正如最近论文[PDF]所显示的，通过Twitter和Foursquare等社交平台所产生的大量数据，为实时捕捉城市动态创造了新的机会。轻微犯罪经社会调查评估报法院审核后五年时限内消除或封存前科，故意过失都不分，尤其是拘役或者管制，缓刑，可以优先试点，不歧视，废除无犯罪记录证明，有工作做，不连累下一代！这至少解决百分之九十五的再犯机会！根要找好，才会治本，尤其是不连累下一代，改好得机率百分百！希望人大代表能看到，犯错认，也改了，也请有能力的朋友转发或推上去，让更多的人心看到！。
如何防止刑释人员再次犯罪？
轻微犯罪经社会调查评估报法院审核后五年时限内消除或封存前科，故意过失都不分，尤其是拘役或者管制，缓刑，可以优先试点，不歧视，废除无犯罪记录证明，有工作做，不连累下一代！这至少解决百分之九十五的再犯机会！根要找好，才会治本，尤其是不连累下一代，改好得机率百分百！希望人大代表能看到，犯错认，也改了，也请有能力的朋友转发或推上去，让更多的人心看到！。
通过社交媒体数据可以预防城市犯罪吗？你怎么看？
违法者往往会在社交平台上表达或者宣泄自己的情绪。通过社交平台上的这些信息，警方并不需要等待报警就能提前预测犯罪会在何处发生，有点类似于电影《少数派报告》中的场景。事实上执法机构在制定预防犯罪技术上已经有数十年的积累，不过这些数据大多数建立在历史、地理位置和当地人口等基础指标上，帮助各机构制定预防犯罪战术，改善巡逻策略，提高公共安全性并减少经济损失等等。
这传统预防犯罪措施的问题在于，这些策略并不灵活，在短期内无法捕捉到和犯罪相关的数据和差异。幸运的是，目前执法部门可以通过社交媒体等现代化技术来关注公民的安全。正如最近论文[PDF]所显示的，通过Twitter和Foursquare等社交平台所产生的大量数据，为实时捕捉城市动态创造了新的机会。将这些数据融入到算法中能够使用常规活动理论来确定不同背景下用户是否可能会萌生出例如盗窃等犯罪行为。
在布里斯班和纽约市的实验中，研究人员发现在考虑动态功能（社交媒体信息）之后，Area Under Curve (AUC) 值得到了改善。使用随机森林预测模型，盗窃预测成功增加了4%，毒品犯罪增加了4%，伤人行为增加了16%，欺诈增加了2%，非法入境增加了6%。在纽约市，盗窃案件的成功预测提高了4%，毒品犯罪提高2％，伤人提高2％，欺诈犯罪提高4％，非法入境提高4％。
