基于无监督特征选择的犯罪事件嵌入
机器学习
2018-11-06 v4 机器学习
摘要
我们提出一种针对犯罪数据的新型事件嵌入算法，可联合刻画每个事件的时间、地点以及复杂的自由文本部分。该嵌入通过正则化受限玻尔兹曼机（RBMs）实现，并引入一种新方法：通过对 RBMs 观测变量的条件分布施加 惩罚来进行正则化。该正则化选择实现了特征选择，且由于梯度可闭式计算，也带来了高效计算。特征选择迫使嵌入基于最重要的关键词，从而刻画犯罪系列中常见的作案手法（M. O.）。在大规模犯罪数据集上的数值实验表明，我们的正则化 RBMs 能取得更优的事件嵌入，且所选特征具有高度的人类可解释性。
引用
@article{arxiv.1806.06095,
title = {Crime Event Embedding with Unsupervised Feature Selection},
author = {Shixiang Zhu and Yao Xie},
journal= {arXiv preprint arXiv:1806.06095},
year = {2018}
}