基于大數據的強制隔離戒毒解除人員行為分析

李 滿（中央司法警官學院）

夏 琳（司法部燕城監獄）

朱 杰（中央司法警官學院）

吳樹芳（河北大學管理學院）

?

基于大數據的強制隔離戒毒解除人員行為分析

李 滿（中央司法警官學院）

夏 琳（司法部燕城監獄）

朱 杰（中央司法警官學院）

吳樹芳（河北大學管理學院）

注：本文為2015年度全國司法行政系統理論研究規劃課題《基于大數據的強戒解除人員行為分析》階段性成果，課題編號：15GH011。

一、引言

毒品是一種全人類共同面對的公害，吸食毒品會對吸毒者本人的身心健康產生巨大影響，而且會給社會帶來極大危害。大力開展戒毒禁毒工作是國家和社會賦予我們的職責，幫助吸毒人員戒除毒癮是戒毒工作的目的，但高復吸率一直是戒毒工作面臨的一個重大難題。

復吸也稱復發吸毒，是指吸毒者在經過戒毒治療后，又開始使用脫毒前所依賴的毒品的行為。根據一組數據統計①劉金鵬：《戒毒人員高復吸率問題研究》，《中國刑事法》，2004 年第5期。，全球戒毒的鞏固率只有9%，即使戒毒技術比較先進的美國等發達國家，其戒毒人員的復吸率也高達90%以上，在戒毒工作頗有成效的新加坡，其復吸率也為70～80%。我國戒毒人員的復吸率問題同樣不容樂觀。

如何做好對強制隔離戒毒解除人員（以下簡稱強戒解除人員）的幫扶救助，使得這個特殊群體能夠盡快融入社會，被家人和朋友所接納，是鞏固戒毒成果、有效降低復吸率的需要，也是保障社會穩定、預防和減少違法犯罪的一項重要工作。

二、傳統方式下的對于強戒解除人員的幫教方法和弊端

傳統的針對強戒解除人員的幫教方法對于防止復吸有一定的幫助，但是不可否認的是同樣存在著許多問題。

（一）傳統的幫教方法

為了最大限度地降低復吸率，傳統的方式通過如下幾方面對強戒解除人員進行再教育。

1.認知訓練

通過授課和談心等多種多樣的方式使吸毒者能夠深刻認識毒品的危害性，教會他們預防復吸技巧和經驗，在思想上能夠對預防復吸有所警覺。

2.康復訓練

開展多種多樣的康復活動和體育鍛煉，在科學方式下正確使用藥物輔助治療，恢復吸毒者身體機能，緩解或消除戒毒的各種不良癥狀，養成良好的行為習慣，達到生理上有效預防復吸的目的。

3.心理訓練

通過開展心理健康教育授課和宣傳、心理咨詢和心理治療達到心理上有效預防復吸的目的。

4.社會功能恢復

吸毒者通過強制的隔離封閉戒毒后，要回歸社會進行生活。增強吸毒者社會適應能力，修復家庭正常功能，對于吸毒者強制隔離戒毒解除后盡快融入社會進行正常的生活有著重大意義。

（二）傳統方式的弊端

強戒解除人員回歸社會后面臨許多問題，但傳統的幫教方法擁有其自身不可克服的缺點。

1.難以掌握強戒解除人員在一段時間內的全部個人信息。傳統的幫教方式只能了解強戒解除人員的一些基本信息，如：性別、年齡、曾經吸食毒品種類等，并沒有綜合多方面的個人數據信息。不同種類的強戒解除人員行為數據信息能夠反映出他們在一段時間內的生活狀況。強戒解除人員行為信息包括工作情況、家庭狀況、銀行賬戶變化規律、每天的活動路線和瀏覽網絡信息的內容等。其中工作情況能夠反映出強戒解除人員的生活穩定情況，穩定的經濟來源意味著生活進入平穩期，并且能夠得到大眾和社會的認可，此時，強戒解除人員的情況相對穩定。反之，沒有穩定的收入來源則可能帶來一系列的負面結果。穩定的家庭關系能夠有效降低復吸的可能。銀行賬戶變化規律能夠體現出個人的經濟狀況，有規律的活動路線能夠體現出生活的穩定狀況，瀏覽網絡信息的內容能夠體現出興趣點和精神追求等。這些紛繁復雜的數據描述了一個強戒解除人員的總體狀況，而且數據會隨著時間的變化而變化，分析如此復雜且龐大的數據是人為處理不了的。

2.難以在正確的時間作出正確的引導。根據統計，回歸社會的3～12月時間里是戒毒人員復吸的高危期。傳統的方法無法準確估計出復吸可能出現的時間點，而現有的物力財力又沒有辦法保證在如此長的時間內對這些人員一直進行幫教。

3.難以根據不同強戒解除人員的不同特點作出具有針對性的幫教。一成不變的幫教手段和方法不能夠針對個體的不同而作出相應的改變，不利于降低復吸率。個體不同，對應的個體性格、家庭因素、財力狀況等也不相同。明確當前個體生活中出現了哪些狀況以及成因對于有針對性地開展幫教有著重要的意義。

4.沒有考慮到某一區域內的強戒解除人員之間的關聯性問題。傳統的方法只能通過人為的方式獲取不同強戒解除人員之間的關聯性，比如是否頻繁接觸有吸毒史的人群，是否有非正常的聚會等。把個體看成是群體當中的某一個個例，個例和群體之間有著千絲萬縷的聯系，以一個整體的角度來觀察個體更能夠準確分析出個體當前的狀況。

5.沒有提出有理論支持的復吸預警機制。目前，沒有一套強有力的理論用于支持強戒解除人員復吸的預測。一切的判斷均取決于人為的判斷，缺乏理論知識容易導致錯誤的判斷。

三、強戒解除人員復吸預測分析

針對強戒解除人員的大數據收集的最終目的是為了能夠準確地預測到他們復吸的可能性，并有針對性地加以幫教。首先，人為地憑借經驗處理的方式難于綜合各方面的數據信息并且作出準確的判斷。其次，人腦對于海量數據的處理沒有成功的先例。如何讓計算機去代替人腦來解決更加復雜的問題一直以來是人類的夢想。

在強制隔離戒毒所戒毒成功后，為了降低強戒解除人員的復吸率，而對他們在一段時間內的行為進行有效的監控和分析是必要的。包括其工作情況、家庭狀況、銀行賬戶變化規律、每天的活動路線和瀏覽網絡信息的內容等。這些信息可以通過聯合街道、銀行、移動運營商和網絡運營商等多個部門來獲取。所有強戒解除人員在戒毒所期間的個人情況信息和一段時間內的行為記錄構成了海量信息，有效地分析這些信息能夠及時發現這些強戒解除人員的復吸趨勢并采用相應的措施加以防范。

首先來介紹一下本文所提出的基于大數據的強戒解除人員復吸預測分析框架。如圖1所示，最底層為數據的采集，在這層當中，需要自動或者人為地采集強戒解除人員的很多數據，人為采集的數據如強戒解除人員的工作情況的數據，家庭狀況的數據，自動采集的數據如他們的銀行賬戶數據、活動路線數據和瀏覽網絡信息數據等。倒數第二層為數據存儲和分析層，這些數據通過網絡傳輸到遠端數據庫或者云當中，利用不同算法對不同種類的數據進行分析。例如深度學習用于分析視頻圖像，時間序列用于分析銀行賬戶和瀏覽網絡信息等，分類用于對不同數據是否正常的判斷等。在大數據處理算法對數據進行分析之后，對于所有的數據給出一個可能性分析的結果，即分類結果。但是單獨地依靠某一方面的數據得出的結論都是片面的。在底層中，采用了集成學習的方法對之前得到的各種結果進行綜合性的分析，最后給出是否存在復吸趨勢的預測結論。

需要注意的是，文中提出的方法框架所得到的數據是在不斷增加的，即所有的強戒解除人員數據都在隨著時間的變化而不斷變化，能夠及時通過得到的反饋信息作出正確的判斷是本文提出的分析方法的優勢之一。

圖1 基于大數據的強戒解除人員復吸預測分析框架

（一）基于數據挖掘的解決方法

數據挖掘（Data Mining）就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識的過程。

分類是找出數據庫中一組數據對象的共同特點并按照分類模式將其劃分為不同的類，其目的是通過分類模型，將數據庫中的數據項映射到某個給定的類別。我們可以把強戒解除人員的行為分析看做是一個分類問題。首先，我們把問題簡單地理解為一個二類分類問題，即安全行為（無復吸趨勢）和危險行為（有復吸趨勢）兩類。我們借助已有的分類器如決策樹、SVM、貝葉斯網絡等等，實時輸入當前追蹤人員的個人信息，這些分類器會把此問題當做一個二類分類問題，要么判斷當前追蹤人員的情況是安全的，要么判斷是不安全的。

我們可以把強戒解除人員的行為分析看作是一個回歸問題。首先把之前提到的工作情況、家庭狀況、銀行賬戶變化規律、每天的活動路線和瀏覽網絡信息的內容等作為向量進行輸入。在不失一般性的情況下，當我們考慮N個屬性的時候，強戒解除人員的信息可以被理解為一個N維空間上的點，用于回歸分析。當所有的特征符合之前回歸得到的規律的時候，即為正常，否則可能出現復吸趨勢。

關聯規則是描述數據庫中數據項之間所存在的關系的規則，即根據一個事務中某些項的出現可導出另一些項在同一事務中也出現，即隱藏在數據間的關聯或相互關系。關聯規則可以用于發現行為分析中那些關聯性很強的特征，這些特征對于行為分析和最終行為的判斷有著非常重要的作用。比如：工作是否穩定與銀行存款之間的關系。強戒解除人員如果有著穩定的經濟來源，那么存款會呈現一個穩步增長的趨勢，如果兩者不相匹配，說明出現了異常，這個時候就要進行更深一步的分析。

特征分析是從數據庫中的一組數據中提取出關于這些數據的特征式，這些特征式表達了該數據集的總體特征。提取出最關鍵的特征對于行為的表示有著非常重要的作用，特征當中有一些是對于行為的表示有作用的，比如路途、銀行消費情況、工資等。有一些是沒有作用的，比如血型、姓名等。單獨地依靠人為選取特征進行表示是不科學的，利用現有的特征選取方法進行主特征選擇如PCA等是必要的。

（二）基于機器學習的解決方法

用以往的知識來預測未來是機器學習的重要任務之一，學習是其主要特征，原有數據的完備性是學習知識成效的一個重要因素。大數據為數據的完備性提供了良好的基礎。當給定了復吸人員的數據和無復吸情況下的個人數據，利用決策樹、貝葉斯、SVM分類器就可以判斷出在下一刻數據的類別，即會復吸或不會。

（三）基于時間序列的解決方法

銀行賬戶的時間序列分析方法。圖2中為模擬的強戒解除人員的銀行存款數據的時間序列。其中橫軸代表月份，縱軸代表銀行存款的情況。A時間段為正常的序列，在同一個月內隨著時間的推移，由于正常生活的需要，賬戶余額會不斷降低，但是到了月底，由于發了工資，銀行的存款余額會上升。A時間段內的點代表在月中消費后的銀行最低余額和發工資之后的最高余額。由于人本身的生活節奏特點，每個月的生活應該存在一定的規律性，可能會偶爾產生一些波動，但大體上是遵循一定規律的。

B時間段的部分為有可能產生了不正常的情況。從圖中可以很容易地發現，經濟上出現了入不敷出的情況，與往月數據相比，消費明顯增加，但收入卻沒有明顯的變化。不正常的情況并不一定說明產生了復吸的情況，也有可能是由于疾病原因產生了額外負擔或者家庭生活發生變化導致額外消費比如結婚、生子等。是否產生了復吸趨勢要結合其他數據分析。

圖2 強戒解除人員銀行存款數據的時間序列

C時間段的部分顯示銀行賬戶突然產生了很大的波動，收入和支出有了明顯的變化。此時要考慮的因素很多，有可能是因為事業上的成功導致了收入狀況有了很大改善，也有可能是因為出現了以毒養毒的情況。同樣，不能夠根據數據給出合理的判斷，結合多種因素多種數據綜合考慮才能得出正確的結論。

基于時間序列的解決方法可以認為是一個時間序列的分類問題，可以用很多現有的技術來進行解決。

行動路線的時間序列分析。由于工作和生活原因，大部分人的生活是有規律地進行的。生活中一天內所經過的路線也比較固定，隨著視頻技術和移動通訊技術的發展，人們幾乎無時無刻不暴露在視頻監控中，GPS定位也能夠準確提供位置。這些為時間序列分析提供了必要的基礎。此時的時間序列主要用于記錄在不同的時間點強戒解除人員所在的地理位置、行動路線等。通過在很長一段時間內的比較，跟蹤判斷強戒解除人員的路線是否發生了很大的變化，以此作為依據判斷是否有復吸趨勢。

四、結論

本文提出了一種基于大數據分析的強戒解除人員行為分析技術，這種技術以機器學習數據挖掘技術為背景，在多領域數據收集的基礎上，對強戒解除人員的行為進行有效的分類，用于監管和幫教，這為解決復吸問題提供了一種新思路。但是，目前還存在一些問題，如怎樣運用這項技術分析復吸趨勢，如銀行賬戶和工作情況等的采集還需聯合很多相關部門合作，如何界定安全級別等。在今后的工作中，我們將進一步研究如何解決這些問題。

（責任編輯 張文靜）