پژوهش‌های تطبیقی فقه، حقوق و سیاست 3060-6314 6 2024 12 28 Evaluation of Different Data Mining Methods in Predicting Drug-Related Crimes ارزیابی روش‌های مختلف داده کاوی در پیش بینی جرایم مواد مخدر 182 199 10.61838/csjlp.6.4.12 FA محمد قاسمی دانشجوی دکترای ، گروه حقوق، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان (خوراسگان)، ایران علی یوسف زاده استاديار، گروه حقوق جزا و جرم شناسی، واحد اصفهان (خوراسگان)، دانشگاه ازاد اسلامی، اصفهان، ایران محمدرضا شادمان فر استاديار گروه حقوق، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران Journal Article 2024 11 02 <p>The prevalence and diversity of drug-related crimes in societies have grown to such an extent that stakeholders involved in combating this issue have been compelled to leverage legal and judicial systems to address it. Consequently, the concept of crime prediction has gradually entered the framework of criminal justice systems. In this regard, criminal justice systems have employed data mining techniques to adopt preventive policies aimed at combating drug-related crimes. The importance of data mining lies in its ability to transform the process of predicting drug-related crimes into a classification problem, wherein various features are utilized to uncover hidden knowledge. Essentially, this knowledge constitutes a classification system designed for the automatic identification of individuals with prior criminal records. This study employs a descriptive-analytical methodology with a quantitative survey approach. The statistical population comprises judicial case files of convicted individuals from the Enforcement of Judgments Office in Shahriar County, collected during the years 2017–2018. A unique dataset was created from this data, dividing the collected features into two classes: individuals with no prior criminal record and those with prior records. The algorithms examined in this study include multilayer perceptron, logistic regression, decision trees, naive Bayes, J48, and self-organizing networks. Data analysis was conducted using the WEKA software. The findings indicate, first, that the naive Bayes classification algorithm outperformed other algorithms in terms of accuracy and efficiency. However, the accuracy levels achieved by other algorithms were also notably high, reflecting the quality of the features. Second, data mining methods can play a significant role in predicting drug-related crimes. Based on the study’s results, it can be concluded that one of the primary methods for crime prediction is uncovering patterns of criminal behavior, a capability that data mining has provided to a considerable extent.</p> <p>مواد مخدر و شیوع آن در جوامع چنان گسترده و متنوع شده است که دست­اندرکاران امور مبارزه با این معضل را بر آن داشته تا با بهره­گیری از نظام حقوقی و قضایی به مقابله با آن مبادرت ورزند از این رو کم­کم بحث از پیش­بینی وارد چرخه­ی نظام کیفری شده است و در این راستا نظام کیفری با داده­کاوی تلاش نموده است تا نوعی سیاست پیشگیرانه در جهت مقابله با مواد مخدر اتخاذ نماید از این رو اهمیت استفاده از داده کاوی در آن است که فرآیند پیش بینی جرایم مواد مخدر، یک مسئله دسته بندی بوده که در آن، ویژگی‌های مختلف به کشف دانش مخفی بکار گرفته می­شود. در اصل این دانش یک سیستم دسته بندی بوده که برای تشخیص خودکار نوع افراد با سابقه جرم کاربرد دارد از این رو مقاله حاضر تلاش نموده است تا با بهره گیری از روش تحقیق توصیفی - تحلیلی و از نوع پیمایشی کمی با جامعۀ آماری مورد استفاده در این پژوهش، در سال 1396-97 از پرونده‌های قضایی مجرمان موجود در اجرای احکام شهرستان شهریار فیش برداری و به صورت یک پیکره داده‌ای منحصر به فرد ارائه نماید ویژگی‌های مختلف جمع آوری شده را در ابتدا به دو کلاس افراد بدون سابقه جرم و دارای سابقه جرم تقسیم کرد. الگوریتم‌های مطرح شده در این تحقیق شامل پرسپترون چند لایه، لجستیک، درخت تصمیم، بیز ساده و جی 48 و شبکه خودسازمان ده که با نرم افزار ویکا تجزیه و تحلیل داده انجام شد یافته­های مقاله نشان می­دهد که اولا، الگوریتم طبقه‌بندی کننده بیز ساده نسبت به سایر الگوریتم از دقت و کارایی بهتری برخوردار بود. البته میزان دقت بدست امده به وسیله سایر الگوریتم‌ها از صحت بالایی برخورد دار بوده که این صحت بالا، کیفیت ویژگی‌ها را  نشان می‌دهد ثانیا؛ روش‌های داده کاوی می‌تواند نقش بسیار مهمی در پیش بینی جرایم مربوط به مواد مخدر داشته باشد. با توجه به نتایج حاصل از این مقاله می‌توان بیان کرد که از راه‌های اصلی پیش بینی جرم، کشف الگوی ارتکاب جرم است که داده کاوی تا حد قابل قبولی این امکان را برای ما فراهم کرده است.</p> https://www.csjlp.org/index.php/csjlp/article/download/183/154