論文の概要: Unsupervised Text Deidentification

• arxiv url: http://arxiv.org/abs/2210.11528v1
• Date: Thu, 20 Oct 2022 18:54:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 14:26:34.986557
• Title: Unsupervised Text Deidentification
• Title（参考訳）: 教師なしテキスト識別
• Authors: John X. Morris, Justin T. Chiu, Ramin Zabih, Alexander M. Rush
• Abstract要約: 個人識別情報を漏洩する単語を隠蔽する教師なしの識別手法を提案する。 K匿名性に基づくプライバシによって動機づけられた私たちは、最小の再識別ランクを保証するリアクションを生成します。
• 参考スコア（独自算出の注目度）: 101.2219634341714
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deidentification seeks to anonymize textual data prior to distribution. Automatic deidentification primarily uses supervised named entity recognition from human-labeled data points. We propose an unsupervised deidentification method that masks words that leak personally-identifying information. The approach utilizes a specially trained reidentification model to identify individuals from redacted personal documents. Motivated by K-anonymity based privacy, we generate redactions that ensure a minimum reidentification rank for the correct profile of the document. To evaluate this approach, we consider the task of deidentifying Wikipedia Biographies, and evaluate using an adversarial reidentification metric. Compared to a set of unsupervised baselines, our approach deidentifies documents more completely while removing fewer words. Qualitatively, we see that the approach eliminates many identifying aspects that would fall outside of the common named entity based approach.
• Abstract（参考訳）: 特定は、配布前にテキストデータを匿名化しようとする。 自動識別は、主に人間のラベルデータポイントから教師付き名前付きエンティティ認識を使用する。 個人識別情報を漏洩する単語を隠蔽する教師なし識別手法を提案する。 このアプローチでは、特別に訓練された再識別モデルを使用して、修正された個人文書から個人を識別する。 K匿名性に基づくプライバシによってモチベーションされた我々は、文書の正しいプロファイルに対する最小の再識別ランクを保証するリアクションを生成する。 このアプローチを評価するために,ウィキペディアの伝記を識別するタスクを検討し,逆方向の再同定指標を用いて評価する。 教師なしベースラインの集合と比較して,本手法は少ない単語を除去しながら文書をより完全に識別する。 質的に見れば、このアプローチは共通の名前のエンティティベースのアプローチから外れる多くの側面を排除します。

関連論文リスト

• Keypoint Promptable Re-Identification [76.31113049256375]
  Occluded Person Re-Identification (ReID) は、その外見に基づいて隠蔽された個人をマッチングするメトリクス学習タスクである。 本稿では、入力バウンディングボックスを意味キーポイントの集合で明示的に補完する新しいReID問題の定式化であるKeypoint Promptable ReID(KPR)を紹介する。 我々は4つの人気のあるReIDベンチマークのためのカスタムキーポイントラベルをリリースした。人物検索の実験だけでなく、ポーズトラッキングの実験も、我々の手法が従来の最先端手法を体系的に超越していることを示す。
  論文  参考訳（メタデータ） (2024-07-25T15:20:58Z)
• Multiview Identifiers Enhanced Generative Retrieval [78.38443356800848]
  生成検索は、検索対象の通路の識別子文字列を生成する。 本稿では,パスの内容に基づいて生成される新しいタイプの識別子,合成識別子を提案する。 提案手法は生成的検索において最善を尽くし,その有効性とロバスト性を実証する。
  論文  参考訳（メタデータ） (2023-05-26T06:50:21Z)
• Towards Privacy-Preserving Person Re-identification via Person Identify Shift [19.212691296927165]
  人物再識別(ReID)は、ReID法で使用される歩行者画像のプライバシーを維持する必要がある。 本稿では、人物識別シフト(PIS)と呼ばれる、人物ReID用に明示的に設計された新しい非識別手法を提案する。 PISは、それぞれの歩行者画像を現在の身元から別の身元にシフトさせ、その結果、相対的な身元を保存している。
  論文  参考訳（メタデータ） (2022-07-15T06:58:41Z)
• The Text Anonymization Benchmark (TAB): A Dedicated Corpus and Evaluation Framework for Text Anonymization [2.9849405664643585]
  本稿では,テキスト匿名化手法の性能評価のための新しいベンチマークと関連する評価指標を提案する。 テキスト匿名化は、個人情報の開示を防ぐためにテキスト文書を編集するタスクとして定義されており、現在、プライバシー指向の注釈付きテキストリソースが不足している。 本稿では,TAB (Text Anonymization Benchmark) について述べる。
  論文  参考訳（メタデータ） (2022-01-25T14:34:42Z)
• RealGait: Gait Recognition for Person Re-Identification [79.67088297584762]
  我々は,既存の映像人物の再識別課題からシルエットを抽出し,制約のない方法で歩く1,404人からなる新たな歩行データセットを構築した。 以上の結果から、実際の監視シナリオにおける歩行による認識は実現可能であり、その基盤となる歩行パターンが、実際にビデオの人物認識が機能する真の理由である可能性が示唆された。
  論文  参考訳（メタデータ） (2022-01-13T06:30:56Z)
• Context-Aware Unsupervised Clustering for Person Search [13.99348653165494]
  個人識別ラベルがない場合にネットワークをトレーニングできる新しい人物検索フレームワークを提案する。 注釈付き人物識別ラベルを用いて,効率的な非教師なしクラスタリング手法を提案する。 実験の結果,提案手法は最先端の教師付き人物探索手法に匹敵する性能を示した。
  論文  参考訳（メタデータ） (2021-10-04T11:39:18Z)
• No Intruder, no Validity: Evaluation Criteria for Privacy-Preserving Text Anonymization [0.48733623015338234]
  自動テキスト匿名化システムを開発する研究者や実践者は,その評価手法が,個人を再同定から保護するシステムの能力に本当に反映しているかどうかを慎重に評価すべきである。 本稿では,匿名化手法の技術的性能,匿名化による情報損失,不正文書の非匿名化能力を含む評価基準のセットを提案する。
  論文  参考訳（メタデータ） (2021-03-16T18:18:29Z)
• Identity-Driven DeepFake Detection [91.0504621868628]
  アイデンティティ駆動のDeepFake Detectionは、被疑者画像/ビデオとターゲットのアイデンティティ情報を入力する。 被疑者画像・映像の同一性は対象人物と同一かという判断を出力する。 本稿では,新たな研究のベースラインとして,簡単な識別ベース検出アルゴリズムであるouterfaceを提案する。
  論文  参考訳（メタデータ） (2020-12-07T18:59:08Z)
• How important are faces for person re-identification? [14.718372669984364]
  顔検出およびぼかしアルゴリズムを適用し、複数の人気人物再識別データセットの匿名化バージョンを作成する。 我々は,この匿名化が標準メトリクスを用いた再識別性能に与える影響を評価する。
  論文  参考訳（メタデータ） (2020-10-13T11:47:16Z)
• Learning Person Re-identification Models from Videos with Weak Supervision [53.53606308822736]
  本稿では、監督の弱いビデオから人物再識別モデルを学ぶ問題について紹介する。 このようなビデオレベルラベルを用いた人物再識別のための多段階注意学習フレームワークを提案する。 注意重みは、ビデオ中の人物追跡レットではなく、すべての人物画像に基づいて得られるため、学習したモデルはノイズの多いアノテーションの影響を受けにくくなる。
  論文  参考訳（メタデータ） (2020-07-21T07:23:32Z)

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。