論文の概要: If it Bleeds, it Leads: A Computational Approach to Covering Crime in
Los Angeles
- arxiv url: http://arxiv.org/abs/2206.07115v1
- Date: Tue, 14 Jun 2022 19:06:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-19 01:55:47.928967
- Title: If it Bleeds, it Leads: A Computational Approach to Covering Crime in
Los Angeles
- Title(参考訳): 血を流すと ロサンゼルスの犯罪を カバーする計算手法が
- Authors: Alexander Spangher and Divya Choudhary
- Abstract要約: 本稿では,犯罪に関する古典的ニュース記事から原典型的報道形態を学習し,その構造を学習することで,個々の犯罪を網羅するシステムを提案する。
私たちの研究が、これらのコンポーネントを併用して犯罪を報道するニュース記事の骨格を形成するシステムに繋がることを期待しています。
- 参考スコア(独自算出の注目度): 79.4098551457605
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developing and improving computational approaches to covering news can
increase journalistic output and improve the way stories are covered. In this
work we approach the problem of covering crime stories in Los Angeles. We
present a machine-in-the-loop system that covers individual crimes by (1)
learning the prototypical coverage archetypes from classical news articles on
crime to learn their structure and (2) using output from the Los Angeles Police
department to generate "lede paragraphs", first structural unit of
crime-articles. We introduce a probabilistic graphical model for learning
article structure and a rule-based system for generating ledes. We hope our
work can lead to systems that use these components together to form the
skeletons of news articles covering crime.
This work was done for a class project in Jonathan May's Advanced Natural
Language Processing Course, Fall, 2019.
- Abstract(参考訳): ニュースをカバーするための計算アプローチの開発と改善は、ジャーナリストのアウトプットを高め、ストーリーのカバー方法を改善する。
本研究では,ロサンゼルスにおける犯罪記事の報道問題にアプローチする。
我々は,(1)犯罪に関する古典的ニュース記事から,その構造を学ぶために,(2)ロサンゼルス警察署の出力を用いて,犯罪記事の第1構造単位である「lede段落」を生成することで,個々の犯罪をカバーするマシン・イン・ザ・ループシステムを提案する。
本稿では,記事構造を学習するための確率的グラフィカルモデルと,リードを生成するルールベースシステムを提案する。
私たちの研究が、これらのコンポーネントを併用して犯罪に関するニュース記事の骨格を形成するシステムに繋がることを期待しています。
この作業は、2019年秋のJonathan May氏のAdvanced Natural Language Processing Courseのクラスプロジェクトで実施された。
関連論文リスト
- SCStory: Self-supervised and Continual Online Story Discovery [53.72745249384159]
SCStoryは、素早く公開されたニュース記事ストリームを人間のアノテーションなしでリアルタイムで消化するのに役立つ。
SCStoryは、ニュース記事ストリームのストーリー指向適応モデリングという新しいアイデアを取り入れて、自己指導的かつ継続的な学習を取り入れている。
論文 参考訳(メタデータ) (2023-11-27T04:50:01Z) - Can Sensitive Information Be Deleted From LLMs? Objectives for Defending
Against Extraction Attacks [73.53327403684676]
本稿では,モデル重みから直接センシティブな情報を削除する作業を研究するためのアタック・アンド・ディフェンスフレームワークを提案する。
モデル重み付けへの直接的編集について検討する。この手法は、削除された情報が将来的な攻撃によって抽出されないことを保証すべきである。
我々のホワイトボックスやブラックボックス攻撃は、編集されたモデルの38%から「削除された」情報を復元できるので、ROMEのような最先端のモデル編集方法でさえ、GPT-Jのようなモデルから事実情報を真に消し去るのに苦労している。
論文 参考訳(メタデータ) (2023-09-29T17:12:43Z) - Crime Prediction using Machine Learning with a Novel Crime Dataset [0.0]
バングラデシュは貧困、人口増加、その他多くの社会経済的問題による犯罪率が高い。
法執行機関にとって、将来の犯罪活動を防ぐためには犯罪パターンを理解することが不可欠である。
本稿では,バングラデシュにおける6574件の犯罪事件に関する時間的,地理的,天気,人口統計データを含む新たな犯罪データセットを提案する。
論文 参考訳(メタデータ) (2022-11-03T01:55:52Z) - The effect of differential victim crime reporting on predictive policing
systems [84.86615754515252]
本研究では, 被害者の犯罪報告率の違いが, 共通犯罪ホットスポット予測モデルにおいて, 結果の相違をもたらすことを示す。
以上の結果から, 犯罪報告率の差は, 高犯罪から低犯罪へ, 高犯罪・中犯罪・高報道へ, 予測ホットスポットの移動につながる可能性が示唆された。
論文 参考訳(メタデータ) (2021-01-30T01:57:22Z) - Breaking Writer's Block: Low-cost Fine-tuning of Natural Language
Generation Models [62.997667081978825]
ライターのブロックを解くという問題に対して,自然言語生成モデルを微調整するシステムについて述べる。
提案した微調整は, 少数のエポックとUSD150の総コストを伴っても, 優れた結果が得られる。
論文 参考訳(メタデータ) (2020-12-19T11:19:11Z) - Prediction of Homicides in Urban Centers: A Machine Learning Approach [0.8312466807725921]
本研究では、一般的なデータを用いたデータセットを用いて、殺人犯罪を予測する機械学習モデルを提案する。
生成されたデータセット上で、単純で堅牢なアルゴリズムで分析が行われた。
結果は,提案問題のベースラインとみなす。
論文 参考訳(メタデータ) (2020-08-16T19:13:53Z) - Modeling Subjective Assessments of Guilt in Newspaper Crime Narratives [9.589175887215585]
SuspectGuiltは、アメリカ合衆国における英語新聞の注釈付き犯罪記事のコーパスである。
SuspectGuiltでは、アノテーターは短い犯罪記事を読み、主要な容疑者の有罪に関するテキストレベルの評価を提供した。
我々はSuspectGuiltを用いて予測モデルを訓練し、評価し、これらのモデルがジャンル事前学習と共同指導の恩恵を受けることを示す。
論文 参考訳(メタデータ) (2020-06-17T01:21:19Z) - Imitation Attacks and Defenses for Black-box Machine Translation Systems [86.92681013449682]
ブラックボックス機械翻訳(MT)システムは高い商業価値を持ち、エラーはコストがかかる。
MTシステムはモノリンガル文を問合せし,その出力を模倣する訓練モデルを用いて盗むことができることを示す。
本稿では,模倣モデルの最適化を誤指示するために,翻訳出力を変更するディフェンスを提案する。
論文 参考訳(メタデータ) (2020-04-30T17:56:49Z) - Perfecting the Crime Machine [1.266953082426463]
本研究では、異なる機械学習技術を用いて犯罪関連統計、特にフィラデルフィアの犯罪タイプを予測する。
犯罪の場所と時刻を主な特徴として使用し、生データにある2つの特徴から異なる特徴を抽出し、多数のクラスラベルを扱うモデルを構築します。
本稿では,ランダムフォレストが,エラーログ損失2.3120の犯罪種別予測モデルとして最適であることを示す。
論文 参考訳(メタデータ) (2020-01-14T23:25:40Z)
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。