Wyszukiwanie słów kluczowych pomija język kodowany, a to codzienność pracy nad narkotykami

Każda jednostka do spraw narkotyków ma listę słów kluczowych. Napisał ją ktoś dobry, działa i jest nieaktualna.

Nie dlatego, że ktoś ją zaniedbał. Dlatego, że słownictwo, które opisuje, jest aktywnie przeciwstawne. Ludzie, którzy się nim posługują, zmieniają terminy, gdy podejrzewają, że termin jest znany, używają różnych terminów w różnych grupach i różnych regionach, a dużą część znaczenia niesie kontekst, a nie jakiekolwiek słowo.

To codzienność pracy nad narkotykami, handlem i śledztwami w sprawie przestępczości zorganizowanej i obnaża coś strukturalnego w tym, jak zbudowano wyszukiwanie kryminalistyczne.

Co dokładne dopasowanie potrafi, a czego nie

Wyszukiwanie słów kluczowych odpowiada wyjątkowo dobrze na jedno pytanie: czy pojawia się ten dokładny ciąg. To naprawdę cenne. Jest szybkie, jest wyczerpujące w swoim zakresie, jest deterministyczne i gdy szuka Pan numeru telefonu, IBAN, konkretnego nazwiska albo znanej nazwy użytkownika, nic go nie przebije.

Ograniczeniem jest to, że potrafi znaleźć tylko to, o czym Pan już pomyślał. Każde pominięcie jest ciche. Wyszukiwanie, które zwraca zero wyników, wygląda tak samo, gdy terminu nie ma i gdy był obecny w formie, której Pan nie przewidział.

W praktyce pominięcia przychodzą z czterech kierunków. Synonimy i slang, które różnią się regionalnie i ewoluują. Celowe podstawienie, w którym zwykłe słowo niesie konkretne znaczenie wewnątrz grupy. Pisownia, w tym transliteracja, celowy błąd zapisu i autokorekta. Oraz znaczenie niesione w całości przez kontekst, w którym nic w zdaniu nigdy nie pojawiłoby się na żadnej liście.

Ta ostatnia kategoria jest tą, której żadna lista słów kluczowych nigdy nie pokryje, i jest częsta. Wiadomość „tak jak ostatnio, przyjdź sam” jest potencjalnie rozstrzygająca i nie zawiera żadnego terminu, którego da się szukać.

Co dodaje wyszukiwanie według znaczenia i ile kosztuje

Wyszukiwanie semantyczne dopasowuje według znaczenia, a nie według znaków. Zapytanie o umawianie spotkania pobiera wiadomości o zobaczeniu się, o wpadnięciu, o zwykłym miejscu albo o tym, że ktoś będzie w pobliżu w sobotę, niezależnie od tego, czy jakiekolwiek słowo zapytania w nich występuje.

Kosztem jest precyzja. Wyszukiwanie według znaczenia pewnie zwróci rzeczy podobne tematycznie i śledczo nieistotne i nie ma pojęcia dokładności, co czyni je słabym dokładnie w zapytaniach, w których wyszukiwanie słów kluczowych jest najlepsze. Proszę je zapytać o konkretny numer telefonu, a może Pan dostać kilka prawdopodobnych numerów.

Oba podejścia zawodzą więc w przeciwnych kierunkach. Jedno pomija rzeczy, które tam są. Drugie zwraca rzeczy, które nie są istotne. Wybór między nimi jest złym kompromisem, a powodem, dla którego przedstawiano go jako wybór, jest głównie to, że oba zbudowano jako osobne produkty.

Prowadzenie obu jest oczywistą odpowiedzią

Prowadzenie wyszukiwania dokładnego i semantycznego razem i scalenie wyników daje kompletność tam, gdzie termin jest znany, i zasięg tam, gdzie nie jest. Daje też analitykowi coś użyteczniejszego niż jedna lista uszeregowana: sposób, aby zobaczyć, które wyniki skąd pochodzą.

Dwa dodatki mają większe znaczenie niż samo scalenie.

Rozszerzenie zapytania. Automatyczne poszerzenie wyszukiwania o pokrewne słownictwo, tak aby zapytanie o jeden termin pobierało także jego warianty, formy slangowe i podstawienia używane w jego miejsce. Tu należy skumulowana wiedza śledczego. Nie w statycznej liście, która się starzeje, lecz w regułach rozszerzenia, które można utrzymywać, wersjonować i dzielić między jednostkami.

Zakres. To samo zapytanie znaczy różne rzeczy na różnych poziomach. Przez całą sprawę jest triażem. W jednym zabezpieczeniu jest badaniem. W jednej rozmowie jest czytaniem. Analityk musi przechodzić między nimi bez budowania zapytania od nowa.

Dwie rzeczy, przy których warto być ostrożnym

Wyszukiwanie semantyczne wprowadza tryb porażki, którego wyszukiwanie słów kluczowych nie ma, i zasługuje on na nazwanie.

Wyczerpujące wyszukiwanie słów kluczowych po określonym korpusie da się opisać precyzyjnie w raporcie: ten termin, ten zakres, tyle trafień. Wyszukiwania semantycznego nie da się scharakteryzować w ten sam sposób. Nie ma czystego stwierdzenia tego, czego nie zwróciło, a analityk, który mówi, że szukał dowodu spotkania, stawia znacznie bardziej mgliste twierdzenie niż ten, który mówi, że szukał konkretnego ciągu.

Praktyczna odpowiedź jest taka, że wyszukiwanie semantyczne jest narzędziem do znajdowania tropów, a nie do twierdzeń o kompletności. To, co wynosi na powierzchnię, jest czytane, weryfikowane wobec źródła i raportowane na własnych warunkach. Droga, która to znalazła, nie jest dowodem.

Druga jest taka, że wiadomość znacząca coś w kontekście jest interpretacją, a interpretacja jest pracą analityka i sądu, nie oprogramowania. System, który wynosi wątek na powierzchnię, bo przypomina umawianie spotkania, zrobił coś użytecznego. System, który raportuje, że spotkanie umówiono, przekroczył granicę, chyba że oddaje dokładne wiadomości i pozwala człowiekowi zdecydować.

Dlatego każdy wynik i każde twierdzenie asystenta powinny nieść rekord, który za nimi stoi, i dlatego jedno kliknięcie powinno postawić analityka na oryginalnym wierszu. Wartość zasięgu semantycznego polega na tym, że znajduje wątek, o którego szukaniu nikt nie wiedział. Weryfikacja jest tym, co czyni to ustalenie użytecznym potem.