論文の概要: TransCrimeNet: A Transformer-Based Model for Text-Based Crime Prediction in Criminal Networks

• arxiv url: http://arxiv.org/abs/2311.09529v1
• Date: Thu, 16 Nov 2023 03:14:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-17 16:52:21.726934
• Title: TransCrimeNet: A Transformer-Based Model for Text-Based Crime Prediction in Criminal Networks
• Title（参考訳）: TransCrimeNet:犯罪ネットワークにおけるテキストベースの犯罪予測のためのトランスフォーマーベースモデル
• Authors: Chen Yang
• Abstract要約: 本稿では,テキストデータから犯罪ネットワークの将来の犯罪を予測するトランスフォーマーモデルであるTransCrimeNetを提案する。 実世界の犯罪ネットワークデータセットの実験では、TransCrimeNetは犯罪予測のためのF1スコアの12.7%で過去の最先端モデルを上回っている。
• 参考スコア（独自算出の注目度）: 2.7242259996251197
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents TransCrimeNet, a novel transformer-based model for predicting future crimes in criminal networks from textual data. Criminal network analysis has become vital for law enforcement agencies to prevent crimes. However, existing graph-based methods fail to effectively incorporate crucial textual data like social media posts and interrogation transcripts that provide valuable insights into planned criminal activities. To address this limitation, we develop TransCrimeNet which leverages the representation learning capabilities of transformer models like BERT to extract features from unstructured text data. These text-derived features are fused with graph embeddings of the criminal network for accurate prediction of future crimes. Extensive experiments on real-world criminal network datasets demonstrate that TransCrimeNet outperforms previous state-of-the-art models by 12.7\% in F1 score for crime prediction. The results showcase the benefits of combining textual and graph-based features for actionable insights to disrupt criminal enterprises.
• Abstract（参考訳）: 本稿では,テキストデータから犯罪ネットワークの将来の犯罪を予測するトランスフォーマーモデルであるTransCrimeNetを提案する。 犯罪ネットワーク分析は、法執行機関が犯罪を防止するために不可欠になっている。 しかし、既存のグラフベースの手法では、ソーシャルメディア投稿や尋問書などの重要なテキストデータを効果的に組み込むことができず、計画された犯罪活動に関する貴重な洞察を提供する。 この制限に対処するために,BERTなどのトランスフォーマーモデルの表現学習機能を活用し,構造化されていないテキストデータから特徴を抽出するTransCrimeNetを開発した。 これらのテキストに基づく特徴は、将来の犯罪の正確な予測のために犯罪ネットワークのグラフ埋め込みと融合する。 実世界の犯罪ネットワークデータセットに関する大規模な実験は、TransCrimeNetが犯罪予測のためのF1スコアの12.7%で過去の最先端モデルより優れていることを示した。 その結果、犯罪企業をディスラプトするための効果的な洞察のために、テキストとグラフベースの機能を組み合わせることのメリットが示された。

関連論文リスト

• Framework for developing quantitative agent based models based on qualitative expert knowledge: an organised crime use-case [0.0]
  法執行目的で犯罪ネットワークをモデル化するためには、データの限られた供給を検証されたエージェントベースモデルに変換する必要がある。 現在の犯罪モデルに欠けているのは、モデラーとドメインエキスパートのための体系的で透明なフレームワークです。 この目的のために、FREIDA ( Framework for Expert-Informed Data-driven Agent-based model)を提案する。
  論文  参考訳（メタデータ） (2023-07-21T11:26:54Z)
• Crime Prediction using Machine Learning with a Novel Crime Dataset [0.0]
  バングラデシュは貧困、人口増加、その他多くの社会経済的問題による犯罪率が高い。 法執行機関にとって、将来の犯罪活動を防ぐためには犯罪パターンを理解することが不可欠である。 本稿では,バングラデシュにおける6574件の犯罪事件に関する時間的,地理的,天気,人口統計データを含む新たな犯罪データセットを提案する。
  論文  参考訳（メタデータ） (2022-11-03T01:55:52Z)
• Machine Learning Partners in Criminal Networks [1.0554048699217669]
  政治腐敗、警察情報、マネーロンダリングネットワークの構造的特性は、行方不明の刑事協力を予測するのに有効であることを示す。 また,本手法は,汚職ネットワークの動的成長にともなう将来的な犯罪関連を,かなりの精度で予測できることを示す。
  論文  参考訳（メタデータ） (2022-09-07T14:03:59Z)
• Spatial-Temporal Sequential Hypergraph Network for Crime Prediction [56.41899180029119]
  本稿では,複合犯罪の時空間パターンを包括的に符号化する時空間逐次ハイパーグラフネットワーク(ST-SHN)を提案する。 特に、長距離及びグローバルなコンテキスト下での時空間力学を扱うために、グラフ構造化されたメッセージパッシングアーキテクチャを設計する。 提案するST-SHNフレームワークは予測性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-01-07T12:46:50Z)
• The effect of differential victim crime reporting on predictive policing systems [84.86615754515252]
  本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。 以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
  論文  参考訳（メタデータ） (2021-01-30T01:57:22Z)
• AIST: An Interpretable Attention-based Deep Learning Model for Crime Prediction [0.30458514384586394]
  AISTは、犯罪予測のための注意ベースの解釈可能なSテンポラルネットワークです。 AISTは、特定の犯罪カテゴリの動的空間依存性と時間パターンをモデル化する。 実験では,実データを用いた精度と解釈の両面で,モデルの優越性を示す。
  論文  参考訳（メタデータ） (2020-12-16T03:01:15Z)
• Detecting Cross-Modal Inconsistency to Defend Against Neural Fake News [57.9843300852526]
  我々は、画像やキャプションを含む機械生成ニュースに対して、より現実的で挑戦的な対策を導入する。 敵が悪用できる可能性のある弱点を特定するために、4つの異なる種類の生成された記事からなるNeuralNewsデータセットを作成します。 ユーザ実験から得られた貴重な知見に加えて,視覚的意味的不整合の検出にもとづく比較的効果的なアプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-16T14:13:15Z)
• Graph Backdoor [53.70971502299977]
  GTAはグラフニューラルネットワーク(GNN)に対する最初のバックドア攻撃である。 GTAは、トポロジカル構造と記述的特徴の両方を含む特定の部分グラフとしてトリガーを定義する。 トランスダクティブ(ノード分類など)とインダクティブ(グラフ分類など)の両方のタスクに対してインスタンス化することができる。
  論文  参考訳（メタデータ） (2020-06-21T19:45:30Z)
• Analyzing the Impact of Foursquare and Streetlight Data with Human Demographics on Future Crime Prediction [11.55636955646976]
  本研究では,将来の犯罪発生予測を改善するために,街灯インフラとFoursquareデータと人口統計特性を併用することを提案する。 提案手法はカナダ・ハリファックスの最小の地域について検討した。
  論文  参考訳（メタデータ） (2020-06-13T00:11:20Z)
• Transferring and Regularizing Prediction for Semantic Segmentation [115.88957139226966]
  本稿では,セマンティックセグメンテーションの本質的特性を利用して,モデル伝達におけるそのような問題を緩和する。 本稿では,モデル転送を教師なし方式で正規化するための制約として固有特性を課す予測伝達の正規化器(RPT)を提案する。 GTA5とSynTHIA(synthetic data)で訓練されたモデルの都市景観データセット(アーバンストリートシーン)への転送に関するRTPの提案を検証するため、大規模な実験を行った。
  論文  参考訳（メタデータ） (2020-06-11T16:19:41Z)
• Exploring Spatio-Temporal and Cross-Type Correlations for Crime Prediction [48.1813701535167]
  我々は,都市犯罪のクロスタイプと時間的相関を利用した犯罪予測を行う。 犯罪予測のための相関関係を数学的にモデル化するコヒーレントな枠組みを提案する。 犯罪予測における相関関係の重要性を理解するために、さらなる実験が行われた。
  論文  参考訳（メタデータ） (2020-01-20T00:34:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。