論文の概要: Predicting the Amount of GDPR Fines

• arxiv url: http://arxiv.org/abs/2003.05151v2
• Date: Mon, 2 Nov 2020 12:34:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 11:17:35.251829
• Title: Predicting the Amount of GDPR Fines
• Title（参考訳）: GDPR罰金の額予測
• Authors: Jukka Ruohonen and Kalle Hjerppe
• Abstract要約: 本稿では,決定に言及された個々の記事について検討するとともに,実施文書から抽出したメタデータテキストマイニング機能を用いて,罰金の額を予測する。 基本メタデータ(参考記事や国の起源など)は、施行機能よりも若干パフォーマンスが向上する。
• 参考スコア（独自算出の注目度）: 0.7106986689736826
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The General Data Protection Regulation (GDPR) was enforced in 2018. After this enforcement, many fines have already been imposed by national data protection authorities in the European Union (EU). This paper examines the individual GDPR articles referenced in the enforcement decisions, as well as predicts the amount of enforcement fines with available meta-data and text mining features extracted from the enforcement decision documents. According to the results, articles related to the general principles, lawfulness, and information security have been the most frequently referenced ones. Although the amount of fines imposed vary across the articles referenced, these three particular articles do not stand out. Furthermore, good predictions are attainable even with simple machine learning techniques for regression analysis. Basic meta-data (such as the articles referenced and the country of origin) yields slightly better performance compared to the text mining features.
• Abstract（参考訳）: 2018年にGDPR(General Data Protection Regulation)が施行された。 この執行後、欧州連合(EU)の国家データ保護当局によって既に多くの罰金が課されている。 本稿では,施行決定に言及されているGDPR項目について検討するとともに,実施決定文書から抽出したメタデータおよびテキストマイニング機能を用いて,実施罰金の額を予測する。 その結果、一般的な原則、合法性、情報セキュリティに関する記事が最も頻繁に引用されている記事となった。 課せられた罰金の額は参考記事によって異なるが、これら3条は際立ったものではない。 さらに、回帰分析のための単純な機械学習技術でも良い予測が可能である。 基本メタデータ(参考記事や原産地の国など)は、テキストマイニング機能と比較して若干パフォーマンスが向上する。

関連論文リスト

• Learning Rules from KGs Guided by Language Models [48.858741745144044]
  ルール学習手法は、潜在的に欠落する事実を予測するために適用することができる。 規則のランク付けは、高度に不完全あるいは偏りのあるKGよりも特に難しい。 近年のLanguage Models (LM) の台頭により、いくつかの研究が、LMがKG補完の代替手段として利用できると主張している。
  論文  参考訳（メタデータ） (2024-09-12T09:27:36Z)
• Rethinking Legal Compliance Automation: Opportunities with Large Language Models [2.9088208525097365]
  我々は、(テキスト)法的アーティファクトの試験は、まず文よりも広い文脈で行うべきであると論じる。 これらの制約に対処するために,コンプライアンス分析手法を提案する。
  論文  参考訳（メタデータ） (2024-04-22T17:10:27Z)
• Towards an Enforceable GDPR Specification [49.1574468325115]
  プライバシ・バイ・デザイン(PbD)は、EUなどの現代的なプライバシー規制によって規定されている。 PbDを実現する1つの新しい技術は強制(RE)である 法律規定の正式な仕様を作成するための一連の要件と反復的な方法論を提示する。
  論文  参考訳（メタデータ） (2024-02-27T09:38:51Z)
• Precedent-Enhanced Legal Judgment Prediction with LLM and Domain-Model Collaboration [52.57055162778548]
  法的判断予測(LJP)は、法律AIにおいてますます重要な課題となっている。 先行は、同様の事実を持つ以前の訴訟であり、国家法制度におけるその後の事件の判断の基礎となっている。 近年のディープラーニングの進歩により、LJPタスクの解決に様々なテクニックが使えるようになった。
  論文  参考訳（メタデータ） (2023-10-13T16:47:20Z)
• SILO Language Models: Isolating Legal Risk In a Nonparametric Datastore [159.21914121143885]
  推論中にこのリスクパフォーマンストレードオフを管理する新しい言語モデルであるSILOを提案する。 SILOは(1)オープンライセンスコーパス(OLC)上でパラメトリックLMをトレーニングすることで構築されます。 データストアへのアクセスはドメインのパフォーマンスを大幅に改善し、PileでトレーニングされたLMでパフォーマンスギャップの90%を閉じる。
  論文  参考訳（メタデータ） (2023-08-08T17:58:15Z)
• Uncertainty-Aware Instance Reweighting for Off-Policy Learning [63.31923483172859]
  本研究では,不確実性を考慮した逆確率スコア推定器 (UIPS) を提案する。 実世界の3つのレコメンデーションデータセットを用いた実験結果から,提案したUIPS推定器の有効サンプル効率が示された。
  論文  参考訳（メタデータ） (2023-03-11T11:42:26Z)
• Priorities for more effective tech regulation [3.8073142980733]
  報告書は、規制当局、アカデミア、および関心のある人々に対して、現状を超えるための様々な優先順位を提案している。 現在の法的な慣行は、厳格なデータ慣行を意味的にテームするのに十分ではない。
  論文  参考訳（メタデータ） (2023-02-27T16:53:05Z)
• Towards Automatic Comparison of Data Privacy Documents: A Preliminary Experiment on GDPR-like Laws [1.3537117504260623]
  一般データ保護規則(NLP)は多くの国で保護のための標準法となっている。 12カ国で類似性のような規制が採用されているが、違いを評価するのに時間がかかり、法律の専門家による手作業が必要になる。 本稿では,この問題に対処するための自然言語処理(NLP)アプローチについて検討する。
  論文  参考訳（メタデータ） (2021-05-21T03:59:29Z)
• Data Protection Impact Assessment for the Corona App [0.0]
  SARS-CoV-2は2020年初頭からヨーロッパで普及し始めており、パンデミックとの戦いや封じ込めに関する技術的な解決策が強く求められている。 議論の中心には、連絡先追跡アプリに関する技術的な解決策が強く求められている。 EUの一般日時保護規則(DPIA)は、データ保護アセスメントを実施するために管理者を必要としている。 我々は,最も「プライバシフレンドリー」と考えられる3つの接触追跡アプリデザインを徹底的に検証する科学的DPIAを提案する。
  論文  参考訳（メタデータ） (2021-01-18T19:23:30Z)
• The GDPR Enforcement Fines at Glance [0.7106986689736826]
  一般データ保護規則は2018年に欧州連合(EU)で施行された。 ヨーロッパの国家保護当局はすでに多くの罰金を課している。 本稿では,資料から抽出したメタデータマイニング機能を用いて,個々の記事を参照し,罰金の額を予測する。
  論文  参考訳（メタデータ） (2020-11-02T13:01:45Z)
• Provably Good Batch Reinforcement Learning Without Great Exploration [51.51462608429621]
  バッチ強化学習(RL)は、RLアルゴリズムを多くの高利得タスクに適用するために重要である。 最近のアルゴリズムは将来性を示しているが、期待された結果に対して過度に楽観的である。 より保守的な更新を行うため、ベルマンの最適性と評価のバックアップに小さな修正を加えることで、はるかに強力な保証が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-16T09:25:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。