简介：强敌意是无家可归的前罪犯面临的严峻挑战。这项横断面研究的数据来自于一项专注于预防非法药物使用和再犯的随机试验,这项实验的基础数据由最近释放的男性假释犯(人数=412,年龄=18~60岁)构成,以评估形成强敌意的相关因素。强敌意的预测因素主要包括:更强的抑郁症状、更低的自尊、有一个接受酒精/毒品治疗的母亲、帮派成员、更有形的支持、使用甲基苯丙胺和有认知困难的历史。这些研究结果强调了理解最近释放的无家可归者的敌意预测因素的必要性,以及这些预测因素如何与再犯行为连接起来。讨论这些研究结果的意义在于,它将会影响未来以护理为主导的危害降低措施和以社区为基础的干预措施。

简介：学界普遍默认朝鲜对外政策难以预测,因此大量研究始终停留在“事后”诠释的水平,缺乏预判性、前瞻性研究。作者挑战了这一成见,建立了关于朝鲜核试验和导弹试验行为的短期预测模型。通过以2006~2018年朝鲜媒体国际新闻报道为数据集,以每月的数据作为一个数据样本构建最优特征集,应用朴素贝叶斯方法,建立了朝鲜核行为的预测模型。经过测试,模型对朝鲜历史行为的“预测”整体准确率超过80%。预测效果良好,且模型具有稳健性。根据统计结果建立的预测朝鲜核行为的预警指标体系,可以从长期、中期和短期三个时段实时监测朝鲜核动向。为解决报道搜集相对滞后的问题,运用SARIMA时间序列分析方法,模拟补全出未来六个月的特征集数值,估算数据在统计上具备可信性,预测准确率高。研究发现,朝鲜核行为远非外界印象中那样无章可循,事实上,朝鲜在相当长时间段内的核行为呈现出高度稳定的模式化倾向。即使像朝鲜这样信息极度封闭的国家,采用适当方法仍然可以对其行为做出较准确的预测。这种建模方法能够为发展关于国家行为预测的一般方法提供启发。

简介：因犯罪区域差异、主客体博弈、人为和外界、定性定量混杂、影响因素多杂、模型不适应、数据规模小等诸多原因导致犯罪趋势研究非常困难,经实验研究用大数据AI介入犯罪趋势研究是有效解决方案:可从宏观、中观以及微观三个层面研究犯罪趋势彩响因素,宏观上人、自然及社会三方面,中微观上要特别关注社会心理。对数据量小、种类少、结构化数据多、存在模糊和灰色情况下釆用模糊灰色小数据预测模型;而对大范围实证研究,半结构化与非结构化数据多,经算法比较研究采用三维卷积神经网络深度学习算法比较适合大数据动态实时跟踪犯罪趋势预测。