Fugu-MT 論文翻訳(概要): An Automated Framework for Supporting Data-Governance Rule Compliance in Decentralized MIMO Contexts

論文の概要: An Automated Framework for Supporting Data-Governance Rule Compliance in Decentralized MIMO Contexts

arxiv url: http://arxiv.org/abs/2109.00838v1
Date: Thu, 2 Sep 2021 10:53:03 GMT
ステータス: 処理完了
システム内更新日: 2021-09-03 13:55:16.904087
Title: An Automated Framework for Supporting Data-Governance Rule Compliance in Decentralized MIMO Contexts
Title（参考訳）: 分散mimoコンテキストにおけるデータガバランスルールコンプライアンス支援のための自動化フレームワーク
Authors: Rui Zhao
Abstract要約: Dr.Aidは、データフローグラフ上のデータガバナンスルールの自動コンプライアンスチェックのためのロジックベースのAIフレームワークである。 Dr.Aidはデータ・ルールとフロー・ルールをモデル化し、データ・フロー・グラフ上でのデータ・ルールの伝播、組み合わせ、修正、適用について推論してコンプライアンスをチェックする。
参考スコア（独自算出の注目度）: 10.62414957574478
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose Dr.Aid, a logic-based AI framework for automated compliance checking of data governance rules over data-flow graphs. The rules are modelled using a formal language based on situation calculus and are suitable for decentralized contexts with multi-input-multi-output (MIMO) processes. Dr.Aid models data rules and flow rules and checks compliance by reasoning about the propagation, combination, modification and application of data rules over the data flow graphs. Our approach is driven and evaluated by real-world datasets using provenance graphs from data-intensive research.
Abstract（参考訳）: データフローグラフ上のデータガバナンスルールの自動コンプライアンスチェックのためのロジックベースのAIフレームワークであるDr.Aidを提案する。これらのルールは状況計算に基づく形式言語を用いてモデル化され、マルチインプットマルチアウトプット(mimo)プロセスを持つ分散コンテキストに適している。 Dr.Aidはデータ・ルールとフロー・ルールをモデル化し、データ・フロー・グラフ上でのデータ・ルールの伝播、組み合わせ、修正、適用について推論することでコンプライアンスをチェックする。我々のアプローチは、データ集約的な研究の成果グラフを用いて、実世界のデータセットによって駆動され、評価される。

関連論文リスト

Unsupervised Domain Adaption for Neural Information Retrieval [18.97486314518283]
本稿では,Large Language Models やルールベースの文字列操作を用いたクエリ生成による合成アノテーションの比較を行う。大規模言語モデルは,すべてのシナリオにおいて,ルールベースの手法よりも大きなマージンで優れていることがわかった。さらに、オープンな大規模言語モデルを用いて、合成データを生成し、中規模モデルで十分であることを示す。
論文参考訳（メタデータ） (2023-10-13T18:27:33Z)
Relational Action Bases: Formalization, Effective Safety Verification, and Invariants (Extended Version) [67.99023219822564]
我々はリレーショナルアクションベース(RAB)の一般的な枠組みを紹介する。 RABは両方の制限を解除することで既存のモデルを一般化する。データ対応ビジネスプロセスのベンチマークにおいて、このアプローチの有効性を実証する。
論文参考訳（メタデータ） (2022-08-12T17:03:50Z)
Federated Anomaly Detection over Distributed Data Streams [0.0]
本稿では,異常検出,フェデレート学習,データストリーム間のブリッジ構築手法を提案する。作業の包括的な目標は、分散データストリーム上でのフェデレーション環境での異常を検出することだ。
論文参考訳（メタデータ） (2022-05-16T17:38:58Z)
On Balancing Bias and Variance in Unsupervised Multi-Source-Free Domain Adaptation [6.2200089460762085]
マルチソースフリードメイン適応(MSFDA)の方法は、典型的には、ソースモデルによって生成された擬似ラベル付きデータを使用してターゲットモデルを訓練する。得られた対象モデルの一般化誤差に基づく情報理論境界を開発する。次に、ドメインアグリゲーション、選択的な擬似ラベル付け、共同機能アライメントといった3つの視点から、このトレードオフのバランスをとる方法についての洞察を提供します。
論文参考訳（メタデータ） (2022-02-01T22:34:18Z)
Dr.Aid: Supporting Data-governance Rule Compliance for Decentralized Collaboration in an Automated Way [7.744664716152106]
Dr.Aidは、個人、組織、フェデレーションがデータルールに従うのを支援するフレームワークである。形式言語を使ってデータガバナンスルールをエンコードし、データフローグラフの推論を実行する。我々は,様々な分野から実生活データ利用ポリシーを符号化することで,そのモデルを3つの側面で評価する。
論文参考訳（メタデータ） (2021-10-03T17:59:28Z)
Learning to Limit Data Collection via Scaling Laws: Data Minimization Compliance in Practice [62.44110411199835]
我々は機械学習法における文献に基づいて、データとシステム性能を結びつけるデータ解釈に基づく収集を制限するフレームワークを提案する。我々は、性能曲線微分に基づくデータ最小化基準を定式化し、有効かつ解釈可能な分数法法技術を提供する。
論文参考訳（メタデータ） (2021-07-16T19:59:01Z)
Graphical Modeling for Multi-Source Domain Adaptation [56.05348879528149]
マルチソースドメイン適応(MSDA)は、複数のソースドメインからターゲットドメインへの知識の転送に焦点を当てている。我々は2種類のグラフィカルモデルを提案する。 MSDAの条件付きランダムフィールド(CRF-MSDA)とMSDAのマルコフランダムフィールド(MRF-MSDA) これらの2つのモデルを、ドメインシフトとデータの複雑さが異なるMSDAの4つの標準ベンチマークデータセットで評価します。
論文参考訳（メタデータ） (2021-04-27T09:04:22Z)
CoCoMoT: Conformance Checking of Multi-Perspective Processes via SMT (Extended Version) [62.96267257163426]
我々はCoCoMoT(Computing Conformance Modulo Theories)フレームワークを紹介する。まず、純粋な制御フロー設定で研究したSATベースのエンコーディングを、データ認識ケースに持ち上げる方法を示す。次に,プロパティ保存型クラスタリングの概念に基づく新しい前処理手法を提案する。
論文参考訳（メタデータ） (2021-03-18T20:22:50Z)
How Training Data Impacts Performance in Learning-based Control [67.7875109298865]
本稿では,トレーニングデータの密度と制御性能の関係を考察する。データセットの品質尺度を定式化し、$rho$-gap と呼ぶ。フィードバック線形化制御法に$rho$-gapを適用する方法を示す。
論文参考訳（メタデータ） (2020-05-25T12:13:49Z)
Do We Really Need to Access the Source Data? Source Hypothesis Transfer for Unsupervised Domain Adaptation [102.67010690592011]
Unsupervised adaptUDA (UDA) は、ラベル付きソースデータセットから学んだ知識を活用して、新しいラベル付きドメインで同様のタスクを解決することを目的としている。従来のUDAメソッドは、モデルに適応するためには、通常、ソースデータにアクセスする必要がある。この作業は、訓練済みのソースモデルのみが利用できる実践的な環境に取り組み、ソースデータなしでそのようなモデルを効果的に活用してUDA問題を解決する方法に取り組みます。
論文参考訳（メタデータ） (2020-02-20T03:13:58Z)

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。