論文の概要: A Framework for Institutional Risk Identification using Knowledge Graphs
and Automated News Profiling
- arxiv url: http://arxiv.org/abs/2109.09103v1
- Date: Sun, 19 Sep 2021 11:06:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-22 12:52:16.911238
- Title: A Framework for Institutional Risk Identification using Knowledge Graphs
and Automated News Profiling
- Title（参考訳）: ナレッジグラフと自動ニュースプロファイリングを用いた機関リスク識別の枠組み
- Authors: Mahmoud Mahfouz, Armineh Nourbakhsh, Sameena Shah
- Abstract要約: 世界中の組織は、世界中の運用に影響を与えるさまざまなリスクに直面しています。
リスクが生まれる前に潜在的なリスクを検知し、評価する、堅牢なリスク識別プロセスを持つことが不可欠である。
- 参考スコア（独自算出の注目度）: 5.631924211771643
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Organizations around the world face an array of risks impacting their
operations globally. It is imperative to have a robust risk identification
process to detect and evaluate the impact of potential risks before they
materialize. Given the nature of the task and the current requirements of deep
subject matter expertise, most organizations utilize a heavily manual process.
In our work, we develop an automated system that (a) continuously monitors
global news, (b) is able to autonomously identify and characterize risks, (c)
is able to determine the proximity of reaching triggers to determine the
distance from the manifestation of the risk impact and (d) identifies
organization's operational areas that may be most impacted by the risk. Other
contributions also include: (a) a knowledge graph representation of risks and
(b) relevant news matching to risks identified by the organization utilizing a
neural embedding model to match the textual description of a given risk with
multi-lingual news.
- Abstract（参考訳）: 世界中の組織は、運用に影響を及ぼすさまざまなリスクに直面しています。
潜在的なリスクの影響を事前に検出し評価するための、堅牢なリスク識別プロセスを持つことが不可欠である。
タスクの性質と、深い主題に関する専門知識の現在の要件を考えると、ほとんどの組織は、非常に手動のプロセスを使用します。
私たちの研究では 自動化されたシステムを開発し
(a)世界ニュースを継続的に監視する
b)リスクを自律的に識別し、特徴付けることができる。
(c)到達トリガーの接近を判定し、リスクインパクトの顕現からの距離を判断することができる。
(d)リスクに最も影響される可能性のある組織の運用領域を特定する。
その他、次のような貢献がある。
(a)リスクのナレッジグラフ表現と
b) 特定のリスクのテキスト記述と多言語ニュースとを一致させるために,神経埋め込みモデルを用いて組織が特定したリスクに適合する関連ニュース。
関連論文リスト
- Risks and NLP Design: A Case Study on Procedural Document QA [52.557503571760215]
より具体的なアプリケーションやユーザに対して分析を専門化すれば,ユーザに対するリスクや害の明確な評価が可能になる,と我々は主張する。
リスク指向のエラー分析を行い、リスクの低減とパフォーマンスの向上を図り、将来のシステムの設計を通知する。
論文 参考訳（メタデータ） (2024-08-16T17:23:43Z) - EAIRiskBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [47.69642609574771]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。
高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。
しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。
EAIRiskBenchは、EAIシナリオにおける自動物理的リスクアセスメントのための新しいフレームワークである。
論文 参考訳（メタデータ） (2024-08-08T13:19:37Z) - AI Risk Categorization Decoded (AIR 2024): From Government Regulations to Corporate Policies [88.32153122712478]
我々は4階層の分類に分類された314のユニークなリスクカテゴリを特定した。
最高レベルでは、この分類はシステム・アンド・オペレーショナル・リスク、コンテンツ・セーフティ・リスク、社会的なリスク、法と権利のリスクを含む。
我々は、セクター間の情報共有と、生成型AIモデルとシステムのリスク軽減におけるベストプラクティスの推進を通じて、AIの安全性を向上することを目指している。
論文 参考訳（メタデータ） (2024-06-25T18:13:05Z) - AI and the Iterable Epistopics of Risk [1.26404863283601]
AIが社会に提示するリスクは、一般的な計算によって管理可能であると広く理解されている。
本稿では、規制当局、開発者、サイバーセキュリティの専門家によるリスクの把握と管理について詳述する。
論文 参考訳（メタデータ） (2024-04-29T13:33:22Z) - A Framework for Exploring the Consequences of AI-Mediated Enterprise Knowledge Access and Identifying Risks to Workers [3.4568218861862556]
本稿では、AIを利用した企業知識アクセスシステムから労働者のリスクを特定するためのConsequence-Mechanism-Riskフレームワークを提案する。
我々は、労働者に対するリスクを詳述した幅広い文献を執筆し、労働者の価値、力、幸福に対するリスクを分類した。
今後の作業は、この枠組みを他の技術システムに適用し、労働者や他のグループの保護を促進する可能性がある。
論文 参考訳（メタデータ） (2023-12-08T17:05:40Z) - RiskBench: A Scenario-based Benchmark for Risk Identification [4.263035319815899]
この研究は、リスク識別、ダイナミックなトラフィック参加者と予期せぬイベントから生じるリスクを特定し分析するプロセスに焦点を当てている。
リスク識別のための大規模シナリオベースベンチマークである textbfRiskBench を紹介する。
我々は,(1)リスクの検出と発見,(2)リスクの予測,(3)意思決定の促進を行う10のアルゴリズムの能力を評価する。
論文 参考訳（メタデータ） (2023-12-04T06:21:22Z) - Capsa: A Unified Framework for Quantifying Risk in Deep Neural Networks [142.67349734180445]
ディープニューラルネットワークにリスク認識を提供する既存のアルゴリズムは複雑でアドホックである。
ここでは、リスク認識でモデルを拡張するためのフレームワークであるcapsaを紹介します。
論文 参考訳（メタデータ） (2023-08-01T02:07:47Z) - On the Security Risks of Knowledge Graph Reasoning [71.64027889145261]
我々は、敵の目標、知識、攻撃ベクトルに応じて、KGRに対するセキュリティ脅威を体系化する。
我々は、このような脅威をインスタンス化する新しいタイプの攻撃であるROARを提示する。
ROARに対する潜在的な対策として,潜在的に有毒な知識のフィルタリングや,対向的な拡張クエリによるトレーニングについて検討する。
論文 参考訳（メタデータ） (2023-05-03T18:47:42Z) - Foveate, Attribute, and Rationalize: Towards Physically Safe and
Trustworthy AI [76.28956947107372]
包括的不安全テキストは、日常的なシナリオから生じる可能性のある特定の関心領域であり、有害なテキストを検出するのが困難である。
安全の文脈において、信頼に値する合理的な生成のために外部知識を活用する新しいフレームワークであるFARMを提案する。
実験の結果,FARMはSafeTextデータセットの最先端結果を得ることができ,安全性の分類精度が5.9%向上したことがわかった。
論文 参考訳（メタデータ） (2022-12-19T17:51:47Z) - Ethical and social risks of harm from Language Models [22.964941107198023]
本稿では,大規模言語モデル(LM)に関連するリスクランドスケープの構築を支援することを目的とする。
コンピュータ科学、言語学、社会科学から多分野の専門知識と文献を参考に、幅広い確立と予測されたリスクが詳細に分析されている。
論文 参考訳（メタデータ） (2021-12-08T16:09:48Z) - Driver-centric Risk Object Identification [25.85690304998681]
運転者中心のリスク定義,すなわち危険物が運転者行動に影響を与えることを提案する。
本稿では,本課題を原因影響問題として定式化し,新たな2段階リスクオブジェクト識別フレームワークを提案する。
運転者中心型リスクオブジェクト識別データセットを算出し,提案システムの評価を行う。
論文 参考訳（メタデータ） (2021-06-24T17:27:32Z)
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。