距离就越远。不过，一些现有的网络分析工具，如 Analyst’s Notebook、Netmap 和 Watson，虽然能自动绘制犯罪网络的图形表示，但结构分析功能有限，仍需调查人员手动提取结构模式。

2. 原型系统架构

为了更好地分析犯罪网络，开发了一个原型系统，它包含三个主要组件：

2.1 网络创建组件

使用概念空间方法，基于犯罪数据自动创建网络。假设一起犯罪的罪犯可能存在关联，且共同出现的频率越高，关联的可能性就越大。将每个犯罪事件摘要视为一个文档，每个人的名字视为一个短语，然后根据两人在同一犯罪事件中共同出现的频率计算共现权重。共现权重不仅意味着两名罪犯之间的关系，还表明了关系的强度。具体操作步骤如下：
1. 收