Recidivism and Peer Influence with LLM Text Embeddings in Low Security Correctional Facilities
创建于 更新于
摘要
本研究基于大型语言模型（LLM）对低安全级矫正机构中居民间的8万至12万条文本交换进行嵌入分析，发现文本嵌入在预测三年再次犯罪率方面比入职前特征提升了约30%的预测准确度。文中提出基于零样本分类的低维语义类别解释方法，以及新的计量经济学工具以估计多变量同伴效应，解决了多维潜变量、稀疏网络及内生性的挑战。实证发现，行为类文本在居民间存在显著同伴影响，直接影响大于间接影响，为理解社区矫正中语言交互的社会动力机制提供了新视角 [page::0][page::1][page::2][page::3][page::5][page::6][page::23][page::24][page::27][page::29][page::30].
