Fugu-MT 論文翻訳(概要): Unlocking New York City Crime Insights using Relational Database Embeddings

論文の概要: Unlocking New York City Crime Insights using Relational Database Embeddings

arxiv url: http://arxiv.org/abs/2005.09617v2
Date: Wed, 20 May 2020 14:09:11 GMT
ステータス: 処理完了
システム内更新日: 2022-12-01 14:32:57.897434
Title: Unlocking New York City Crime Insights using Relational Database Embeddings
Title（参考訳）: リレーショナルデータベースの埋め込みによるニューヨーク市犯罪監視の解錠
Authors: Apoorva Nitsure and Rajesh Bordawekar and Jose Neves
Abstract要約: このバージョンは、著者が提出時点でライセンスに同意する権利を持っていなかったため、arXiv管理者によって取り下げられた。このバージョンは、著者が提出時点でライセンスに同意する権利を持っていなかったため、arXiv管理者によって取り下げられた。
参考スコア（独自算出の注目度）: 1.5469452301122173
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This version withdrawn by arXiv administrators because the author did not have the right to agree to our license at the time of submission.
Abstract（参考訳）: このバージョンは、著者が提出時点でライセンスに同意する権利を持っていなかったため、arXiv管理者によって取り下げられた。

関連論文リスト

On the modification and revocation of open source licences [0.14843690728081999]
本稿では、オープンソースコントリビュータがユーザに最新のモデルの更新を強制する権利のサブセットを作成することを主張する。オープンソースAIモデルに関連する法的、評判、道徳的なリスクは、下流の使用をもっとコントロールできるコントリビュータを正当化する可能性がある。
論文参考訳（メタデータ） (2024-05-29T00:00:25Z)
©Plug-in Authorization for Human Content Copyright Protection in Text-to-Image Model [71.47762442337948]
最先端のモデルは、オリジナルクリエーターを信用せずに高品質なコンテンツを作成する。本稿では,3つの操作 – 追加,抽出,組み合わせ – を導入した著作権プラグイン認証フレームワークを提案する。抽出により、クリエーターは侵害モデルから著作権を回復することができ、組み合わせることでユーザーは異なる著作権プラグインをマージすることができる。
論文参考訳（メタデータ） (2024-04-18T07:48:00Z)
JAMDEC: Unsupervised Authorship Obfuscation using Constrained Decoding over Small Language Models [53.83273575102087]
著者の難読化に対する教師なし推論時間アプローチを提案する。本稿では,著者難読化のためのユーザ制御推論時間アルゴリズムであるJAMDECを紹介する。提案手法は,GPT2-XL などの小型言語モデルに基づいて,オリジナルコンテンツをプロプライエタリな LLM の API に公開するのを防ぐ。
論文参考訳（メタデータ） (2024-02-13T19:54:29Z)
Estimating the Causal Effect of Early ArXiving on Paper Acceptance [56.538813945721685]
我々は,論文の審査期間(初期arXiving)前にarXivingが会議の受理に与える影響を推定する。以上の結果から,早期のarXivingは,論文の受容に少なからぬ影響を及ぼす可能性が示唆された。
論文参考訳（メタデータ） (2023-06-24T07:45:38Z)
Foundation Models and Fair Use [96.04664748698103]
米国や他の国では、著作権のあるコンテンツは、公正な使用原理のために責任を負わずに基礎モデルを構築するために使われることがある。本研究では,著作権コンテンツに基づく基礎モデルの開発と展開の潜在的なリスクについて調査する。基礎モデルが公正な使用と一致し続けるのに役立つ技術的緩和について論じる。
論文参考訳（メタデータ） (2023-03-28T03:58:40Z)
UPTON: Preventing Authorship Leakage from Public Text Release via Data Poisoning [17.956089294338984]
トレーニングサンプルにおける著者の特徴を弱めるためにブラックボックスデータ中毒法を利用した新しいソリューションであるUPTONを提案する。 UPTONがAAモデルの精度を非現実的なレベルに下げる実験的な検証法を提案する。 UPTONは、著者の利用可能なクリーンな文章に基づいてすでに訓練されているAAモデルに有効である。
論文参考訳（メタデータ） (2022-11-17T17:49:57Z)
Cracking Double-Blind Review: Authorship Attribution with Deep Learning [43.483063713471935]
本稿では、匿名の原稿を著者に属性付けるトランスフォーマーベースのニューラルネットワークアーキテクチャを提案する。我々は、arXivで公開されているすべての研究論文を200万冊以上の原稿に活用する。本手法は, 論文の最大73%を正解する, 前代未聞の著者帰属精度を実現する。
論文参考訳（メタデータ） (2022-11-14T15:50:24Z)
Untargeted Backdoor Watermark: Towards Harmless and Stealthy Dataset Copyright Protection [69.59980270078067]
我々は,異常なモデル行動が決定論的でない,未目標のバックドア透かし方式を探索する。また、提案した未ターゲットのバックドア透かしをデータセットのオーナシップ検証に利用する方法について論じる。
論文参考訳（メタデータ） (2022-09-27T12:56:56Z)
ArXiving Before Submission Helps Everyone [38.09600429721343]
我々はarXivingの論文の長所と短所を分析する。著者以外の人がarXivを選択すべきかどうか判断する理由は何もありません。
論文参考訳（メタデータ） (2020-10-11T22:26:44Z)
De-anonymization of authors through arXiv submissions during double-blind review [33.15282901539867]
二重盲検審査中の論文のarXivプレプリントの公開効果について検討した。 arXivで高評価を得た論文と受入率の正の相関を示す統計的に有意な証拠が得られた。
論文参考訳（メタデータ） (2020-07-01T01:40:06Z)

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。