Prediction of Crime Occurrence in case of Scarcity of Labeled Data

Volkan KIRANOGLU; Göksu TÜYSÜZOĞLU; Elife ÖZTÜRK KIYAK

doi:https://doi.org/10.21205/deufmd.2021236828

Makale detayları

Prediction of Crime Occurrence in case of Scarcity of Labeled Data

Yazarlar:

Volkan KIRANOGLU | Göksu TÜYSÜZOĞLU | Elife ÖZTÜRK KIYAK

Yayıncı:

Dokuz Eylul University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi 2021 Vol.23 Issue 68, pp.677-687

Belge Tipi:

Makale

Yayın Tarihi:

5/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000937651

Sıklık:

Üç Yıllık

eISSN:

2547-958X

pISSN:

1302-9304

DOI:

https://doi.org/10.21205/deufmd.2021236828

Anahtar kelimeler:

Özet:

 

In line with technological developments, machine learning/data mining studies have significantly scaled up in crime analysis. The prediction of crime occurrences, the detection of the spatial/temporal distribution of the criminal cases, forecasting the type of crime are some of these study areas. By taking crime data resulting from a substantial increase in crime rates into consideration, unlabeled data can be utilized to enhance exploring the patterns of crime for future events or to make crime-related predictions easily. Therefore, in this study, active learning, self-learning, and random sampling techniques are applied to predict the outcome of criminal searches in England using the police data of 2019. According to the experimental analysis, active learning outperforms its counterparts using its entropy-based smart selection strategy data in case there is little labeled data.

 

Teknolojik gelişmeler doğrultusunda, makine öğrenmesi/veri madenciliği çalışmaları suç analizinde önemli ölçüde artmıştır. Suç olaylarının tahmini, ceza davalarının mekansal/zamansal dağılımının tespiti, suç türünün öngörülmesi bu çalışma alanlarından bazılarıdır. Suç oranlarındaki önemli artıştan kaynaklanan suç verileri dikkate alındığında, gelecekteki olaylar için suç kalıplarını araştırmak veya suçla ilgili tahminleri kolayca yapmak için etiketlenmemiş veriler kullanılabilir. Bu nedenle, bu çalışmada, 2019 polis verilerini kullanarak İngiltere'de suç araştırmalarının sonucunu tahmin etmek için aktif öğrenme, kendi kendine öğrenme ve rastgele örnekleme teknikleri uygulanmıştır. Deneysel analize göre, aktif öğrenme, çok az etiketlenmiş veri olması durumunda düzensizliğe dayalı akıllı seçim stratejisini kullanarak muadillerinden daha iyi performans göstermektedir.

Makale detayları

Prediction of Crime Occurrence in case of Scarcity of Labeled Data

Yazarlar:

Volkan KIRANOGLU | Göksu TÜYSÜZOĞLU | Elife ÖZTÜRK KIYAK

Yayıncı:

Dokuz Eylul University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi 2021 Vol.23 Issue 68, pp.677-687

Belge Tipi:

Makale

Yayın Tarihi:

5/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000937651

Sıklık:

Üç Yıllık

eISSN:

2547-958X

pISSN:

1302-9304

DOI:

https://doi.org/10.21205/deufmd.2021236828

Aktif Öğrenme

Sınıflandırma

Suç Tespiti

Rastgele Örnekleme

Yarı Denetimli Öğrenme

Kendi Kendine Öğrenme

Sayı

Makale detayları

Prediction of Crime Occurrence in case of Scarcity of Labeled Data

Yazarlar: Volkan KIRANOGLU | Göksu TÜYSÜZOĞLU | Elife ÖZTÜRK KIYAK

Yayıncı: Dokuz Eylul University

Ana Başlıklar: Mühendislik ve uygulamalı operasyonlar

Dergi: Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi 2021 Vol.23 Issue 68, pp.677-687

Belge Tipi: Makale

Yayın Tarihi: 5/2021

Belge Dili: İngilizce

Document ID (Org No.): 2000937651

Sıklık: Üç Yıllık

eISSN: 2547-958X

pISSN: 1302-9304

DOI: https://doi.org/10.21205/deufmd.2021236828

Aktif Öğrenme

Sınıflandırma

Suç Tespiti

Rastgele Örnekleme

Yarı Denetimli Öğrenme

Kendi Kendine Öğrenme

Sayı

Yazarlar:

Volkan KIRANOGLU | Göksu TÜYSÜZOĞLU | Elife ÖZTÜRK KIYAK

Yayıncı:

Dokuz Eylul University

Ana Başlıklar:

Mühendislik ve uygulamalı operasyonlar

Dergi:

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi 2021 Vol.23 Issue 68, pp.677-687

Belge Tipi:

Makale

Yayın Tarihi:

5/2021

Belge Dili:

İngilizce

Document ID (Org No.):

2000937651

Sıklık:

Üç Yıllık

eISSN:

2547-958X

pISSN:

1302-9304

DOI:

https://doi.org/10.21205/deufmd.2021236828