[論文レビュー] Machine learning for risk assessment in gender-based crime

Ángel González-Prieto, Antonio Brú+2 more|arXiv (Cornell University)|Jun 22, 2021

Crime Patterns and Interventions参考文献 38被引用数 8

ひとこと要約

本論文は、40,000件を超える事例を含むデータセットを用いて、女性に対する intimate partner violence against women (IPVAW) の再犯リスクを予測するための機械学習（ML）モデルを提案する。ユークリッド距離を用いた最近傍重心（NC）モデルで、縮小しきい値 = 5 の場合、警察保護スコアが1.595に達し、既存の統計的手法を上回り、法執行機関における実用的導入を可能にするハイブリッド移行モデルを提供した。

ABSTRACT

Gender-based crime is one of the most concerning scourges of contemporary society. Governments worldwide have invested lots of economic and human resources to radically eliminate this threat. Despite these efforts, providing accurate predictions of the risk that a victim of gender violence has of being attacked again is still a very hard open problem. The development of new methods for issuing accurate, fair and quick predictions would allow police forces to select the most appropriate measures to prevent recidivism. In this work, we propose to apply Machine Learning (ML) techniques to create models that accurately predict the recidivism risk of a gender-violence offender. The relevance of the contribution of this work is threefold: (i) the proposed ML method outperforms the preexisting risk assessment algorithm based on classical statistical techniques, (ii) the study has been conducted through an official specific-purpose database with more than 40,000 reports of gender violence, and (iii) two new quality measures are proposed for assessing the effective police protection that a model supplies and the overload in the invested resources that it generates. Additionally, we propose a hybrid model that combines the statistical prediction methods with the ML method, permitting authorities to implement a smooth transition from the preexisting model to the ML-based model. This hybrid nature enables a decision-making process to optimally balance between the efficiency of the police system and aggressiveness of the protection measures taken.

研究の動機と目的

• 女性に対するパートナーバイオレンス（IPVAW）の再犯予測において、既存の統計的リスク評価ツールを改善する機械学習モデルの開発を目的とする。
• 警察保護の実効性とリソース効率を反映する新しい指標を用いて、モデルのパフォーマンスを評価することを目的とする。
• 従来のルールベースシステムからMLベースのリスク予測へスムーズに移行できるハイブリッドモデルの提案を目的とする。

提案手法

• 本研究では、構造化された臨床的および法的変数を含む、公式のスペイン政府資料から得た40,000件を超えるIPVAWレポートのデータセットを用いた。
• 最近傍重心（NC）、K-最近傍（KNN）、ロジスティック回帰（LR）、決定木（DT）、ニューラルネットワーク（NN）といった多様なMLモデルを訓練・評価した。
• 最近傍重心モデルは、警察保護スコアを目的関数として用い、10分割交差検証を用いて最適化された。距離計測法（ユークリッド、マンハッタン、ミンコフスキー）と縮小しきい値を最適化した。
• ハイブリッドモデルは、従来のVioGenルールベースシステムと、最も優れたMLモデル（NC）の予測値を確率μで確率的内挿することで構築された。
• ハイブリッドモデルは、二項確率変数を用いて2つのモデルの差分に基づき予測値を摂動させることで、旧システムから新システムへの滑らかな移行を保証する。
• 2つの新しい評価指標を導入した：警察保護スコア（効果的なリスク同定の測定）とリソース過負荷インデックス（過剰な保護措置のリスク測定）

実験結果

リサーチクエスチョン

• RQ1 機械学習モデルは、女性に対するパートナーバイオレンス（IPVAW）の再犯予測において、従来の統計的リスク評価ツールを上回ることができるか？
• RQ2 精度だけでなく、実世界の運用的影響（例えば、効果的な保護措置とリソース効率）を踏まえたモデルのパフォーマンス評価方法は何か？
• RQ3 既存の法執行機関システムの運用を損なわず、新たなMLベースのリスク予測モデルを統合する最適な方法は何か？
• RQ4 IPVAW再犯予測の文脈において、予測性能と運用可能性の両立を最も達成する機械学習アルゴリズムは何か？
• RQ5 従来システムとMLベースの予測を組み合わせたハイブリッドモデルは、保護成果を維持または向上させながら、安全で段階的な移行を可能にするか？

主な発見

• ユークリッド距離と縮小しきい値 = 5を用いた最近傍重心（NC）モデルが、10分割交差検証において警察保護スコア1.595を達成し、ベースラインのVioGenシステム（スコア：1.28）を著しく上回った。
• NCモデルは、10回の交差検証の平均で標準偏差が僅か0.037にとどまり、高い一貫性と頑健性を示した。
• ハイブリッドモデルにより、従来のVioGenシステムからMLベースのモデルへのスムーズな移行が可能となり、μ = 0が元のシステム、μ = 1が完全なMLモデルに対応する。
• 提案された警察保護スコア指標は、リスク予測モデルの実世界での有用性を的確に捉えており、高リスク事例を的確に同定しつつリソースの過負荷を避けるモデルを好む。
• 本研究では、過剰な保護措置のリスクを定量化する新しいリソース過負荷インデックスを導入し、安全性とシステム効率のバランスを取る支援を行った。
• 従来の主張（標準的なMLモデルは性別に基づく犯罪リスク評価に不適切）に反し、適切なデータと評価手法を用いれば、MLが予測精度と運用的関連性を著しく向上させられることを示した。