Modelo semântico para a fusão de dados de relatos humanos para a identificação e caracterização de entidades no contexto de análises criminais

• Processo: 18/16209-0
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de outubro de 2018
• Data de Término da vigência: 31 de março de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Leonardo Castro Botega
• Beneficiário: Marilia Pardo
• CNAE: Tratamento de dados, provedores de serviços de aplicação e serviços de hospedagem na internet
• Vinculado ao auxílio: 17/00927-8 - Abordagem de análise criminal para a ampliação da consciência situacional utilizando fusão de dados e informações, AP.PIPE
• Assunto(s): Consciência (percepção) Representação temática Ontologias (organização da informação) Semântica Mineração de dados Crime Criminalidade
• Palavra(s)-Chave do Pesquisador: Consciência situacional | Modelo semântico de representação de dados criminais | Ontologia criminal | Representação de Informações Criminais | Situações Criminais | Representação da Informação

Resumo

Consciência Situacional (Situational Awareness - SAW) é um processo cognitivo importante para os tomadores de decisão em diversas áreas críticas e diz respeito à percepção da presença e disposição de entidades de interesse em um ambiente, à compreensão do significado e importância de suas ações individuais e coletivas no espaço-tempo e à projeção de seus status em um futuro próximo [1]. Para analistas criminais e tomadores de decisão, adquirir SAW é um desafio fundamental para a eficácia das atividades de alocação de recursos e determinação de estratégias e táticas de segurança pública e privada. Dados provenientes de boletins de ocorrência e outras fontes podem ser incompletos, desatualizados, inconsistentes e às vezes até mesmo irrelevantes para a caracterização de uma situação de crime. No contexto de diagnósticos de risco com base em dados criminais, falhas de SAW podem induzir analistas a erros no processo decisório e acarretar riscos a vidas e ao patrimônio. Para tentar superar tais problemas, técnicas de Fusão de Dados utilizam dados heterogêneos adquiridos por diversas fontes (inclusive humanas), identificando objetos relevantes, que posteriormente podem gerar relações/situações significativas e com reduzida incerteza [2, 3, 4]. Entretanto, abordagens de avaliação de objetos e situações, também conhecidas como Fusão de Dados em Nível 1 e Nível 2, respectivamente, dependem de um modelo semântico que seja capaz de representar os dados conectados por significados. Sem um modelo semântico, processos de fusão limitam-se ao uso pragmático e sintático de termos candidatos presentes nos relatos humanos ou em outras fontes, para compor as classes de objetos e relações entre as mesmas. Assim, este projeto objetiva o desenvolvimento de uma nova abordagem de representação da informação semântica conectada para dar suporte ao processo de fusão de dados, visando ampliar a composição semântica preliminar de situações de risco, alinhando significados de termos encontrados por mineração e fusão Nível 1, com os requisitos do domínio do projeto de análise de dados criminais e do modelo Quantify (Quality-aware Human-Driven Information Fusion Model) de Fusão de Informações [5]. Em estudo de caso, serão utilizados dados de registros criminais de serviços de segurança. Para avaliar a abordagem, a melhoria da qualidade da informação será comparada em relação a outras técnicas de representação de informação semântica, considerando o impacto dos resultados quanto à SAW de analistas criminais.