[论文解读] Spatial-Temporal-Textual Point Processes with Applications in Crime Linkage Detection

Shixiang Zhu, Yao Xie|arXiv (Cornell University)|Feb 1, 2019

Point processes and geometric inequalities参考文献 41被引用 9

一句话总结

本文提出了一种多变量带标记的时空点过程，将通过正则化受限玻尔兹曼机（RBM）学习得到的警察报告文本嵌入作为标记，用于建模犯罪关联。该方法有效捕捉了真实世界稀疏犯罪数据中细微的时空与文本模式，在标注样本有限的情况下，展现出具有竞争力的性能与可解释性，能够有效检测犯罪关联。

ABSTRACT

Crimes emerge out of complex interactions of human behaviors and situations. Linkages between crime events are highly complex. Detecting crime linkage given a set of events is a highly challenging task since we only have limited information, including text descriptions, event times, and locations; moreover, the link among incidents is subtle. In practice, there are very few labeled data about related cases. We present a statistical modeling framework for police reports based on multivariate marked spatio-temporal Hawkes processes. Inspired by the notion of modus operandi (M.O.) in crime analysis, we perform text embedding for police reports and treat embedding vectors as marks of the Hawkes process. The embedding is performed by regularized Restricted Boltzmann Machine (RBM) to promote the probabilistic sparsity of selected keywords. Numerical results using real data demonstrate the competitive performance and interpretability of our method. The proposed method can be used in other similar data in social networks, electronic health records.

研究动机与目标

• 为解决在标注数据稀缺、证据仅限于文本描述、时间戳与位置信息时，检测犯罪关联的挑战。
• 通过在统一的统计框架中整合空间、时间与文本维度，建模犯罪事件之间复杂而细微的关联。
• 通过将学习到的文本嵌入作为点过程中的标记，提升模型的可解释性，以反映作案手法（M.O.）模式。
• 通过受限玻尔兹曼机中的正则化学习，促进文本特征的稀疏性与相关性。
• 开发一种可扩展且可泛化的模型，适用于其他领域，如社交网络与电子健康记录。

提出的方法

• 将犯罪事件建模为多变量带标记点过程，其中每个事件由位置、时间与文本描述表征。
• 应用正则化受限玻尔兹曼机（RBM）从警察报告描述中学习紧凑且具有概率稀疏性的文本嵌入。
• 将学习到的嵌入向量作为点过程中的标记，以捕捉不同犯罪类型之间的自激发与交叉激发。
• 构建点过程的强度函数，使其依赖于时空距离与嵌入文本特征的相似性。
• 利用带标记的点过程建模历史事件如何影响未来事件的发生率，涵盖空间与文本层面的影响。
• 使用基于梯度的方法优化模型下观测事件的似然函数，同时引入正则化以确保特征稀疏性与可解释性。

实验结果

研究问题

• RQ1 统一的统计模型能否在标注数据极少的情况下，有效整合空间、时间与文本特征，实现犯罪关联检测？
• RQ2 从警察报告中学习到的文本嵌入在多大程度上能有效表征作案手法（M.O.）模式并提升关联检测效果？
• RQ3 在学习到的文本特征中引入概率稀疏性，能在多大程度上增强模型的可解释性与性能？
• RQ4 在真实世界犯罪数据上，该方法与基线模型相比，在检测真实犯罪关联方面表现如何？
• RQ5 该框架能否泛化至其他涉及时空事件序列与文本描述的领域？

主要发现

• 所提方法在真实世界数据上的犯罪关联检测中表现出具有竞争力的性能，优于未整合文本特征的基线模型。
• 采用正则化RBM学习的文本嵌入能够识别出与作案手法模式高度相关的关键词。
• 模型通过将检测到的关联与共享的文本特征（如武器类型或作案手法）关联，展现出良好的可解释性。
• 将文本嵌入作为标记整合进点过程，显著提升了对细微、非显性犯罪关联的检测能力。
• 该框架在犯罪分析之外也具有良好的泛化能力，显示出在社交媒体监控与电子健康记录分析中的应用潜力。
• 该模型能有效处理数据稀疏性，在关联案例标注样本有限的情况下仍保持优异性能。