Diseño y desarrollo de un sistema para la asociación automática de delitos basados en modelos similitud semántica textual

Abstract

La Fiscalía de Chile o Ministerio Público es una institución autónoma, cuya función es dirigir, a través de sus fiscales y en forma exclusiva, la investigación de los hechos que pueden ser constitutivos de delitos. El problema es que sólo el año 2017 el Ministerio Público recibió más de 1.3 millones de denuncias, las cuales deben deben ser investigadas con un acotado cuerpo de fiscales y analistas, lo que se traduce en que para dar respuesta a esta cifra y bajo el supuesto de una homogeneidad en la carga de trabajo, cada fiscal debería atender, investigar y si es posible llevar a juicio 7 causas diarias. En el estado del arte existen trabajos que vinculas delitos a través de modelos de clustering y clasificación obteniendo buenos resultados, no obstante esto supone la existencia de bases de datos con campos definidos y bien pobladas, lo cuál difiere del caso en Chile dada la forma en la que se recogen las denuncias. En un intento por contribuir al problema del Ministerio Público, es que se ha desarrollado un modelo para la vinculación automática de delitos basado en métricas de similitud semántica textual derivada de modelos de aprendizaje de máquina. Para esto, se ha diseñado un proceso que comienza por la recuperación de documentos a través de queries mediante Latent Semantic Indexing (LSI), para luego computar y analizar la asociación de causas recuperadas a través de modelos de similitud semántica textual, en este caso Doc2Vec. Finalmente, y en el caso de que el resultado brinde asociaciones de causas muy numerosas, se propone su descomposición a través de modelos de tópicos, en este caso y por simplicidad, Latent Dirichlet Allocation (LDA). En primer lugar, en un conjunto de 3.803 causas se realizó el ejercicio de comparar agrupaciones que establecidas por nuestro sistema con causas que el personal del Ministerio Público se encontraba investigando. El resultado, es que a partir de una consulta se encontraron 7 agrupaciones, que sumaban 66 causas en total y dentro de las cuales se encontraban 4 de los 16 delitos que el Ministerio Público investigaba. Luego, en el mismo conjunto de causas se analizó que causas pudiesen estar relacionadas con las que se investigaban. En 56 causas analizadas, 9 fueron validadas como delitos con un modo de comisión similar a los que se investigaban, lo que en términos de Precision corresponde a un 19 %. Se ha desarrollado una metodología que ha demostrado funcionar tanto para la agrupación de denuncias a partir de términos de búsqueda cómo para la asociación de nuevas causas a delitos en investigación, en donde la elección de los modelos ha resultado ser efectiva, contribuyendo al análisis de un gran volumen de denuncias de forma automática Los resultados son prometedores dada la complejidad del problema y se proponen nuevos desarrollos para complementar esa incipiente versión del sistema para asociación de delitos, donde además cabe destacar que no existen registros en la literatura de trabajos de vinculación criminal basado exclusivamente en datos no estructurados.