CrimeVec—Exploring Spatial-Temporal Based Vector Representations of Urban Crime Types and Crime-Related Urban Regions （CrimeVec—探索城市犯罪类型和与犯罪相关的城市区域的基于时空的向量表示）

0 Abstract

传统的犯罪类型分类依赖于层次结构，从高级类别到低级子类型。这种基于树的分类将犯罪类型视为相互独立，当它们不从同一更高级别的类别分支时，因此缺乏类别间的语义关系。然后，该问题延伸到城市地区的犯罪分布分析，通常根据犯罪类型计数报告统计数据，但忽略不同犯罪类别之间的隐含关系。我们的研究旨在填补这一信息空白，从定性和定量两个方面更全面地了解城市犯罪。具体来说，我们提出了一种基于向量的犯罪类型表示，通过对时间和地理因素的无监督机器学习构建。总体思路是将犯罪类型定义为“相关”，如果它们经常在同一时间跨度发生在同一区域，则不管任何初始层次分类。这开启了一种超越预定义结构的新比较指标，通过以完全数据驱动的方式生成向量空间来揭示犯罪类型之间的隐藏关系。犯罪类型被表示为这个空间中的点，它们的相对距离揭示了更强或更弱的语义关系。城市犯罪分布分析的一个直接应用突出表现在直观数据调查的可视化工具和城市区域合成向量的方便比较方法上。对犯罪类型分布的有意义的见解和对城市犯罪特征的更好理解决定了对城市管理和发展的宝贵财富。

4 Discussion and Conclusions

1 Introduction

2 Methodology

2.1 Data Pre-Processing

2.2 Embedding Model for Crime Type Vector Representations

2.2.1 Word2vec Algorithm

2.2.2 Model Training and Crime Type Vector Generation

2.3 Urban Region Vector Space

3 Experiment

3.1 Data

3.2 Experimental Settings

3.3 Evaluation

3.3.1 Crime Type Embeddings

3.3.2 Crime-Related Urban Region Embeddings

标签：Urban,犯罪,Exploring,城市,Crime,Vector,类型
来源： https://www.cnblogs.com/chaoyuan-mao/p/16204264.html