Forskare har utvecklat ett datorverktyg som kan upptäcka om någon har lämnat in ett falskt polisuttalande enbart baserat på texten i dokumentet.

Genom att använda en kombination av automatisk textanalys och avancerade maskininlärningstekniker, verktyget har lyckats identifiera falska rånrapporter med över 80 procents noggrannhet.

Verktyget har nu rullats ut i hela Spanien för att hjälpa poliser och indikera var ytterligare utredningar är nödvändiga.

Känd som VeriPol, verktyget är specifikt för rapporter om rån och kan känna igen mönster som är vanligare med falska påståenden, till exempel de typer av föremål som rapporterats stulna, närmare detaljer om incidenter och beskrivningar av en gärningsman.

Forskargruppen, som inkluderade datavetenskapsexperter från Cardiff University och Charles III University of Madrid, tror att verktyget kan spara både tid och ansträngning för polisen genom att komplettera traditionella utredningstekniker, samtidigt som det avskräcker människor från att lämna in falska uttalanden i första hand.

Resultaten av studien har publicerats i den akademiska tidskriften Knowledge-Based Systems.

I många delar av världen är inlämnande av falska polisförklaringar ett brott som får allvarliga konsekvenser, som fängelsestraff och höga böter.

Falska uttalanden förorenar inte bara polisens databaser och skadar resultatet av brottsutredningar, men också slösa bort betydande mängder offentliga resurser som skulle kunna ägnas åt att utöva andra brott.

Men falska rapporter är mycket vanliga, särskilt vid anmälan av lågnivåbrott som rån.

VeriPol är delvis baserad på en process som kallas naturlig språkbehandling – en gren av artificiell intelligens som hjälper datorer att förstå, tolka och manipulera mänskligt språk. Till exempel, datorverktyget använder algoritmer för att identifiera och kvantifiera olika funktioner i text, såsom adjektiv, akronymer, verb, substantiv, skiljetecken och siffror och siffror.

Historiska polisrapporter som var kända för att vara falska har matats genom VeriPol så att den kunde koda var och en och börja "lära sig" de specifika mönstren.

En första studie av mer än 1000 polisrapporter från den spanska nationella polisen visade att VeriPol var "extremt effektiv för att skilja mellan falska och sanna rapporter". med en framgång på mer än 80 procent.

VeriPol identifierade ett antal teman som var vanliga bland falska rånrapporter, inklusive:kortare uttalanden som var mer fokuserade på den stulna egendomen än händelsen; brist på exakta detaljer om själva incidenten; begränsade detaljer om angriparen; och brist på vittnen eller andra hårda bevis, som att kontakta en polis eller läkare direkt efter händelsen.

"Som ett exempel, vår modell började identifiera falska påståenden där det rapporterades att incidenter inträffade bakifrån eller där angriparna bar hjälmar, " medförfattare till studien Dr. Jose Camacho-Collados, från Cardiff Universitys School of Computer Science and Informatics, sa.

VeriPol sattes igång med en verklig pilotstudie i stadsområdena Murcia och Malaga i Spanien i juni 2017. På bara en vecka 25 fall av falska rånrapporter upptäcktes i Murcia, vilket leder till att ärendena avslutas, och ytterligare 39 upptäcktes och stängdes i Malaga.

I jämförelse, under loppet av åtta år mellan 2008 och 2016, det genomsnittliga antalet falska rapporter som upptäckts och ärenden avslutades av poliser under juni månad var 3,33 för Murcia och 12,14 för Malaga.

Efter att VeriPol hade tillskrivit rapporterna en hög sannolikhet för falskhet och kärandena förhördes ytterligare, cirka 83 procent av ärendena avslutades därefter.

"Vår studie har gett oss en fascinerande inblick i hur människor ljuger för polisen, och ett verktyg som kan användas för att avskräcka människor från att göra det i framtiden, " fortsatte Dr. Camacho-Collados.

"Poliser över hela Spanien använder nu VeriPol och integrerar det i sina arbetsmetoder. I slutändan hoppas vi att genom att visa att automatisk upptäckt är möjligt kommer det att avskräcka människor från att ljuga för polisen i första hand."