論文の概要: Empirical and Experimental Insights into Data Mining Techniques for
Crime Prediction: A Comprehensive Survey
- arxiv url: http://arxiv.org/abs/2403.00780v1
- Date: Sat, 17 Feb 2024 15:00:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-11 00:23:14.971339
- Title: Empirical and Experimental Insights into Data Mining Techniques for
Crime Prediction: A Comprehensive Survey
- Title（参考訳）: 犯罪予測のためのデータマイニング技術に関する実証的および実験的考察:包括的調査
- Authors: Kamal Taha
- Abstract要約: 本稿では,犯罪データ分析に使用される統計的手法,機械学習アルゴリズム,深層学習技術について述べる。
本稿では,犯罪予測アルゴリズムを特定の手法に分類する手法を提案する。
- 参考スコア（独自算出の注目度）: 0.8702432681310399
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This survey paper presents a comprehensive analysis of crime prediction
methodologies, exploring the various techniques and technologies utilized in
this area. The paper covers the statistical methods, machine learning
algorithms, and deep learning techniques employed to analyze crime data, while
also examining their effectiveness and limitations. We propose a methodological
taxonomy that classifies crime prediction algorithms into specific techniques.
This taxonomy is structured into four tiers, including methodology category,
methodology sub-category, methodology techniques, and methodology
sub-techniques. Empirical and experimental evaluations are provided to rank the
different techniques. The empirical evaluation assesses the crime prediction
techniques based on four criteria, while the experimental evaluation ranks the
algorithms that employ the same sub-technique, the different sub-techniques
that employ the same technique, the different techniques that employ the same
methodology sub-category, the different methodology sub-categories within the
same category, and the different methodology categories. The combination of
methodological taxonomy, empirical evaluations, and experimental comparisons
allows for a nuanced and comprehensive understanding of crime prediction
algorithms, aiding researchers in making informed decisions. Finally, the paper
provides a glimpse into the future of crime prediction techniques, highlighting
potential advancements and opportunities for further research in this field
- Abstract（参考訳）: 本研究では,犯罪予測手法の包括的分析を行い,この領域で活用される様々な技術・技術について検討する。
本稿では,犯罪データの解析に使用される統計的手法,機械学習アルゴリズム,深層学習技術について検討するとともに,その有効性と限界について検討する。
犯罪予測アルゴリズムを特定の手法に分類する方法論的分類法を提案する。
この分類は方法論のカテゴリ、方法論のサブカテゴリ、方法論のテクニック、方法論のサブテクニックの4つの階層に分けられる。
異なるテクニックをランク付けするための実証的および実験的評価が提供される。
実証的評価は4つの基準に基づいて犯罪予測手法を評価し,実験評価では,同一のサブテクニークを用いるアルゴリズム,同一の技術を使用する異なるサブテクニーク,同一の方法論をサブカテゴリとする異なるテクニック,同一カテゴリ内の異なる方法論サブカテゴリ,異なる方法論カテゴリを分類した。
方法論の分類学、経験的評価、実験的な比較の組み合わせは、犯罪予測アルゴリズムの微妙で包括的な理解を可能にし、研究者が情報的な決定を下すのを助ける。
最後に, 犯罪予測技術の将来を垣間見るとともに, 今後の研究の可能性と可能性について述べる。
関連論文リスト
- Empirical and Experimental Perspectives on Big Data in Recommendation
Systems: A Comprehensive Survey [2.6319554262325924]
本稿では,レコメンデーションシステムにおけるビッグデータアルゴリズムの包括的分析について述べる。
それは、現在のアルゴリズムの徹底的な分析と、正確な分類のための新しい階層的な分類法である。
論文 参考訳（メタデータ） (2024-02-01T23:51:29Z) - Unlocking Criminal Hierarchies: A Survey, Experimental, and Comparative Exploration of Techniques for Identifying Leaders within Criminal Networks [0.8192907805418581]
本稿では,犯罪ネットワーク内の犯罪指導者の識別に使用される手法とアルゴリズムを網羅的に分析する。
それぞれの技術について,その有効性,限界,改善の可能性,今後の展望について検討する。
論文 参考訳（メタデータ） (2024-01-26T20:09:31Z) - Text Classification: A Review, Empirical, and Experimental Evaluation [2.341806147715478]
既存の調査論文は、テキスト分類のためのアルゴリズムを幅広いクラスに分類している。
アルゴリズムを階層的にきめ細かなクラスと特定のテクニックに分類する,新しい方法論の分類法を導入する。
本研究は,本手法をテキスト分類アルゴリズムの分類に利用した最初の調査である。
論文 参考訳（メタデータ） (2024-01-11T08:17:42Z) - Observational and Experimental Insights into Machine Learning-Based Defect Classification in Wafers [0.8702432681310399]
本稿では,半導体製造におけるウエハ欠陥の同定に機械学習(ML)分類技術を用いた方法論の総合的なレビューを行う。
提案する方法論の革新的な分類法は、より洗練されたカテゴリと技法にアルゴリズムの詳細な分類を提供する。
論文 参考訳（メタデータ） (2023-10-16T14:46:45Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - Deep Learning Schema-based Event Extraction: Literature Review and
Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。
本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文 参考訳（メタデータ） (2021-07-05T16:32:45Z) - A Survey on Deep Semi-supervised Learning [51.26862262550445]
まず,既存の手法を分類した深層半指導学習の分類法を提案する。
次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
論文 参考訳（メタデータ） (2021-02-28T16:22:58Z) - A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。
本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。
特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文 参考訳（メタデータ） (2020-08-02T00:09:03Z) - Anomalous Example Detection in Deep Learning: A Survey [98.2295889723002]
本調査は,ディープラーニングアプリケーションにおける異常検出の研究について,構造化された包括的概要を提供する。
既存の技術に対する分類法を,その基礎となる前提と採用アプローチに基づいて提案する。
本稿では,DLシステムに異常検出技術を適用しながら未解決の研究課題を取り上げ,今後の課題について述べる。
論文 参考訳（メタデータ） (2020-03-16T02:47:23Z) - Imbalanced classification: a paradigm-based review [21.578692329486643]
クラス不均衡問題に対処する複数の再サンプリング手法が提案されている。
それぞれのテクニックをいつ使うかについては、一般的なガイダンスはない。
不均衡なクラスサイズ下でのバイナリ分類のための共通再サンプリング手法をパラダイムベースでレビューする。
論文 参考訳（メタデータ） (2020-02-11T18:34:48Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳（メタデータ） (2020-02-05T21:35:29Z)
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。