顧及案件多維特征的犯罪熱點語義挖掘
——以北京市入室盜竊案件為例

郭雅琦，陳鵬，朱冠宇，林艷

(中國人民公安大學信息網絡安全學院，北京 100038)

犯罪活動在空間上的分布并不是均勻或隨機的，而是呈現出一種聚集性，這些犯罪活動聚集的地方即被稱為犯罪熱點[1]。犯罪熱點可以直觀反映出犯罪在空間上的易聚集區，通過對犯罪熱點進行研究，能夠幫助警務部門深入了解犯罪發生的特征模式，進而制定科學并具針對性的決策。長期以來，地理學、犯罪學和城市規劃等相關領域的研究人員對犯罪熱點展開了大量研究，利用核密度估計、掃描統計、最近鄰指標等方法探討了犯罪熱點的空間分布模式和分布格局。例如，鄭滋椀等[2]以路段為分析單元，發現浙江省某地的犯罪熱點多分布于住宅區、大學、商業區等區域；柳林等[3]基于標準化犯罪強度指數和核密度估計的方法分析了某市DP半島搶劫犯罪的空間格局特征，發現該地存在有兩個相對穩定的犯罪熱點。此外，還有一些研究人員從相關性探索的角度，利用線性回歸、空間回歸等方法對犯罪熱點與社會、環境、地理、城市等諸多要素的關聯性進行分析，試圖解釋犯罪熱點在空間上的形成機制和原因，如Khalid等[4]認為土地利用的功能性質對犯罪熱點的分布具有潛在影響；張延吉等[5]則利用刑事案件、興趣點、道路網等數據分析了城市環境對犯罪發生數量、危害程度兩類熱點分布的影響等。總的來看，現有關于犯罪熱點的研究主要關注于犯罪活動的空間聚集性及形成的原因，但缺少從語義的角度挖掘犯罪熱點所蘊含的特征。

從警務實踐的角度來看，犯罪熱點的存在體現的不僅是各類環境要素對區域內犯罪機會的集中影響，也從一定程度上承載了犯罪人心理驅動下犯罪活動選擇偏好的多樣性。事實上，不同的犯罪熱點具有不同的語義特征，而這種語義特征又往往隱含著熱點內的案件要素、環境要素等特征信息。語義挖掘常被運用在地理學領域，已有研究通過語義挖掘實現了對地理位置語義信息的挖掘和表達。類似地，融合多源信息，對犯罪熱點進行語義挖掘，能夠發現犯罪熱點區域內的案件要素特征、環境要素特征等[6]。其中，一些學者運用自然語言處理等分析方法對文本數據進行挖掘，為犯罪熱點的語義挖掘提供了技術支撐[7-9]。近年來，人們分別從環境要素、案件要素等角度對犯罪熱點的特征進行了刻畫，在環境要素方面，研究人員通過研究犯罪熱點內環境要素的分布，從環境構型與犯罪熱點的邏輯關系層面揭示了區域內案件高發的原因[10-11]；而在案件要素方面，有學者則通過研究犯罪熱點內部的案件特征分布分析熱點的特征結構，從案件構成的角度了解熱點形成的內在原因[12-13]。整體來看，這些研究是在犯罪熱點空間分布的基礎上，對犯罪熱點本身所蘊含的案件信息、環境要素等結構特征進行挖掘與判斷，從而幫助警務人員理解不同犯罪熱點所隱藏的犯罪活動規律。但是，現有的工作大部分仍是集中于從空間和地理的角度對犯罪熱點本身進行解釋，缺少從語義的角度發現熱點潛藏的犯罪行為特征。

對此，現擬采用實證研究的方式，通過建立案件的多維語義標簽體系，從不同維度分析犯罪熱點案件特征標簽的分布，并對犯罪熱點的語義信息進行表達和挖掘，進而從語義結構特征的角度發現熱點內所潛藏的犯罪行為特征。

1 犯罪熱點語義挖掘方法

1.1 案件多維語義特征標簽體系

構成案情事實的案件要素可以描述案件特征。偵查學的專家學者們提出“五要素說”“六要素說”“七要素說”“立體構成要素說”等論說來定義案件要素，但通觀整個偵查理論學界及偵查實踐，學者們各執己見，還未形成一個通說。在比較上述各個論說具體內容的基礎上，有觀點認為現有理論中的要素不是案件必然具備的因素，不能使案件區別于其他事件，并提出對案件要素進行重構，包括主體要素中的作案人、時間要素中的作案時間、空間要素中的作案現場、行為要素中的犯罪行為和變化要素等。其中，時間要素包括犯罪活動發生的時間點、犯罪活動持續發生的時間段等，空間要素指犯罪活動準備、發生等一系列關聯的地點或場所，行為要素指犯罪人實施的犯罪行為，變化要素指犯罪對象的發生變化，如被害人、被盜物品等[14]。在公安數據“人、時、地、物、事”等要素的分析需求下[9]，依據重構的案件要素論說擇取了入室盜竊類警情中的發案時間、作案手段、發案處所、發案部位、被盜物品五類案件要素，并根據公安信息化系統中的數據字典，結合已有研究中的分類方法以及研究區域的案件情況[15]，確定了案件多維特征標簽體系的劃分準則。

在構建過程中，若直接以數據字段為標簽名稱會導致標簽類別過細，不能很好表征要素特征，因此根據入室盜竊案件各類案件要素的特點，將數據字段進行歸并處理。最終構建的入室盜竊類警情的案件要素特征標簽如表1所示。其中發案時間包括了凌晨、早晨、上午等9類標簽，作案手段包括了技術開鎖、攀爬、窗口進門等9類標簽，發案處所包括了普通樓房、平房、高層樓房等68類標簽，發案部位包括了臥室、客廳、宿舍等30類標簽，被盜物品包括了現金、電子產品、首飾等9類標簽。

表1 案件特征標簽樣例

1.2 犯罪熱點語義特征標簽匹配

針對不同的犯罪熱點，引入案件多維語義特征標簽，建立二者之間的匹配模型如圖1所示。通過分析熱點內案件數據中的簡要案情文本信息，利用文本匹配的方法自動匹配得到熱點對應的案件多維特征標簽。在對案情文本進行挖掘獲取熱點的案件特征標簽的過程中，主要涉及被盜物品、發案時間等要素的識別抽取及推理匹配[16]。

圖1 案件特征標簽與犯罪熱點的匹配模型

1.2.1 被盜物品案件要素

對于被盜物品案件要素，通過調用構建好的標簽詞典，從案情文本中排歧、搜索識別出對應標簽子類，從而匹配出犯罪熱點的被盜物品等案件特征標簽，這里的排歧是指排除識別過程中可能出現的詞義歧義，如“人民幣”一詞既可以表示被盜物品的類型，也可以表示被盜物品的價值。具體匹配步驟如下。

步驟1在預處理數據之前建立被盜物品案件語義特征標簽庫，將標簽庫中的所有特征標簽分為預設個數的大類并標注，根據對該案件特征標簽的劃分準則，在對特征標簽的大類進行分類處理時，將其劃分為9個大類，并用字母對其進行分類標注。

步驟2通過自然語言處理中的分詞和詞性標注，從案情文本數據中識別熱點的被盜物品案件特征標簽，具體原理為：對于輸入句子s中的每個字wi，根據其前后2個字生成7個特征，這7個特征分別為wi-2wi-1、wi-1、wi-1wi、wi、wiwi+1、wi+1、wi+1wi+2，需要預測每個字屬于詞首、詞尾、詞中、單字詞的權重，因此對每個句子中的每個字實際會生成7×4=28個特征，先查找每個特征對應的權重，通過解碼得到預測標簽，再根據步驟1建立的被盜物品案件特征標簽庫的詞性標注識別抽取出標簽。

步驟3對于因排岐不完全而用步驟2未能抽取識別出的物品，建立排岐標簽庫，利用模式匹配的方法識別并抽取出無歧義的被盜物品。

1.2.2 發案時間案件要素

對于發案時間案件要素，考慮到基于報案時間的發案時間特征分析容易產生誤差[17]，首先識別抽取出案情文本中的報案時間，并根據其上下文時間推理出可能發案的時間區間，再根據時間區間的分類關系匹配出該類案件特征標簽。具體匹配步驟如下。

步驟1通過限制尋找年、月、日、時、分的方式，抽取出案情文本數據中所有的時間信息，包括報警時間、休息時間、離家時間等。

步驟2根據從數據中抽取出的不同時間點粗略判斷出可能發案的時間區間，再針對不同案情描述，對該時間區間進行分類。共計分為以下7類：0:00—4:00為凌晨，5:00—8:00為早晨，8:00—12:00為上午，12:00—14:00為中午，14:00—18:00為下午，18:00—20:00為傍晚，20:00—24:00為晚上。

1.3 犯罪熱點語義特征標簽共現網絡構建

根據標簽匹配后呈現出的犯罪熱點語義特征的基本結構，設計共現網絡以表達語義特征標簽維度間的關系，進而提煉犯罪熱點內部的犯罪人行為信息。令發案時間標簽集合為T={t1,t2,…,ta}，作案手段標簽集合為M={m1,m2,…,mb}，發案處所標簽集合為S={s1,s2,…,sc}，發案部位標簽集合為L={l1,l2,…,ld}，被盜物品類型標簽集合為P={p1,p2,…,pf}，則可以以每一類標簽集合中的每一個特征標簽作為節點，構建語義特征標簽共現網絡G=(V′,E′)。網絡中節點總數為ZG，ZG=|T|+|M|+|S|+|L|+|P|，|T|、|M|、|S|、|L|、|P|分別表示每一類標簽集合中的標簽類型數量，如T為發案時間標簽集合，如果發案時間分為上午、中午、下午、傍晚、前夜、后夜、凌晨，則|T|=7。節點vi、vj∈{T||M||S||L||P}，||表示邏輯運算中的“或”，即vi、vj為發案時間、作案手段、發案處所、發案部位、被盜物品五大類標簽中任意兩個不同的子標簽，其關聯強度mi,j為任意兩類語義特征標簽集合中的兩個特征標簽在一個案件中共同出現的次數[18]。則該網絡對應的鄰接矩陣可以表示為

ei,j=mi,j, 1≤i,j≤ZG,ZG≥3

(1)

例如，假設有A、B、C類語義特征標簽集合，其中A={a1，a2}，B={b1，b2}，C={c1，c2}，連線m、n、j、k為兩標簽間的共現頻數，則可構建該網絡的模型和矩陣分別如圖2和表2所示。

圖2 特征標簽共現網絡構建模型

表2 特征標簽共現網絡矩陣

2 研究區域與數據來源

研究區域為北京市。北京市共有16個行政區，依功能劃分為城市核心區、城市發展新區和生態涵養發展區三類。截至2018年，北京市土地面積為16 410.54 km2，常住人口為2 154.2萬人，其中城六區土地面積為1 368.32 km2，約占全市8.3%，常住人口為1 379.6萬人，約占全市常住人口的59.3%，常住人口密度約為9 327人/km2，約為其他城區常住人口平均密度的16倍。整體呈現城六區內人口多、密度大，城六區外地廣人稀的特點。

所選研究數據為北京市公安局提供的2018年北京市入室盜竊案件報警數據。選擇此類案件的主要原因在于入室盜竊案件不僅對廣大人民群眾的財產造成損失，同時極易誘發搶劫、強奸、殺人等惡劣暴力犯罪，嚴重威脅著人民群眾的人身財產安全，影響其生活幸福感、穩定感、平衡感[19]，因此一直是困擾社會居民安全、引發公安機關持續關注的不安定因素。報警數據所包含的字段信息有案件編號、發案地址及簡要案情，其中，簡要案情是對案情的文字描述，包含了發案詳細地址、作案手段、發案處所、發案部位、發案時間、被盜物品等多個能夠用于描述案件的特征信息。經過篩選、清洗和去重得到的最終有效數據為18 928條。

3 分析結果

3.1 犯罪熱點識別

首先，利用核密度估計方法識別北京市入室盜竊案件的犯罪熱點如圖3所示，核密度估計帶寬為3 km。北京市的入室盜竊案件呈現出不均衡的態勢分布，案件高發地區主要集中于城六區，且形成了5個主要的犯罪熱點，分別以a、b、c、d、e進行命名。通過查詢熱點區域內部的案件地址屬性，并與熱點進行屬性關聯，確定5個熱點所在的地名分別為中關村、金頂街、北大地、大紅門、和平里。

圖3 2018年北京市入室盜竊案件的犯罪熱點分布

熱點a：位于北京市海淀區的中關村一帶，熱點內共發生案件56起。在高新技術產業開發區的影響下，該區經濟迅速發展，高新技術公司密集，建成了各類高層建筑。該地基礎設施健全，周邊配套設施完善。除學生外，大部分居民是知名互聯網企業的高收入員工，其主要住房類型是公寓和宿舍。

熱點b：位于北京市石景山區的金頂街一帶，熱點內共發生案件323起。區域內有20世紀50年代建造的老舊小區，其房屋類型多為住宅樓，部分供職工家屬居住，部分用作低價出租。截至2018年，該地住房建筑、環境設施等大多較為老化，存在基礎設施不足、安防設施不夠健全、功能相對單一等問題。該熱點中心主要為老舊小區，周邊多居民樓房。

熱點c：位于北京市豐臺區的北大地一帶，熱點內共發生案件650起。區域內部物業管理較為完善，各類商鋪應有盡有，但缺少大型綜合娛樂型購物中心，居民經濟、消費水平普遍不高。居住人群相對穩定，其文化素質層次普遍較高。區域內交通較為便利，多條公交線路縱橫，通達性較高。熱點內部房屋類型多為居民住房。

熱點d：位于北京市豐臺區的大紅門一帶，熱點內共發生案件1 418起。區域內有著名的大紅門服裝商貿區，是服裝生產、制造和批發的基地。至2018年，該地道路擁擠狹窄、市政基礎老化、衛生條件臟亂、治安問題突出，存在較大安全隱患。此外，區域內私搭亂建嚴重，外來人口聚集，特別是經歷了一系列重大項目的拆遷切割，區域內較為凌亂，居住環境亟待改善。

熱點e：位于北京市東城區的和平里一帶，熱點內共發生案件124起。區域內有標志性的老舊小區，在房屋改造回遷進程中存在私搭亂建、車輛擁堵等問題，整體硬件設施設備落后，生活配套功能不全，內部管理不完善。同時，該區域內還有新建成的小區，其周邊基礎設施則較為健全，內部管理也較為完善。

由以上分析可見，熱點a、熱點b、熱點c和熱點e區域內具有潛在作案價值的目標較多、交通便利，熱點d區域內社會控制弱，這些環境條件都為犯罪人在區域內作案提供了犯罪機會。

3.2 犯罪熱點的多維語義特征統計分析

根據犯罪熱點的語義挖掘方法，利用THULAC、Flashtext、正則表達式等工具，分析熱點內相關案件的案情文本數據，并依據案件特征標簽與犯罪熱點的匹配模型匹配5個熱點的案件特征標簽。對5個犯罪熱點內的案件案情進行文本挖掘得到的案件特征標簽特征分布如圖4所示，分別從發案時間、作案手段、發案處所、發案部位、被盜物品5個特征維度表征了熱點的案件語義結構。

圖4 犯罪熱點的案件語義特征標簽統計分布

綜合來看，除犯罪熱點b地區的入室盜竊案件多發生在平房外，5個熱點地區內的案件都多發生在普通樓房、高層樓房等處所；5個熱點地區內的入室盜竊案件高發部位多為臥室；在手段的選擇上，熱點a地區內發生的入室盜竊案件的犯罪人主要采用窗口進門的方式進入現場，熱點b、熱點d地區內發生的犯罪人則主要采用溜門的方式，熱點c、熱點e地區的犯罪人則主要采用撬門的方式；熱點c地區的發案時間主要集中在夜晚，其他熱點地區的犯罪人在作案時間的選擇偏好上相差不大，均以夜晚和白天為主；而對于被盜物品，5個熱點的易被盜物品均以現金、電子產品為主。

3.3 犯罪熱點的多維語義特征共現分析

通過案件的多維語義特征標簽的統計雖然獲得了熱點內案件的語義特征結構，但這種特征結構是相對簡單的，不同特征標簽之間的關聯性尚不清晰。對此，根據犯罪熱點語義特征共現網絡構建原理[式(1)]，以發案時間、作案手段、發案部位、發案處所和被盜物品5類標簽集合中的每一個特征標簽作為節點，任意不同標簽集合中不同特征標簽之間的共現次數作為連邊，建立犯罪熱點內案件的多維語義特征共現網絡如圖5所示。

圖5 犯罪熱點的案件多維語義特征標簽共現網絡

結果表明，在不同犯罪熱點內，犯罪人在作案處所、作案部位、作案手段、作案時間和被盜物品選擇上存在著不同的關聯性。為便于不同熱點之間的語義特征標簽共現性進行比較，定義共現度為某個熱點內兩個不同語義特征標簽的共現頻數與熱點內案件數量之比。

對于熱點a地區，普通樓房是犯罪人入室盜竊主要選擇的處所(76.3%的犯罪人選擇在該處所作案)，而臥室是普通樓房內被盜竊的關鍵部位，兩者共現度高達48.2%，表明進入普通樓房盜竊的犯罪人約有一半會進入臥室盜取財物。此外，窗口進門、溜門、技術開鎖是犯罪人偏好的作案手段，其中窗口進門與普通樓房的共現度最高，達到了37.5%，表明約有1/3的犯罪人是通過窗口進入的方式進入作案現場。電子產品、現金與普通樓房的共現度分別為37.5%和33.9%，表明進入普通樓房盜竊的犯罪人約有1/3是以電子產品和現金為主要目標。

對于熱點b地區，平房和普通樓房是犯罪人入室盜竊主要選擇的處所，臥室是該熱點內被盜竊的關鍵部位，其與平房的共現度為19.2%，與普通樓房的共現度為13.3%。在時間的選擇上，犯罪人更偏好在白天進入平房(10.5%)，在夜晚進入普通樓房(10.2%)。溜門、撬門、窗口進門等是犯罪人偏好的作案手段，但這些手段與處所的共現特征不明顯。電子產品、現金和首飾是犯罪人的主要目標，其中電子產品、現金和平房的共現度較高，分別為18.0%和17.0%，首飾和普通樓房的共現度較高(12.1%)。除此之外，客廳也是普通樓房內被盜竊的關鍵部位(13.3%)。

對于熱點c地區，普通樓房、高層樓房是犯罪人入室盜竊主要選擇的處所，臥室是該熱點內被盜竊的關鍵部位，其與普通樓房的共現度為22%，與高層樓房的共現度為17.4%。在時間的選擇上，犯罪人更偏好在夜晚進入普通樓房(17.2%)。撬門、溜門、窗口進門等是犯罪人偏好的作案手段，其中窗口進門與普通樓房的共現度最高，為12.8%。電子產品、現金和首飾是犯罪人的主要目標。除此之外，客廳也是普通樓房內被盜竊的關鍵部位(10%)。

對于熱點d地區，普通樓房、高層樓房是犯罪人入室盜竊主要選擇的處所，臥室是該熱點內被盜竊的關鍵部位，但兩者之間的共現度不明顯。在時間的選擇上，犯罪人更偏好在夜晚進入普通樓房(11.3%)。溜門、撬門、窗口進門等是犯罪人偏好的作案手段，但這些手段與處所的共現特征不明顯。電子產品、現金、首飾是犯罪人的主要目標，其中電子產品、現金、首飾和普通樓房的共現度分別為19.1%、18.7%和12.1%，電子產品、現金和高層樓房的共現度分別為20.7%和19.2%。

對于熱點e地區，普通樓房、高層樓房是犯罪人入室盜竊主要選擇的處所，臥室、客廳是該熱點內被盜竊的關鍵部位，但和普通樓房、高層樓房的共現度均不高。在時間的選擇上，犯罪人更偏好在夜晚進入普通樓房，兩者共現度為22.6%。撬門、溜門、窗口進門等是犯罪人偏好的作案手段，其中溜門與普通樓房的共現度最高，達12.9%。電子產品、現金、首飾是犯罪人的主要目標，其中電子產品和普通樓房的共現度最高，為33.1%。

通過以上分析可看出，犯罪熱點a地區內發生的案件在發案時間、作案手段、發案處所、發案部位、被盜物品的語義特征上有著較高的共現度，反映該地區內從事入室盜竊的犯罪人在目標和物品類型選擇以及作案手段上存在著較高的集中性，呈現出犯罪人一定的“職業化”特征，且存在團伙作案的傾向。而其他犯罪熱點雖然也呈現出了一定的語義特征共現度，但整體相對較低，反映出犯罪人在犯罪目標、物品的選擇以及手段的使用上比較分散，呈現出多個不同類型犯罪人分別作案的傾向。

4 結論

針對現有研究在犯罪熱點語義結構挖掘的不足，設計了一種顧及案件多維語義特征的犯罪熱點語義挖掘方法，對犯罪熱點內集中高發案件中的作案時間、作案手段、被盜物品、發案部位、發案場所等作為主要的語義特征標簽進行挖掘。通過以北京市2018年入室盜竊案件為例進行實證分析，從結果來看，該方法對北京市的犯罪熱點分析能夠得到熱點內犯罪活動豐富的語義信息和語義特征，對于犯罪防控和熱點治理等工作具有一定的實用價值。一方面，它可以幫助警務部門挖掘犯罪熱點區域內部犯罪活動的情報信息；另一方面，它還能夠發現熱點內潛藏的犯罪人行為特征，進而探討制定具有針對性的防控措施。例如，從警務實踐上，可根據案件的語義特征共現性有針對性的開展熱點內案件的串并研判分析，發現系列犯罪人或團伙，并根據相關手段、處所等犯罪人行為特征做好防盜宣傳工作。