用于犯罪关联检测的空间-时间-文本点过程
机器学习
2021-08-25 v7 机器学习
摘要
犯罪源于人类行为与情境的复杂交互。犯罪事件之间的关联高度复杂。在给定一组事件的情况下检测犯罪关联是一项极具挑战性的任务，因为我们仅有有限的信息，包括文本描述、事件时间与地点。在实践中，标签极少。我们提出了一种针对空间-时间-文本（spatio-temporal-textual）数据的新统计建模框架，并展示了其在犯罪关联检测上的应用。受犯罪分析中作案手法（modus operandi, M.O.）概念的启发，我们通过多元标记空间-时间 Hawkes 过程刻画犯罪事件的关联，并将自由文本的嵌入向量视为事件的标记（marks）。使用真实数据的数值结果展示了我们方法的良好性能，并揭示了犯罪数据中有趣的模式：与最先进水平相比，空间、时间与文本信息的联合建模增强了犯罪关联检测，且从数据中学到的空间依赖性可用于警务操作。
引用
@article{arxiv.1902.00440,
title = {Spatial-Temporal-Textual Point Processes for Crime Linkage Detection},
author = {Shixiang Zhu and Yao Xie},
journal= {arXiv preprint arXiv:1902.00440},
year = {2021}
}