論文の概要: NLP in Human Rights Research -- Extracting Knowledge Graphs About Police
and Army Units and Their Commanders
- arxiv url: http://arxiv.org/abs/2201.05230v1
- Date: Thu, 13 Jan 2022 21:57:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-18 00:47:35.142482
- Title: NLP in Human Rights Research -- Extracting Knowledge Graphs About Police
and Army Units and Their Commanders
- Title(参考訳): 人権研究におけるNLP -- 警察・陸軍部隊とその指揮官に関する知識グラフの抽出
- Authors: Daniel Bauer (1), Tom Longley (2), Yueen Ma (1), Tony Wilson (2) ((1)
Department of Computer Science, Columbia University, (2) Security Force
Monitor, Human Rights Institute, Columbia Law School)
- Abstract要約: セキュリティフォースモニター(SFM)の作業を支援するためのNLPシステムの利用について検討する。
SFMは、警察、陸軍、その他の治安部隊の組織構造、指揮要員、運用に関するデータを作成する。
本報告では, 英語ニュースから, 保安部隊の名前と職員の経歴を抽出するNLPシステムを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this working paper we explore the use of an NLP system to assist the work
of Security Force Monitor (SFM). SFM creates data about the organizational
structure, command personnel and operations of police, army and other security
forces, which assists human rights researchers, journalists and litigators in
their work to help identify and bring to account specific units and personnel
alleged to have committed abuses of human rights and international criminal
law. This working paper presents an NLP system that extracts from English
language news reports the names of security force units and the biographical
details of their personnel, and infers the formal relationship between them.
Published alongside this working paper are the system's code and training
dataset. We find that the experimental NLP system performs the task at a fair
to good level. Its performance is sufficient to justify further development
into a live workflow that will give insight into whether its performance
translates into savings in time and resource that would make it an effective
technical intervention.
- Abstract(参考訳): 本稿では,SFM(Security Force Monitor)の作業を支援するNLPシステムについて検討する。
sfmは、警察、軍、その他の治安部隊の組織構造、指揮人員および運用に関するデータを作成し、人権研究者、ジャーナリスト、訴訟当事者が、人権と国際刑事法を乱用したとされる特定の部隊や人員を特定し、説明するために支援する。
本報告では, 英語ニュースから, 警備部隊の名前と人員の伝記的詳細を抽出し, それらの関係を推測するNLPシステムを提案する。
この作業論文とともに公開されたのは、システムのコードとトレーニングデータセットである。
実験的なNLPシステムは,そのタスクを公平かつ良好なレベルで実行する。
そのパフォーマンスは、さらなる開発をライブワークフローに正当化するのに十分であり、パフォーマンスが時間とリソースの節約に変換され、効果的な技術的介入になるかどうかを洞察する。
関連論文リスト
- Combatting Human Trafficking in the Cyberspace: A Natural Language
Processing-Based Methodology to Analyze the Language in Online Advertisements [55.2480439325792]
このプロジェクトは、高度自然言語処理(NLP)技術により、オンラインC2Cマーケットプレースにおける人身売買の急激な問題に取り組む。
我々は、最小限の監督で擬似ラベル付きデータセットを生成する新しい手法を導入し、最先端のNLPモデルをトレーニングするための豊富なリソースとして機能する。
重要な貢献は、Integrated Gradientsを使った解釈可能性フレームワークの実装であり、法執行にとって重要な説明可能な洞察を提供する。
論文 参考訳(メタデータ) (2023-11-22T02:45:01Z) - Lessons Learned from a Citizen Science Project for Natural Language
Processing [53.48988266271858]
市民科学はクラウドソーシングの代替であり、NLPの文脈では比較的研究されていない。
我々は、既存のクラウドソースデータセットの一部を注釈付けすることで、NLPの市民科学における様々なボランティアグループへの参加について探索的研究を行う。
この結果から,高品質なアノテーションが得られ,モチベーションの高いボランティアを惹きつけるだけでなく,スケーラビリティや時間的関与,法的・倫理的問題といった要因も考慮する必要があることが示唆された。
論文 参考訳(メタデータ) (2023-04-25T14:08:53Z) - NLPeer: A Unified Resource for the Computational Study of Peer Review [58.71736531356398]
NLPeer - 5万以上の論文と5つの異なる会場からの1万1千件のレビューレポートからなる、初めて倫理的にソースされたマルチドメインコーパス。
従来のピアレビューデータセットを拡張し、解析および構造化された論文表現、豊富なメタデータ、バージョニング情報を含む。
我々の研究は、NLPなどにおけるピアレビューの体系的、多面的、エビデンスに基づく研究への道のりをたどっている。
論文 参考訳(メタデータ) (2022-11-12T12:29:38Z) - Towards Automated Classification of Attackers' TTPs by combining NLP
with ML Techniques [77.34726150561087]
我々は,NLP(Natural Language Processing)と,研究におけるセキュリティ情報抽出に使用される機械学習技術の評価と比較を行った。
本研究では,攻撃者の戦術や手法に従って非構造化テキストを自動的に分類するデータ処理パイプラインを提案する。
論文 参考訳(メタデータ) (2022-07-18T09:59:21Z) - Capture the Flag for Team Construction in Cybersecurity [2.4698886064068555]
我々は、専門知識の認識と役割割り当てのためのコンピュータ・ヒューマン・プロセスの一部として、Capture the Flagを組み込むフレームワークを開発した。
本稿では、CTFを組み込んだコンピュータ・ヒューマン・プロセス・フレームワークの洞察、設計選択、および分析について紹介する。
論文 参考訳(メタデータ) (2022-06-17T19:02:29Z) - Unpacking Invisible Work Practices, Constraints, and Latent Power
Relationships in Child Welfare through Casenote Analysis [3.739243122393041]
ケースワーマーは、チャイルドウェルフェア(CW)の家族に関する詳細な物語を書いている。
ケースノートは、現場のケースワーカーの経験を理解するためのユニークなレンズを提供する。
本研究は,ケースノートの最初の計算検査を行い,SIGCHIコミュニティに紹介する。
論文 参考訳(メタデータ) (2022-03-10T05:48:22Z) - An Extensive Analytical Approach on Human Resources using Random Forest
Algorithm [0.0]
調査では、ワークライフの不均衡、低賃金、不均一なシフトなど、従業員がワークライフを変えることを考えることが示されました。
本稿では,異なる従業員パラメータを考慮したランダムフォレストアルゴリズムを用いたモデルを提案する。
hr部門がギャップを特定し、良好な従業員保持率で組織をスムーズに運営することを支援することで、従業員の維持を支援する。
論文 参考訳(メタデータ) (2021-05-07T07:35:23Z) - FedNLP: A Research Platform for Federated Learning in Natural Language
Processing [55.01246123092445]
NLPのフェデレーションラーニングのための研究プラットフォームであるFedNLPを紹介します。
FedNLPは、テキスト分類、シーケンスタグ付け、質問応答、Seq2seq生成、言語モデリングなど、NLPで一般的なタスクの定式化をサポートしている。
FedNLPによる予備実験では、分散型データセットと集中型データセットの学習には大きなパフォーマンスギャップが存在することが明らかになった。
論文 参考訳(メタデータ) (2021-04-18T11:04:49Z) - How Does NLP Benefit Legal System: A Summary of Legal Artificial
Intelligence [81.04070052740596]
法律人工知能(Legal AI)は、人工知能、特に自然言語処理の技術を適用して、法的領域におけるタスクに役立てることに焦点を当てている。
本稿では,LegalAIにおける研究の歴史,現状,今後の方向性について紹介する。
論文 参考訳(メタデータ) (2020-04-25T14:45:15Z)
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。