論文の概要: Essential Characteristics of Approximate matching algorithms: A Survey
of Practitioners Opinions and requirement regarding Approximate Matching
- arxiv url: http://arxiv.org/abs/2102.10087v1
- Date: Fri, 19 Feb 2021 18:40:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 17:47:54.546888
- Title: Essential Characteristics of Approximate matching algorithms: A Survey
of Practitioners Opinions and requirement regarding Approximate Matching
- Title（参考訳）: 近似マッチングアルゴリズムの本質的特徴:近似マッチングに関する実践者の意見と要求に関する調査
- Authors: Monika Singh
- Abstract要約: 調査員が遭遇したデータの全量を手動で調べることは困難である。
この研究は、調査員の本当の要求を満たすために、スキームが保持すべき近似マッチングツールのベースライン特性を提供する。
- 参考スコア（独自算出の注目度）: 1.3706331473063877
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital forensic investigation has become more challenging due to the rapid
growth in the volume of encountered data. It is difficult for an investigator
to examine the entire volume of encountered data manually. Approximate Matching
algorithms are being used to serve the purpose by automatically filtering
correlated and relevant data that an investigator needs to examine manually.
Presently there are several prominent approximate matching tools and technique
those are being used to assist critical investigation process. However, to
measure the guarantees of a tool, it is important to understand the exact
requirement of an investigator regarding these algorithms. This paper presents
the findings of a closed survey conducted among a highly experienced group of
federal state and local law enforcement practitioners and researchers, aimed to
understand the practitioner and researcher's opinion regarding approximate
matching algorithms. The study provides the baseline attributes of approximate
matching tools that a scheme should possess to meet the real requirement of an
investigator.
- Abstract（参考訳）: 遭遇したデータ量の急激な増加により、デジタル法医学的な調査はますます困難になっている。
調査員が遭遇したデータの全量を手動で調べることは困難である。
近似マッチングアルゴリズムは、調査員が手動で調べる必要がある相関データと関連するデータを自動フィルタリングすることで、目的を達成するために使用されています。
現在、重要な調査プロセスを支援するために使われているいくつかの顕著な近似マッチングツールや技法がある。
しかし,ツールの保証を測るためには,これらのアルゴリズムに関する研究者の正確な要件を理解することが重要である。
本稿では,連邦政府および地方法執行機関の実務者および研究者の高度経験者グループを対象に,近似マッチングアルゴリズムに関する実践者及び研究者の意見を理解するために実施したクローズドサーベイの結果について述べる。
この研究は、研究者の本当の要求を満たすためにスキームが保持すべき近似マッチングツールのベースライン特性を提供する。
関連論文リスト
- DISCOVER: A Data-driven Interactive System for Comprehensive Observation, Visualization, and ExploRation of Human Behaviour [6.716560115378451]
我々は,人間行動分析のための計算駆動型データ探索を効率化するために,モジュール型でフレキシブルでユーザフレンドリなソフトウェアフレームワークを導入する。
我々の主な目的は、高度な計算方法論へのアクセスを民主化することであり、これにより研究者は、広範囲の技術的熟練を必要とせずに、詳細な行動分析を行うことができる。
論文 参考訳（メタデータ） (2024-07-18T11:28:52Z) - Comprehensive Review and Empirical Evaluation of Causal Discovery Algorithms for Numerical Data [3.9523536371670045]
因果解析は、様々な分野における現象の根本原因を理解する上で不可欠な要素となっている。
因果発見アルゴリズムに関する既存の文献は、一貫性のない方法論で断片化されている。
包括的な評価の欠如、すなわちデータ特性は、ベンチマークアルゴリズムにおいて共同で解析されることがしばしば無視される。
論文 参考訳（メタデータ） (2024-07-17T23:47:05Z) - Applied Machine Learning to Anomaly Detection in Enterprise Purchase Processes [0.0]
本研究は、実データから2つの大きな購入データセットから検出された事例を優先的に調査する手法を提案する。
目的は、企業の管理努力の有効性に寄与し、その実施実績を高めることである。
論文 参考訳（メタデータ） (2024-05-23T16:21:51Z) - Multi-Dimensional Ability Diagnosis for Machine Learning Algorithms [88.93372675846123]
本稿では,機械学習アルゴリズム評価のためのタスク非依存評価フレームワークCamillaを提案する。
認識診断の仮定とニューラルネットワークを用いて、各サンプルのアルゴリズム、サンプル、スキル間の複雑な相互作用を学習する。
我々の実験では、カミラはメートル法信頼性、ランクの整合性、ランクの安定性で最先端のベースラインを上回ります。
論文 参考訳（メタデータ） (2023-07-14T03:15:56Z) - Predictive Coding beyond Correlations [59.47245250412873]
このようなアルゴリズムのうちの1つは、予測符号化と呼ばれ、因果推論タスクを実行することができるかを示す。
まず、予測符号化の推論過程における簡単な変化が、因果グラフを再利用したり再定義したりすることなく、介入を計算できることを示す。
論文 参考訳（メタデータ） (2023-06-27T13:57:16Z) - On the Universal Adversarial Perturbations for Efficient Data-free
Adversarial Detection [55.73320979733527]
本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。
実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
論文 参考訳（メタデータ） (2023-06-27T02:54:07Z) - A Gold Standard Dataset for the Reviewer Assignment Problem [117.59690218507565]
類似度スコア(Similarity score)とは、論文のレビューにおいて、レビュアーの専門知識を数値で見積もるものである。
私たちのデータセットは、58人の研究者による477の自己申告された専門知識スコアで構成されています。
2つの論文をレビュアーに関連付けるタスクは、簡単なケースでは12%～30%、ハードケースでは36%～43%である。
論文 参考訳（メタデータ） (2023-03-23T16:15:03Z) - Weakly Supervised Anomaly Detection: A Survey [75.26180038443462]
異常検出(AD)は、さまざまなアプリケーションによる機械学習において重要なタスクである。
弱教師付き異常検出法(WSAD)の総合的な調査を行った。
各設定に対して、正式な定義、鍵アルゴリズム、潜在的な将来の方向性を提供する。
論文 参考訳（メタデータ） (2023-02-09T10:27:21Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - A Validity Perspective on Evaluating the Justified Use of Data-driven
Decision-making Algorithms [14.96024118861361]
予測アルゴリズムの正当性を損なうような問題定式化やデータ問題における再検討問題に対して,妥当性のレンズを適用した。
これらの妥当性の考察が,予測タスクの正当性やデータの適合性に関する考察を促進・文書化することを目的とした,一連のハイレベルな質問にどのように掘り下げられるかを示す。
論文 参考訳（メタデータ） (2022-06-30T02:22:31Z)
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。