一种基于 Twitter 驱动深度学习机制的城市车辆劫持热点判定方法
计算与语言
2022-08-23 v1 机器学习
摘要
车辆劫持是许多城市中的主要犯罪之一。例如，在南非，驾驶员必须时刻保持警惕以确保自己不成为劫持受害者。本工作旨在利用 Twitter 数据开发一幅描绘城市中劫持热点的地图。本工作中，在开普敦指定城市获取包含关键词“hijacking”的推文。为提取相关推文，使用以下机器学习技术对这些推文进行分析：1）多层前馈神经网络（MLFNN）；2）卷积神经网络（CNN）；以及来自 Transformers 的双向编码器表示（BERT）。通过训练与测试，CNN 达到了 99.66% 的准确率，而 MLFNN 和 BERT 分别达到 98.99% 和 73.99% 的准确率。在召回率、精确率和 F1 分数方面，CNN 也取得了最佳结果。因此，使用 CNN 来识别相关推文。其生成的相关报告以开普敦市的点状地图可视化呈现。本工作使用了 426 条推文的小数据集。未来将探索使用进化计算来优化深度学习模型。一款移动应用正在开发中，以使公众能够使用这些信息。
引用
@article{arxiv.2208.10280,
title = {A Twitter-Driven Deep Learning Mechanism for the Determination of Vehicle Hijacking Spots in Cities},
author = {Taahir Aiyoob Patel and Clement N. Nyirenda},
journal= {arXiv preprint arXiv:2208.10280},
year = {2022}
}