Naïve Bayes inference for forensic archaeology: Probabilistic artefact-type inference from site context

方法

文献构建合成数据集，以考古时期和遗址类型为变量做朴素贝叶斯推断。

发现

模型在参数适度扰动下输出稳定，但结果高度依赖参考数据质量与代表性。

机会点

可将该概率框架迁移至农产品溯源或农业文化遗产非法交易监测，结合OSINT数据验证。

针对文化财产的犯罪构成复杂的侦查挑战，因为此类案件往往涉及追索不完整、来源不确定、来源混杂的组合以及证据条件零碎等问题。在此类情形下，概率推理可为组织不确定性提供一种有用的方式，而非强行得出过早的确定性结论。本研究提出一个概念验证性的朴素贝叶斯（Naïve Bayes）框架，将宽泛的情境变量（主要是考古时期和遗址类型）与关于器物类别的概率性预期相联系。在本研究中，合成参考结构和示例性案例应用主要聚焦于与非法金属探测活动及金属发现物追索相关的器物类别。这反映了本文所考察的实证背景，不应被理解为将概念框架本身局限于金属器物。该框架基于文献信息构建的合成数据集而建立，并通过费耶尔县（Fejér County）的案例应用加以说明。本文在范围上属于方法论研究。它并不声称在独立的真实案例语料库上进行了外部验证，未将模型性能与专业考古评估进行比较，也不旨在取代考古专业知识或作为独立的证据技术发挥作用。相反，它展示了如何以透明、可复现且可更新的概率形式将考古学信息支撑的预期形式化。在上述限度内，该框架可通过帮助分析人员优先考虑情境上合理的器物类别、构建初步假设，以及识别哪些调查线索或在线市场信号可能值得进一步关注，从而支持法庭情报和基于开源情报（OSINT）的侦查工作。内部敏感性分析表明，在先验概率和条件参数受到适度扰动时，模型输出保持相对稳定，同时也表明这些输出的幅度和可解释性在很大程度上取决于底层参考数据的质量和代表性。因此，所提出的方法应被理解为一种用于文化财产犯罪侦查中分析优先级排序和决策支持的方法论工具，而非经过验证的预测或来源归属系统。