論文の概要: Classification Protocols with Minimal Disclosure

• arxiv url: http://arxiv.org/abs/2209.02690v1
• Date: Tue, 6 Sep 2022 17:57:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-07 13:25:55.979875
• Title: Classification Protocols with Minimal Disclosure
• Title（参考訳）: 極小開示を用いた分類プロトコル
• Authors: Jinshuo Dong, Jason Hartline, Aravindan Vijayaraghavan
• Abstract要約: 裁判所手続におけるe-discoveryなどの応用によって動機付けられた分類のための多人数プロトコルについて考察する。 我々は、要求当事者がすべての応答文書を受信することを保証するプロトコルを特定し、送信当事者は最小限の応答文書を開示する。 このプロトコルは、ポイントの自動ラベリングを可能にする機械学習フレームワークに組み込むことができる。
• 参考スコア（独自算出の注目度）: 12.308957254601243
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We consider multi-party protocols for classification that are motivated by applications such as e-discovery in court proceedings. We identify a protocol that guarantees that the requesting party receives all responsive documents and the sending party discloses the minimal amount of non-responsive documents necessary to prove that all responsive documents have been received. This protocol can be embedded in a machine learning framework that enables automated labeling of points and the resulting multi-party protocol is equivalent to the standard one-party classification problem (if the one-party classification problem satisfies a natural independence-of-irrelevant-alternatives property). Our formal guarantees focus on the case where there is a linear classifier that correctly partitions the documents.
• Abstract（参考訳）: 裁判所手続におけるe-discoveryなどの応用によって動機付けられた分類のための多人数プロトコルを検討する。 我々は、要求側が全ての応答性文書を受信することを保証するプロトコルを特定し、送信側が応答性文書が受信されたことを証明するために必要な最小限の非応答性文書を開示する。 このプロトコルは、ポイントの自動ラベリングを可能にする機械学習フレームワークに組み込むことができ、結果として生じるマルチパーティプロトコルは、標準のワンパーティ分類問題と等価である(ワンパーティ分類問題は、自然な独立性(unrelevant-alternatives)特性を満たす)。 我々の正式な保証は、文書を正しく分割する線形分類器が存在する場合に焦点を当てます。

関連論文リスト

• DT-SIM: Property-Based Testing for MPC Security [2.0308771704846245]
  プロパティベースのテストはセキュアプロトコルのセキュリティバグの検出に有効である。 セキュアマルチパーティ計算(MPC)を特に対象とする。 MPCプロトコルのビットレベル実装において,様々な欠陥を検出するテストを作成する。
  論文  参考訳（メタデータ） (2024-03-08T02:02:24Z)
• Error-Tolerant E-Discovery Protocols [18.694850127330973]
  Dong, Hartline, Vijayaraghavan (2022) が導入した多党派分類問題について考察する。 要求当事者からの生産要求に基づき、応答当事者は、法的特権を有する者を除き、要求に応答する文書の提供を要求される。 我々のゴールは、応答する相手が応答しないドキュメントの公開を最小限に抑えながら、ほぼ全ての応答するドキュメントを送信することを検証するプロトコルを見つけることである。
  論文  参考訳（メタデータ） (2024-01-31T15:59:16Z)
• Beyond Document Page Classification: Design, Datasets, and Challenges [32.94494070330065]
  本稿では,文書分類ベンチマークを現実のアプリケーションに近づける必要性を強調した。 我々は、パブリックなマルチページ文書分類データセットの欠如を特定し、アプリケーションシナリオにおける異なる分類タスクを形式化し、効率的なマルチページ文書表現をターゲットとする価値を動機づける。
  論文  参考訳（メタデータ） (2023-08-24T16:16:47Z)
• A Universal Unbiased Method for Classification from Aggregate Observations [115.20235020903992]
  本稿では,任意の損失に対する分類リスクを非バイアスで推定するCFAOの普遍的手法を提案する。 提案手法は,非バイアスリスク推定器によるリスクの整合性を保証するだけでなく,任意の損失に対応できる。
  論文  参考訳（メタデータ） (2023-06-20T07:22:01Z)
• A Security Verification Framework of Cryptographic Protocols Using Machine Learning [0.0]
  機械学習を用いた暗号プロトコルのセキュリティ検証フレームワークを提案する。 ランダムなプロトコルを自動的に生成し、セキュリティラベルを割り当てることで、任意に大規模なデータセットを作成する。 提案手法を実用的な暗号プロトコルの検証に適用して評価する。
  論文  参考訳（メタデータ） (2023-04-26T02:37:43Z)
• Beyond the Prototype: Divide-and-conquer Proxies for Few-shot Segmentation [63.910211095033596]
  少ないショットのセグメンテーションは、少数の濃密なラベル付けされたサンプルのみを与えられた、目に見えないクラスオブジェクトをセグメンテーションすることを目的としている。 分割・分散の精神において, 単純かつ多目的な枠組みを提案する。 提案手法は、DCP(disvision-and-conquer proxies)と呼ばれるもので、適切な信頼性のある情報の開発を可能にする。
  論文  参考訳（メタデータ） (2022-04-21T06:21:14Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)
• Specialized Document Embeddings for Aspect-based Similarity of Research Papers [4.661692753666685]
  アスペクトベースの類似性は、アスペクト固有の埋め込み空間における古典的ベクトル類似性問題として扱う。 文書は単一の汎用的な埋め込みではなく、複数の専門的な埋め込みとして表現する。 当社のアプローチは、暗黙の偏見から生じる潜在的なリスクを明確化することで軽減します。
  論文  参考訳（メタデータ） (2022-03-28T07:35:26Z)
• Out-of-Category Document Identification Using Target-Category Names as Weak Supervision [64.671654559798]
  Out-of-category Detection は、文書が不適格(またはターゲット)カテゴリと意味的関連性に応じて区別することを目的としている。 対象のカテゴリの1つに属する文書の信頼性を効果的に測定する,カテゴリ外検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-24T21:01:25Z)
• Multilevel Text Alignment with Cross-Document Attention [59.76351805607481]
  既存のアライメントメソッドは、1つの事前定義されたレベルで動作します。 本稿では,文書を文書間注目要素で表現するための階層的アテンションエンコーダを予め確立した新しい学習手法を提案する。
  論文  参考訳（メタデータ） (2020-10-03T02:52:28Z)
• Certified Robustness to Label-Flipping Attacks via Randomized Smoothing [105.91827623768724]
  機械学習アルゴリズムは、データ中毒攻撃の影響を受けやすい。 任意の関数に対するランダム化スムージングの統一的なビューを示す。 本稿では,一般的なデータ中毒攻撃に対して,ポイントワイズで確実に堅牢な分類器を構築するための新しい戦略を提案する。
  論文  参考訳（メタデータ） (2020-02-07T21:28:30Z)

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。