論文の概要: Machine learning for risk assessment in gender-based crime

• arxiv url: http://arxiv.org/abs/2106.11847v1
• Date: Tue, 22 Jun 2021 15:05:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-23 15:04:28.782624
• Title: Machine learning for risk assessment in gender-based crime
• Title（参考訳）: 性犯罪におけるリスク評価のための機械学習
• Authors: \'Angel Gonz\'alez-Prieto, Antonio Br\'u, Juan Carlos Nu\~no, Jos\'e Luis Gonz\'alez-\'Alvarez
• Abstract要約: 本稿では,性暴力行為者の再犯リスクを正確に予測するモデルを作成するために機械学習(ML)技術を適用することを提案する。 本研究の関連性は3つある: (i) 提案されたML法は、古典的統計手法に基づいて既存のリスク評価アルゴリズムを上回り、 (ii) 性的暴力の4万件以上の報告を含む公式の特定目的データベースを通じて研究が行われ、 (iii) モデルが生成するリソースの供給と過負荷に対する効果的な警察保護を評価するための2つの新しい品質対策が提案されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Gender-based crime is one of the most concerning scourges of contemporary society. Governments worldwide have invested lots of economic and human resources to radically eliminate this threat. Despite these efforts, providing accurate predictions of the risk that a victim of gender violence has of being attacked again is still a very hard open problem. The development of new methods for issuing accurate, fair and quick predictions would allow police forces to select the most appropriate measures to prevent recidivism. In this work, we propose to apply Machine Learning (ML) techniques to create models that accurately predict the recidivism risk of a gender-violence offender. The relevance of the contribution of this work is threefold: (i) the proposed ML method outperforms the preexisting risk assessment algorithm based on classical statistical techniques, (ii) the study has been conducted through an official specific-purpose database with more than 40,000 reports of gender violence, and (iii) two new quality measures are proposed for assessing the effective police protection that a model supplies and the overload in the invested resources that it generates. Additionally, we propose a hybrid model that combines the statistical prediction methods with the ML method, permitting authorities to implement a smooth transition from the preexisting model to the ML-based model. This hybrid nature enables a decision-making process to optimally balance between the efficiency of the police system and aggressiveness of the protection measures taken.
• Abstract（参考訳）: 男女関係に基づく犯罪は、現代社会における最も関係深い犯罪の1つである。 世界中の政府は、この脅威を根本的に排除するために、多くの経済的、人的資源を投入してきた。 これらの努力にもかかわらず、性暴力の被害者が再び攻撃されるリスクを正確に予測することは、依然として非常に難しい問題である。 正確で公平で迅速な予測を発行する新しい方法の開発により、警察は再犯を防ぐための最も適切な措置を選択できる。 本研究では,性暴力行為者の再犯リスクを正確に予測するモデルを作成するために機械学習(ML)技術を適用することを提案する。 本研究の貢献の意義は次の3つある: (i) 提案するml法は, 従来の統計手法に基づくリスクアセスメントアルゴリズムを上回り, (ii) 性暴力を4万件以上報告した公式の特定目的データベースを用いて実施され, (iii) モデルが供給する効果的な警察保護と, 投資した資源の過負荷を評価するための2つの新しい品質対策が提案されている。 さらに,従来のモデルからMLベースモデルへのスムーズな移行を実現するため,統計的予測手法とML手法を組み合わせたハイブリッドモデルを提案する。 このハイブリッドな性質により、警察システムの効率と、取られた保護策の積極的さを最適にバランスさせる意思決定プロセスが可能になる。

関連論文リスト

• Predicting Femicide in Veracruz: A Fuzzy Logic Approach with the Expanded MFM-FEM-VER-CP-2024 Model [0.0]
  この記事は、メキシコのベラクルスにおける殺虫剤の緊急問題と、MFM_FEM_VER_CP024モデルの開発に焦点を当てている。 このモデルは、強制管理、非人道化、暴力のサイクルといったリスク要因を形式化し、性別に基づく暴力に固有の複雑さと不確実性に対処する。
  論文  参考訳（メタデータ） (2024-08-31T06:00:49Z)
• Evaluating the Effectiveness of Index-Based Treatment Allocation [42.040099398176665]
  リソースが不足している場合には、リソースを誰が受け取るかを決定するためにアロケーションポリシーが必要である。 本稿では、ランダム化制御試験のデータを用いて、インデックスベースのアロケーションポリシーを評価する手法を提案する。
  論文  参考訳（メタデータ） (2024-02-19T01:55:55Z)
• Identifying Risk Patterns in Brazilian Police Reports Preceding Femicides: A Long Short Term Memory (LSTM) Based Analysis [0.0]
  フェミサイド(Femicide)は、親密なパートナーや家族によってしばしば強姦される女性の犠牲者を殺害することであり、また性による暴力とも関係している。 本研究では,殺人前のブラジル警察報告における行動パターンの同定にLSTM(Long Short Term Memory)を用いた。 最初の目的は、これらの報告の内容を、被害者が殺害されるリスクの低いか高いかを示すものとして分類し、精度を66%にすることであった。 第2のアプローチでは、パターン化されたイベントのシーケンス内で、被害者が次に経験する可能性のあるアクションを予測するモデルを開発した。
  論文  参考訳（メタデータ） (2024-01-04T23:05:39Z)
• Domain Generalization without Excess Empirical Risk [83.26052467843725]
  一般的なアプローチは、一般化を捉え、ペナルティと共同で経験的リスクを最小化するために、データ駆動の代理ペナルティを設計することである。 我々は、このレシピの重大な失敗モードは、共同最適化における誤ったペナルティや難しさによる過度なリスクであると主張している。 我々は,この問題を解消するアプローチを提案し,経験的リスクと刑罰を同時に最小化する代わりに,経験的リスクの最適性の制約の下でのペナルティを最小化する。
  論文  参考訳（メタデータ） (2023-08-30T08:46:46Z)
• Measuring Bias in AI Models: An Statistical Approach Introducing N-Sigma [19.072543709069087]
  自動意思決定システムにおけるバイアスを測定する統計的アプローチを解析する。 我々は,N-Sigma法に基づく統計的手法を用いて,機械学習モデルのバイアスを測定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-04-26T16:49:25Z)
• Predicted Embedding Power Regression for Large-Scale Out-of-Distribution Detection [77.1596426383046]
  本研究では,学習過程において学習したラベル分布に基づいて,予測されたクラスラベルの確率を計算する手法を開発した。 提案手法は,計算コストの最小化のみで,現在の最先端手法よりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2023-03-07T18:28:39Z)
• Selecting Models based on the Risk of Damage Caused by Adversarial Attacks [2.969705152497174]
  規制、法的責任、社会的懸念は、安全およびセキュリティクリティカルなアプリケーションにおけるAIの採用に挑戦する。 重要な懸念の1つは、敵が検出されずにモデル予測を操作することで害を引き起こす可能性があることである。 本稿では,敵攻撃による被害の確率をモデル化し,統計的に推定する手法を提案する。
  論文  参考訳（メタデータ） (2023-01-28T10:24:38Z)
• Balancing detectability and performance of attacks on the control channel of Markov Decision Processes [77.66954176188426]
  マルコフ決定過程(MDPs)の制御チャネルにおける最適ステルス毒素攻撃の設計問題について検討する。 この研究は、MDPに適用された敵国・毒殺攻撃や強化学習(RL)手法に対する研究コミュニティの最近の関心に動機づけられている。
  論文  参考訳（メタデータ） (2021-09-15T09:13:10Z)
• Trust but Verify: Assigning Prediction Credibility by Counterfactual Constrained Learning [123.3472310767721]
  予測信頼性尺度は統計学と機械学習において基本的なものである。 これらの措置は、実際に使用される多種多様なモデルを考慮に入れるべきである。 この研究で開発されたフレームワークは、リスクフィットのトレードオフとして信頼性を表現している。
  論文  参考訳（メタデータ） (2020-11-24T19:52:38Z)
• SAMBA: Safe Model-Based & Active Reinforcement Learning [59.01424351231993]
  SAMBAは、確率論的モデリング、情報理論、統計学といった側面を組み合わせた安全な強化学習のためのフレームワークである。 我々は,低次元および高次元の状態表現を含む安全な力学系ベンチマークを用いて,アルゴリズムの評価を行った。 アクティブなメトリクスと安全性の制約を詳細に分析することで,フレームワークの有効性を直感的に評価する。
  論文  参考訳（メタデータ） (2020-06-12T10:40:46Z)
• Learning to Predict Error for MRI Reconstruction [67.76632988696943]
  提案手法による予測の不確実性は予測誤差と強く相関しないことを示す。 本稿では,2段階の予測誤差の目標ラベルと大小を推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-02-13T15:55:32Z)

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。