基于异构图时间插补的不完整司法记录重建感知型城市犯罪分析

《Frontiers in Big Data》：Reconstruction-aware urban crime analytics from incomplete judicial records using heterogeneous graph temporal imputation

　　

引言：不完整的司法记录限制了可靠的犯罪分析，因为缺失属性、异构案件描述、混合变量类型和不平衡的罪名分布降低了其分析价值。本研究开发了一种重建感知框架，用于从不完整的司法记录中进行毒品犯罪罪名分类。
方法：对来自中国成都2014—2021年与毒品相关的司法文书进行筛选、清洗，并转换为结构化的人级观测。最终数据集包含12,620份有效文书和15,184条观测，具有16个结构化特征。研究人员开发了一种异构图卷积时间自动编码器（HetGConv-TAE），用于联合建模异构案件—属性关系以及案件构成的时间变化。研究在10%、20%和30%的控制缺失率下评估了性能，随后进行XGBoost罪名分类和SHAP解释。
结果：HetGConv-TAE在常规、静态图、时间及关系图基线中取得了最佳的平均重建性能。使用HetGConv-TAE重建数据训练的XGBoost模型，加权F₁得分接近80%，ROC-AUC值高于90%。SHAP分析确定毒品重量、场所类别和行政区是各罪名类别中最具影响力的预测因子。
讨论：将排除标签的异构图重建、时间编码、下游分类和可解释分析相结合，可提高不完整司法档案的分析有用性。该框架旨在支持数据质量评估和聚合公共安全研究，而非自动化法律决策。

论文解读：基于异构图时间插补的不完整司法记录重建感知型城市犯罪分析

城市公共安全是可持续城市治理的基础。毒品犯罪不仅嵌入法律执行系统，还涉及城市空间组织、人口流动和社会活动模式。司法记录包含经法律验证的案件事实、犯罪人特征、毒品类型和重量、场所类别、行政区等，为犯罪分析提供重要依据。然而，不完整司法记录存在缺失属性、异构描述、混合变量类型和类别不平衡等问题，若简单删除或常规插补，可能扭曲特征分布、削弱少数类信号，降低罪名分类可靠性。现有研究通常将犯罪预测、法律自然语言处理、缺失数据、异构图学习和可解释机器学习分开发展，缺少统一框架。因此，研究人员开发了重建感知的城市犯罪分析框架，用于从不完整司法记录中进行毒品犯罪罪名分类。该研究基于中国成都2014—2021年毒品相关司法文书，最终形成15,184条人级观测，提出HetGConv-TAE模型，并通过下游分类和解释验证，论文发表在《Frontiers in Big Data》。

研究人员采用的数据来自中国成都2014—2021年毒品相关司法判决文书，经关键词检索、相关性筛选、排除重复和无法人级重构的文书后，保留12,620份有效文书，转换为15,184条人级观测，包含16个结构化特征。主要方法包括：将结构化数据转换为排除罪名的异构案件—属性图，含15,184个案件节点、124个非目标属性节点和57,699条边；开发HetGConv-TAE，通过关系归一化图卷积聚合异构邻居，按年份划分8个时间片，经掩码平均池化后输入双向LSTM编码时间上下文，解码器重建缺失数值和类别变量，并使用混合类型掩码损失训练；重建后的完整数据输入XGBoost进行四分类；最后用SHAP进行全局和局部解释。

3.1 描述性结构、缺失模式与特征依赖
研究人员通过描述性分析发现，数据集存在明显的时间波动、空间异质性、毒品类型和罪名类别不平衡。缺失机制分析显示，缺失并非完全随机：Little完全随机缺失（MCAR）检验显著，毒品证据缺失与罪名类别、毒品类型相关，事件空间情境缺失与年份、行政区相关，犯罪人档案缺失与共犯状态、年龄组相关，表明缺失呈情境依赖或类似随机缺失（MAR）特征。特征缺失率与归一化重要度对比显示，年龄等变量同时具有较高缺失率和可测预测贡献，毒品重量虽缺失率较低但影响最大；Spearman相关矩阵显示变量间存在弱至中等关联，支持用图结构表示记录间关系。

3.2 插补性能与消融分析
在10%、20%、30%控制缺失率下，与MICE、KNN、GAIN、GAE以及GRIN、SPIN、MR-TGNN等较强时间或关系图基线比较，HetGConv-TAE均取得最低平均绝对误差（MAE）和最高正确插补率（CIR），例如10%缺失时MAE为7.223，CIR为0.713。消融分析显示，去除图卷积模块导致最大性能下降，去除时间编码分支也明显下降；去除毒品相关关系、行政区域关系、场所关系等均降低性能，移除共犯关系和犯罪人档案节点影响较小；将关系感知聚合替换为同质聚合同样导致性能下降，说明关系类型建模的重要。

3.3 下游罪名分类性能
在固定XGBoost协议下，基于HetGConv-TAE重建数据训练的模型在10%、20%、30%缺失率下加权F₁分别为80.07%、80.83%、80.14%，ROC-AUC分别为90.54%、91.50%、91.48%，均优于其他重建方法；在G-Mean和ROC-AUC上也更稳定，表明重建质量直接转化为更好的下游分类可分离性。

3.4 基于SHAP的罪名分类解释
SHAP总结图显示，毒品重量、场所类别和行政区是各罪名类别中最具影响力的预测因子；不同罪名贡献结构不同，例如贩卖、运输、制造毒品罪中场所、区域、共犯状态和毒品类型贡献较大，而非法持有毒品罪中毒品重量为主导预测因子。SHAP依赖图显示月份、季节、星期和行政区的贡献呈现非单调或空间异质模式，表明模型依赖具有法律意义和情境合理性的变量。

讨论部分指出，不完整司法记录应被视为核心数据质量问题而非预处理小事；HetGConv-TAE通过联合建模异构关系和时间变化提高了重建性能，且重建质量改善了下游分类。方法学上，司法记录应保留其语义和制度结构，重建应加入时间变化，并采用任务导向评估。城市治理方面，该框架可用于司法档案质量评估、缺失信息审计、聚合犯罪模式分析和公共安全研究辅助证据，但应限于非惩罚性、人工审查的用途，不用于自动法律决策。伦理上需遵守数据最小化、匿名化和安全存储，SHAP解释不代表因果关系。局限包括单城市、单一犯罪领域、模拟缺失不能完全复现真实机制、基准未穷尽、未纳入外部城市协变量、需要专家评估。结论表明，尽管存在这些局限，重建感知建模为改善不完整司法档案提供了一条有用途径；通过连接结构化司法数据、排除标签的异构图时间重建、下游罪名分类和可解释机器学习，该框架为在不完整、异质和不平衡的法律记录下进行公共安全数据分析提供了有用途径，但其结论应在固定分类器和标准化掩码的评估范围内解读。