研究人员开发了一个新的框架，使用深度图卷积网络（GCNs）来预测犯罪热点。该方法将犯罪数据建模为图，其中网格单元是节点，邻近性定义边，使其能够捕捉传统方法忽略的复杂空间依赖性。该多层GCN模型在芝加哥犯罪数据集上进行训练，实现了78%的分类准确率，并生成了可解释的热力图，证明了其在预测性警务方面的有效性。 AI
影响 通过利用基于图的学习来理解空间犯罪依赖性，为预测性警务提供了一种更准确的方法。
排序理由 这是一篇研究论文，详细介绍了使用GCN进行犯罪热点预测的新颖框架。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2506.13116v2 Announce Type: replace-cross Abstract: Crime hotspot prediction is critical for ensuring urban safety and effective law enforcement, it remains challenging due to complex spatial dependencies that are inherent in criminal activities. The traditional approaches …