Los crímenes patrimoniales pueden resultar en la pérdida significativa de reliquias culturales y predecirlos es crucial. Para abordar los problemas de formato inconsistente de la información textual y el desafío de prevenir y combatir los crímenes patrimoniales, este documento desarrolla un sistema que extrae elementos del crimen y predice la ocurrencia de crímenes patrimoniales. El sistema comprende dos modelos de aprendizaje profundo. El primer modelo, Bi-LSTM + CRF, se construye para extraer automáticamente elementos del crimen y realizar un análisis espacio-temporal de los crímenes basándose en ellos. Al integrar la teoría de la actividad rutinaria, la teoría del desorden social y la experiencia práctica en el campo, la investigación revela que los días festivos y otros días especiales (SD) desempeñan un papel crítico como factores influyentes en los crímenes patrimoniales. Basándose en estos hallazgos, se construye el segundo modelo, LSTM + SD, para predecir crímenes patrimoniales de tipo excavación. Los resultados demuestran que el modelo con la introducción del factor de vacaciones mejora en un 6.4% y un 47.8%, respectivamente, en comparación con el modelo LSTM original. Este documento presenta una investigación destinada a extraer elementos del crimen y predecir crímenes patrimoniales de tipo excavación. Con la expansión continua del volumen de datos, la importancia práctica del sistema propuesto está destinada a aumentar. Se espera que los resultados de este estudio proporcionen apoyo en la toma de decisiones para los departamentos de protección del patrimonio y las autoridades de seguridad pública en la prevención y combate de crímenes.