論文の概要: Identifying Illicit Drug Dealers on Instagram with Large-scale
Multimodal Data Fusion
- arxiv url: http://arxiv.org/abs/2108.08301v1
- Date: Wed, 18 Aug 2021 04:29:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-20 14:16:51.279617
- Title: Identifying Illicit Drug Dealers on Instagram with Large-scale
Multimodal Data Fusion
- Title（参考訳）: 大規模マルチモーダルデータ融合によるinstagram上の違法薬物ディーラーの同定
- Authors: Chuanbo Hu, Minglei Yin, Bin Liu, Xin Li, Yanfang Ye
- Abstract要約: Instagramなどのソーシャルメディアサイトを経由した違法薬物の売買は深刻な問題となっている。
ソーシャルメディアのデータから違法な麻薬ディーラーを識別する方法は、依然として技術的課題である。
本稿では,大規模マルチモーダルデータセットの構築により,違法な麻薬ディーラー識別の問題に取り組むことを提案する。
- 参考スコア（独自算出の注目度）: 18.223055392013542
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Illicit drug trafficking via social media sites such as Instagram has become
a severe problem, thus drawing a great deal of attention from law enforcement
and public health agencies. How to identify illicit drug dealers from social
media data has remained a technical challenge due to the following reasons. On
the one hand, the available data are limited because of privacy concerns with
crawling social media sites; on the other hand, the diversity of drug dealing
patterns makes it difficult to reliably distinguish drug dealers from common
drug users. Unlike existing methods that focus on posting-based detection, we
propose to tackle the problem of illicit drug dealer identification by
constructing a large-scale multimodal dataset named Identifying Drug Dealers on
Instagram (IDDIG). Totally nearly 4,000 user accounts, of which over 1,400 are
drug dealers, have been collected from Instagram with multiple data sources
including post comments, post images, homepage bio, and homepage images. We
then design a quadruple-based multimodal fusion method to combine the multiple
data sources associated with each user account for drug dealer identification.
Experimental results on the constructed IDDIG dataset demonstrate the
effectiveness of the proposed method in identifying drug dealers (almost 95%
accuracy). Moreover, we have developed a hashtag-based community detection
technique for discovering evolving patterns, especially those related to
geography and drug types.
- Abstract（参考訳）: instagramのようなソーシャルメディアサイトを通じた違法薬物密売は深刻な問題となり、法執行機関や公衆衛生機関から大きな注目を集めている。
ソーシャルメディアのデータから違法薬物ディーラーを特定する方法は、以下の理由から技術的な課題のままである。
一方、ソーシャルメディアサイトをクロールするプライバシー上の懸念から、利用可能なデータは限られている。一方、薬物取引パターンの多様性は、薬物ディーラーと一般的な薬物使用者とを確実に区別することが困難である。
投稿に基づく検出に焦点を当てた既存の方法とは異なり、Instagram上でIdentifying Drug Dealers(IDDIG)と呼ばれる大規模マルチモーダルデータセットを構築することにより、不正なドラッグディーラー識別の問題に取り組むことを提案する。
合計4000近いユーザーアカウントがあり、そのうち1400以上の麻薬ディーラーがInstagramから収集され、投稿コメント、投稿画像、ホームページのバイオ、ホームページの画像など複数のデータソースが提供されている。
次に,各ユーザアカウントに関連付けられた複数のデータソースを組み合わせ,ドラッグディーラー識別を行うために,四重項型マルチモーダル融合法を設計する。
構築したiddigデータセットにおける実験結果から,提案手法の有効性が実証された(ほぼ95%の精度)。
さらに,地理や薬物の種類に関連のあるパターン,特に進化パターンを発見するためのハッシュタグに基づくコミュニティ検出手法を開発した。
関連論文リスト
- Synthesizing Efficient Data with Diffusion Models for Person Re-Identification Pre-Training [51.87027943520492]
本稿では,既知の同一性に基づく多様な画像の効率向上と生成を行う新しいパラダイムDiffusion-ReIDを提案する。
提案したパラダイムに適合して,まず,5,183個のIDから777K以上の画像で構成された,大規模なRe-IDデータセットDiff-Personを新たに作成する。
論文 参考訳（メタデータ） (2024-06-10T06:26:03Z) - Detection of Opioid Users from Reddit Posts via an Attention-based Bidirectional Recurrent Neural Network [11.491225833044021]
我々は、Redditでオピオイドユーザーを特定する機械学習の最近の進歩を活用している。
1ヶ月で3つのサブレディットに投稿した1000人以上のユーザーからの投稿が収集された。
我々は,オピオイドユーザを特定するために,注目に基づく双方向長短メモリモデルを適用した。
論文 参考訳（メタデータ） (2024-02-09T22:12:20Z) - Identifying Self-Disclosures of Use, Misuse and Addiction in Community-based Social Media Posts [26.161892748901252]
我々は,オピオイド使用の6つの異なる位相をラベル付けした,様々なサブレディットからの2500オピオイド関連ポストのコーパスを提示する。
すべての投稿で、私たちは、アノテーションの品質とモデル開発の両方において、スパンレベルの説明を注釈付けし、彼らの役割を決定的に研究します。
論文 参考訳（メタデータ） (2023-11-15T16:05:55Z) - Unveiling the Potential of Knowledge-Prompted ChatGPT for Enhancing Drug
Trafficking Detection on Social Media [30.791563171321062]
そこで本研究では,人間がLLMと対話し,その検出作業を行うためのインタフェースとして,emphknowledgeインフォームドプロンプトを構成するための分析フレームワークを提案する。
実験により,本フレームワークは薬物輸送検出精度において,他のベースライン言語モデルよりも優れていることが示された。
この研究がソーシャルネットワークにもたらした意味は、オンラインのセキュリティと公衆安全を改善するための分析ツールに事前知識とシナリオベースのプロンプトを組み込むことの重要性を強調している。
論文 参考訳（メタデータ） (2023-07-07T16:15:59Z) - Neural Bandits for Data Mining: Searching for Dangerous Polypharmacy [63.135687276599114]
一部の多薬局は、不適切とみなされており、死亡や入院などの健康上の有害な結果に関係している可能性がある。
我々は、クレームデータセットを効率的にマイニングし、薬物の組み合わせと健康結果の関係の予測モデルを構築するためのOptimNeuralTS戦略を提案する。
提案手法では,最大72%のPIPを検出でき,平均精度は99%であり,30000タイムステップで検出できる。
論文 参考訳（メタデータ） (2022-12-10T03:43:23Z) - Knowledge-Driven New Drug Recommendation [88.35607943144261]
既存の薬物と新薬のギャップを埋めるために, 薬物依存型マルチフェノタイプ数発学習機を開発した。
EDGEは外部薬効知識ベースを用いて偽陰性監視信号を除去する。
その結果, EDGEは, ROC-AUCスコアよりも7.3%向上していることがわかった。
論文 参考訳（メタデータ） (2022-10-11T16:07:52Z) - An Integrated System of Drug Matching and Abnormal Approval Number
Correction [0.0]
本稿では、2つのデータソースから薬品をマッチングする統合システムを作成する。
我々の統合システムは、99.2%の精度と97.5%のリコールで、98.3%の薬物マッチング精度を達成する。
論文 参考訳（メタデータ） (2022-07-01T11:19:50Z) - SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity
Prediction [127.43571146741984]
薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。
湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。
既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。
SSM-DTAフレームワークについて述べる。
論文 参考訳（メタデータ） (2022-06-20T14:53:25Z) - Detection of Illicit Drug Trafficking Events on Instagram: A Deep
Multimodal Multilabel Learning Approach [18.223055392013542]
Instagram上では、違法薬物密売事件(IDTE)の詳細な検出に関する最初の系統的研究を行っている。
具体的には,本モデルでは,テキストと画像データを入力とし,マルチモーダル情報を組み合わせて複数の違法薬物のラベルを予測する。
我々は,不正薬物の詳細な検出を支援するために,手動で注釈付き複数の薬物ラベルを付加した大規模データセットMM-IDTEを構築した。
論文 参考訳（メタデータ） (2021-08-19T21:16:21Z) - Two Step Joint Model for Drug Drug Interaction Extraction [82.49278654043577]
薬物と薬物の相互作用 (DDI) テキスト分析会議 (TAC) 2018における薬物ラベルからの抽出
本稿では,DDI検出のための2段階関節モデルを提案する。
シーケンスタギングシステム(CNN-GRUエンコーダデコーダ)は、まず沈殿剤を発見し、その微細なトリガーを探索し、第2ステップで沈殿剤毎のDDIを決定する。
論文 参考訳（メタデータ） (2020-08-28T15:30:08Z) - Whose Tweets are Surveilled for the Police: An Audit of Social-Media
Monitoring Tool via Log Files [69.02688684221265]
我々はCorvallis (Oregon) Police DepartmentによるDigitalStakeoutというソーシャルメディア監視ソフトウェアの使用からログファイルを入手した。
これらのログファイルには、DigitalStakeoutによるプロプライエタリな検索の結果が含まれている。
ツイートがDigitalStakeoutによってフラグ付けされているユーザーの人口統計と、地域のTwitterユーザーの人口統計との差異を観察する。
論文 参考訳（メタデータ） (2020-01-23T19:35:12Z)
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。