• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Intelligent Information Systems >Analysis of street crime predictors in web open data
【24h】

Analysis of street crime predictors in web open data

机译：网络开放数据中街头犯罪预测因子分析

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Crime predictors have been sought after by governments and citizens alike for preventing or avoiding crimes. In this paper, we attempt to thoroughly analyze crime predictors from three Web open data sources: Google Street View (GSV), Twitter, and Foursquare, which provides visual, textual, and human behavioral data respectively. In contrast to existing works that attempt crime prediction at zip-code level or coarser granularity, we focus on street-level crime prediction. We transform data assigned to street-segments, and extract and determine strong predictors correlated with crime. Particularly, we are the first to discover visual clues on street outlooks that are predictive for crime. We focus on the city of San Francisco, and our extensive experiments show the effectiveness of predictors in a range of tests. We show that by analyzing and selecting strong predictors in Web open data, one could achieve significantly better crime prediction accuracy, comparing to traditional demographic data-based prediction.
机译：各国政府和公民追求犯罪预测因子，以防止或避免犯罪。在本文中，我们试图从三个Web开放数据来源彻底分析犯罪预测器：Google Street View（GSV），Twitter和Foursquare，分别提供视觉，文本和人类行为数据。与现有的作品相比，试图在邮政编码水平或较粗糙的粒度上进行犯罪预测，我们专注于街道级犯罪预测。我们将分配给街头段的数据转换，提取并确定与犯罪相关的强预测因子。特别是，我们是第一个发现街道前景的视觉线索，这些内容是预测犯罪的。我们专注于旧金山市，我们的广泛实验表明了预测器在一系列测试中的有效性。我们表明，通过分析和选择Web开放数据中的强预测因子，可以实现明显的犯罪预测准确性，比较传统的基于人口数据的预测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号