研究提出城市表征学习框架识别犯罪上报异常
热点事件持续更新
研究提出城市表征学习框架识别犯罪上报异常
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Jorge Valverde-Rebaza 等作者提出一种自监督城市表征学习框架,仅用地理标注的犯罪记录构建小时、周、静态三类报案画像,并用 Neighbor Profile Divergence(NPD)量化各区域与其相似邻居的报案差异,以识别异常上报模式。 该框架的目标是找出相对于表征相似同类区域而言报案模式不寻常的地区,作者称其可用于识别犯罪报案中的潜在差异。
AI 根据报道生成 · 13 分钟前更新
最新进展11月18日 13:00
城市表征学习识别犯罪报案中的潜在差异报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.CY城市表征学习识别犯罪报案中的潜在差异
研究提出一种自监督城市表征学习框架,仅用地理标注的犯罪记录构建小时、周、静态三类报案画像,并通过 Neighbor Profile Divergence(NPD)量化各区域与其相似邻居的报案差异。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。