論文の概要: A machine learning model to identify corruption in M\'exico's public
procurement contracts
- arxiv url: http://arxiv.org/abs/2211.01478v1
- Date: Tue, 25 Oct 2022 01:22:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 14:56:45.515801
- Title: A machine learning model to identify corruption in M\'exico's public
procurement contracts
- Title（参考訳）: m\'exicoの公共調達契約における腐敗を識別する機械学習モデル
- Authors: Andr\'es Aldana, Andrea Falc\'on-Cort\'es and Hern\'an Larralde
- Abstract要約: 本稿では,M'exicoの公開調達データから不正契約を識別し,予測する機械学習モデルを提案する。
このモデルで考慮された最も重要な予測要因は、買い手とサプライヤーの関係に関するものである。
我々の研究は、公的調達契約における汚職を特定し、予測し、分析するための意思決定プロセスを支援するツールを提示します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The costs and impacts of government corruption range from impairing a
country's economic growth to affecting its citizens' well-being and safety.
Public contracting between government dependencies and private sector
instances, referred to as public procurement, is a fertile land of opportunity
for corrupt practices, generating substantial monetary losses worldwide. Thus,
identifying and deterring corrupt activities between the government and the
private sector is paramount. However, due to several factors, corruption in
public procurement is challenging to identify and track, leading to corrupt
practices going unnoticed. This paper proposes a machine learning model based
on an ensemble of random forest classifiers, which we call hyper-forest, to
identify and predict corrupt contracts in M\'exico's public procurement data.
This method's results correctly detect most of the corrupt and non-corrupt
contracts evaluated in the dataset. Furthermore, we found that the most
critical predictors considered in the model are those related to the
relationship between buyers and suppliers rather than those related to features
of individual contracts. Also, the method proposed here is general enough to be
trained with data from other countries. Overall, our work presents a tool that
can help in the decision-making process to identify, predict and analyze
corruption in public procurement contracts.
- Abstract（参考訳）: 政府の腐敗のコストと影響は、国の経済成長を損なうことから市民の健康と安全に影響を与えることまで様々である。
政府依存と民間企業との公共契約は、公共調達と呼ばれ、腐敗した慣行の機会の豊かな土地であり、世界中でかなりの金銭的損失を生んでいる。
したがって、政府と民間セクター間の腐敗活動の特定と抑止が最重要である。
しかし、いくつかの要因により、公共調達の汚職は特定と追跡が困難であり、悪質な行為に気づかれていない。
本稿では,M\'exico の公共調達データにおける破壊的契約を識別し,予測するために,超森林と呼ばれるランダム森林分類器のアンサンブルに基づく機械学習モデルを提案する。
この手法の結果はデータセットで評価された破損や非破損の契約の大部分を正確に検出する。
さらに,このモデルで考慮すべき最も重要な予測要因は,個々の契約の特徴よりも,買い手とサプライヤの関係が関係していることが判明した。
また、ここで提案する手法は、他国のデータで訓練できるほど一般的である。
全体として、我々の研究は、公開調達契約の汚職を特定し、予測し、分析するための意思決定プロセスに役立つツールを提示します。
関連論文リスト
- Differentially Private Data Release on Graphs: Inefficiencies and Unfairness [48.96399034594329]
本稿では,ネットワーク情報公開の文脈における偏見と不公平性に対する差別的プライバシの影響を特徴づける。
ネットワーク構造が全員に知られているネットワークリリースの問題を考えるが、エッジの重みをプライベートにリリースする必要がある。
我々の研究は、これらのネットワーク化された決定問題におけるプライバシーに起因する偏見と不公平性に関する理論的根拠と実証的な証拠を提供する。
論文 参考訳（メタデータ） (2024-08-08T08:37:37Z) - The Impact of Differential Feature Under-reporting on Algorithmic Fairness [86.275300739926]
解析的に抽出可能な差分特徴のアンダーレポーティングモデルを提案する。
そして、この種のデータバイアスがアルゴリズムの公正性に与える影響を特徴づける。
我々の結果は、実世界のデータ設定では、アンダーレポートが典型的に格差を増大させることを示している。
論文 参考訳（メタデータ） (2024-01-16T19:16:22Z) - Locally Differentially Private Embedding Models in Distributed Fraud
Prevention Systems [2.001149416674759]
プライバシの観点から設計され,最近のPETs Prize Challengesで授与された不正防止のための協調的なディープラーニングフレームワークを提案する。
各種トランザクションシーケンスの潜時埋め込み表現とローカル差分プライバシを利用して、外部にホストされた不正や異常検出モデルを安全に通知するデータリリース機構を構築する。
我々は,大規模決済ネットワークが寄贈した2つの分散データセットへのコントリビューションを評価し,他のアプリケーションドメインでの公開作業に類似したユーティリティ・プライバシ・トレードオフとともに,一般的な推論時攻撃に対するロバスト性を示す。
論文 参考訳（メタデータ） (2024-01-03T14:04:18Z) - Corruptions of Supervised Learning Problems: Typology and Mitigations [11.294508617469905]
我々は情報理論の観点から汚職の一般的な理論を発展させる。
ここでは確率分布の変化に注目します。
この研究は、ラベルと属性の両方に対する共同や依存的な汚職から生じる複雑さに光を当てている。
論文 参考訳（メタデータ） (2023-07-17T16:57:01Z) - Frequency-Based Vulnerability Analysis of Deep Learning Models against
Image Corruptions [48.34142457385199]
MUFIAは、モデルが失敗する可能性のある特定の種類の汚職を特定するために設計されたアルゴリズムである。
最先端のモデルでさえ、既知の一般的な汚職に対して堅牢であるように訓練されたモデルでさえ、MUFIAによって作られた低視認性ベースの汚職と戦っている。
論文 参考訳（メタデータ） (2023-06-12T15:19:13Z) - FedForgery: Generalized Face Forgery Detection with Residual Federated
Learning [87.746829550726]
既存の顔偽造検出方法は、取得した共有データや集中データを直接利用して訓練を行う。
顔偽造検出のための一般化された残留フェデレーション学習(FedForgery)を提案する。
顔偽造検出データセットを公開して行った実験は、提案したFedForgeryの優れた性能を証明している。
論文 参考訳（メタデータ） (2022-10-18T03:32:18Z) - Soft Diffusion: Score Matching for General Corruptions [84.26037497404195]
我々は,任意の線形汚職過程のスコア関数を確実に学習するSoft Score Matchingと呼ばれる新しい目的を提案する。
本研究の目的は, 汚職過程の家族に対して, 適正な規則性条件下での確率の勾配を学習することである。
提案手法はCelebA-64上でのFIDスコアを1.85ドルで達成し,従来の線形拡散モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-09-12T17:45:03Z) - Scrutinizing Shipment Records To Thwart Illegal Timber Trade [14.559268536152926]
木材・森林製品産業における 灰色と黒色の市場活動は 木材が収穫された国に限らず 世界のサプライチェーン全体に広がっています
既存のアプローチは、大規模な貿易データへの適用性において、ある種の欠点に悩まされている。
本稿では,大規模な異種データに適用可能なコントラスト学習に基づく異種異常検出(CHAD)を提案する。
論文 参考訳（メタデータ） (2022-07-31T18:54:52Z) - Using the Overlapping Score to Improve Corruption Benchmarks [6.445605125467574]
本稿では、汚職ベンチマークの欠陥を明らかにするために、汚職重複スコアと呼ばれる指標を提案する。
汚職間の重複を考慮に入れれば、既存のベンチマークを改善したり、より良いベンチマークを構築するのに役立ちます。
論文 参考訳（メタデータ） (2021-05-26T06:42:54Z) - Characterization of the Firm-Firm Public Procurement Co-Bidding Network
from the State of Cear\'a (Brazil) Municipalities [58.720142291102135]
我々は,2015 年から2019 年にかけて,Cear'a (ブラジル) の184 億ドルの市町村が発行する公益事業に参加する企業間の連携関係について検討した。
同様の調達活動のパターンを持つ企業のグループ/コミュニティを、地理的および活動によって定義した22ドルを識別する。
論文 参考訳（メタデータ） (2021-04-17T13:58:30Z)
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。