論文の概要: Entities of Interest
- arxiv url: http://arxiv.org/abs/2102.10962v1
- Date: Mon, 22 Feb 2021 13:07:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-23 14:55:11.074586
- Title: Entities of Interest
- Title（参考訳）: 利害関係者
- Authors: David Graus
- Abstract要約: この論文はデジタルトレースの発見を中心に展開され、Information Retrieval、自然言語処理、応用機械学習の交差点に位置する。
本研究では,デジタルトレースの大規模コレクションの探索と感覚形成を支援する計算手法を提案する。
- 参考スコア（独自算出の注目度）: 2.609279398946235
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the era of big data, we continuously - and at times unknowingly - leave
behind digital traces, by browsing, sharing, posting, liking, searching,
watching, and listening to online content. When aggregated, these digital
traces can provide powerful insights into the behavior, preferences,
activities, and traits of people. While many have raised privacy concerns
around the use of aggregated digital traces, it has undisputedly brought us
many advances, from the search engines that learn from their users and enable
our access to unforeseen amounts of data, knowledge, and information, to, e.g.,
the discovery of previously unknown adverse drug reactions from search engine
logs.
Whether in online services, journalism, digital forensics, law, or research,
we increasingly set out to exploring large amounts of digital traces to
discover new information. Consider for instance, the Enron scandal, Hillary
Clinton's email controversy, or the Panama papers: cases that revolve around
analyzing, searching, investigating, exploring, and turning upside down large
amounts of digital traces to gain new insights, knowledge, and information.
This discovery task is at its core about "finding evidence of activity in the
real world."
This dissertation revolves around discovery in digital traces, and sits at
the intersection of Information Retrieval, Natural Language Processing, and
applied Machine Learning. We propose computational methods that aim to support
the exploration and sense-making process of large collections of digital
traces. We focus on textual traces, e.g., emails and social media streams, and
address two aspects that are central to discovery in digital traces.
- Abstract（参考訳）: ビッグデータの時代では、私たちは、閲覧、共有、投稿、好み、検索、視聴、そしてオンラインコンテンツを聴くことによって、デジタルの痕跡を残しています。
集約されると、これらのデジタルトレースは人々の行動、好み、活動、特性に関する強力な洞察を提供する。
多くの人は、集約されたデジタルトレースの使用に関してプライバシー上の懸念を抱いているが、ユーザから学び、予期せぬ量のデータ、知識、情報へのアクセスを可能にする検索エンジンから、かつて未知の薬物反応を検索エンジンログから発見するなど、多くの進歩をもたらした。
オンラインサービス、ジャーナリズム、デジタル鑑識、法律、研究などにおいて、私たちは新たな情報を見つけるために大量のデジタルトレースを探索しようと試みています。
例えば、エンロンスキャンダル、ヒラリー・クリントンのメール論争、パナマ文書など、大量のデジタルトレースを分析し、調査し、調査し、逆さまにすることで、新たな洞察、知識、情報を得るケースを考えてみよう。
この発見タスクは「現実世界における活動の証拠を見つける」ことの核心にある。
この論文はデジタルトレースの発見を中心に展開され、Information Retrieval、自然言語処理、応用機械学習の交差点に位置する。
本研究では,デジタルトレースの大規模コレクションの探索と感覚形成を支援する計算手法を提案する。
電子メールやソーシャルメディアストリームなどのテキストトレースに焦点を当て、デジタルトレースの発見の中心となる2つの側面に取り組んでいます。
関連論文リスト
- Fingerprinting and Tracing Shadows: The Development and Impact of Browser Fingerprinting on Digital Privacy [55.2480439325792]
ブラウザのフィンガープリントは、クッキーのような従来の方法なしでオンラインでユーザーを特定し、追跡するテクニックとして成長している。
本稿では, 各種指紋認証技術について概説し, 収集データのエントロピーと特異性を解析する。
論文 参考訳（メタデータ） (2024-11-18T20:32:31Z) - Advancing Web Browser Forensics: Critical Evaluation of Emerging Tools and Techniques [6.691341144481509]
Web法医学では、ブラウザ履歴、検索キーワード、ダウンロードなどのブラウザアーティファクトを収集、分析する。
本稿では,人気ブラウザの総合的な評価を行うために,4つのブラウジングシナリオを定義した。
論文 参考訳（メタデータ） (2024-10-16T14:24:16Z) - Digital Fingerprinting on Multimedia: A Survey [38.00034058447254]
調査ではまず,デジタル指紋の定義,特徴,関連概念を紹介する。
次に、異なるタイプのデジタルコンテンツから一文字の指紋を抽出するアルゴリズムの分析と要約に焦点をあてる。
本調査では,デジタル指紋の様々な応用について詳述し,課題と今後の研究方向性について概説する。
論文 参考訳（メタデータ） (2024-08-26T09:59:45Z) - An Innovative Tool for Uploading/Scraping Large Image Datasets on Social
Networks [9.27070946719462]
我々は、意図的に作成したデジタルツールを用いて、自動化されたアプローチを提案する。
このツールは、画像データセット全体を希望するデジタルプラットフォームに自動的にアップロードし、アップロードされたすべての写真をダウンロードすることができる。
論文 参考訳（メタデータ） (2023-11-01T23:27:37Z) - A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning [58.107474025048866]
蓄積とは、以前に獲得した知識の喪失または劣化を指す。
フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
論文 参考訳（メタデータ） (2023-07-16T16:27:58Z) - Fighting Malicious Media Data: A Survey on Tampering Detection and
Deepfake Detection [115.83992775004043]
近年のディープラーニング、特に深層生成モデルの発展により、知覚的に説得力のある画像や動画を低コストで制作するための扉が開かれた。
本稿では,現在のメディアタンパリング検出手法を概観し,今後の研究の課題と動向について論じる。
論文 参考訳（メタデータ） (2022-12-12T02:54:08Z) - Knowledge-augmented Deep Learning and Its Applications: A Survey [60.221292040710885]
知識強化ディープラーニング(KADL)は、ドメイン知識を特定し、それをデータ効率、一般化可能、解釈可能なディープラーニングのためのディープモデルに統合することを目的としている。
本調査は,既存の研究成果を補足し,知識強化深層学習の一般分野における鳥眼研究の展望を提供する。
論文 参考訳（メタデータ） (2022-11-30T03:44:15Z) - Deep Person Generation: A Survey from the Perspective of Face, Pose and
Cloth Synthesis [55.72674354651122]
まず、まず、人物生成の範囲を要約し、それから、最新の進歩と深い人物生成の技術的トレンドを体系的にレビューする。
200以上の論文が網羅的に紹介され、重要な技術的ブレークスルーを見るためにマイルストーンの作業が強調されている。
この調査は、ディープ・パーソン・ジェネレーションの将来的な展望に光を当て、デジタル・ヒューマンへの完全な応用のための有用な基盤を提供することを期待している。
論文 参考訳（メタデータ） (2021-09-05T14:15:24Z) - A Search Engine for Scientific Publications: a Cybersecurity Case Study [0.7734726150561086]
本研究は,情報検索と読解アルゴリズムを組み合わせた科学出版のための新しい検索エンジンを提案する。
提案手法は,サイバーセキュリティの文脈に適用されているものの,高度な一般化能力を示し,他の異なる知識領域の下で容易に適用可能である。
論文 参考訳（メタデータ） (2021-06-30T20:10:04Z) - Visual Exploration and Knowledge Discovery from Biomedical Dark Data [0.0]
我々は、バイオメディカルダークデータから知識を発見するために、自然言語処理ベースのパイプラインを使用している。
我々は、膨大な量の情報を解析する問題を克服する潜在的な解決策を得ることを目的としている。
論文 参考訳（メタデータ） (2020-09-28T04:27:05Z) - 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)
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。