低秩双线性自回归模型用于三维犯罪活动张量
应用统计
2026-03-31 v3
摘要
犯罪活动数据通常通过编码不同犯罪类别在时间和空间上报告频率的三维张量形式呈现。由于在设计可解释且现实的模型基表示复合相关性时所面临的挑战，导致越来越多地采用黑箱预测策略。虽然这种方法在生产准确的预测结果以指导针对性干预方面取得了成功，但缺乏对犯罪活动张量内部相关结构的可解释模型表征，阻碍了推断这些干预在不同维度之间的级联效应。我们通过设计一种低秩双线性自回归模型来弥补这一空白，该模型在预测性能上与黑箱方法相当，同时允许对不同犯罪类别、时间和空间中报告犯罪活动的相关结构进行可解释推断。该表示方法通过自回归构建方式处理时间维度，以 accounts for spatial effects and crime categories 之间的依赖性；通过可分离的低秩双线性形式来处理犯罪类别之间的依赖性。当应用于芝加哥警局报告数据时，所提出的模型展示了卓越的预测性能，并揭示了揭示基本犯罪动态的可解释相关结构。这些结果促进了基于政策本身级联效应设计更精细干预政策的能力。
引用
@article{arxiv.2505.01166,
title = {Low-rank bilinear autoregressive models for three-way criminal activity tensors},
author = {Gregor Zens and Carlos Díaz and Daniele Durante and Eleonora Patacchini},
journal= {arXiv preprint arXiv:2505.01166},
year = {2026}
}