Nøgleordssøgning rammer ikke kodesprog, hvilket er den daglige virkelighed i narkotikarbejde

Hver narkotikaenhed har en nøgleordsliste. Den blev skrevet af nogen dygtig, den virker, og den er forældet.

Ikke fordi nogen forsømte den. Fordi det ordforråd, den beskriver, er aktivt modstanderagtigt. De mennesker, der bruger det, skifter termer, når de mistænker, at en term er kendt, de bruger forskellige termer i forskellige grupper og forskellige regioner, og en stor del af betydningen bæres af sammenhængen frem for af noget ord overhovedet.

Det er den daglige arbejdsvirkelighed i efterforskning af narkotika, menneskehandel og organiseret kriminalitet, og det blotlægger noget strukturelt ved, hvordan forensisk søgning er blevet bygget.

Hvad nøjagtigt match kan og ikke kan

Nøgleordssøgning besvarer ét spørgsmål særdeles godt: optræder denne nøjagtige streng. Det er reelt værdifuldt. Den er hurtig, den er udtømmende inden for sit omfang, den er deterministisk, og når De leder efter et telefonnummer, et IBAN, et bestemt navn eller et kendt brugernavn, slår intet den.

Begrænsningen er, at den kun kan finde det, De allerede havde tænkt på. Hver forbiseelse er tavs. En søgning, der returnerer nul resultater, ser ens ud, uanset om termen er fraværende, eller om den var til stede i en form, De ikke havde forudset.

I praksis kommer forbiseelser fra fire retninger. Synonymer og jargon, som varierer regionalt og udvikler sig. Bevidst erstatning, hvor et almindeligt ord bærer en bestemt betydning inde i en gruppe. Stavning, herunder translitteration, bevidst stavefejl og autokorrektur. Og betydning båret helt af sammenhængen, hvor intet i sætningen nogensinde ville stå på nogen liste.

Den sidste kategori er den, ingen nøgleordsliste nogensinde kan dække, og den er almindelig. En besked, der lyder “samme som sidst, kom alene”, er potentielt afgørende og indeholder slet ingen søgbar term.

Hvad søgning efter betydning tilføjer, og hvad den koster

Semantisk søgning matcher på betydning frem for på tegn. En forespørgsel om at aftale et møde henter beskeder om at se hinanden, komme forbi, det sædvanlige sted eller være i nærheden på lørdag, uanset om noget ord i forespørgslen optræder i dem.

Omkostningen er præcision. Genfinding efter betydning vil sikkert returnere ting, der er emnemæssigt beslægtede og efterforskningsmæssigt irrelevante, og den har ingen forestilling om nøjagtighed, hvilket gør den dårlig til netop de forespørgsler, nøgleordssøgning er bedst til. Bed den om et bestemt telefonnummer, og De kan få flere plausible numre.

Så de to tilgange fejler i modsatte retninger. Den ene rammer ikke ting, der er der. Den anden returnerer ting, der ikke er relevante. At vælge mellem dem er en dårlig afvejning, og grunden til, at det er blevet præsenteret som et valg, er mest, at de to blev bygget som særskilte produkter.

At køre begge er det indlysende svar

At køre nøjagtig og semantisk genfinding sammen og flette resultaterne giver Dem det udtømmende, hvor termen er kendt, og rækkevidde, hvor den ikke er. Det giver også analytikeren noget mere nyttigt end en enkelt rangeret liste: en måde at se, hvilke resultater der kom hvorfra.

To tilføjelser betyder mere end selve sammenfletningen.

Forespørgselsudvidelse. Automatisk udvidelse af søgningen til beslægtet ordforråd, så en forespørgsel på én term også henter dens varianter, dens jargonformer og de erstatninger, der bruges i stedet. Det er her, en efterforskers opsamlede viden hører hjemme. Ikke i en statisk liste, der forfalder, men i udvidelsesregler, der kan vedligeholdes, versioneres og deles mellem enheder.

Omfang. Den samme forespørgsel betyder forskellige ting på forskellige niveauer. På tværs af en hel sag er den triage. Inden for én forsegling er den undersøgelse. Inden for en enkelt samtale er den læsning. En analytiker skal kunne bevæge sig mellem dem uden at bygge forespørgslen op igen.

To ting, det er værd at være omhyggelig med

Semantisk søgning indfører en fejltilstand, som nøgleordssøgning ikke har, og den fortjener at blive nævnt.

En udtømmende nøgleordssøgning over et afgrænset korpus kan beskrives præcist i en rapport: denne term, dette omfang, så mange træf. En semantisk søgning kan ikke karakteriseres på samme måde. Der er ingen ren angivelse af, hvad den ikke returnerede, og en analytiker, der siger, at vedkommende søgte efter bevismateriale for et møde, har fremsat en meget vagere påstand end en, der siger, at vedkommende søgte efter en bestemt streng.

Det praktiske svar er, at semantisk søgning er et værktøj til at finde ledetråde, ikke til at fremsætte påstande om, at den var udtømmende. Det, den bringer frem, bliver læst, verificeret mod kilden og rapporteret på sine egne vilkår. Den vej, der fandt det, er ikke bevismaterialet.

Den anden er, at en besked, der betyder noget i en sammenhæng, er en fortolkning, og fortolkning er analytikerens opgave og domstolens, ikke softwarens. Et system, der bringer en tråd frem, fordi den ligner aftale om et møde, har gjort noget nyttigt. Et system, der rapporterer, at et møde blev aftalt, er gået for vidt, medmindre det udleverer de nøjagtige beskeder og lader et menneske afgøre det.

Derfor bør hvert resultat og hvert udsagn fra assistenten bære den post, der ligger bag, og derfor bør ét klik sætte analytikeren på den oprindelige række. Værdien af semantisk rækkevidde er, at den finder den tråd, ingen vidste, man skulle lede efter. Verifikationen er det, der gør det fund brugbart bagefter.