Căutarea după cuvinte-cheie ratează limbajul codat, care este realitatea zilnică a muncii de stupefiante

Fiecare unitate de stupefiante are o listă de cuvinte-cheie. A scris-o cineva bun, funcționează și este depășită.

Nu pentru că cineva a neglijat-o. Pentru că vocabularul pe care îl descrie este în mod activ advers. Oamenii care îl folosesc schimbă termenii când bănuiesc că un termen este cunoscut, folosesc termeni diferiți în grupuri diferite și în regiuni diferite, iar o mare parte din sens este purtată de context, nu de vreun cuvânt.

Aceasta este realitatea de lucru zilnică a investigației de stupefiante, de trafic și de criminalitate organizată, și ea scoate la iveală ceva structural despre felul în care a fost construită căutarea criminalistică.

Ce poate face potrivirea exactă și ce nu poate

Căutarea după cuvinte-cheie răspunde extrem de bine la o singură întrebare: apare acest șir exact. Aceasta este cu adevărat valoroasă. Este rapidă, este exhaustivă în domeniul ei, este deterministă, și, când căutați un număr de telefon, un IBAN, un nume anume sau un pseudonim cunoscut, nimic nu o întrece.

Limita este că poate găsi numai ceea ce v-ați gândit deja. Fiecare ratare este tăcută. O căutare care întoarce zero rezultate arată identic, fie că termenul este absent, fie că era prezent într-o formă pe care nu ați anticipat-o.

În practică, ratările vin din patru direcții. Sinonime și argou, care variază regional și evoluează. Substituirea deliberată, în care un cuvânt obișnuit poartă un sens anume în interiorul unui grup. Scrierea, inclusiv transliterarea, greșeala de scriere deliberată și corectarea automată. Și sensul purtat în întregime de context, unde nimic din propoziție nu ar apărea vreodată pe nicio listă.

Ultima categorie este cea pe care nicio listă de cuvinte-cheie nu o poate acoperi vreodată, și este frecventă. Un mesaj care spune „la fel ca data trecută, vino singur” este potențial decisiv și nu conține niciun termen căutabil.

Ce adaugă căutarea după sens, și ce costă

Căutarea după sens potrivește după sens, nu după caractere. O interogare pentru aranjarea unei întâlniri aduce mesaje despre a se vedea, a trece pe la cineva, locul obișnuit sau a fi prin preajmă sâmbătă, fie că vreun cuvânt din interogare apare în ele, fie că nu.

Costul este precizia. Regăsirea după sens va întoarce cu încredere lucruri apropiate ca subiect și irelevante pentru investigație, și nu are nicio noțiune de exactitate, ceea ce o face slabă exact la interogările la care căutarea după cuvinte-cheie este cea mai bună. Cereți-i un număr de telefon anume și puteți primi mai multe numere plauzibile.

Așadar cele două abordări eșuează în direcții opuse. Una ratează lucruri care sunt acolo. Cealaltă întoarce lucruri care nu sunt relevante. A alege între ele este un schimb prost, iar motivul pentru care a fost prezentată ca o alegere este, în cea mai mare parte, că cele două au fost construite ca produse separate.

A le rula pe ambele este răspunsul evident

A rula împreună regăsirea exactă și pe cea după sens și a îmbina rezultatele vă dă exhaustivitate acolo unde termenul este cunoscut și rază acolo unde nu este. Îi dă analistului și ceva mai util decât o singură listă ordonată: un fel de a vedea care rezultate au venit de unde.

Două adăugiri contează mai mult decât fuziunea însăși.

Extinderea interogării. Lărgirea automată a căutării către un vocabular înrudit, astfel încât o interogare pentru un termen să aducă și variantele lui, formele lui de argou și substituțiile folosite în locul lui. Aici își are locul cunoașterea acumulată a unui investigator. Nu într-o listă statică care se degradează, ci în reguli de extindere care pot fi întreținute, versionate și partajate între unități.

Domeniul. Aceeași interogare înseamnă lucruri diferite la niveluri diferite. Pe un caz întreg este triaj. Într-un sigiliu este examinare. Într-o singură conversație este lectură. Un analist trebuie să treacă de la una la alta fără să reconstruiască interogarea.

Două lucruri în privința cărora merită prudență

Căutarea după sens introduce un mod de eșec pe care căutarea după cuvinte-cheie nu îl are, și merită numit.

O căutare exhaustivă după cuvinte-cheie pe un corpus definit poate fi descrisă precis într-un raport: acest termen, acest domeniu, atâtea rezultate. O căutare după sens nu poate fi caracterizată la fel. Nu există o formulare curată a ceea ce nu a întors, iar un analist care spune că a căutat probe ale unei întâlniri a făcut o afirmație mult mai vagă decât unul care spune că a căutat un șir anume.

Răspunsul practic este că căutarea după sens este un instrument pentru a găsi piste, nu pentru a face afirmații de exhaustivitate. Ceea ce aduce la suprafață este citit, verificat față de sursă și raportat în termenii lui proprii. Calea care l-a găsit nu este proba.

Al doilea este că un mesaj care înseamnă ceva în context este o interpretare, iar interpretarea este treaba analistului și a instanței, nu a software-ului. Un sistem care aduce la suprafață un fir pentru că seamănă cu aranjarea unei întâlniri a făcut ceva util. Un sistem care raportează că a fost aranjată o întâlnire a trecut dincolo, în afară de cazul în care predă mesajele exacte și lasă un om să decidă.

De aceea fiecare rezultat și fiecare afirmație a asistentului ar trebui să poarte înregistrarea din spatele lor, și de aceea un clic ar trebui să îl pună pe analist pe rândul original. Valoarea razei semantice este că găsește firul pe care nimeni nu știa să îl caute. Verificarea este ceea ce face acea constatare utilizabilă după aceea.