TransCrimeNet：基于 Transformer 的犯罪网络文本犯罪预测模型
计算机与社会
2023-11-17 v1
摘要
本文提出 TransCrimeNet，一种基于 transformer 的新模型，用于从文本数据预测犯罪网络中的未来犯罪。犯罪网络分析已成为执法机构预防犯罪的关键。然而，现有的基于图的方法未能有效整合社交媒体帖子和审讯笔录等关键文本数据，这些数据为计划中的犯罪活动提供了宝贵洞察。为应对此局限，我们开发了 TransCrimeNet，它利用 BERT 等 transformer 模型的表示学习能力从非结构化文本数据中提取特征。这些文本衍生特征与犯罪网络的图嵌入融合，用于准确预测未来犯罪。在真实世界犯罪网络数据集上的大量实验表明，TransCrimeNet 在犯罪预测的 F1 分数上比先前最先进模型高出 12.7%。结果展示了结合文本与图特征以获取可操作洞察以瓦解犯罪企业的益处。
引用
@article{arxiv.2311.09529,
title = {TransCrimeNet: A Transformer-Based Model for Text-Based Crime Prediction in Criminal Networks},
author = {Chen Yang},
journal= {arXiv preprint arXiv:2311.09529},
year = {2023}
}