Fugu-MT 論文翻訳(概要): Who killed Lilly Kane? A case study in applying knowledge graphs to crime fiction

論文の概要: Who killed Lilly Kane? A case study in applying knowledge graphs to crime fiction

arxiv url: http://arxiv.org/abs/2011.11804v1
Date: Tue, 24 Nov 2020 00:26:07 GMT
ステータス: 処理完了
システム内更新日: 2022-09-21 14:14:05.829627
Title: Who killed Lilly Kane? A case study in applying knowledge graphs to crime fiction
Title（参考訳）: 誰がリリー・ケインを殺した? 知識グラフを犯罪フィクションに適用する事例研究
Authors: Mariam Alaverdian, William Gilroy, Veronica Kirgios, Xia Li, Carolina Matuk, Daniel Mckenzie, Tachin Ruangkriengsin, Andrea Bertozzi, and Jeffrey Brantingham
Abstract要約: 本稿では,テレビドラマ『ヴェロニカ・マーズ』のシーズン1で作成された知識グラフについて予備研究する。我々は、手がかりや潜在的な容疑者の知識グラフをマイニングする様々な手法について論じる。
参考スコア（独自算出の注目度）: 4.246033575131917
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a preliminary study of a knowledge graph created from season one of the television show Veronica Mars, which follows the eponymous young private investigator as she attempts to solve the murder of her best friend Lilly Kane. We discuss various techniques for mining the knowledge graph for clues and potential suspects. We also discuss best practice for collaboratively constructing knowledge graphs from television shows.
Abstract（参考訳）: テレビドラマ『ヴェロニカ・マーズ』のシーズン1で作成された知識グラフについて予備研究を行い、彼女の親友のリリー・ケイン殺害の解決を試みた。我々は、手がかりや潜在的な容疑者の知識グラフをマイニングする様々な手法について論じる。また,テレビ番組から知識グラフを協調的に構築するためのベストプラクティスについても論じる。

関連論文リスト

Krait: A Backdoor Attack Against Graph Prompt Tuning [11.541661336266703]
グラフプロンプトチューニングは、事前訓練されたモデルから下流タスクへグラフの知識を効果的に伝達する、有望なパラダイムとして登場した。このような脆弱性を調査するための最初の研究を行い、バックドアが良性グラフのプロンプトを偽装し、検出を回避できることを示した。本稿では,新しいグラフプロンプトであるKraitについて紹介する。具体的には,選択候補に準同型であるラベル非一様性という,単純で効果的なモデルに依存しない指標を提案する。
論文参考訳（メタデータ） (2024-07-18T00:25:49Z)
A Logical Approach to Criminal Case Investigation [0.0]
結論の理由を説明する特性を持つXAI(eXplanable AI)技術が注目されている。 XAIは法科学と司法制度の発展に使用されることが期待されている。
論文参考訳（メタデータ） (2024-02-13T08:24:32Z)
Tainted Love: A Systematic Review of Online Romance Fraud [68.8204255655161]
ロマンス詐欺は、オンラインデートプラットフォーム上でのロマンチックな関係をサイバー犯罪者が構築することを含む。我々は,ロマンス詐欺の文学的景観を特徴づけ,研究者や実践者の理解を深める。主な貢献は, ロマンス詐欺のプロファイル, ロマンス詐欺の緩和対策, 詐欺師や被害者となることを前提とした要因の3つであった。
論文参考訳（メタデータ） (2023-02-28T20:34:07Z)
Expanding Knowledge Graphs with Humans in the Loop [3.9667921713853884]
ドメインに新しい概念が現れると、知識グラフは機械学習のパフォーマンスを維持するために拡張されなければならない。本稿では,人間のループを用いた知識グラフ拡張手法を提案する。我々は,我々の手法が正確かつ確実な「人間フレンドリー」であることを示した。
論文参考訳（メタデータ） (2022-12-10T03:42:27Z)
Analysing the Memorability of a Procedural Crime-Drama TV Series, CSI [2.7393821783237184]
人気テレビシリーズ『CSI』の5シーズンスパンの記憶可能性について検討した。ビデオ撮影で生成した記憶力スコアから意味を抽出する方法を示す。
論文参考訳（メタデータ） (2022-08-06T09:29:46Z)
Adversarial Attack Framework on Graph Embedding Models with Limited Knowledge [126.32842151537217]
現存する作品は通常、ホワイトボックス方式で攻撃を行う。ブラックボックス駆動で様々なグラフ埋め込みモデルに対処する必要がある。 GF-Attackはグラフ埋め込みモデルの層数を知ることなく効果的な攻撃を行うことができることを示す。
論文参考訳（メタデータ） (2021-05-26T09:18:58Z)
Neural Online Graph Exploration [65.49668396771239]
トラベリングセールスパーソン問題のオンライン版であるオンライングラフ探索の問題について検討する。グラフ探索を強化学習問題として再検討し,その解決にダイレクトフューチャー予測を適用した。これは、オンライングラフ探索をデータ駆動方式で解決する最初の試みである。
論文参考訳（メタデータ） (2020-12-06T18:19:05Z)
Stealing Links from Graph Neural Networks [72.85344230133248]
最近、ニューラルネットワークはグラフニューラルネットワーク(GNN)として知られるグラフデータに拡張された。優れたパフォーマンスのため、GNNは医療分析、レコメンダシステム、不正検出など多くのアプリケーションを持っている。グラフ上でトレーニングされたGNNモデルの出力からグラフを盗む最初の攻撃を提案する。
論文参考訳（メタデータ） (2020-05-05T13:22:35Z)
A Survey on Knowledge Graphs: Representation, Acquisition and Applications [89.78089494738002]
我々は,1)知識グラフ表現学習,2)知識獲得と完成,3)時間的知識グラフ,および4)知識認識アプリケーションに関する研究トピックをレビューする。知識獲得、特に知識グラフの完成、埋め込み方法、経路推論、論理ルール推論について概観する。メタラーニング、コモンセンス推論、時間的知識グラフなど、いくつかの新しいトピックを探求する。
論文参考訳（メタデータ） (2020-02-02T13:17:31Z)
Adversarial Attack on Community Detection by Hiding Individuals [68.76889102470203]
我々はブラックボックス攻撃に焦点をあて、ディープグラフコミュニティ検出モデルの検出からターゲット個人を隠すことを目的としている。本稿では,制約付きグラフ生成器として動作するモジュールと,サロゲート型コミュニティ検出モデルとして動作するモジュールを交互に更新する反復学習フレームワークを提案する。
論文参考訳（メタデータ） (2020-01-22T09:50:04Z)

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。