基于前景理論的數據情報偵查決策研究

薛亞龍，劉梓濘

寧夏警官職業學院，寧夏 銀川 750021

在傳統數據情報偵查決策理論中，通常把偵查人員視為一個有理性的偵查決策主體，認為其能夠通過客觀的情感情勢完成對所有數據情報偵查源的尋找和匯集，并經過挖掘與分析，形成最佳期待所需的數據情報偵查決策[1]。然而，在復雜的動態涉嫌數據犯罪情勢生存與態勢發展中，偵查人員很難搜集到數據情報偵查決策所需的全部數據和完全避免其個人情感等主觀感性方面的制約和影響，出現情報偵查決策屬性指標不確定、有限理性情報偵查決策局限、情報偵查決策價值目標雙邊匹配模糊等問題，易使數據情報偵查決策出現情報偵查錯誤或陷入情報偵查僵局。鑒于此，引入基于前景理論的數據情報偵查決策研究范式。這不僅是前景理論廣泛運用于社會各領域的必然趨勢，也是數據情報偵查決策模式創新和轉型的內在要求，更是預防和打擊涉嫌數據犯罪情勢生存與態勢發展的應對選擇。

1 前景理論數據情報偵查決策的內涵與屬性

前景理論數據情報偵查決策(以下簡稱“偵查決策”)最顯著的特征就是將參照點、價值函數、概率權重、前景值等前景理論原理與屬性指標、路徑選擇、決策流程、決策修正等數據情報偵查決策的價值需求進行互相融合。誠然，在偵查決策過程中，不僅包含前景理論的益損決策矩陣、多屬性權重概率系數、損失規避與偏好反轉以及權重系數的選取標準和模糊隸屬度函數運算等主要原理，還包括數據情報偵查決策的價值需求預設、流程模型構建、評價指標體系以及決策應用的評估檢驗和修正反饋等步驟或過程。因此，在開源數據驅動創新時代應該賦予偵查決策新的內涵與屬性。

1.1 偵查決策的內涵

前景理論是由丹尼爾·卡尼曼和阿莫斯·特維斯基對傳統期望效用理論進行拓展的基礎上提出來的，主要是指將個人的價值感受納入行為決策中，充分考慮個體心理特質、行為特征和情景因素，旨在尋找風險條件下的個人實際日常決策行為[2]。顯然，前景理論認為人們在作出決策的時候應該從決策的收益和決策的損失兩個方面進行考慮，而不是根據傳統期望效用理論所追求的效用最大化來選擇決策。從前景理論主要原理看，其構成要素主要包括參照點、價值函數、損失規避與偏好反轉等。參照點是決策收益和決策損失的一個分界點，行為人在具體決策過程中，由于預設的決策期望目標、主觀情感感受、獲取數據程度等存在差異性，造成所制定的參照點也是因人而異。價值函數是指行為人依據預設決策收益和決策損失的參照點，通過避免和降低決策損失所獲取的決策效用值。損失規避是指行為人在相同決策損失的情況下選擇大于決策收益的反應，尤其在決策虧損時更加側重于決策風險的承擔。偏好反轉是指在決策前景值或決策效用值大體相同的博弈中，人們往往對同一決策選項賦予不同的選擇和定價權重。誠然，結合前景理論的主要原理和數據情報偵查決策的特殊價值需求，筆者認為，偵查決策的內涵為：偵查人員在數據情報偵查決策過程中，結合偵查主體主客觀因素、數據犯罪情勢生存與態勢發展等不同情報偵查決策情勢，通過構建數據情報偵查決策的評價指標體系、流程模型和挖掘與分析算法，獲取和評估各種數據情報偵查決策收益和損失的風險程度概率系數，從而幫助其獲得不同數據情報偵查決策的優先級權重和最佳決策前景效用值的一種新型數據情報偵查方法。

1.2 偵查決策的屬性

1.2.1 前景預測性。從風險與偵查中主體博弈關系、風險與數據情報偵查決策目標、風險與數據犯罪情勢態勢發展等角度看，偵查決策具有典型的不確定性，并且偵查人員與犯罪嫌疑人在其決策過程中處于一種“活力對抗”狀態。不同偵查中主體的博弈關系、數據犯罪情勢的生存與態勢發展、多維數據挖掘與分析算法等也都是風險存在的影響因素，所以偵查決策的收益和損失風險具有內在必然性。顯然，決策收益和損失的風險預測是實現獲取偵查決策最佳效用值的前提和基礎。同時，偵查人員在圍繞犯罪行為與非犯罪行為的關聯規則、數據情報源的倉庫構建、關聯性數理關系的挖掘與分析以及數據頻繁項目聚類子集構建等運算和挖掘過程中，對各種決策收益和決策損失風險程度概率的挖掘分析都存在必然的預測性。所以，偵查決策具有鮮明的前景預測性，從而幫助偵查人員獲得避免和降低決策損失的最大規避概率系數。誠如雷德梅爾所言：當某種決策直接闖入你的腦海，并且讓你對現象作出看似合理的解釋時，你就要格外當心了。這個時候別著急下結論，一定要檢視一下你的思維，因為人們在判斷風險時表現的比較低能[3]。這也充分說明偵查人員可能由于對決策收益和決策損失風險程度預測時存在錯誤或偏差等原因，造成其所作的數據情報偵查決策出現決策錯誤甚至陷入決策僵局。因此，偵查決策的前景預測性是幫助偵查人員提高決策收益和準確挖掘與判斷決策損失風險的重要支撐和保障。

1.2.2 小概率性。偵查人員在進行決策收益的時候往往會選擇規避決策風險的決策行為，這是由其偵查經驗、情感價值、決策目標等因素決定的[4]。但是，在可能會出現小概率事件選擇時，偵查人員的決策選擇則會出現偏好反轉的現象?？梢?，偵查決策的小概率性主要包括：(1)由于小概率事件出現的概率系數比較低，偵查人員在進行數據情報偵查決策時可能會將其直接過濾或忽略；(2)偵查人員可能在效用層疊理論的制約和影響下視這些小概率事件為次要的、異常的、偶然的現象，認為這些不會影響偵查決策的準確性和精確性。例如，偵查人員在前期對涉案數據情報源進行數據清洗、數據集成等預處理時，認為各種冗余數據、重復數據、離群數據等異常數據應該是偶然的或不重要的，造成這些異常數據沒有被納入關聯性數理關系的挖掘與分析規則或沒有被構建到數據頻繁項目聚類子集中等[5]。誠然，在偵查決策過程中，偵查人員不僅要關注與涉嫌數據犯罪情勢有關的各種結構型數據、半結構型數據、數值型數據以及符號型數據和文本型數據等出現概率系數高的常規數據，還要關注各種非結構型數據、異構型數據等異常數據[6]。因此，在偵查決策小概率性引導下，偵查人員應該關注和重視在決策中所發現或遇到的各種小概率事件，從而幫助其提升偵查決策的全面性。

1.2.3 框架效應性?？蚣苄怯脕黻U述人們在選擇決策時對決策收益和決策損失的情感體驗，而這種情感體驗主要取決于選擇決策時的呈現范式和背景環境等[7]。而在偵查決策過程中，偵查人員無論是對參照點的制定、價值函數的預設，還是對概率權重系數的運算、損失規避與偏好反轉的選擇等，主要是依據對各種涉案數據情報源整體的運算和挖掘分析，而不是僅僅依據某一個或某一類數據情報源的挖掘與分析。顯然，偵查決策具有顯著的框架效應性，偵查人員要注意：(1)由于部分涉案數據情報源可能存在“孤島效應”，造成偵查人員可能對部分潛在的關聯數理關系沒有進行及時挖掘分析，所以要求其重視和關注這些存在“孤島效應”的數據情報源[8]；(2)要求偵查人員應結合所有數據情報源和整體涉嫌數據犯罪情勢的框架效應而作出準確全面的挖掘與分析判斷。因此，在偵查決策框架效應引領和要求下，偵查人員應該將其挖掘與分析放在所有數據情報源和整體涉嫌數據犯罪情勢的框架效應中，同時還應對決策收益和決策損失進行前景預測，從而提高偵查決策應用的客觀性。

2 偵查決策的評價指標體系

偵查人員對參照點的制定、價值函數的預設、概率權重系數的運算、損失規避與偏好反轉的選擇等會對偵查決策的準確性和精確性有著制約和影響。只有對偵查決策評價指標體系進行定性范式的制定和選取，才能夠全面提高偵查決策效用值的優質性和高效性?；诖耍瑐刹闆Q策的評價指標體系如圖1所示。

圖1 偵查決策的評價指標體系

2.1 構建評價指標屬性值矩陣

在構建評價指標屬性值矩陣體系中，設所有偵查決策的數量為n，被選擇參與評價的數量為m。依據對偵查決策的前景效用值預設需求，結合偵查決策評價指標體系的應然價值，構建評價指標屬性值矩陣X為：

2.2 數據情報源極差化法處理指標

2.3 效用前景值與決策概率權重指標

2.4 數據情報偵查決策累積前景值指標

3 偵查決策的流程模型構建

依據對不同數據情報源的清洗歸約能力與挖掘預置決策收益和決策損失風險程度概率系數之間的差異性，并結合前景理論的主要原理和運算價值優勢與數據情報偵查決策的特殊價值需求，筆者認為，可將偵查決策的流程模型構建分為前期編輯階段流程和后續評估階段流程兩部分，如圖2所示。

圖2 偵查決策的流程模型構建

3.1 前期編輯階段流程

前期編輯階段流程主要采取決策編碼、決策整合、決策分離等編輯操作范式，選取決策收益和決策損失的參照點，挖掘分析不同數據情報偵查決策的最佳優先級決策效用值，對比不同決策收益和決策損失風險程度的概率系數，選取不同數據情報偵查決策的決策效用值、價值函數、決策概率權重系數等。顯然，前期編輯階段流程所采取的編輯操作不僅使預設偵查決策的應然價值變得更加優化，而且還提高了決策價值需求、決策效用值等的決策概率權重系數，增加了其被后續偵查決策流程所采用和執行的概率。因此，前期編輯階段流程是偵查決策流程模型構建的基礎和條件，也是由選取參照點、價值函數表示、概率權重系數、損失規避與偏好反轉等決定。

3.2 后續評估階段流程

為提高偵查決策的準確性和精確性，需要對編輯后數據情報偵查決策的各種選項進行檢驗和評估，挖掘和獲得不同數據情報偵查決策的最佳優先級決策效用值。例如，偵查人員可利用決策效用值的前景總價值函數公式V=∑[π(pi)v(xi) ]對經過編輯后不同數據情報偵查決策的選項進行檢驗和評估，其中p為數據情報偵查決策x的感知概率，π(p)為數據情報偵查決策的決策概率權重系數，v(x)為不同數據情報偵查決策的決策效用值。顯然，決策效用值不僅體現了偵查人員對不同數據情報偵查決策選項的主觀情感價值，還反映了對決策收益和決策損失等風險程度的損失規避與偏好反轉。誠然，決策效用值在后續評估階段流程的價值優勢主要體現在：(1)決策效用值是根據決策收益和決策損失的參照點而動態運算所得，其運算結果并不是一成不變的；(2)決策收益與決策損失屬于異配凹凸的反向屬性關系，客觀反映了偵查人員對損失規避與偏好反轉的決策風險選擇；(3)決策損失區間一般比決策收益區間更加陡峭，這主要是由于偵查人員對決策損失的敏感度往往高于相同條件下的決策收益所造成，如圖3所示。

圖3 決策收益和決策損失的函數關系

4 偵查決策的應用方法

探討偵查決策應用方法，不僅需要考慮偵查決策的內涵與屬性、評價指標體系及流程模型構建等，還需要考慮決策收益和決策損失矩陣、多屬性權重概率系數、損失規避與偏好反轉以及決策概率權重系數的選取標準和模糊隸屬度函數運算等主要前景理論的價值優勢。因此，應該賦予偵查決策新的應用方法。

4.1 TOPSIS多屬性決策算法

4.2 符號距離猶豫模糊數據決策算法

4.3 直覺模糊數據隨機多準則算法

4.4 WSR偏好群決策算法

WSR偏好群決策算法主要是通過對不同研究對象可以選擇不同理論和方法作為支撐，重點是在處理問題時能夠從“物理”“事理”和“人理”三個維度進行研究考慮，既注重解決問題的層次性和整體性，又注重問題要素及要素之間進行解析的相互關系[16]。結合挖掘偵查決策的最佳優先級決策效用值和WSR偏好群決策算法的運算價值優勢，可以將其具體應用分為以下步驟：(1)決策的評估階段。偵查人員先需對不同決策收益和決策損失的矩陣方案賦予[0，1]之間的閾值，如果賦予的閾值越高，那么說明所選取的矩陣方案就越符合偵查決策的應然價值需求。同時，還需依據數據情報偵查決策的參照點標準進一步對該閾值進行檢驗和評估并賦予其不同的評估值。(2)決策的共識階段。經過決策的評估階段之后，偵查人員還需要對不同決策收益和決策損失矩陣閾值的評估值進行互相對比和衡量。如果存在不同矩陣方案中評估值過小或過大現象，那么就需要偵查人員在閾值[0，1]范圍內適當地選擇對其進行擴展，進而提升決策參照點的信任度系數。(3)決策的前景評估階段。為了提升WSR偏好群決策算法的準確性和精確性，偵查人員可將決策的前景評估階段具體劃分為三個方面：一是決策的參考依賴。從決策收益和決策損失預設的決策參照點看，偵查人員可將決策的前景效用值分為決策收益域和決策損失域兩部分作為參考依賴。二是決策的靈敏度選擇。以數據情報偵查決策的前景效用值為切入點，偵查人員一般在面對決策收益時均會表現出選擇損失規避的靈敏度，而在面對決策損失時則往往會表現出選擇偏好反轉的靈敏度。三是決策的損失厭惡。偵查人員在對相同的決策收益和決策損失進行參照點選擇時，一般對決策損失的選擇比決策收益的選擇更加靈敏，而對決策損失具有鮮明的厭惡情感[17]。(4)決策的選擇階段。偵查人員將不同決策的前景效用值融合在具有整體或全局屬性的數據情報偵查決策前景效用評估矩陣中，然后采取線性加權的方式對其進行累積前景效用值總分的計算和統計，并將最終累積前景效用值總分按照降維標準進行重新排序。如果不同數據情報偵查決策的累積前景效用值總分越高，那么就說明其越符合偵查決策所需的最佳優先級決策效用值。

4.5 雙參照點交叉決策算法

4.6 區間灰數多屬性決策算法