Nyckelordssökning missar kodat språk, vilket är den dagliga verkligheten i narkotikaarbete

Varje narkotikaenhet har en nyckelordslista. Den skrevs av någon som är bra, den fungerar, och den är föråldrad.

Inte för att någon försummade den. För att ordförrådet som den beskriver är aktivt motståndaraktigt. De människor som använder det byter termer när de misstänker att en term är känd, de använder olika termer i olika grupper och olika regioner, och en stor del av betydelsen bärs av sammanhanget snarare än av något ord alls.

Det här är den dagliga arbetsverkligheten i utredning av narkotika, människohandel och organiserad brottslighet, och det blottlägger något strukturellt i hur forensisk sökning har byggts.

Vad exakt matchning kan och inte kan

Nyckelordssökning besvarar en fråga ytterst väl: förekommer den här exakta strängen. Det är genuint värdefullt. Det är snabbt, det är uttömmande inom sitt omfång, det är deterministiskt, och när ni letar efter ett telefonnummer, ett IBAN, ett bestämt namn eller ett känt användarnamn slår ingenting det.

Begränsningen är att den bara kan hitta det ni redan tänkte på. Varje miss är tyst. En sökning som ger noll resultat ser likadan ut vare sig termen saknas eller den fanns i en form som ni inte förutsåg.

I praktiken kommer missar från fyra håll. Synonymer och slang, som varierar regionalt och utvecklas. Avsiktlig ersättning, där ett vardagligt ord bär en bestämd betydelse inne i en grupp. Stavning, inklusive translitterering, avsiktlig felstavning och autokorrigering. Och betydelse som bärs helt av sammanhanget, där ingenting i meningen någonsin skulle stå på någon lista.

Den sista kategorin är den som ingen nyckelordslista någonsin kan täcka, och den är vanlig. Ett meddelande som lyder «samma som förra gången, kom ensam» är potentiellt avgörande och innehåller ingen sökbar term alls.

Vad sökning på betydelse tillför, och vad den kostar

Sökning på betydelse matchar på betydelse snarare än på tecken. En fråga om att ordna ett möte hämtar meddelanden om att ses, att titta förbi, den vanliga platsen eller att vara i närheten på lördagen, vare sig något ord i frågan förekommer i dem eller inte.

Kostnaden är precision. Hämtning på betydelse ger självsäkert tillbaka saker som är tematiskt lika och utredningsmässigt irrelevanta, och den har ingen föreställning om exakthet, vilket gör den dålig på just de frågor som nyckelordssökning är bäst på. Be den om ett bestämt telefonnummer och ni kan få flera plausibla nummer.

Så de två angreppssätten misslyckas i motsatta riktningar. Det ena missar saker som finns. Det andra ger tillbaka saker som inte är relevanta. Att välja mellan dem är en dålig avvägning, och skälet till att det har presenterats som ett val är mest att de två byggdes som skilda produkter.

Att köra båda är det uppenbara svaret

Att köra exakt och semantisk hämtning tillsammans och slå ihop resultaten ger er uttömmande där termen är känd och räckvidd där den inte är det. Det ger också analytikern något mer användbart än en enda rangordnad lista: ett sätt att se vilka resultat som kom varifrån.

Två tillägg betyder mer än själva sammanslagningen.

Frågeutvidgning. Att automatiskt bredda sökningen till besläktat ordförråd, så att en fråga efter en term också hämtar dess varianter, dess slangformer och de ersättningar som används i dess ställe. Det är här en utredares samlade kunskap hör hemma. Inte i en statisk lista som förfaller, utan i utvidgningsregler som kan underhållas, versionshanteras och delas mellan enheter.

Omfång. Samma fråga betyder olika saker på olika nivåer. Över ett helt ärende är det triage. Inom ett sigill är det undersökning. Inom en enda konversation är det läsning. En analytiker behöver röra sig mellan dem utan att bygga om frågan.

Två saker som är värda att vara försiktig med

Sökning på betydelse för in ett felläge som nyckelordssökning inte har, och det förtjänar att benämnas.

En uttömmande nyckelordssökning över ett avgränsat korpus kan beskrivas precist i en rapport: den här termen, det här omfånget, så här många träffar. En sökning på betydelse kan inte karakteriseras på samma sätt. Det finns inget rent påstående om vad den inte gav tillbaka, och en analytiker som säger att de sökte efter bevis för ett möte har gjort ett mycket vagare påstående än en som säger att de sökte efter en bestämd sträng.

Det praktiska svaret är att sökning på betydelse är ett verktyg för att hitta uppslag, inte för att göra påståenden om att vara uttömmande. Det den tar fram blir läst, verifierat mot källan och rapporterat på sina egna villkor. Vägen som hittade det är inte beviset.

Det andra är att ett meddelande som betyder något i sitt sammanhang är en tolkning, och tolkning är analytikerns arbete och domstolens, inte programvarans. Ett system som tar fram en tråd eftersom den liknar att ordna ett möte har gjort något användbart. Ett system som rapporterar att ett möte ordnades har gått för långt, om det inte lämnar över de exakta meddelandena och låter en människa avgöra.

Det är därför varje resultat och varje påstående från assistenten bör bära posten bakom sig, och varför ett klick bör ställa analytikern på originalraden. Värdet av semantisk räckvidd är att den hittar den tråd som ingen visste att leta efter. Verifieringen är det som gör det fyndet användbart efteråt.