美国弗吉尼亚大学(University of Virginia)的研究人员证实，在Twitter繁杂的信息世界里，其实藏着一些非常有用的内容，能够为执法人员提供帮助，甚至能够预防犯罪的发生，可通过对Twitter信息的正确分析，来预防特定类型犯罪的发生。

上月，弗吉尼亚大学的研究人员在国际学术期刊《决策支持系统》（Decision Support Systems）发表研究论文称，地理标签Twitter分析可用于预测19-25种犯罪的发生，特别适用于尾随、盗窃等某些类型的犯罪。

弗吉尼亚大学预测技术实验室(Predictive Technology Lab)首席研究员马修·戈博(Matthew Gerber)表示，实验结果令人惊喜，特别是在人们很少发送直接跟犯罪有关的Twitter信息时。戈博表示，即使信息内容没有直接犯罪内容，但其中仍可能包含与至相关的信息。

戈博表示，“人们的Twitter信息都是关于他们的日常活动。而这些日常行为则能够提供犯罪可能会发生的信息。也就是说，如果我在Twitter上发消息说我今晚喝醉了，同时有很多人也在说喝醉这样的话题，那么，我们就能够借此知晓，有此类事件所可能引发的犯罪类型。这是间接信息。”

为了进行研究，戈博及其同事对带有芝加哥及附近地区地理信息标签的Twitter消息，及该城市的犯罪数据库，进行了分析。之后，他们对这些信息进行了更深的分析，并能够借助这些分析有效的预测出可能会发生特性类型犯罪的区域，有助于警力资源的部署。

该篇研究论文中写道，“这个方法能够让分析人员迅速地设想并识别出犯罪高发区域。未来犯罪所发生的地点通常在过去犯罪发生地点附近，使得热点地图成为了一个非常有价值的犯罪预防工具。”

近些年，随着警务部门越来越依靠“大数据”分析方法，“前瞻警务”(predictive policing)理念取得了很大进展。

此前，有不少研究发现，分析Twitter消息分析可用于对选举、疾病暴发及其他重大事件进行预测。

戈博表示，相对来说，Twitter的数据更易于使用，因为用户所发布的消息是公开的，而且很多人发布的内容中都附有地理位置信息。而且，研究人员自身也不需要深入犯罪高发区域进行信息研究。

戈博表示，“我将我们的算法用在这些位置信息上，看看人们都在谈论那些话题。这个算法会习得规律，并借此产生预测。”此项研究有美国军方资助，对此，戈博表示，通过利用类似技术，能够在伊拉克及阿富汗等地区对潜在威胁进行预测。

但是，戈博指出，这个算法还是有限制。要利用这个算法进行犯罪预测分析，那么就需要有足够的历史数据支持，而且，由于一些研究人员无法解释的理由，绑架及勒索等类型犯罪的发生形式，有可能与预期相悖。

不过，戈博表示，纽约警方已经与他联系，而他也已经开始对纽约市的数据进行审查。另外，戈博希望，能够对其他社交媒体的数据信息进行分析，来判定这些信息是否有助于提高预测准确率。