Aplicación de técnicas de Machine Learning en el análisis de sentencias sobre el delito de trata de menores

Abstract

Los datos sobre el delito de trata de menores en España no son representativos con la realidad y se trata de un problema que ya ha planteado la necesidad de encontrar una solución. Desde ciertas instituciones, se ha remarcado la utilidad que tendrían las nuevas tecnologías para evaluar y entender cuáles son las razones que han llevado a esta situación. En esta línea, el número de sentencias que se dictan sobre el delito de tratas en los tribunales españoles es muy reducido. Por ello, en este trabajo, a través del uso de las técnicas de Text Mining, en general, y Topic Modeling, en concreto, se analizarán los patrones de este tipo de sentencias, comparándolas con la jurisprudencia existente sobre los delitos de prostitución y corrupción de menores e identificando así las posibles razones que pueden haber llevado a esta situación. Además, en el presente trabajo se realizará una revisión literaria de las herramientas de Machine Learning, analizando su utilidad en el mundo jurídico, los avances en este campo y el camino que falta por recorrer.

Data on the crime of child trafficking in Spain are not representative of reality and it is a problem that has already raised the need to find a solution. Some institutions have highlighted the usefulness of new technologies to evaluate and understand the reasons that have led to this situation. Additionally, the number of sentences handed down on the crime of trafficking in the Spanish courts is very low. Therefore, in this paper, using Text Mining techniques, in general, and Topic Modeling, in particular, the patterns of this type of sentences will be analyzed, comparing them with the existing jurisprudence on the crimes of prostitution and corruption of minors and thus identifying the possible reasons that may have led to this situation. In addition, a literature review of Machine Learning tools will be carried out, analyzing their usefulness in the legal world, the advances in this field and the road ahead.