EL PROBLEMA DE LAS DENUNCIAS FALSAS… Se creó el «VERIPOL», Análisis Automático de Llamados
Inteligencia artificial a la caza de denuncias falsas. – En los últimos años, la policía ha detectado un incremento de denuncias falsas por robos con violencia e intimidación. Para luchar contra ellas, un equipo investigador ha desarrollado Veripol. La herramienta usa técnicas de procesamiento del lenguaje natural y aprendizaje automático para ayudar a la policía a determinar la probabilidad de que la declaración sea falsa.
SINC | | 18 septiembre 2018
Las declaraciones falsas entorpecen el trabajo de la policía. / Nacho.
Falsificar una declaración entorpece el trabajo de la policía y supone gran un gasto público. Para luchar contra esta práctica, un grupo de investigadores internacionales, en el que participa la Universidad Complutense de Madrid, ha desarrollado la herramienta Veripol, que es capaz, analizando el lenguaje de la denuncia, indicar la probabilidad de que esta no sea verdadera.
Se trata de un análisis automático de las declaraciones de denunciantes utilizando técnicas de procesamiento del lenguaje natural y aprendizaje automático, con una tasa de éxito del 91%, 15 puntos superiores a la de agentes expertos.
Veripol analiza automáticamente las declaraciones utilizando procesamiento del lenguaje natural y aprendizaje automático
“Esta herramienta ayudará a los policías a enfocar la investigación de forma más eficaz y, a través de su promoción, a que se desincentiven las denuncias falsas”, explica Federico Liberatore, investigador del departamento de Estadística e Investigación Operativa de la Universidad Compultense de Madrid. Los resultados se han publicado en la revista Knowledge-Based Systems.
El nuevo sistema ya se ha instalado en el sistema informático de la Policía Nacional, donde se llevan a cabo pruebas piloto. “En los próximos meses se implantará en todo el territorio nacional”, anuncia el experto.
El proyecto se inició en 2014 y, además de la UCM, en él participan la Universidad Carlos III de Madrid, la Universidad de Roma “La Sapienza” y el Ministerio del Interior del Gobierno de España.
Modelo estadístico
“VeriPol se ha desarrollado para robos con violencia e intimidación y hurto con tirón, ya que en los últimos años se ha detectado un aumento en el número de simulaciones en este tipo de delito”, señala Liberatore.
A partir de dos conjuntos de denuncias, verdaderas en uno y falsas en el otro, VeriPol aprende automáticamente las características más salientes de cada conjunto y así entrena un modelo estadístico.
La herramienta detectó y cerró 31 y 49 casos de hurto falsos en tan solo una semana
Por ejemplo, se sabe que en los casos de robo, las declaraciones verdaderas se presentan más detalles, descripciones e información personal, frente a la insistencia exclusiva en el objeto extraído y la omisión de detalles sobre el atacante o cómo sucedió el incidente de las falsas. A partir de este análisis lingüístico, Veripol es capaz de crear un patrón eficaz.
Para estudiar su eficacia antes de implantarlo en las comisarías nacionales, los científicos llevaron a cabo un estudio piloto en dos provincias españolas en junio de 2017, previa formación de los agentes que iban a trabajar con la herramienta.
En tan solo una semana, se detectaron y cerraron 31 y 49 casos de hurto falsos, mientras que entre 2008 y 2016 fueron de 3,33 y 12,14 en Murcia y Málaga, respectivamente. La eficacia del estudio piloto fue de un 83%.
“Los perjuicios para la sociedad de las denuncias falsas son múltiples, desde el desperdicio de recursos policiales hasta la contaminación de los datos criminales. Esperamos expandir la aplicación de Veripol a otros casos”, concluye el investigador de la UCM.
Referencia bibliográfica:
Lara Quijano-Sánchez, Federico Liberatore, José Camacho-Collados, Miguel Camacho-Collados. “Applying automatic text-based detection of deceptive language to police reports: Extracting behavioral patterns from a multi-step classification model to understand how we lie to the police”. Knowledge-Based Systems. Vol 149, Junio 2018. DOI: 10.1016/j.knosys.2018.03.010
